Die Schutzfähigkeit von Machine Learning Modellen

Die Autorin definiert zunächst Machine Learning Modelle. Anschliessend analysiert sie deren Schutzfähigkeit im Urheber-, Patent- und Lauterkeitsrecht de lege lata. Zudem prüft sie, ob aus ökonomischer Sicht ein erhöhter Schutzbedarf für Modelle de lege ferenda besteht und wie dieser rechtlich umgesetzt werden könnte. Weiter präsentiert sie einen Ansatz, den Schutz von Computerprogrammen im Urheberrecht in ein Schutzrecht sui generis zu überführen. Gefördert durch ein Doc.CH-Stipendium des Schweizerischen Nationalfonds (SNF), forschte die Autorin am Max-Planck-Institut für Innovation und Wettbewerb (München) sowie an der Harvard Law School (Cambridge).