Reservoir tegen Suno: 157,5 miljoen dollar geëist voor 1.050 nummers, de rekening van ongedocumenteerde trainingsdata

26 oktober 2026
6 min

Ook beschikbaar in français · English

Reservoir tegen Suno: 157,5 miljoen dollar geëist voor 1.050 nummers, de rekening van ongedocumenteerde trainingsdata

De zaak in één alinea

De kop uit de Suno News-feed, gedateerd op 25 oktober 2026 en toegeschreven aan PPC Land, is ondubbelzinnig: Reservoir sues Suno for $157.5m over 1,050 songs in AI training data. Twee partijen: Reservoir, dat de rechtszaak aanspant, en Suno, het AI-muziekplatform. Eén onderwerp: 1.050 nummers die de eiser terugvindt in de trainingsdata. Eén bedrag: 157,5 miljoen dollar. Het beschikbare fragment noemt geen rechtbank, geen indieningsdatum, geen lijst van nummers en geen reactie van Suno. Alles hieronder blijft dus bij die vier elementen.

Wat er werkelijk misging

De rekensom is eenvoudig: 157,5 miljoen dollar gedeeld door 1.050 nummers is 150.000 dollar per nummer. Die deling is een berekening van dit artikel, geen gegeven uit de bron, die de juridische grondslag van het bedrag niet vermeldt. Ze toont wel hoe het mechanisme werkt: als een claim per werk wordt uitgedrukt, wordt elk geïdentificeerd nummer in een trainingsset een factuurregel. Een dataset die groeit zonder inventaris laat ook het mogelijke risico groeien. Onbekend blijft hoe de 1.050 titels werden opgespoord en wat Suno zal antwoorden.

Drie hoofdoorzaken die verder reiken dan deze zaak

  1. Een dataset zonder register. Wie niet kan opsommen waarmee een model is getraind, kan zich niet nummer per nummer verdedigen of een partner geruststellen.
  2. Risico per eenheid, niet per totaal. Een claim per werk maakt van een technisch detail, één audiobestand in een map, een financiële post.
  3. Rechten achteraf geregeld. De vraag naar toestemming komt aan het einde van het traject, wanneer ze het duurst is om te stellen.

Drie hefbomen om hetzelfde lot te vermijden

  • Inventariseren: houd een register bij van trainingsbronnen met herkomst, licentie en datum van toevoeging.
  • Aan de poort filteren: sluit alles met een onduidelijke status uit in plaats van achteraf op te ruimen.
  • De claim simuleren: vermenigvuldig het aantal twijfelachtige werken met een voorzichtig bedrag per stuk om het risico in te schatten voordat een model verschijnt.

Deze hefbomen zijn voorzichtigheidspraktijken, afgeleid uit de zaak en niet afkomstig uit de bron. Op basis van de gepubliceerde elementen is er nog niets beslist: het gaat om een rechtszaak, niet om een veroordeling.

Zou uw dataset een claim van 150.000 dollar per bestand doorstaan?

Bronnen

Volgt u Suno? Ontvang de volgende analyses per e-mail

Eén e-mail bij elk nieuw blogartikel, alle categorieën. Uitschrijven met één klik.

Deel dit artikel

Klaar om samen iets geweldigs te creëren?

Laten we bespreken hoe ik u kan helpen uw visie tot leven te brengen door strategisch design dat tastbare resultaten levert voor uw bedrijf.