Die Einsatzgebiete synthetischer, KI-generierter Stimmen sind zahlreich. Doch was, wenn eine synthetische Stimme wie eine Synchronstimme aus Film und Fernsehen klingt – oder wie die Stimme einer prominenten Person?

Illustration: KI-Stimmen in Werbung, Videos, E-Learning, journalistischen Beiträgen, Podcasts und Dialogsystemen
Von Werbung bis E-Learning: Synthetische Stimmen sind in vielen Formaten einsetzbar.

Sie kommen in Werbung, Produktpräsentationen, Schulungsvideos, Anleitungen, E-Learnings, journalistischen Beiträgen, Podcasts, Dokumentationen und Sprachdialogsystemen zum Einsatz.

Mittels aktueller Text-to-Speech-Systeme (TTS) können auch Laien professionell klingende Vertonungen von Medieninhalten herstellen. Die Nutzungsbedingungen vieler TTS-Anbieter sehen auch kommerzielle Anwendungen vor. Damit sind jedoch nicht automatisch die Rechte Dritter geklärt: Wenn eine verwendete KI-Stimme einer aus den Medien bekannten Stimme zum Verwechseln ähnlich ist, kann es problematisch werden.

Die menschliche Stimme ist rechtlich geschützt

In Deutschland ist die individuelle Stimme durch das allgemeine Persönlichkeitsrecht geschützt. Dieser Schutz umfasst nicht nur Originalaufnahmen. Auch die künstliche Nachahmung einer charakteristischen Stimme kann betroffen sein. Dazu fällte das Landgericht Berlin II am 20. August 2025 ein Urteil (Az. 2 O 202/24).

In dem Verfahren ging es darum, dass der Beklagte zur Vertonung eigener YouTube-Videos eine KI-generierte Nachahmung einer bekannten Synchronstimme verwendet hatte. Das Gericht sah darin eine Verletzung des Rechts an der eigenen Stimme und sprach dem Synchronsprecher eine fiktive Lizenzgebühr von 4.000 Euro zu. Entscheidend war nicht allein, wie die Stimme technisch hergestellt wurde, sondern ob ein erheblicher Teil des Publikums sie dem Sprecher zuordnen konnte.

Allerdings ist nicht jede klangliche Ähnlichkeit automatisch rechtswidrig. Für die juristische Beurteilung spielen mehrere Faktoren eine Rolle: der Wiedererkennungswert, die Umstände der Verwendung und die Abwägung entgegenstehender Interessen – etwa der Meinungs-, Presse- oder Kunstfreiheit.

Drei Risikosituationen

Für die Veröffentlichung von Medien lassen sich drei typische Konstellationen unterscheiden:

  1. Zufällige ÄhnlichkeitEine regulär angebotene KI-Stimme erinnert an einen bekannten Sprecher, besitzt aber ausreichende eigenständige Merkmale. Es wird weder gezielt auf dessen Identität angespielt noch der Eindruck seiner Beteiligung erweckt. Das rechtliche Risiko erscheint hier vergleichsweise gering.
  2. Deutliche WiedererkennbarkeitDie synthetische Stimme klingt einer bekannten Stimme oder Person so ähnlich, dass sie vom Publikum entsprechend wahrgenommen und zugeordnet wird. In diesem Fall besteht insbesondere bei kommerzieller Verwertung das Risiko einer Persönlichkeitsrechtsverletzung.
  3. Gezielte StimmenimitationVerwendet eine KI-Stimme zusätzlich typische Sprechweisen, Formulierungen oder andere charakteristische Elemente, kann das die rechtliche Bewertung weiter verschärfen.

Wer ist für die Verwendung einer KI-Stimme verantwortlich?

Nach Maßgabe der einschlägigen Nutzungsbedingungen ist bei vielen Anbietern auch die kommerzielle Nutzung bereitgestellter KI-Stimmen vorgesehen. Daraus folgt jedoch nicht, dass sämtliche Rechte Dritter geklärt sind. Die Nutzungslizenz regelt zunächst das Verhältnis zwischen dem KI-Anbieter und seinen Kunden.

Die Persönlichkeitsrechte eines erkennbar imitierten Sprechers bestehen unabhängig davon fort. Die Verwendung einer KI-Stimme aus dem Katalog eines Anbieters schützt also nicht grundsätzlich vor Unterlassungs- oder Zahlungsansprüchen. Die unveränderte Übernahme aus der Bibliothek eines etablierten Anbieters kann die rechtliche Bewertung im Einzelfall aber beeinflussen.

Müssen KI-Stimmen gekennzeichnet werden?

Seit dem 2. August 2026 gelten die Transparenzpflichten des Artikels 50 des EU AI Acts. Dabei sind zwei Ebenen zu unterscheiden:

  1. Technische Markierung durch Anbieter: Anbieter von KI-Systemen, die synthetische Audioinhalte erzeugen oder verändern, müssen die Ausgaben grundsätzlich maschinenlesbar markieren und technisch als künstlich erzeugt oder verändert erkennbar machen – soweit dies technisch möglich ist. Für bestimmte bereits vor dem 2. August 2026 in Verkehr gebrachte Systeme gilt bei dieser Pflicht eine Übergangsfrist bis zum 2. Dezember 2026.
  2. Information des Publikums durch Verwender: Wer mit einem KI-System Audioinhalte erzeugt oder verändert und diese als Deepfake veröffentlicht, muss die künstliche Herkunft für Menschen klar erkennbar offenlegen. Eine bloße technische Markierung genügt dafür nicht. Ein Hinweis kann beispielsweise lauten: „Die Stimme in diesem Video wurde künstlich erzeugt.“

Nicht jedes Voice-over mit einer KI-Stimme ist deshalb automatisch ein kennzeichnungspflichtiger Deepfake. Entscheidend ist, ob der Inhalt erkennbar bestehende Personen, Objekte oder Ereignisse nachbildet und dadurch fälschlich authentisch erscheint. Die Leitlinien der Europäischen Kommission erläutern diese Abgrenzung; sie muss für den konkreten Einsatz geprüft werden.

Typische Beispiele für eine Kennzeichnung gegenüber dem Publikum
AnwendungsfallHinweis nötig?
Erklärvideo mit neutraler KI-StimmeIn der Regel nicht
E-Learning mit neutraler KI-StimmeIn der Regel nicht
Produktpräsentation mit neutralem KI-Voice-overIn der Regel nicht
Werbevideo mit synthetischer ErzählerstimmeIn der Regel nicht
KI-Stimme, die eine reale Person täuschend echt imitiertJa, in der Regel
Gefälschtes Interview mit der KI-Stimme einer bekannten PersonJa

Die ersten vier Beispiele setzen voraus, dass weder Personen noch Produkte oder Ereignisse täuschend echt nachgebildet werden. Sie sind eine vereinfachte Orientierung zur sicht- oder hörbaren Offenlegung nach Artikel 50 Absatz 4; Inhalt und Kontext können eine andere Bewertung ergeben. Die technische Markierung nach Absatz 2 ist davon zu unterscheiden.

Was bedeutet das für Ihre Sprachproduktion?

Erstens: Der Einsatz von KI-Stimmen ist in vielen Fällen möglich. Effizient ist er dann, wenn gute Hörtexte vorliegen und gelegentliche Fehler in Aussprache oder Betonung in Kauf genommen werden können. Eventuelle Korrekturen verursachen jedoch Zusatzaufwand, der den Preisvorteil gegenüber Humanproduktionen schnell übersteigen kann. Mehr dazu lesen Sie in unserem Beitrag Warum KI-TTS ohne Expertenwissen zur Kostenfalle werden kann.

Zweitens: Muss höchste muttersprachliche Qualität sichergestellt werden, zum Beispiel für fremdsprachliche Versionen eines Textes, dann sind Humanproduktionen die bessere und oft auch die kostengünstigere Wahl. Entscheidend sind zudem ein passender Hörtext und eine sorgfältige Prüfung von Stimme, Lizenz und Nutzungskontext.

Quellen und Einordnung

Stand: 28. Oktober 2026

Die rechtliche Einordnung hängt vom Einzelfall ab. Dieser Beitrag ersetzt keine Rechtsberatung.

Zurück zur Übersicht Nach oben
Teilen