Geklonte Stimmen aus KI: Einwilligung vor Bequemlichkeit

Auf einer Messe wurde mir neulich ein KI-Werkzeug vorgeführt, das jede Stimme in wenigen Minuten nachbaut. Ein paar Minuten Tonmaterial genügen, dann sagt die geklonte Stimme alles, was man eintippt. Der Verkäufer schwärmte von den Möglichkeiten: die Stimme des Chefs für das Schulungsvideo, ohne dass er ins Studio muss. Die Stimme der bekannten Mitarbeiterin für die Telefon-Ansage. Ein Podcast in der eigenen Stimme, auch wenn man krank im Bett liegt. Klingt praktisch. Und genau hier wird es heikel. Eine Stimme zu klonen ist technisch trivial geworden. Rechtlich und menschlich ist es alles andere als harmlos. Das ist meine Einordnung als Auditor, keine Rechtsberatung: Bequem ist das eine, erlaubt das andere.

Deine Stimme ist wie deine Unterschrift

Ich komme aus der Werkstatt und denke in solchen Bildern. Die Stimme eines Menschen ist wie seine Unterschrift oder sein Gesicht. Sie gehört ihm, sie ist Ausdruck seiner Persönlichkeit, und sie steht für ihn ein. Wenn jemand mit meiner Stimme spricht, spricht er in meinem Namen, ob ich das gesagt habe oder nicht. Das deutsche Recht schützt das. Das allgemeine Persönlichkeitsrecht, abgeleitet aus Artikel 2 Absatz 1 in Verbindung mit Artikel 1 Absatz 1 Grundgesetz, umfasst auch die eigene Stimme. Niemand muss dulden, dass seine Stimme ohne seine Zustimmung nachgebaut wird und in den Mund gelegt bekommt, was er nie gesagt hat.

Das gilt für den Geschäftsführer genauso wie für die Mitarbeiterin an der Hotline oder den externen Sprecher. Eine Stimme ist kein herrenloses Gut, das man einsammelt, weil ein paar Tonaufnahmen herumliegen. Sie gehört der Person, die sie hat, und niemand sonst darf ohne Weiteres darüber verfügen.

Und der Schaden ist nicht theoretisch. Mit einer geklonten Stimme kann man einen Menschen Dinge sagen lassen, die er nie sagen würde: ein Produkt anpreisen, eine politische Aussage treffen, eine Zusage machen, die ihn bindet. Wer das hört, glaubt es der vertrauten Stimme. Der Betroffene steht am Ende für Worte gerade, die nie über seine Lippen kamen. Das ist ein Eingriff in den Kern dessen, was einen Menschen ausmacht.

Ohne Einwilligung ist der Klon ein Übergriff

Der Dreh- und Angelpunkt ist die Einwilligung. Wer die Stimme eines echten Menschen klonen und einsetzen will, braucht dessen Erlaubnis. Und zwar eine informierte: Die Person muss wissen, wofür ihre Stimme verwendet wird, in welchem Umfang, wie lange, und ob sie es widerrufen kann. Ein pauschales Ja, irgendwo im Arbeitsvertrag versteckt, reicht dafür in aller Regel nicht. Eine Einwilligung, die alles und für immer erlaubt, ist keine echte Einwilligung.

Besonders schief liegt, wer denkt, im eigenen Betrieb sei das kein Problem. Die Stimme des Chefs klonen, weil er ja der Chef ist? Oder umgekehrt: Darf der Betrieb die Stimme einer Mitarbeiterin klonen, weil sie angestellt ist? Nein. Das Beschäftigungsverhältnis hebt das Persönlichkeitsrecht nicht auf. Wer im Unternehmen eine Stimme klonen will, braucht die freiwillige, konkrete Zustimmung der betroffenen Person, nicht ein Machtwort von oben.

Die Stimme ist auch ein personenbezogenes Datum

Zweite Ebene: der Datenschutz. Eine Stimmaufnahme ist ein personenbezogenes Datum. Sie zu verarbeiten, um daraus ein Stimmodell zu bauen, ist eine Datenverarbeitung nach der DSGVO. Sie braucht eine Rechtsgrundlage, einen klar festgelegten Zweck und Transparenz gegenüber der betroffenen Person. Wer heimlich aus alten Aufnahmen ein Stimmodell trainiert, verletzt schon diese Grundregeln. Und anders als ein einzelnes Foto lässt sich eine einmal trainierte Stimme kaum zurückrufen, wenn das Modell erst in der Welt ist.

Es kommt noch eine Stufe dazu. Wird die Stimme so verarbeitet, dass sie eine Person eindeutig identifiziert, etwa als Stimmprofil zur Authentifizierung am Telefon, sind das biometrische Daten nach Artikel 9 DSGVO. Das ist die besondere Kategorie mit dem höchsten Schutz. Für sie gelten strengere Bedingungen, und eine ausdrückliche Einwilligung ist meist der einzige gangbare Weg. Wer eine Stimme klont, bewegt sich also schnell im sensibelsten Bereich des Datenschutzes, nicht am Rand davon.

Wenn der Klon rausgeht: die Kennzeichnungspflicht

Nehmen wir an, die Einwilligung liegt sauber vor und der Datenschutz ist geklärt. Dann ist eine dritte Pflicht noch offen. Sobald künstlich erzeugte oder manipulierte Audioinhalte in Umlauf kommen, greifen die Transparenzpflichten aus Artikel 50 des EU AI Act, die ab dem 2. August 2026 gelten. Solche Inhalte müssen als künstlich erzeugt oder verändert erkennbar sein. Zuhörer haben ein Recht zu wissen, dass sie nicht einen Menschen hören, sondern eine Maschine, die wie ein Mensch klingt.

Wichtig ist die Reihenfolge, und die wird oft verdreht. Die Kennzeichnung ersetzt nicht die Einwilligung. Ein Etikett unter einem Stimmklon heilt keine fehlende Erlaubnis. Wie Sie KI-Inhalte konkret kennzeichnen, habe ich an anderer Stelle ausführlich beschrieben. Hier zählt der Grundsatz: Kennzeichnen ist Pflicht, aber es ist die letzte Stufe, nicht die erste. Zuerst die Erlaubnis, dann der Datenschutz, dann die Kennzeichnung.

Ein Etikett unter einem Stimmklon macht aus einer fehlenden Einwilligung keine vorhandene. Kennzeichnen ist Pflicht, aber es ist die letzte Stufe, nicht die erste.

Das Missbrauchs-Szenario: die Stimme des Chefs am Telefon

Warum ich bei dem Thema so deutlich werde, hat einen handfesten Grund. Geklonte Stimmen sind längst ein Werkzeug für Betrug. Das Muster ist bekannt: Ein Mitarbeiter der Buchhaltung bekommt einen Anruf, am Apparat die vertraute Stimme des Geschäftsführers, dringend, eine Überweisung müsse sofort raus. Nur ist es nicht der Geschäftsführer, sondern sein geklonter Klang. Wer auf so einen Anruf hin zahlt, sitzt einem Betrug auf, strafbar nach Paragraf 263 Strafgesetzbuch.

Die nüchterne Konsequenz für jeden Betrieb: Eine Stimme ist kein Ausweis mehr. Sie taugt nicht länger als Nachweis, dass am anderen Ende wirklich die Person ist, die man zu hören glaubt. Wer Freigaben für Zahlungen oder Daten allein an eine vertraute Stimme knüpft, hat ein offenes Tor. Kritische Anweisungen brauchen einen zweiten, unabhängigen Kanal zur Bestätigung, nicht das Bauchgefühl, die Stimme klinge doch echt.

Die gleiche Ehrlichkeit gilt in die andere Richtung, zum Kunden hin. Wer eine KI-Stimme im Kundenkontakt einsetzt, etwa an der Hotline oder im Sprachassistenten, muss offenlegen, dass hier eine Maschine spricht und kein Mensch. Auch das steht in Artikel 50 des EU AI Act. Menschen dürfen nicht in dem Glauben gelassen werden, sie sprächen mit einer echten Person, wenn am anderen Ende ein System sitzt.

Der einfachste Ausweg: eine Stimme, die niemandem gehört

Bei all dem lohnt eine simple Frage, die viele überspringen: Muss es überhaupt die Stimme eines echten Menschen sein? Es gibt zwei sehr verschiedene Dinge, die oft in einen Topf geworfen werden. Das eine ist die geklonte Stimme, der Nachbau einer bestimmten, realen Person. Das andere ist eine synthetische Stimme, eine künstliche Stimme, die keinem konkreten Menschen nachempfunden ist. Sie gehört niemandem, also berührt sie auch kein Persönlichkeitsrecht und braucht keine Einwilligung einer betroffenen Person.

Für viele Zwecke im Betrieb ist genau das der saubere Weg. Die Ansage in der Telefon-Warteschleife, die Erzählstimme im E-Learning, die Vorlesefunktion auf der Website: Dafür braucht es keine geklonte Kollegin, eine neutrale synthetische Stimme tut es genauso. Sie erspart die ganze Einwilligungs- und Persönlichkeitsfrage. Übrig bleibt nur die Kennzeichnung, dass es eine Maschine ist, und die ist leicht zu erfüllen. Wer eine reale Stimme klont, sollte das bewusst tun, weil genau diese Person gewollt ist, und nicht aus Verlegenheit, weil das Werkzeug es eben anbietet.

Ich rate Betrieben deshalb zu einer klaren Regel: Standard ist die synthetische Stimme. Der Klon einer realen Person ist die Ausnahme, die eine dokumentierte Einwilligung und einen guten Grund braucht. So dreht man die Beweislast im eigenen Haus richtig herum, weg von der Bequemlichkeit, hin zur bewussten Entscheidung.

Was ISO 42001 von einem Stimmklon-Projekt verlangt

Wer Stimmklone verantwortungsvoll einsetzen will, findet in der ISO/IEC 42001, der Norm für KI-Managementsysteme, den passenden Rahmen. Sie verlangt einen klar definierten, legitimen Zweck, eine dokumentierte Folgenabschätzung für Systeme mit Wirkung auf Menschen, Transparenz gegenüber den Betroffenen und menschliche Aufsicht. Auf einen Stimmklon übersetzt heißt das:

• Zweck und Rechtsgrundlage sind dokumentiert: Wofür wird welche Stimme geklont, auf welcher Erlaubnis beruht das?
• Die Einwilligung ist eingeholt, nachweisbar und widerrufbar, konkret statt als Pauschale.
• Ausgaben sind als künstlich erzeugt gekennzeichnet, wo sie in Umlauf kommen.
• Es gibt eine Missbrauchs-Schranke: keine Freigaben allein auf Stimmbasis, ein Zweitkanal für kritische Aktionen.
• Ein Mensch behält die Aufsicht darüber, was mit der geklonten Stimme veröffentlicht wird.

Ein Auditor braucht keine zehn Minuten, um zu sehen, ob das sitzt. Er fragt nach der Einwilligung, nach dem Zweck, nach der Kennzeichnung und nach der Missbrauchs-Schranke. Fehlt eines davon, ist der Befund klar. Und in der Praxis fehlt meistens gleich mehreres, weil zuerst das Werkzeug gekauft und erst danach nachgedacht wird.

Meine klare Kante: Eine Stimme zu klonen, nur weil es geht und bequem ist, ist kein Fortschritt, sondern ein Übergriff mit Ansage. Mit Einwilligung, sauberem Zweck, Kennzeichnung und einer Schranke gegen Missbrauch kann ein Stimmklon ein legitimes Werkzeug sein, für Barrierefreiheit, für Lokalisierung, für Effizienz. Ohne das ist er ein Vertrauensbruch, der schnell strafbar wird. Die Stimme eines Menschen gehört ihm, nicht dem, der zufällig ein paar Aufnahmen und ein KI-Werkzeug hat.