Kurz gefasst

Wer KI-Stimmen klont, braucht mehr als ein KI-Label: Einwilligung, DSGVO und EU AI Act treffen zusammen. Dieser Leitfaden zeigt Creator, wie sie Einwilligungen dokumentieren, die Rechtekette klären und Governance im Produktionsalltag verankern.

Inhaltsverzeichnis

• Warum Einwilligung beim Voice Cloning Pflicht ist
• Die Stimme als Datum: was die DSGVO verlangt
• EU AI Act: Kennzeichnungspflichten ab August 2026
• Rechtekette klären: Wer alles einwilligen muss
• Internationaler Rahmen: ELVIS Act und NO FAKES Act
• Einwilligung dokumentieren: Verträge, Widerruf, Löschung
• Governance im Alltag: Checkliste für Creator-Teams
• Häufige Fragen
• Quellen

Das Wichtigste

• LG Berlin, Urteil vom 20. August 2025: Ein KI-Stimmenklon ohne Einwilligung verpflichtet zur Zahlung einer fiktiven Lizenzgebühr pro Video.
• Ab dem 2. August 2026 gelten die Transparenzpflichten des EU AI Act auch für synthetische Audioinhalte.
• Biometrische Stimmdaten fallen unter Art. 9 DSGVO: Verarbeitung in der Regel nur mit ausdrücklicher Einwilligung.
• Einwilligung und Kennzeichnung sind getrennte Pflichten: ein KI-Label ersetzt keine Zustimmung des Sprechers.
• ELVIS Act (Tennessee) und NO FAKES Act (S.1367) verschärfen den Stimmschutz auch für Creator mit US-Publikum.

Voice Cloning: Einwilligung und Governance für Creator

Kurz gefasst

Voice Cloning ohne Einwilligung ist teuer: Das LG Berlin sprach einem Synchronsprecher 4.000 Euro zu, und ab dem 2. August 2026 schreibt der EU AI Act die Kennzeichnung KI-generierter Stimmen vor. Dieser Guide zeigt Creatorn die geltenden Regeln und einen sauberen Einwilligungs-Workflow.

Warum Voice Cloning jetzt ein Governance-Thema ist

Voice Cloning ist in der Creator-Produktion längst Alltag: Mit wenigen Minuten Sprachmaterial lässt sich heute eine täuschend echte Stimmimitation erzeugen, und mit jedem Fortschritt der Modelle wird es schwieriger, Original und Nachbildung zu unterscheiden[1]. Genau diese Qualität macht die Technologie für Podcast-Teams, Kursanbieter und Studios so wertvoll, denn eine aufgenommene Stimme lässt sich in viele Sprachen und Formate weiterverwenden. Sie macht sie aber auch zum Angriffsziel: Die gleiche Technik treibt eine Betrugswelle, die Verbraucher und Marken gleichermaßen trifft.

Das Ausmaß zeigt der Blick in die USA: Allein 2024 verloren US-Verbraucher rund 2,95 Milliarden US-Dollar durch Imposter-Scams, also Betrugsmaschen, bei denen sich Täter als vertraute Personen, Behörden oder Unternehmen ausgeben[2]. KI-generierte Stimmklone sind dabei ein zentraler Beschleuniger. Consumer Reports überreichte der FTC deshalb eine Petition mit mehr als 75.000 Unterschriften, die fordert, Anbieter von Voice-Cloning-Produkten ohne wirksame Schutzmaßnahmen zur Verantwortung zu ziehen[3].

Warum Einwilligung beim Voice Cloning Pflicht ist

Auf der anderen Seite stehen die wirtschaftlichen Interessen derer, deren Stimme es ist: Synchronsprecher, Musiker, Schauspieler und Podcasterinnen leben von ihrer Erkennbarkeit, und unbefugte Stimmklone können diese Existenzgrundlage erheblich beeinträchtigen[1]. Eine Stimme ist dabei rechtlich kein freies Material, sondern personenbezogenes Datum und Persönlichkeitsmerkmal zugleich.

Wer eine KI-Stimme nutzt, die einer realen Person ähnelt, braucht deren Erlaubnis. Das hat das LG Berlin mit Urteil vom 20. August 2025 (Az. 2 O 202/24) klargestellt: Ein YouTuber ließ die unverkennbare Stimme des Synchronsprechers Manfred Lehmann per KI nachbilden und vertonte damit zwei Videos seines Kanals, ohne den Sprecher zu fragen. Das Gericht sah darin einen Eingriff in das Recht an der eigenen Stimme, das Teil des allgemeinen Persönlichkeitsrechts ist, und verurteilte ihn zur Zahlung einer fiktiven Lizenzgebühr[4].

Die These dieses Artikels lautet deshalb: Einwilligung und Dokumentation sind kein Bürokratieaufwand, sondern die Voraussetzung dafür, dass Mehrsprach-Produktion überhaupt skalierbar bleibt. Die Rechtslage hat sich in kurzer Zeit dramatisch verengt, ein deutsches Gericht hat erstmals eine fiktive Lizenzgebühr für einen KI-Stimmklon verhängt, und ab August 2026 schreibt der EU AI Act die Kennzeichnung synthetischer Stimmen zwingend vor. Wer diese Pflichten in einen festen Workflow übersetzt, kann mehrsprachige Formate mit klarem Gewissen produzieren. Wer es nicht tut, riskiert Abmahnungen, Bußgelder und Reputationsschäden, die jeden Effizienzgewinn zunichtemachen.

Wiedererkennbarkeit genügt, kein Original nötig

Der entscheidende Punkt für Creator: Das Gericht stellte nicht auf die Originalaufnahme ab, sondern auf die Wiedererkennbarkeit. Die Stimme in den Videos stammte nicht von Lehmann, sondern war eine KI-Nachahmung, und genau das schützte den YouTuber nicht. Nach Auffassung des Gerichts machte es in der Beurteilung keinen Unterschied, dass es sich nicht um »die« Stimme Lehmanns, sondern um eine KI-erzeugte Nachahmung handelte. Weil das Publikum angesichts der Ähnlichkeit davon ausgehen konnte, Lehmann habe den Text selbst eingesprochen, lag ein Eingriff in sein allgemeines Persönlichkeitsrecht vor.[5]

Rechtslage in Deutschland: das Recht an der eigenen Stimme

Drei Faktoren haben das Urteil geprägt und geben Creator-Teams eine praktische Prüflinie:

In Deutschland ist die Stimme über das allgemeine Persönlichkeitsrecht geschützt, das sich aus Art. 1 Abs. 1 und Art. 2 Abs. 1 Grundgesetz in Verbindung mit § 823 Abs. 1 BGB ergibt. Der Bundesgerichtshof hat dieses Recht an der eigenen Stimme bereits im sogenannten Marlene-Dietrich-Urteil (Az. I ZR 49/97) ausdrücklich anerkannt: Die Stimme ist ein Wiedererkennungsmerkmal einer Person, genau wie das Bild[1]. Das allgemeine Persönlichkeitsrecht schützt dabei in beide Richtungen, sowohl gegen Eingriffe in die persönliche Ehre, etwa durch eine Imitation, die den eigenen Wertvorstellungen widerspricht, als auch gegen unbefugte wirtschaftliche Ausbeutung[1].

• Zuordnungswirkung: Entscheidend ist, ob ein nicht unerheblicher Teil des Publikums die Stimme einer konkreten Person zuordnen kann, nicht ob die Originalaufnahme verwendet wurde.[5]
• Kommerzieller Kontext: Der YouTuber nutzte die Stimme, um die Reichweite seines Kanals und eines verlinkten Online-Shops zu steigern. Dieser wirtschaftliche Bezug verschärfte die Abwägung deutlich.
• Kunst- und Meinungsfreiheit schützen nicht alles: Die Videos hatten satirischen Gehalt, doch eine überwiegend wirtschaftlich motivierte Nutzung fremder Identitätsmerkmale fällt nicht unter diese Freiheiten.[4]

Zusätzlich greift die DSGVO: Stimmen sind keine frei verfügbaren Daten, sondern unterliegen sowohl dem Persönlichkeits- als auch dem Datenschutzrecht. Für Creator-Teams bedeutet das konkret: Vor jeder Nutzung einer Stimme, sei es für das Training eines KI-Modells oder für die Veröffentlichung von Stimmimitationen, braucht es eine Einwilligung, die spezifisch für den jeweiligen Zweck gilt und jederzeit widerrufbar bleibt. Ohne diese Zustimmung drohen empfindliche Bußgelder, und Betroffene können Unterlassung, Löschung und Auskunft über die Verarbeitung verlangen[1].

Für Podcaster und Kursanbieter heißt das: Schon der Einsatz einer KI-Stimme, die nur ähnlich klingt, kann rechtswidrig sein, wenn die Person wiedererkennbar ist und nicht eingewilligt hat. Die Einwilligung ist damit keine Formalie, sondern die Grundvoraussetzung jedes Voice-Cloning-Projekts.

Wie scharf dieses Recht inzwischen durchgesetzt wird, zeigt die Höhe des Schadensersatzes: Das Gericht bemaß die fiktive Lizenzgebühr auf 2.000 Euro pro Video, insgesamt 4.000 Euro, und verurteilte den Kanalbetreiber zusätzlich zur Erstattung der vorgerichtlichen Anwaltskosten[4].

Die Stimme als Datum: was die DSGVO verlangt

Neben dem Persönlichkeitsrecht gilt das Datenschutzrecht, und das greift früher, als viele denken. Eine Stimmaufnahme ist zunächst ein personenbezogenes Datum, weil sie sich über Klang, Tonfall und Sprechweise einer natürlichen Person zuordnen lässt. Entscheidend ist die Technik: Extrahiert das eingesetzte Verfahren eindeutige Merkmale der Stimme, etwa um einen Voiceprint (Stimmabdruck) zu erstellen und die Originalstimme zu synthetisieren, werden die Daten in der Regel zu biometrischen Daten nach Art. 4 Nr. 14, Art. 9 DSGVO.[6] Systeme, die eine bestimmte Stimme nachahmen sollen, arbeiten praktisch immer mit genau solchen Merkmalsextraktionen.

Rechtsgrundlage	Was sie schützt	Konsequenz für Creator
Allgemeines Persönlichkeitsrecht (Art. 1, 2 GG i.V.m. § 823 BGB)	Die Stimme als erkennbares Persönlichkeitsmerkmal, anerkannt seit dem Marlene-Dietrich-Urteil des BGH	Kein Einsatz einer erkennbaren Stimme ohne Einwilligung, auch nicht als KI-Nachbildung
DSGVO	Die Stimme als personenbezogenes Datum	Zweckgerichtete, jederzeit widerrufbare Einwilligung vor Verarbeitung
LG Berlin, Urteil v. 20.08.2025 (Az. 2 O 202/24)	Schutz auch gegen KI-generierte Nachahmungen bei Zuordnungsverwirrung im Publikum	Fiktive Lizenzgebühr von 2.000 € pro Video, hier insgesamt 4.000 €

Biometrische Daten unterliegen einem grundsätzlichen Verarbeitungsverbot, das nur unter engen Ausnahmen des Art. 9 Abs. 2 DSGVO überwunden werden kann. Für Voice-Cloning-Projekte kommt in der Praxis nur ein Weg in Betracht:

Was das LG-Berlin-Urteil für Creator konkret bedeutet

• Ausdrückliche Einwilligung: Eine stillschweigende Zustimmung oder ein berechtigtes Interesse genügt bei biometrischen Stimmdaten nicht; die Einwilligung muss freiwillig, informiert und ausdrücklich erfolgen.
• Datenschutz-Folgenabschätzung: In den meisten Voice-Cloning-Fällen ist eine Folgenabschätzung nach Art. 35 DSGVO erforderlich, weil die Verarbeitung biometrischer Daten ein hohes Risiko für die Betroffenen birgt.
• Informationspflichten: Betroffene müssen wissen, zu welchem Zweck ihre Stimme verarbeitet wird, wie lange Voiceprints gespeichert werden und wer die Daten erhält.
• Im Zweifel biometrisch: Lässt sich nicht sicher klären, ob das technische Verfahren eindeutige Identifizierungsmerkmale extrahiert, sollten Verantwortliche rechtssicher vom biometrischen Status ausgehen.

Das Urteil ist mehr als ein Einzelfall, es funktioniert als Handlungsleitfaden, weil das Gericht jede Verteidigungslinie des YouTubers einzeln abgearbeitet hat. Der erste Punkt betrifft Satire und Kunstfreiheit: Zwar erkannte das Gericht in den Videos durchaus satirischen Inhalt über die Bundesregierung an, der grundsätzlich unter den Schutz von Meinungs- und Kunstfreiheit fällt. In der Abwägung verlor der Beklagte dennoch, weil die bekannte Stimme vor allem als Lockmittel diente: Sie sollte die Videos attraktiver machen, Klickzahlen und Umsatz steigern, und am Ende der Videos verwies der Betreiber auf seinen Online-Shop. Eine satirische Auseinandersetzung mit der Person oder der Stimme des Sprechers selbst fand gerade nicht statt.

Wer mit externen Dienstleistern arbeitet, sollte die eingesetzten Verfahren genau prüfen und sich mit dem eigenen Datenschutzbeauftragten abstimmen. Der höhere Schutzstatus ist kein Bürokratiehindernis: Stimmen sind unveränderbare Merkmale, und ein Missbrauch, etwa durch Deepfakes, kann schwerwiegende Folgen für die betroffene Person haben.

Der zweite Punkt ist für Teams besonders wichtig, die mit KI-Tools arbeiten: Die Lizenz der KI-Plattform vermittelt keine Rechte an der Stimme. Der Beklagte hatte eingewendet, er habe für die Software bezahlt und daher ein Nutzungsrecht an der generierten Stimme erworben. Das Gericht wies das zurück: Da der Sprecher der KI-Plattform nie in die Herstellung und Weitergabe seiner Stimme eingewilligt hatte, konnte der Käufer kein abgeleitetes Nutzungsrecht erwerben. Rechte an der Stimme kann nur die Person selbst freigeben.

EU AI Act: Kennzeichnungspflichten ab August 2026

Der dritte Punkt betrifft die kommerzielle Nutzung: Sobald eine imitierte Stimme, auch nur indirekt, dazu dient, Reichweite, Klicks oder Verkäufe zu steigern, etwa in Produktvideos oder auf Kanälen mit Shop-Verlinkung, ist die Nutzung kommerziell, und Gerichte entscheiden dann eher streng zugunsten des Persönlichkeitsrechts. Das Gericht sah den Eingriff zusätzlich als besonders schwerwiegend, weil bei den Zuschauern der Eindruck entstehen konnte, der Sprecher identifiziere sich mit den Inhalten und Produkten des Beklagten.

Einwilligung und Kennzeichnung sind zwei getrennte Pflichten. Auch wer eine gültige Einwilligung des Sprechers hat, muss synthetische Inhalte als solche ausweisen. Die Transparenzpflichten der EU-KI-Verordnung (Artikel 50) gelten ab dem 2. August 2026[8] und richten sich an zwei unterschiedliche Adressaten:[9]

Die praktische Konsequenz lässt sich in einer einzigen Prüffrage zusammenfassen: Vor jedem Einsatz einer realitätsnahen KI-Stimme sollte das Team klären, ob das Publikum sie einer realen Person zuordnen wird. Genügt die Antwort mit Ja oder auch nur Vielleicht, braucht es deren Einwilligung, oder der Einsatz fällt aus. Im Zweifel empfiehlt sich, klar erkennbar zu machen, dass es sich um eine künstliche Stimme handelt, oder ganz auf die Nachahmung realer Personen zu verzichten.

Rolle	Pflicht nach Art. 50 KI-VO	Bezug zum Creator-Alltag
Anbieter (Provider)	Müssen synthetische Audio-, Bild-, Video- und Textinhalte in maschinenlesbarem Format kennzeichnen, sodass sie als künstlich erzeugt oder manipuliert erkennbar sind (Art. 50 Abs. 2)	Betreibt ein Team eine KI-Stimmenlösung selbst, ist es Anbieter und muss die Ausgaben maschinenlesbar markieren
Betreiber (Deployer)	Müssen Deepfakes bei der Veröffentlichung des Inhalts klar und erkennbar offenlegen; die maschinenlesbare Markierung des Anbieters genügt dafür nicht (Art. 50 Abs. 4)	Creator, Netzwerke und Studios, die KI-Stimmen veröffentlichen, müssen die Synthese für das Publikum sichtbar deklarieren

Deepfake ist dabei eng definiert: Es handelt sich um einen durch KI erzeugten oder manipulierten Bild-, Ton- oder Videoinhalt, der wirklichen Personen, Gegenständen, Orten, Einrichtungen oder Ereignissen ähnelt und einer Person fälschlicherweise als echt oder wahrheitsgemäß erscheinen würde.[8] Drei Elemente müssen also zusammenkommen: die Ähnlichkeit, der reale Bezug und der falsche Authentizitätseindruck. Eine geklonte Sprecherstimme in einem Podcast erfüllt diese Merkmale in der Regel.[9]

Unabhängig vom Stichtag gelten die Regeln der Plattformen bereits heute. YouTube verlangt im Upload-Prozess die Offenlegung realistisch wirkender, veränderter oder synthetischer Inhalte[10], TikTok hat einen eigenen KI-Schalter, und Meta fordert die Deklaration bei realistisch klingendem KI-Audio.[11] Wer nicht kennzeichnet, riskiert Sanktionen der Plattform bis hin zur Entfernung des Inhalts, ganz unabhängig von der gesetzlichen Pflicht.

Rechtekette klären: Wer alles einwilligen muss

• Anbieter müssen die Ausgaben ihrer KI-Systeme in maschinenlesbarer Form markieren und als künstlich generiert oder verändert erkennbar machen (Art. 50(2))[12]
• Betreiber, also nutzende Marken, Agenturen und Creator, müssen Deepfake-Audio bei der ersten Wahrnehmung durch das Publikum hörbar oder sichtbar als künstlich generiert offenlegen (Art. 50(4))[12]
• Die Offenlegung muss klar und unterscheidbar sein, spätestens im Moment der ersten Exposition, nicht in einer verlinkten Beschreibung[13]
• Für künstlerische, satirische oder fiktionale Inhalte gilt eine mildere Form der Kennzeichnung, die die Nutzung des Werks nicht beeinträchtigt[12]

Die Einwilligung des Sprechers ist notwendig, aber oft nicht hinreichend. An einer Sprachaufnahme treffen mehrere Schutzrechte aufeinander, und wer auch nur eines übersieht, macht das gesamte Projekt angreifbar. Für professionelle Produktionen wie Hörbücher, Synchronisationen, Werbespots oder mehrsprachige Podcast-Releases bedeutet das: Die Rechtekette muss vollständig geklärt sein, bevor das erste Training startet.

Wichtig ist dabei die Reichweite der Offenlegungspflicht: Sie gilt ausdrücklich auch dann, wenn der Creator dem Voice Cloning zugestimmt hat[13]. Ein verborgenes, maschinenlesbares Wasserzeichen in der Audiodatei ersetzt die hörbare Offenlegung ebenfalls nicht, denn jene Markierung richtet sich an Systeme, nicht an Hörerinnen und Hörer.

• Leistungsschutzrecht des Sprechers: Professionelle Sprecher, Schauspieler und Synchronsprecher haben Rechte an ihrer Darbietung und entscheiden, ob und wie die Aufnahme genutzt wird.
• Tonträgerrechte des Produzenten: Tonstudios und Produzenten besitzen eigene Schutzrechte an den Aufnahmen. Selbst wenn der Sprecher zustimmt, kann die Nutzung ohne Zustimmung des Produzenten unzulässig sein; alle beteiligten Rechteinhaber sind einzubeziehen.
• KI-Nachbildung als Bearbeitung: Wird aus der Aufnahme per KI eine nachgeahmte oder verfremdete Stimme erzeugt, liegt rechtlich häufig eine Bearbeitung vor. Die Verfremdung entbindet nicht von der Pflicht, die Rechte einzuholen.
• Text und Data Mining nach § 44b UrhG: Zulässig sind Vervielfältigungen rechtmäßig zugänglicher Werke; ein Nutzungsvorbehalt des Rechtsinhabers ist bei online zugänglichen Werken wirksam, wenn er maschinenlesbar erfolgt, und die Vervielfältigungen sind zu löschen, wenn sie für das Text und Data Mining nicht mehr erforderlich sind.[14]
• Postmortale Nutzung: Der Schutz der Persönlichkeit endet mit dem Tod nicht abrupt. Bei der kommerziellen Nutzung der Stimme einer verstorbenen Person haben in der Regel die Erben Mitspracherechte.

Für die Umsetzung hat die Europäische Kommission einen freiwilligen Code of Practice zur Transparenz KI-generierter Inhalte veröffentlicht, dem Ende Juli 2026 rund 190 Unternehmen und Organisationen beigetreten sind. Wer dem Kodex folgt, kann sich damit auf die Einhaltung der Kennzeichnungspflichten berufen und erhält Rechtssicherheit in allen Mitgliedstaaten[15]. Die Pflicht selbst besteht unabhängig von der Mitgliedschaft. Verstöße können mit Bußgeldern bis zu 15 Millionen Euro oder 3 Prozent des weltweiten Jahresumsatzes geahndet werden, je nachdem, welcher Betrag höher ist[13].

Öffentlich zugänglich heißt übrigens nicht frei verfügbar: Dass eine Aufnahme als Podcast oder auf YouTube abrufbar ist, bedeutet nicht, dass sie als Trainingsmaterial verwendet werden darf. In der Praxis lohnt sich eine einfache Regel: Kein Voice-Cloning-Projekt startet, bevor schriftlich dokumentiert ist, welche Rechteinhaber zugestimmt haben.

Internationaler Rahmen: ELVIS Act und NO FAKES Act

Einwilligung richtig einholen: Inhalt einer wirksamen Zustimmung

Wer Inhalte für ein US-Publikum lokalisiert, etwa einen Podcast mit englischer Fassung oder einen Kurs für den amerikanischen Markt, trifft auf zusätzliche Regelungen, die über die DSGVO hinausgehen. Die USA haben kein einheitliches Bundesgesetz, aber eine rasch wachsende Landesgesetzgebung und einen bundesweiten Gesetzentwurf, die beide die Stimme ausdrücklich schützen.[16]

Eine Einwilligung hält nur so gut, wie ihre Formulierung. Dass die Zustimmung vor der Nutzung vorliegen, zweckbezogen sein und widerrufbar bleiben muss, ist oben beschrieben; entscheidend ist hier der Detailgrad. Eine pauschale Zustimmung reicht nämlich nicht: Eine allgemeine Nutzungsklausel über das aufgenommene Material deckt Voice Cloning nicht ab, denn das Training eines KI-Modells auf der Stimme und die Erzeugung neuer, synthetischer Sprache sind eine eigenständige Nutzung, die eine eigene Klausel verdient[13].

Den Anfang machte Tennessee: Gouverneur Bill Lee unterzeichnete am 21. März 2024 den Ensuring Likeness Voice and Image Security Act (ELVIS Act) als erstes Gesetz eines US-Bundesstaats, das die Stimme ausdrücklich in den Schutz des Persönlichkeitsrechts (right of publicity) aufnimmt. Das Gesetz erfasst sowohl die tatsächliche Stimme als auch deren Simulation und richtet sich damit gegen die unbefugte KI-Nachbildung von Stimmen von Songwritern, Performern und Künstlern.[17]

• Explizite Erlaubnis: Voice Cloning wird ausdrücklich benannt, nicht aus einer allgemeinen Nutzungsrechtsklausel abgeleitet[13]
• Zweckbindung: Konkrete Sprachen, Märkte und Plattformen, auf denen der Klon eingesetzt werden darf; die Zustimmung zu einer deutschen Version deckt nicht automatisch eine spanische Werbeversion ab[13]
• Laufzeit: Befristung parallel zu den üblichen Nutzungsrechtszeiträumen statt unbefristeter Nutzung[13]
• Separate Vergütung: Eigenes Honorar für das Voice Cloning, getrennt von der Vergütung für die ursprüngliche Aufnahme[13]
• Widerrufsprozess: Ein benannter Weg, wie die Zustimmung widerrufen werden kann, und was dann mit bestehenden Inhalten passiert[13]

Auf Bundesebene liegt der NO FAKES Act of 2025 (S.1367, 119. Kongress) vor, eingebracht am 9. April 2025. Der Entwurf schafft ein bundesweites geistiges Eigentumsrecht an digitalen Replikaten von Stimme und Erscheinungsbild, das von jeder Person oder Rechteinhaberin lizenziert werden kann und über den Tod hinaus besteht. Ergänzt wird das Recht durch ein Notice-and-Takedown-Verfahren gegen unbefugte digitale Replikate, ähnlich wie im Urheberrecht bekannt.[16]

Der wichtigste Timing-Effekt liegt woanders: Die Rechteklärung sollte vor der Aufnahme geregelt werden, nicht erst, wenn die Synchronisation ansteht. Wer die Stimme ohnehin für eine mehrsprachige Produktion einsammelt, verhandelt die Cloning-Klausel am besten im selben Atemzug wie die Aufnahme selbst, wenn beide Seiten noch im Gespräch sind und die Vergütung zusammen gedacht werden kann[13]. Nachträglich nachverhandelte Zustimmungen sind teurer, langsamer und im Streitfall rechtlich deutlich anfälliger. Je spezifischer die Formulierung, desto weniger Raum bleibt für einen späteren Konflikt.

• Einwilligungs-Praxis einmal aufbauen: Ein dokumentierter Einwilligungsprozess, der Zweck, Sprachen, Kanäle und Speicherdauer regelt, funktioniert länderübergreifend, statt für jeden Markt neue Verträge zu erfinden.
• Dokumentation mitdenken: Wer nachweisen kann, wann und wofür eine Einwilligung erteilt wurde, ist sowohl gegenüber deutschen als auch gegenüber US-Ansprüchen gewappnet.
• Lizenz statt Grauzone: Sowohl der ELVIS Act als auch der NO FAKES Act belohnen ausdrücklich lizenzierte Nutzung; die Rechteinhaber können die Stimme vertraglich einräumen, was die Nachfrage nach sauberen Einwilligungen erhöht.

Einwilligung dokumentieren: Verträge, Widerruf, Löschung

Aus der Pflicht wird ein Prozess, wenn drei Bausteine zusammenkommen: ein präziser Einwilligungstext, saubere Verträge mit Dienstleistern und ein Löschkonzept. Der Einwilligungstext sollte konkret statt pauschal gefasst sein, denn je genauer Zweck und Umfang beschrieben sind, desto belastbarer ist die Einwilligung im Streitfall.

• Einwilligungstext konkret fassen: Zweck, Zielsprachen, Vertriebskanäle, Speicherdauer und Widerrufsrecht gehören in den Text und werden dokumentiert, nicht mündlich vereinbart.
• Auftragsverarbeitung regeln: Wer Voice-Cloning-Dienstleister einsetzt, braucht schriftliche Verträge zur Auftragsverarbeitung, die den datenschutzkonformen Umgang mit Sprachdaten sicherstellen.
• Internationale Transfers prüfen: Sitzt der Anbieter außerhalb der EU, sind geeignete Garantien für die Datenübertragung zu prüfen, insbesondere Standardvertragsklauseln.
• Löschkonzept festlegen: Sprachaufnahmen, Trainingsmaterial und Voiceprints dürfen nicht unbegrenzt gespeichert werden, sondern sind zu löschen, sobald sie für den vereinbarten Zweck nicht mehr erforderlich sind.
• Widerruf jederzeit möglich: Eine Einwilligung kann widerrufen werden, deshalb muss nachvollziehbar bleiben, welche Einwilligungen zu welchem Zeitpunkt erteilt wurden und welche Inhalte davon erfasst sind.

Für Creator-Teams heißt das: Der Rechtsrahmen hängt vom Vertriebsmarkt ab, und er bewegt sich schnell. Wer heute eine mehrsprachige Produktion plant, die in den USA abrufbar sein wird, sollte nicht nur die deutsche Einwilligungspraxis, sondern auch die Regelungen der Zielmärkte im Blick behalten. Die gute Nachricht ist, dass sich die Anforderungen in eine Richtung bewegen: überall hin zu Einwilligung, Kennzeichnung und dokumentierter Rechtekette. Ein Governance-Workflow, der diese drei Elemente abdeckt, ist damit nicht nur in Deutschland, sondern international zukunftsfähig.

Gerade der Widerruf wird in der Praxis unterschätzt: Ein Sprecher kann seine Zustimmung zurückziehen, und dann muss das Team rekonstruieren können, welche Projekte auf welcher Rechtsgrundlage beruhen. Wer Einwilligungen zentral archiviert und mit Projektakten verknüpft, kann im Ernstfall innerhalb von Minuten statt Wochen reagieren. Ein solches Vorgehen lässt sich gut mit einem strukturierten Lokalisierungs-Playbook verbinden, das die Freigaben als festen Schritt im Produktionsablauf verankert.[18]

Governance-Workflow für Creator-Teams in der Praxis

Governance im Alltag: Checkliste für Creator-Teams

Aus den vorherigen Abschnitten lässt sich ein Prozess ableiten, den jedes Creator-Team, jeder Podcast-Verlag und jede Agentur in vier Bausteinen abbilden kann. Das Ziel ist nicht, Produktion zu verlangsamen, sondern sie planbar zu machen: Jede neue Sprachversion erbt dann die bereits dokumentierte Rechtekette, statt sie jedes Mal neu zu verhandeln.

Regeln nützen nur, wenn sie im Produktionsprozess ankommen. Für Podcaster und Podcast-Netzwerke, aber ebenso für Kursanbieter und Studios, heißt das: Einwilligung und Kennzeichnung werden zu festen Schritten im Workflow, nicht zur Entscheidung des einzelnen Schnitts. Drei Verankerungen haben sich bewährt:

1. Einwilligungsregister aufbauen: Für jede Stimme dokumentieren, wer sie gesprochen hat, für welche Zwecke, Sprachen, Märkte und Plattformen die Einwilligung gilt, wie lange sie läuft und wie sie widerrufen werden kann[13]
2. Kennzeichnungs-Workflow in der Produktion verankern: Jede KI-generierte Synchronisation erhält einen hörbaren Hinweis bei der ersten Exposition, etwa einen kurzen gesprochenen Vermerk am Anfang, plus sichtbares Label, wo das Format es erlaubt[13]
3. Anbieter-Due-Diligence durchführen: Vor der Tool-Auswahl prüfen, ob der Anbieter maschinenlesbare Markierung unterstützt und ob seine Lizenzbedingungen klarstellen, dass die Rechte an der Stimme weiterhin beim Stimminhaber liegen, denn die Softwarelizenz ersetzt die Einwilligung nicht
4. Entscheidungsrahmen definieren: Festlegen, wann eine KI-Stimme eingesetzt wird und wann eine menschliche Sprecherin gebucht wird, etwa dann, wenn eine klare, hörbare KI-Kennzeichnung das Format brechen würde[13]

• Risikoanalyse vor jedem Einsatz: Ist die Stimme einer realen Person zuzuordnen? Gibt es einen kommerziellen Bezug? Ist die Rechtekette vollständig geklärt? Ist die Kennzeichnung geplant? Diese vier Fragen folgen direkt der Leitlinie des LG-Berlin-II-Urteils.
• Rollen festlegen: Das Team definiert, wer Einwilligungen einholt, wer sie rechtlich prüft und wer sie archiviert. Ohne klare Zuständigkeit bleibt die Dokumentation liegen.
• Kennzeichnung als Projektschritt: Der Einwilligungsstatus und die geplante Kennzeichnung werden pro Projekt fest verankert, etwa im Lokalisierungs-Workflow eines Tools wie ContentHub Studio, statt sie dem Einzelfall zu überlassen.

Baustein	Kernfrage	Konkrete Umsetzung
Einwilligungsregister	Was darf diese Stimme, wo und wie lange?	Eintrag pro Stimme mit Zweck, Sprachen, Plattformen, Laufzeit und Widerrufsweg
Kennzeichnung	Weiß das Publikum, dass es KI hört?	Hörbarer Hinweis bei der ersten Exposition, sichtbares Label zusätzlich
Anbieter-Due-Diligence	Wer haftet, und wessen Rechte gelten?	Prüfung der Markierungsunterstützung und der Lizenzbedingungen vor Tool-Einsatz
Entscheidungsrahmen	Wann ist KI-Stimme der falsche Weg?	Menschliche Sprecherin buchen, wenn Kennzeichnung das Format bricht oder die Einwilligung fehlt

Die Kombination aus Risikoanalyse, Rollen und festem Workflow-Schritt macht aus einer rechtlichen Pflicht eine Routine, die mitwächst, je mehr Sprachen und Kanäle dazukommen. Wer Voiceover mehrsprachig ausspielt, hat pro Projekt ohnehin viele bewegliche Teile; genau dort gehört die Governance-Prüfung hinein, nicht in eine separate Excel-Liste, die niemand öffnet. Wie sich mehrsprachige Produktionen technisch aufsetzen lassen, zeigt unser Überblick zu KI-Voiceover in mehreren Sprachen.

Genau hier schließt sich der Kreis zur Technologie: Wer Mehrsprachigkeit mit Stimmen skaliert, etwa in einem Lokalisierungs-Workspace wie ContentHub Studio, braucht diese Governance als Fundament, damit Einwilligung und Kennzeichnung mit jedem Sprachoutput mitwachsen. Ein solches Werkzeug kann die Produktion in über 100 Sprachen beschleunigen, aber es ersetzt weder die dokumentierte Einwilligung des Stimminhabers noch die hörbare Kennzeichnung, die der EU AI Act ab August 2026 verlangt[13]. Teams, die beides von Anfang an verankern, können später jede neue Sprachversion aus einer sauberen Basis heraus produzieren, statt nachträglich Rechte zu rekonstruieren. Wer dagegen heute auf Dokumentation verzichtet, zahlt sie morgen als Haftungsrisiko, als Verzögerung oder als verlorenes Vertrauen des Publikums zurück.

Am Ende lohnt sich der Aufwand doppelt: Die Einwilligung schützt vor Abmahnungen und fiktiven Lizenzgebühren, die Kennzeichnung vor Plattformsanktionen und Bußgeldern, und beides zusammen schützt das Vertrauen des Publikums. Creator, die Einwilligung und Kennzeichnung als zwei getrennte, dokumentierte Pflichten behandeln, können Voice Cloning nutzen, ohne bei jedem Release ein rechtliches Risiko einzugehen.

Häufige Fragen

Ist Voice Cloning ohne Einwilligung der Sprecherin oder des Sprechers legal?

In der Regel nein. Das Landgericht Berlin II hat am 20. August 2025 entschieden (Az. 2 O 202/24), dass schon die KI-Nachbildung einer wiedererkennbaren Stimme in das Recht an der eigenen Stimme eingreift, auch ohne Verwendung von Originalaufnahmen. Dem Kanalbetreiber wurden 2.000 Euro fiktive Lizenzgebühr pro Video auferlegt. Im kommerziellen Kontext ist eine dokumentierte Einwilligung praktisch zwingend.

Ab wann muss ich KI-generierte Stimmen nach dem EU AI Act kennzeichnen?

Die Transparenzpflichten der EU-KI-Verordnung greifen ab dem 2. August 2026. Anbieter müssen synthetische Audioinhalte dann maschinenlesbar markieren; wer als Deployer solche Inhalte veröffentlicht, muss Deepfakes bei der ersten Veröffentlichung klar und wahrnehmbar offenlegen. Eine maschinenlesbare Markierung allein erfüllt die Offenlegungspflicht des Deployers nicht. Plattformregeln von YouTube, TikTok und Meta verlangen Kennzeichnungen aber bereits heute.

Ist die menschliche Stimme ein biometrisches Datum nach der DSGVO?

Unter Bedingungen ja. Die Stimme ist immer ein personenbezogenes Datum; extrahiert die eingesetzte Technologie eindeutige Merkmale (etwa einen Voiceprint), gilt sie als biometrisches Datum nach Art. 9 DSGVO. Dann ist eine Verarbeitung nur mit ausdrücklicher Einwilligung zulässig, und in den meisten Fällen ist eine Datenschutz-Folgenabschätzung erforderlich. Im Zweifel sollte rechtssicher vom biometrischen Status ausgegangen werden.

Reicht ein Hinweis wie Stimme wurde mit KI generiert im Abspann?

Nein, denn Kennzeichnung und Einwilligung sind zwei getrennte Pflichten. Das LG Berlin II stellte klar, dass ein bloßes Label die Nutzung fremder Identitätsmerkmale nicht freigibt. Der Hinweis erfüllt allenfalls Transparenzanforderungen, ersetzt aber weder die Zustimmung des Sprechers noch die Klärung der Rechtekette aus Leistungsschutz- und Tonträgerrechten.

Wer muss bei der Rechtekette für ein Voice-Cloning-Projekt zustimmen?

Mindestens der Sprecher über seine Leistungsschutzrechte und der Produzent beziehungsweise Tonträgerhersteller über die Rechte an der Aufnahme. Da die KI-Nachbildung rechtlich oft eine Bearbeitung darstellt, entbindet auch eine Verfremdung nicht von der Lizenz. Bei verstorbenen Personen haben in der Regel die Erben Mitspracherechte an der kommerziellen Nutzung der Stimme.

Was regeln der ELVIS Act und der NO FAKES Act in den USA?

Tennessee unterzeichnete den ELVIS Act am 21. März 2024 als erstes Gesetz, das die Stimme ausdrücklich in den Schutz des Persönlichkeitsrechts aufnimmt. Der NO FAKES Act (S.1367) schafft bundesweit ein lizenzierbares Recht an digitalen Replikaten von Stimme und Erscheinungsbild, inklusive Notice-and-Takedown-Verfahren. Creator mit US-Publikum sollten ihre Einwilligungspraxis deshalb von vornherein dokumentiert aufbauen.

Was passiert, wenn eine Person ihre Einwilligung widerruft?

Die Einwilligung ist jederzeit widerrufbar. Mit dem Widerruf entfällt die Rechtsgrundlage, deshalb muss die weitere Verarbeitung der Stimmaufnahmen und der daraus abgeleiteten Voiceprints sofort eingestellt werden, unabhängig davon, ob der vereinbarte Zweck noch läuft. Die Zweckerforderlichkeit ist nur der reguläre Löschtrigger im laufenden Betrieb. Deshalb sollte jede erteilte Einwilligung mit Zweck, Sprachen, Kanälen und Datum so dokumentiert sein, dass ein Widerruf im Prozess nachvollzogen und umgehend umgesetzt werden kann.

Quellen

1. oppenhoff.eu
2. ftc.gov
3. advocacy.consumerreports.org
4. dr-bahr.com
5. urheberrecht.org
6. dsn-group.de
7. oppenhoff.eu
8. digital-strategy.ec.europa.eu
9. artificialintelligenceact.eu
10. support.google.com
11. humave.de
12. artificialintelligenceact.eu
13. makeinfluence.com
14. gesetze-im-internet.de
15. digital-strategy.ec.europa.eu
16. govtrack.us
17. hklaw.com
18. ratgeberrecht.eu