Was ist Voice Cloning?

Kurze Antwort: Voice Cloning ist eine KI-Technik, die aus einer Sprachaufnahme eine synthetische Kopie einer menschlichen Stimme erstellt. Diese künstliche Stimme kann danach beliebige Texte sprechen, die die echte Person nie gesagt hat. Für KMU ist das beides: eine Chance für Telefonansagen, Videos und Schulungen und ein Risiko durch Betrugsmaschen und Datenschutzfragen.

Was bedeutet Voice Cloning?

Beim Voice Cloning (auf Deutsch: Stimmklonen) lernt ein KI-Modell die typischen Merkmale einer Stimme: Klangfarbe, Tonhöhe, Sprechtempo, Betonung und Akzent. Dafür braucht es eine Aufnahme der Person. Wie lang sie sein muss, unterscheidet sich je nach Anbieter: Manche Dienste nennen wenige Sekunden, andere verlangen mehrere Minuten Sprachmaterial. Aktuelle Angaben beim Anbieter prüfen (Stand: 2026-10). Das Ergebnis ist ein Stimmprofil, mit dem du eingetippten Text in gesprochene Sprache umwandelst.

Das Verfahren gehört zur generativen KI. Es erzeugt neue Inhalte, statt vorhandene nur abzuspielen. Eine klassische Computerstimme ist nicht an eine bestimmte Person gebunden. Eine geklonte Stimme klingt dagegen wie eine bestimmte, erkennbare Person. Genau deshalb ist das Thema rechtlich sensibel. Wird eine solche Stimme täuschend echt eingesetzt, um andere zu täuschen, spricht man oft von einem Deepfake.

Warum ist Voice Cloning für mein Unternehmen wichtig?

Es gibt zwei Seiten. Die Chance: Du kannst Erklärvideos, Telefonansagen oder Hörversionen deiner Texte in deiner eigenen Stimme erstellen, ohne jedes Mal ins Studio zu gehen. Auch mehrsprachige Inhalte lassen sich mit einer einheitlichen Markenstimme umsetzen, etwa zusammen mit einer KI-Übersetzung.

Das Risiko: Kriminelle können geklonte Stimmen für Betrugsanrufe nutzen. Ein Anruf, in dem angeblich die Geschäftsführung dringend eine Überweisung verlangt, kann täuschend echt klingen. Auch Mitarbeitende oder Kunden lassen sich so täuschen. Deshalb solltest du wissen, wie die Technik funktioniert, selbst wenn du sie nie einsetzt.

Voice Cloning in der Praxis

Stell dir ein Steuerbüro mit zehn Mitarbeitenden vor. Die Inhaberin spricht einmal eine Aufnahme ein und lässt mit einem Voice-Cloning-Dienst die Ansage der Telefonanlage sowie kurze Erklärvideos für Mandanten erzeugen. Diese Schritte sind dabei sinnvoll:

Einwilligung klären: Klone nur Stimmen, deren Inhaber vorab ausdrücklich zugestimmt haben. Halte diese Einwilligung nachweisbar fest, am besten schriftlich. Das gilt auch für Mitarbeitende, Freelancer und Sprecher.
Anbieter prüfen: Frage nach Serverstandort, Speicherdauer der Aufnahmen und danach, ob Aufnahmen zum Training der Modelle verwendet werden. Aktuelle Angaben beim Anbieter prüfen (Stand: 2026-10).
Kennzeichnen: Weise Zuhörer darauf hin, dass die Stimme synthetisch erzeugt wurde.
Gegen Betrug absichern: Vereinbare ein internes Codewort oder einen Rückruf auf eine bekannte Nummer, bevor Zahlungen auf Zuruf freigegeben werden. Ergänzend bietet sich das Vier-Augen-Prinzip bei Überweisungen an, ähnlich wie bei einem Human in the Loop, bei dem ein Mensch die finale Entscheidung trifft.

DSGVO-Relevanz

Eine Stimme ist ein personenbezogenes Datum, sobald sie einer Person zugeordnet werden kann. Aufnahmen für das Klonen zu speichern und zu verarbeiten ist also eine Verarbeitung im Sinne der DSGVO. Du brauchst dafür eine Rechtsgrundlage nach Art. 6 DSGVO. In Frage kommt unter anderem eine freiwillige, informierte und widerrufbare Einwilligung. Sie muss nachweisbar sein (Art. 7 DSGVO), eine bestimmte Form schreibt die DSGVO dafür nicht vor. Je nach Einzelfall können auch andere Grundlagen passen.

Wichtig ist auch die Frage nach biometrischen Daten. Sie gelten nach Art. 9 DSGVO als besondere Kategorie, wenn sie zur eindeutigen Identifizierung einer Person verarbeitet werden. Ob ein Stimmprofil im Einzelfall darunter fällt, hängt vom Zweck und der Funktionsweise ab. Eine Telefonansage unterliegt anderen Anforderungen als ein Stimmprofil zur Identifikation von Personen.

Liegt eine Auftragsverarbeitung vor, etwa weil ein externer Dienst Aufnahmen weisungsgebunden in deinem Auftrag verarbeitet, ist ein Auftragsverarbeitungsvertrag nach Art. 28 DSGVO nötig. Ob das bei deinem Anbieter zutrifft, hängt von den Vertragsbedingungen ab. Prüfe außerdem, ob Aufnahmen zum KI-Training verwendet werden und ob Daten in Drittländer übermittelt werden. Eine Datenschutz-Folgenabschätzung ist nicht bei jedem Einsatz nötig, sondern nur, wenn die Verarbeitung voraussichtlich ein hohes Risiko für die Betroffenen mit sich bringt (Art. 35 DSGVO). Ob das bei deinem Vorhaben der Fall ist, ist eine Einzelfallprüfung.

Neben der DSGVO schützt in Deutschland das allgemeine Persönlichkeitsrecht auch die eigene Stimme. Die EU-KI-Verordnung sieht zudem Transparenzpflichten für synthetische Inhalte vor. Welche Pflichten für dich konkret gelten und ab wann, solltest du anhand des aktuellen Stands prüfen (Stand: 2026-10).

Dieser Überblick ersetzt keine Rechtsberatung. Prüfe die Anforderungen für dein konkretes Vorhaben mit einer Datenschutzberatung.

Weiterführendes

Diese verwandten Begriffe helfen beim Einordnen:

Generative KI
Personenbezogene Daten
Besondere Kategorien personenbezogener Daten
Auftragsverarbeitungsvertrag (AVV)
Human in the Loop

Häufige Fragen

Darf ich die Stimme eines Mitarbeiters oder Kunden einfach klonen?

Nicht ohne Weiteres. Eine Stimme ist ein personenbezogenes Datum und zusätzlich durch das Persönlichkeitsrecht geschützt. Du brauchst vorab eine Rechtsgrundlage, in Frage kommt unter anderem eine ausdrückliche, informierte und widerrufbare Einwilligung der Person. Diese muss nachweisbar sein, am besten hältst du sie schriftlich fest.

Wie viel Aufnahme braucht eine KI, um eine Stimme zu klonen?

Das hängt vom Anbieter ab. Manche Dienste nennen nur wenige Sekunden, andere mehrere Minuten Sprachmaterial. Aktuelle Angaben beim Anbieter prüfen (Stand: 2026-10). Je kürzer die nötige Aufnahme, desto leichter lässt sich eine Stimme auch missbräuchlich nachbilden, etwa aus öffentlichen Videos.

Wie schütze ich mein Unternehmen vor Betrug mit geklonten Stimmen?

Vereinbare ein internes Codewort und gib Zahlungen oder sensible Daten nie allein aufgrund eines Anrufs frei. Rufe stattdessen unter einer dir bekannten Nummer zurück und setze bei Überweisungen auf das Vier-Augen-Prinzip.

Muss ich kennzeichnen, wenn ich eine KI-Stimme verwende?

Das ist empfehlenswert und kann je nach Einsatz verpflichtend sein, etwa nach den Transparenzregeln der EU-KI-Verordnung für synthetische Inhalte. Prüfe den aktuellen Stand der Vorgaben für deinen Anwendungsfall (Stand: 2026-10).