KI-Stimme kennzeichnen: Die Regeln der Plattformen

Wer Audio mit einer KI-Stimme veröffentlicht, hat es mit drei Regelwerken gleichzeitig zu tun: der KI-Verordnung, der Richtlinie der Plattform, auf die hochgeladen wird, und dem Vertrag mit dem Anbieter der Stimme. Die drei sagen nicht dasselbe, und keines ersetzt die anderen.

Diese Seite sammelt, was die großen Plattformen aktuell verlangen, jeweils mit Verweis auf die Primärquelle. Stand August 2026. Plattformregeln ändern sich ohne Ankündigung; die genannten Daten sind die der Quellen, nicht die dieses Artikels.

Was seit dem 2. August 2026 gilt

Artikel 50 der KI-Verordnung ist seit dem 2. August 2026 anwendbar. Er enthält zwei Pflichten, die regelmäßig verwechselt werden. Anbieter generativer KI-Systeme müssen ihre Ausgaben maschinenlesbar kennzeichnen, sodass sie als künstlich erzeugt erkennbar sind. Betreiber, die einen Deepfake veröffentlichen, müssen das gegenüber dem Publikum offenlegen.

Beide Pflichten können dieselbe Datei betreffen. Wer eine geklonte Stimme feinjustiert und das Ergebnis anschließend selbst veröffentlicht, ist Anbieter und Betreiber zugleich — ein Fall, der in Produktionsfirmen häufiger vorkommt, als er auffällt.

Neu ist die Auslegungsebene darüber. Die Kommission hat den finalen Verhaltenskodex zur Transparenz KI-generierter Inhalte am 10. Juni 2026 veröffentlicht. Er besteht aus zwei Abschnitten, einem für Anbieter zu Kennzeichnung und Erkennung, einem für Betreiber zur Kennzeichnung von Deepfakes und KI-generierten Texten. Kommission und KI-Gremium haben den Kodex als geeignetes freiwilliges Instrument bestätigt.

Die Unterzeichnung ist freiwillig, die Pflicht aus Artikel 50 ist es nicht. Bis Ende Juli 2026 hatten nach Angaben der Kommission rund 190 Organisationen unterzeichnet. Wer einen anderen Weg wählt, muss die Eignung der eigenen Maßnahmen selbst nachweisen — und zwar gegenüber der nationalen Marktüberwachungsbehörde.

Wer in Deutschland zuständig ist — und wo man sich beschwert

Diese Behörde hat seit dem 29. Juli 2026 einen Namen. An diesem Tag trat das Gesetz zur Marktüberwachung und Innovationsförderung von künstlicher Intelligenz (KI-MIG) in Kraft. Die Bundesnetzagentur ist damit Marktüberwachungsbehörde, zentrale Anlaufstelle und Beschwerdestelle für die KI-Verordnung.

Der letzte Punkt ist für Sprecherinnen und Sprecher der praktisch wichtigste. Wer den Verdacht hat, dass die eigene Stimme ohne Kennzeichnung synthetisch reproduziert wird, hat seit Ende Juli 2026 eine benannte Stelle, die Beschwerden entgegennimmt, bearbeitet und gegebenenfalls weiterleitet. Das ersetzt keinen zivilrechtlichen Anspruch, aber es ist ein Weg, der vorher nicht existierte.

Die Aufsicht ist bewusst hybrid aufgeteilt. In vollharmonisierten Produktbereichen bleiben die etablierten Fachaufsichtsbehörden zuständig, im Medienbereich ausdrücklich die Landesmedienanstalten. Für Synchron, Rundfunk und redaktionelle Angebote heißt das: Ansprechpartner ist nicht automatisch die Bundesnetzagentur. Für KI-Systeme können die Länder die Bundesnetzagentur zudem im Wege der Organleihe in Anspruch nehmen.

Daneben betreibt die Bundesnetzagentur einen KI-Service-Desk mit einem Online-Tool zur ersten Einschätzung der Risikoklasse sowie ein KI-Reallabor, das sich vor allem an kleine und mittlere Unternehmen richtet. Für ein Tonstudio, das erstmals mit synthetischer Sprache arbeitet, ist das der niedrigschwelligste Einstieg.

YouTube, TikTok, Meta: die Kennzeichnung liegt beim Hochladenden

Bei YouTube passiert das im Upload. In YouTube Studio gibt es unter den Details die Frage nach verändertem Inhalt. Bejaht wird sie, wenn der Inhalt realistisch wirkt und wesentlich verändert oder synthetisch erzeugt wurde. Unrealistische Inhalte und geringfügige, überwiegend ästhetische Bearbeitungen sind ausgenommen.

Sichtbar wird die Angabe im Abschnitt zur Entstehung des Inhalts in der erweiterten Beschreibung, teils auch im Player. YouTube gibt an, bei fehlender Angabe selbst ein Label setzen zu können, das der Kanal dann nicht mehr entfernen kann. Zusätzlich übernimmt YouTube Angaben aus eingebetteten Content Credentials nach dem C2PA-Standard ab Version 2.1.

Für Sprachaufnahmen ist entscheidend, dass die Frage sich auf den Inhalt bezieht, nicht auf die Bildspur. Ein Unternehmensfilm, bei dem allein der Sprechertext synthetisch ist, bleibt ein realistischer, wesentlich veränderter Inhalt. Die Policy nimmt Audio an keiner Stelle aus.

TikTok verlangt die Kennzeichnung realistischer KI-generierter Inhalte und nennt Bild, Audio und Video ausdrücklich nebeneinander; die Regel steht im Abschnitt Integrität und Authentizität der Community-Richtlinien. Meta kennzeichnet solche Inhalte als AI Info und verlangt die Nutzung des Offenlegungswerkzeugs bei fotorealistischem Video oder realistisch klingendem Audio, das digital erzeugt oder verändert wurde. Seit dem 1. Juni 2026 erkennt Meta bei Werbemitteln zusätzlich automatisiert, ob Drittanbieter-KI im Spiel war. Meta hat den EU-Kodex im Juli 2026 unterzeichnet.

Bemerkenswert ist, was keine der drei Plattformen fragt: ob die Stimme von einer bestimmten Person geklont wurde. Gefragt wird, ob das Ergebnis echt klingt. Eine frei erfundene Synthesestimme, die niemand hinterfragen würde, fällt darunter.

Hörbücher: das Label hängt am Sprechernamen

Die Hörbuchhändler haben einen anderen Weg gewählt. Statt eines Abzeichens im Player steht die Angabe in den Metadaten und wandert mit dem Titel durch die Distribution.

Spotify nimmt seit dem 20. Februar 2025 über Findaway Voices Hörbücher an, die mit ElevenLabs erzeugt wurden. Alle digital gesprochenen Titel werden in den Metadaten markiert, und der Beschreibung wird ein erster Satz vorangestellt, der die digitale Stimme benennt.

Audible geht weiter und hängt das Label an die Person. In einem Beitrag vom 9. Juli 2025 beschreibt ACX eine zunächst auf die USA begrenzte Beta, in der eingeladene Sprecherinnen und Sprecher Repliken der eigenen Stimme erstellen und monetarisieren können. Titel, die mit einer Stimmreplik produziert wurden, werden im Sprecherfeld der Titelseite gekennzeichnet. Audible erklärt, die Replik ohne Zustimmung nicht separat für andere Inhalte einzusetzen; abgerechnet wird wahlweise pro fertiger Stunde, über Royalty Share oder eine Mischform.

Für den deutschen Markt ist die Beta bislang nicht geöffnet, die Kennzeichnungslogik aber übertragbar: Das Label steht nicht im Impressum, sondern neben dem Namen — dauerhaft und bei jedem Titel. Wer ein solches Angebot prüft, findet in unserer Übersicht, was Plattformen für KI-Stimmen zahlen, die Gegenrechnung dazu.

Die EU-Icons und was als Kennzeichnung durchgeht

Die Kommission stellt einen kostenfreien Satz EU-Icons bereit, der Teil von Abschnitt 2 des Kodex ist. Es sind drei: ein Basis-Icon für Inhalte, an denen KI beteiligt war, eines für vollständig KI-generierte Inhalte und eines für teilweise KI-veränderte. Jedes gibt es in vier Varianten, schwarz und weiß jeweils voll und halbtransparent. Eine Namensnennung der Kommission ist nicht erforderlich.

Die Platzierungsregeln sind konkreter, als viele erwarten:

• Das Icon muss spätestens beim ersten Kontakt mit dem Inhalt klar wahrnehmbar sein
• Es darf nicht von Overlay-Elementen überdeckt werden
• Es soll in den Inhalt eingebettet sein oder über eine gleichwertige Alternative wie ein Interface-Overlay ausgeliefert werden — und beim Teilen oder Herunterladen sichtbar bleiben
• Es soll per Alt-Text oder ARIA-Label für assistive Technologien lesbar sein, einfache Sprache verwenden und lange genug stehen bleiben

Die Kommission weist darauf hin, dass Nutzertests über alle Messgrößen hinweg besser ausfielen, wenn das Icon von einem Textlabel begleitet wurde. Ihr eigenes Beispiel für Audio ist ein Deepfake-Video mit einem Hinweis auf generierte Stimmen, gefolgt vom Basis-Icon. Die Nutzung der Icons ist optional, die Kennzeichnungspflicht nach Artikel 50 nicht — und allein durch das Icon entsteht keine Konformität.

Wo die Plattformregeln nicht hinreichen

Drei Lücken sind es wert, klar benannt zu werden.

Nicht jede Synthesestimme ist ein Deepfake. Artikel 50 Absatz 4 erfasst Audio, das existierenden Personen ähnelt und fälschlich authentisch wirken würde. Eine frei erfundene Stimme kann außerhalb der Offenlegungspflicht des Betreibers liegen, während die maschinenlesbare Kennzeichnungspflicht des Anbieters weiter gilt. Das ist eine Frage danach, welche Pflicht greift — kein Freibrief zu schweigen.

Kreative Werke haben eine mildere Pflicht, keine Ausnahme. Ist ein Deepfake Teil eines offensichtlich künstlerischen, kreativen, satirischen oder fiktionalen Werks, beschränkt sich die Transparenzpflicht nach Darstellung der Kommission auf eine Offenlegung, die Darbietung und Werkgenuss nicht beeinträchtigt. Synchron und Animation liegen dicht an dieser Linie. Wie dicht, ist nicht geklärt — wer Synchronisation pauschal für ausgenommen erklärt, geht über den Wortlaut hinaus. Wie umkämpft das Feld ist, zeigt der Streit um die KI-Klauseln bei Netflix.

Der größte Teil der Sprecherarbeit erreicht nie eine Plattform. Telefonansagen, E-Learning im firmeneigenen LMS, Instore-Audio, Museumsführungen, interne Schulungen: Hier gibt es kein Upload-Formular mit Abfrage. Die KI-Verordnung gilt trotzdem. Es fehlt nur die Plattform, die daran erinnert hätte.

Checkliste vor der Veröffentlichung

1. Klären, ob Sie Anbieter, Betreiber oder beides sind. Feinjustieren plus Veröffentlichen heißt beides.
2. Beim TTS-Anbieter schriftlich abfragen, ob die Ausgabe maschinenlesbar gekennzeichnet ist und nach welchem Verfahren.
3. Prüfen, ob der Anbieter den Kodex unterzeichnet hat. Falls nicht: nachfragen, welche gleichwertigen Maßnahmen er nachweist.
4. Die Plattformangabe beim Upload setzen, nicht danach. Ein nachträglich von der Plattform gesetztes Label lässt sich nicht zurücknehmen.
5. Einwilligungen für geklonte Stimmen zur Projektakte nehmen, nicht ins Postfach. Was darin stehen muss, behandelt unser Ländervergleich zum Recht an der eigenen Stimme.
6. Bei Auslieferungen ohne Plattform die Kennzeichnungsentscheidung ins Briefing schreiben, damit sie eine Entscheidung ist und kein Versäumnis.

Nichts davon spricht gegen synthetische Sprache. Es spricht dafür, zu wissen, in welchem der drei Regelwerke man gerade steht. Wenn ein Projekt eine menschliche Aufnahme und eine saubere Rechtekette braucht, vermittelt Voicfy muttersprachliche Sprecherinnen und Sprecher direkt — Briefing einstellen und Angebote meist noch am selben Tag erhalten.