Synthetische Medien brauchen fast überall eine Kennzeichnung.

2024 zeigte eine Forschungsdemo ein lebensechtes sprechendes Gesicht aus einem Foto und einer Tonaufnahme; 2026 lautet die Frage nicht mehr, ob das möglich ist, sondern wie synthetische Medien gekennzeichnet, gesteuert und sinnvoll genutzt werden.

Von Sten Franke, Gründer & CEO · Architekt für KI-Transformation, ETHORITY

Im April 2024 schrieben wir über VASA-1 von Microsoft Research. Aus einem einzelnen Porträt und einer Tonaufnahme erzeugte das System ein sprechendes Gesicht mit synchronen Lippenbewegungen, natürlicher Kopfbewegung und Mimik. Die Forschenden berichteten Videobilder mit 512×512 Pixeln bei 45 Bildern pro Sekunde im Offline-Batchmodus und bis zu 40 Bildern pro Sekunde im Online-Streaming mit 170 Millisekunden Startlatenz, auf einem Desktop-PC mit einer einzelnen NVIDIA-RTX-4090-GPU.

Das Team ging mit der Veröffentlichung sorgfältig um. Die Projektseite hält fest, es gebe „keine Pläne, eine Online-Demo, eine API, ein Produkt oder weitere Implementierungsdetails zu veröffentlichen“, bis ein verantwortungsvoller Einsatz gesichert sei. Die Forschenden wiesen darauf hin, dass die Technik dennoch „zur Nachahmung von Menschen missbraucht werden könnte“ und dass erzeugte Videos „noch erkennbare Artefakte enthalten“.

Unsere Fragen damals lauteten: Wie unterscheiden wir KI-erzeugte Inhalte von echten Aufnahmen, was bedeutet das für Identität und Privatsphäre, und wie passt ein solches Werkzeug in einen Informationsraum, der ohnehin unter Druck steht? Zweieinhalb Jahre später haben Regulierer auf die erste Frage konkrete Antworten gegeben, und Unternehmen haben zur zweiten und dritten viel gelernt.

Echtzeit-Synthese ist keine Forschungsausnahme mehr. Was 2024 eine High-End-GPU brauchte, rückt nah an Alltagshardware heran: Apples M5-Chip bietet mehr als die vierfache GPU-Spitzenleistung für KI gegenüber seinem Vorgänger, Qualcomms Snapdragon X2 Elite Extreme hat einen Neuroprozessor mit 80 TOPS. Counterpoint erwartete, dass KI-fähige PCs 2026 mehr als die Hälfte der weltweiten Auslieferungen ausmachen.

Zugleich sind legitime Anwendungen gewachsen. Sprachagenten gehören inzwischen fest zum Kundenservice; das Good AI Prisma ordnet sie den Bereichen Kundenservice sowie Meetings, Stimme & Sprache zu. Synthetische Sprecherinnen und Sprecher werden in Schulung und Barrierefreiheit eingesetzt. Dieselben Bausteine senken aber auch die Kosten von Identitätstäuschung. Entsprechend bleiben Cybervorfälle im Allianz Risk Barometer 2026 das größte Geschäftsrisiko (42%), und KI steigt auf Platz zwei (32%).

Die meisten KI-Regelwerke unterscheiden sich im Umfang, fast alle verlangen aber, dass synthetische Inhalte erkennbar sind.

Europäische Union. Die Transparenzpflichten nach Artikel 50 der KI-Verordnung gelten seit 2. August 2026, bestätigt durch den Digital-Omnibus (Verordnung (EU) 2026/1744). Anbieter von Systemen, die synthetische Audio-, Bild-, Video- oder Textinhalte erzeugen, müssen die Ausgaben maschinenlesbar kennzeichnen; für Systeme, die vor dem 2. August 2026 auf dem Markt waren, gilt der 2. Dezember 2026. Betreiber, die Deepfakes veröffentlichen, müssen offenlegen, dass die Inhalte künstlich erzeugt oder verändert wurden. Ab 2. Dezember 2026 kommt mit dem Omnibus zudem ein Verbot von KI-Systemen hinzu, die nicht einvernehmliche intime Darstellungen identifizierbarer Personen oder Darstellungen sexuellen Kindesmissbrauchs erzeugen.

Quellenkontext: EU AI Act · consolidated 2026-07-27 ↗

China. Regeln zur Kennzeichnung KI-generierter synthetischer Inhalte gelten seit 1. September 2025. Sie verlangen sichtbare Kennzeichen für Text, Bild, Audio, Video und virtuelle Szenen sowie verborgene Kennzeichen in den Metadaten und verpflichten App-Stores, die Kennzeichnung bei der Prüfung von Apps zu kontrollieren.

Südkorea. Der AI Basic Act gilt seit 22. Januar 2026. Anbieter müssen Nutzerinnen und Nutzer vorab über den KI-Einsatz informieren und gegebenenfalls offenlegen, dass Bilder, Videos oder Audio KI-generiert sind, wenn sie schwer von der Realität zu unterscheiden sind. Für Bußgelder gilt eine Übergangsfrist von mindestens einem Jahr.

Indien. Geänderte IT-Regeln gelten seit 20. Februar 2026. Zulässige synthetische Inhalte müssen deutlich gekennzeichnet sein und dauerhafte Metadaten oder Herkunftsmarker tragen, die Plattformen nicht entfernen dürfen; Löschanordnungen sind binnen drei Stunden umzusetzen.

Für die meisten Organisationen sind synthetische Medien heute ein Steuerungsthema mit drei Seiten:

• Als Erzeuger. Wenn Sie KI-generierte Videos, Stimmen oder Bilder für Marketing, Schulung oder Service produzieren, brauchen Sie Kennzeichnung und Markierung, die in der EU, China, Korea und Indien funktionieren. Bauen Sie beides in den Produktionsablauf ein, statt es erst bei der Veröffentlichung zu ergänzen.
• Als Käufer. Fragen Sie Anbieter generativer Werkzeuge, wie Ausgaben markiert werden, welche Metadaten den Export überstehen und ob das Klonen von Stimme oder Gesicht eine dokumentierte Einwilligung der dargestellten Person voraussetzt.
• Als Ziel. Die Nachahmung von Führungskräften per Stimme oder Video ist ein Betrugsweg. Zahlungsfreigaben, Passwort-Rücksetzungen und Änderungen von Lieferanten-Bankdaten sollten nie allein auf einem Sprach- oder Videoanruf beruhen.

Besondere Aufmerksamkeit verdient die Einwilligung in Meetings. In einer US-Umfrage hatten 33% der Beschäftigten Meetings mit einem KI-Protokollwerkzeug erlebt; 65% von ihnen sagten, die Einwilligung sei uneinheitlich oder gar nicht eingeholt worden.

Vor zwanzig Jahren haben wir mit meinem Unternehmen Gridpatrol das Netz für Marken beobachtet und einmal ein kompromittierendes Bild eines Handelsmanagers abgefangen, bevor es sich verbreitete. Damals ging es um statische Bilder und Text. Heute geht es um Echtzeit-Video und geklonte Stimmen. Gleich geblieben ist das Prinzip: früh erkennen, ehrlich kennzeichnen und eine Person für das verantwortlich halten, was veröffentlicht wird.

Regeln allein machen synthetische Medien nicht vertrauenswürdig. Klare Kennzeichen, dokumentierte Einwilligungen und Prüfschritte in den Geschäftsprozessen schon. Die Chance für 2027 besteht darin, synthetische Stimmen und Gesichter dort einzusetzen, wo sie wirklich helfen, in Barrierefreiheit, Schulung und Service, und ihre Herkunft dabei sichtbar zu machen.

Ein synthetischer Sprecher kann Schulungen leichter aktualisierbar machen oder den Zugang in einer anderen Sprache unterstützen. Trotzdem muss geklärt werden, wessen Erscheinung verwendet wird, wozu die Person zugestimmt hat und wie das Publikum die Darstellung versteht. Beginnen Sie mit Kommunikationszweck und Rechten, nicht mit der beeindruckendsten technischen Vorführung.

Unterscheiden Sie eine erfundene Figur, einen lizenzierten Darsteller, die Nachbildung eines Mitarbeiters und eine Darstellung einer öffentlichen Person. Das sind verschiedene Situationen. Die Zustimmung zu einem Interview erlaubt nicht automatisch unbegrenztes Stimmenklonen, neue Texte oder weltweite Verbreitung. Der Produktionsauftrag sollte Verwendungszweck, Sprachen, Kanäle, Dauer und gegebenenfalls Rücknahme oder Korrektur benennen.

Prüfen Sie auch, wer als Sprecher wahrgenommen wird. Eine generierte Person mit freigegebenem Text unterscheidet sich von einem interaktiven System, das in ihrer Stimme eigene Antworten formuliert. Dabei können Aussagen entstehen, die die dargestellte Person nie geprüft hat. Legen Sie fest, ob das System frei antworten, nur freigegebene Inhalte abrufen oder an einen Menschen übergeben darf. Realistische Gestaltung darf die tatsächliche Betriebsgrenze nicht verdecken.

Herkunftsangaben können bei gewöhnlicher Bearbeitung verloren gehen. Ein Video durchläuft Schnitt, Komprimierung, Übersetzung, Untertitelung, Veröffentlichungsplattform und Vertrieb. Prüfen Sie deshalb das fertig ausgelieferte Material und nicht allein die Exporteinstellungen des Generierungswerkzeugs. Wird ein sichtbarer Hinweis verwendet, muss er auch mobil und bei eingebetteten Fassungen erkennbar bleiben.

Technische Herkunftsverfahren können Aussagen über Erstellung und Bearbeitung erhalten. Sie beweisen für sich genommen weder, dass das dargestellte Ereignis stattgefunden hat, noch die Wahrheit aller Inhalte. Umgekehrt ist das Fehlen eines bestimmten Signals kein abschließender Täuschungsbeleg. Verwenden Sie technische Markierungen als Teil eines redaktionellen und rechtlichen Prozesses. Die C2PA-Spezifikation beschreibt Verfahren und Geltungsbereich.

Verbinden Sie freigegebenen Text, erforderliche Erlaubnisse, Ausgangsmaterial und fertige Datei in einem Produktionsnachweis. Begrenzen Sie den Zugriff auf sensible Aufnahmen. Verlässt ein Sprecher das Unternehmen, müssen betroffene Materialien und Vereinbarungen auffindbar sein. Ziel ist eine bearbeitbare Rechte- und Veröffentlichungsgrundlage und keine möglichst große Sammlung persönlicher Daten.

Die Prüfung sollte sich auf den tatsächlich verwendeten Kanal beziehen. Ein Hinweis am Rand eines Videos kann bei einem Ausschnitt verschwinden. Eine Beschreibung unter einem Beitrag fehlt möglicherweise beim Teilen. Legen Sie daher fest, welche Informationen im Material selbst und welche ergänzend erscheinen. So lässt sich eine Weiterverwendung gezielt prüfen, statt auf eine ursprüngliche Plattformansicht zu vertrauen.

Ein Unternehmen möchte ein mehrsprachiges Einführungsvideo mit synthetischem Sprecher erstellen. Zuerst prüft die fachlich verantwortliche Person den Inhalt. Die Rechteverantwortung klärt Stimme und Erscheinung. Eine qualifizierte Sprachprüfung kontrolliert jede Ausgabe, besonders bei sicherheits- oder arbeitsrelevanten Anweisungen. Anschließend erstellt die Produktion das Material mit den vereinbarten Hinweisen.

Die Abnahme betrachtet die gesamte Erfahrung. Sind Untertitel richtig? Entspricht die gesprochene Anweisung der schriftlichen Regel? Erkennt das Publikum die synthetische Darstellung? Gibt es einen Kontakt für Fragen? Schneidet die mobile Fassung wichtige Hinweise ab? Ein technisch realistisches Gesicht ist kein guter Erfolgsmaßstab, wenn Menschen die Anweisung nicht verstehen können.

Ändert sich eine Richtlinie, müssen betroffene Sprachen und abgeleitete Clips auffindbar sein. Eine alte gesprochene Anweisung darf nicht allein deshalb weiterlaufen, weil die Textseite bereits korrigiert wurde. Bewahren Sie frühere Fassungen nötigenfalls als Archiv, führen Sie gewöhnliche Nutzer aber zur aktuellen Ausgabe. Versionspflege gehört zur Leistung, die das Medium im Betrieb erbringt.

Die Wiedererkennung einer Stimme oder eines Gesichts sollte nicht allein eine folgenreiche Handlung autorisieren. Ein überzeugender Anruf kann Dringlichkeit erzeugen und gewöhnliche Kontrollen umgehen. Belastbarer ist die Frage, ob Zahlung, Kontowechsel oder Offenlegung dem festgelegten Befugnisprozess folgen.

Eine hypothetische Änderung von Lieferantenbankdaten kann über einen bereits bekannten unabhängigen Kontakt und eine berechtigte Freigabe geprüft werden. Verwenden Sie für die Gegenprüfung nicht ausschließlich Kontaktdaten aus der verdächtigen Nachricht. Beschäftigte sollten wissen, wie sie den Vorgang pausieren und Unterstützung erhalten. Eine ungewöhnliche Forderung zu verlangsamen darf nicht als persönliches Versagen behandelt werden.

Üben Sie mit sicheren Beispielen. Prüfen Sie, ob Beschäftigte den echten Kontaktweg finden, eine Abweichung vom vertrauten Ablauf erkennen und die Anfrage nachvollziehbar festhalten können. Erzeugen oder verbreiten Sie keine schädlichen Nachbildungen, nur um die Übung dramatischer zu machen. Ziel ist die Prozessprüfung und nicht die Bloßstellung Einzelner oder der Beweis eines allwissenden Deepfake-Detektors.

Vergleichen Sie mehr als Bildqualität. Fragen Sie nach Ausgangsaufnahmen, Trainingsnutzung, Aufbewahrung, Löschung, Zugriff und Berechtigung zur Erstellung einer Nachbildung. Klären Sie, welche Kontrollen im gewählten Tarif gelten. Ein öffentliches Beispiel mit einer bekannten Person belegt keine Erlaubnis für Ihre geplante Nutzung.

Berechnen Sie die Kosten akzeptierter Inhalte. Dazu gehören Textvorbereitung, Sprachprüfung, Rechtearbeit, Generierung, Korrekturen und Aktualisierung. Ein niedriger Erzeugungspreis ist wenig aussagekräftig, wenn jede Änderung umfangreiche Kontrolle verlangt. Umgekehrt kann eine synthetische Fassung bei häufigen Aktualisierungen sinnvoll sein, selbst wenn die erste Produktion mehr kostet. Die Rechnung folgt dem tatsächlichen Veröffentlichungszyklus und keiner allgemeinen Einsparungsbehauptung.

Beziehen Sie Barrierefreiheit und Alternativen ein. Manche Zielgruppen bevorzugen Text, Untertitel oder eine eindeutig künstliche Stimme. Ein realistischer Sprecher ist eine Gestaltungswahl und keine Voraussetzung guter Kommunikation. Das passende Format folgt Zweck, Publikum und den Folgen möglicher Missverständnisse.

Eine Korrektur muss die Orte erreichen, an denen Menschen das Material weiterhin sehen. Erfassen Sie Originalseite, eingebettete Wiedergabe, abgeleitete Clips und Sprachfassungen. Welche können ersetzt werden, welche benötigen einen eigenen Hinweis? Eine solche Liste während der Produktion ist leichter zu pflegen als eine spätere Rekonstruktion nach einem Fehler.

Führen Sie eine korrigierte Datei durch den gewöhnlichen Veröffentlichungsweg. Prüfen Sie Untertitel, gesprochenen Inhalt und Kennzeichnung in der ausgelieferten Fassung. Die frühere Datei bleibt entsprechend den Aufbewahrungsanforderungen erhalten. Ein Archivlink darf aber nicht unbemerkt zum gewöhnlichen Einstieg werden. Eine sachgerechte Korrektur erläutert geänderte Inhalte dort, wo das für das Publikum wichtig ist.

Das ist zugleich eine nützliche Einkaufsfrage. Kann der Dienst abgeleitete Ausgaben zuordnen und die für einen Anbieterwechsel benötigten Informationen ausgeben? Ein überzeugendes Gesicht zu erzeugen ist eine Fähigkeit. Ein Kommunikationsmittel über seine Nutzungsdauer verantwortlich zu pflegen ist eine größere Leistungsanforderung. Dazu gehören erreichbare Originalunterlagen, geklärte Zuständigkeiten und ein überprüfbarer Änderungsweg.

Legen Sie vor der Produktion fest, wer eine sprachliche Korrektur beurteilt. Eine geänderte deutsche Fassung muss nicht wortgleich mit der englischen sein, wohl aber dieselbe sachliche Aussage und dieselben Grenzen erhalten. Sicherheitsrelevante Anweisungen verdienen eine eigene Abnahme. Erst die geprüfte Endfassung gilt als bereit für den vorgesehenen Einsatz; eine erfolgreiche Generierung allein genügt dafür nicht.

Im Good AI Prisma lassen sich Sprach-, Stimmen- und Medienangebote erkunden. Prüfen Sie danach Profile und quellenbezogene Grenzen. Ein AI Decision Brief kann einen begrenzten Vergleich unterstützen. Eine größere Ablauf- und Investitionsfrage lässt sich über den Enterprise AI Opportunity Case eingrenzen.

Bringen Sie Publikum, dargestellte Person, Verbreitungskanäle und anstehende Entscheidung mit. Rechtliche Bewertung und Rechtefreigabe bleiben bei den zuständigen Fachleuten. Eine Anfrage beginnt die Umfangsklärung. Sie erteilt weder Persönlichkeitsrechte noch veröffentlicht sie eine Datei oder aktiviert einen synthetischen Sprecher. Der kommerzielle Nutzen liegt in hilfreicher Kommunikation mit verständlicher Herkunft, Verantwortung und Bedingungen.

Was Sie jetzt entscheiden sollten

• Erfassen Sie jedes Werkzeug, das Bilder, Videos oder Stimmen erzeugt, und klären Sie, wie es die maschinenlesbare Kennzeichnung der EU bis 2. Dezember 2026 erfüllt.
• Verlangen Sie für jede geklonte Stimme und jedes nachgebildete Gesicht eine dokumentierte Einwilligung, auch bei Beschäftigten und Sprecherinnen und Sprechern.
• Ergänzen Sie Zahlungsfreigaben und Änderungen von Lieferanten-Bankdaten um einen zweiten Prüfschritt, der nicht auf Stimme beruht.

Kennzeichnungsregeln für mehr als 30 Volkswirtschaften vergleicht die Good AI Prisma Global Market Study 2026/27 unter ethority.ai/ai-prism-study.

• Microsoft Research, VASA-1 Projektseite: https://www.microsoft.com/en-us/research/project/vasa-1/
• VASA-1 Projektwebsite (Veröffentlichung und Responsible-AI-Erklärung): https://vasavatar.github.io/VASA-1/
• Apple, Ankündigung M5 (Okt. 2025): https://www.apple.com/newsroom/2025/10/apple-unleashes-m5-the-next-big-leap-in-ai-performance-for-apple-silicon
• Futurum, Snapdragon X2 Elite (Okt. 2025): https://futurumgroup.com/insights/snapdragon-x2-elite-pushes-ai-pc-performance-to-new-heights
• Counterpoint, KI-PCs 2026: https://counterpointresearch.com/ko/reports/ai-advanced-pcs-to-surpass-half-of-global-shipments-in-2026
• Allianz Risk Barometer 2026: https://commercial.allianz.com/news-and-insights/news/allianz-risk-barometer-2026.html
• Verordnung (EU) 2026/1744: https://eur-lex.europa.eu/eli/reg/2026/1744/oj/eng
• Verordnung (EU) 2024/1689 (KI-Verordnung): https://eur-lex.europa.eu/eli/reg/2024/1689/oj
• Lewis Silkin, Digital Omnibus on AI (Juli 2026): https://www.lewissilkin.com/en/insights/2026/07/27/the-digital-omnibus-on-ai-enters-into-force-today-102nedo
• nicfab, Digital Omnibus on AI im Amtsblatt: https://www.nicfab.eu/en/posts/digital-omnibus-ai-official-journal/
• Loeb & Loeb, Chinas Kennzeichnungsregeln für KI-Inhalte: https://www.loeb.com/en/insights/publications/2025/03/chinas-ai-labeling-measures-and-mandatory-national-standards-take-effect-september-1
• ITA, South Korea AI Basic Act: https://www.trade.gov/market-intelligence/south-korea-ai-basic-act
• Hogan Lovells, Indien: Kennzeichnung synthetischer Inhalte (Feb. 2026): https://www.hlc.com/en/publications/india-introduces-mandatory-labelling-for-ai-and-3hour-takedown-for-illegal-content
• KRDO / Stacker, Umfrage zu KI-Protokollwerkzeugen (Juli 2026): https://krdo.com/stacker-business-economy/2026/07/16/ai-notetakers-have-sat-in-on-1-in-3-us-workers-meetings-but-only-a-third-say-they-were-asked-first/
• ETHORITY, Good AI Prisma Global Market Study 2026/27: https://ethority.ai/ai-prism-study

Dieser Beitrag ist keine Rechtsberatung.

Aktualisierte Ausgabe des Beitrags, der 2024 erstmals auf ethority.net erschien; das Original bleibt archiviert.