Stimmklon einfach erklärt: Wie KI Stimmen nachmacht, was erlaubt ist und wie du dich schützt

Was ein Stimmklon ist und wie er entsteht

Beim Stimmenklonen, englisch Voice Cloning, analysiert eine KI Aufnahmen einer Person und hält fest, was deren Stimme ausmacht, etwa Tonhöhe, Sprechtempo, Betonung, Klang und Akzent. Diese Merkmale speichert sie als eine Art Zahlenprofil. Danach kann sie jeden eingetippten Text so aussprechen, als würde die Person selbst sprechen. Der Anbieter ElevenLabs beschreibt den Ablauf in sechs Schritten: Aufnahmen sammeln, säubern, Merkmale herausziehen, Modell trainieren, neue Sprache erzeugen und den Klon einsetzen.

Das Bundesamt für Sicherheit in der Informationstechnik (BSI) unterscheidet zwei Verfahren. Bei Text-to-Speech liest die KI einen vorgegebenen Text mit der nachgeahmten Stimme vor. Bei Voice Conversion spricht jemand selbst, und die KI verwandelt seine Stimme in die der Zielperson.

Wie viel Material nötig ist, hängt von der gewünschten Qualität ab. ElevenLabs nennt für einen schnellen Klon wenige Minuten Audio, für einen professionellen Klon zwei bis drei Stunden. Das BSI beschreibt Forschungsansätze, die mit wenigen Sekunden auskommen, allerdings auf Kosten der Qualität.

Wofür Stimmklone sinnvoll genutzt werden

Stimmklone sind nicht nur ein Werkzeug für Betrüger. Apple bietet auf iPhone, iPad und Mac die Funktion Eigene Stimme an: Du sprichst Sätze ein und kannst danach getippten Text mit einer synthetischen Stimme sprechen lassen, die wie deine klingt, etwa über die Live-Sprachausgabe oder Apps für unterstützte Kommunikation. Die Aufnahmen werden laut Apple sicher auf dem Gerät verarbeitet. Nötig ist mindestens ein iPhone 12 mit iOS 17. Wichtige Einschränkung: Deutsch wird laut Apple nicht unterstützt, Eigene Stimme gibt es nur auf Englisch (USA), Mandarin (Festlandchina) und Spanisch (Mexiko).

Kommerzielle Anbieter wie ElevenLabs bieten Stimmklone für Hörbücher, Videos und Sprachassistenten an. ElevenLabs beschreibt eigene Schutzmaßnahmen: Wer eine Stimme klont, muss bestätigen, dass es die eigene ist oder dass er ausdrücklich die Rechte daran hat. Einen professionellen Klon darfst du laut ElevenLabs nur von deiner eigenen Stimme erstellen, auch eine Einwilligung der anderen Person reicht dafür nicht; dafür gibt es eine Prüfung, ob die Stimme wirklich dir gehört. Möchte jemand seine Stimme mit dir teilen, erstellt und bestätigt diese Person den Klon im eigenen Konto und teilt ihn dann mit dir. Stimmen von Prominenten und Personen des öffentlichen Lebens sind laut Anbieter gesperrt. Das sind Angaben des Anbieters, ob sie lückenlos greifen, lässt sich von außen nicht prüfen.

Wie KI-Stimmen vom Labor in Hotlines und Hörbücher kamen, erzählen wir in unserem Artikel über Voice AI.

Was in Deutschland und der EU gilt

Anders als das Recht am eigenen Bild ist das Recht an der eigenen Stimme in Deutschland nicht in einem eigenen Gesetz geregelt. Das Landgericht Berlin II hat aber am 20. August 2025 entschieden, dass das allgemeine Persönlichkeitsrecht auch die eigene Stimme schützt (Aktenzeichen 2 O 202/24). Ein YouTuber hatte ohne Einwilligung eine KI-Stimme verwendet, die der bekannten Synchronstimme eines Sprechers glich. Entscheidend war für das Gericht, dass das Publikum die Stimme wiedererkannte und annehmen konnte, der Sprecher habe zugestimmt. Eine Unterlassungserklärung hatte der YouTuber schon 2023 außergerichtlich abgegeben. Das Gericht sprach dem Sprecher 4.000 Euro als fiktive Lizenzgebühr und 1.155,80 Euro Anwaltskosten zu, jeweils zuzüglich Zinsen.

Am 7. Oktober 2026 hat das Bundeskabinett zudem einen Gesetzentwurf gegen digitale Gewalt beschlossen. Er sieht unter anderem neue Straftatbestände für das unbefugte Verbreiten rufschädigender Deepfakes und für Identitätsmissbrauch vor. Bundestag und Bundesrat müssen noch zustimmen; nach Vorstellung des Justizministeriums könnten die Regeln ab Mitte 2027 gelten. Wer mit einer fremden Identität Geld erschwindelt, kann sich laut LTO schon heute etwa wegen Betrugs strafbar machen.

EU-weit gilt seit dem 2. August 2026 Artikel 50 der KI-Verordnung: KI-Anbieter müssen erzeugte Tonaufnahmen maschinenlesbar markieren. Für Systeme, die schon vor dem 2. August 2026 auf dem Markt waren, gilt diese Markierungspflicht laut EU-Kommission erst ab dem 2. Dezember 2026. Wer eine täuschend echte Stimmfälschung beruflich oder geschäftlich veröffentlicht, muss sie als KI-erzeugt offenlegen. Rein private Nutzung, etwa wenn du als Privatperson einen Deepfake in sozialen Netzwerken teilst, fällt laut Kommission nicht unter die KI-Verordnung; andere Regeln wie das Persönlichkeitsrecht gelten trotzdem. Unsere Einordnung: Gegen Betrugsanrufe hilft das wenig, denn Kriminelle halten sich nicht an Kennzeichnungspflichten.

So schützt du dich und deine Familie

Die Verbraucherzentrale Brandenburg warnte im Januar 2026: Betrüger nehmen kurze Sprachschnipsel aus sozialen Netzwerken, erzeugen damit die Stimme eines Angehörigen und täuschen am Telefon eine Notlage vor. Solche Anrufe seien schwer als Fälschung zu erkennen; unnatürliche Gesprächsverläufe oder Lücken können Hinweise sein. Das BSI nennt außerdem einen metallischen Klang, falsche Aussprache, monotone Betonung und Verzögerungen vor der Antwort. Verlassen solltest du dich auf solche Merkmale nicht.

Die Polizei rät bei Schockanrufen:

Sofort auflegen. Das ist nicht unhöflich, sondern gibt dir Zeit zum Durchatmen.

Die Person selbst oder jemanden deines Vertrauens unter einer Nummer anrufen, die du kennst.

In der Familie und mit Freunden ein Kennwort vereinbaren, mit dem ihr euch am Telefon erkennt.

Nie Angaben zu deinen Finanzen machen und nie Geld oder Wertsachen an Unbekannte übergeben.

Bei Verdacht die 110 anrufen und nach einem Betrug in jedem Fall zur Polizei gehen.

Die Verbraucherzentrale empfiehlt zusätzlich, Fragen zu stellen, die nur die echte Person beantworten kann, und sich nach einem verdächtigen Anruf Datum, Uhrzeit, Nummer und Gesprächsverlauf zu notieren. Vorbeugend rät die Polizei, den eigenen Telefonbucheintrag zu kürzen oder zu löschen. Wie du KI-Fälschungen bei Bildern, Videos und Anrufen allgemein erkennst, erklären wir in einem eigenen Artikel.