Geklonte Stimmen und „Podslop“ erobern die Podcast-Welt

Podcasts sind extrem beliebt: 43 aller Österreicher hören sie laut der Behörde RTR. Deswegen sind sie auch ein gutes Geschäft. Menschen, die selbst weder eine gute Stimme noch das notwendige Charisma haben, können dank KI Podcasts mit künstlich hergestellten Hosts produzieren. Nicht nur einen davon, sondern Tausende binnen kurzer Zeit. 

Auch Jeanine Wright ist fest davon überzeugt, dass wir in naher Zukunft in unserem digitalen Alltag sehr häufig auf KI-Personen treffen werden, wie sie im Hollywood Reporter sagte. Ihre Produktionsfirma Inception Point hat schon 2025 wöchentlich Tausende komplett KI-generierte Podcast-Episoden online gestellt. In Zukunft will Wright ähnliche Formate auch in anderen Medienbereichen ausbauen. 

39 Prozent aller neuen Podcasts waren KI

Im April berichtete Bloomberg, dass binnen einer Woche rund 39 Prozent aller neuen Podcasts KI-generiert waren. Aufgrund der oft zweifelhaften Qualität sprechen Kritiker bei den massenhaft veröffentlichten Podcasts von „Podslop“ oder „Podcast-Spam“. Der Vorwurf: Die neuen Angebote würden die Streamingplattformen mit redundanten Inhalten vollstopfen und für Hörerinnen und Hörer wenig echten Mehrwert bieten.

PDF wird in Sekunden zum Podcast

Die Entwicklung ist noch am Beginn: Tools wie Google NotebookLM können aus beliebigen Vorlagen wie PDFs oder veröffentlichten Papers auf Knopfdruck Podcast-Folgen mit 2 virtuellen Hosts generieren. 

Spotify testet derzeit ein neues Feature namens Studio, das für jeden User Podcasts automatisch und angepasst an individuelle Bedürfnisse generiert. Angaben wie „erstelle einen täglichen Audio-Überblick für meinen Roadtrip durch Italien. Führe mich anhand meines Kalenders und meiner Reservierungen durch meinen Tag und empfehle mir ein unvergessliches Restaurant in der Nähe meines Aufenthaltsortes“ sollen genügen. Kommt das Feature bei Testern gut an, will Spotify es erweitern.

„Ich habe noch keinen KI-generierten, gekennzeichneten Podcast gesehen. Ich bin aber überzeugt, dass ich schon mehrere gehört habe“, sagt die Journalistin und Podcasterin Katharina Nieschalk bei einem Podcast-Treffen in Wien. „Ich finde, dass viele Podcasts oft künstlich klingen. Das kann aber auch an dem übermäßigen Einsatz von KI in der Postproduktion liegen“, meint sie. Aufgefallen sei ihr das bei Podcasts, die ihr Spotify vorgeschlagen habe.

Österreicher klonen ihre Stimmen

Um die KI-Stimmen zu erkennen, muss man schon ganz genau hinhören. Mit den monotonen, blechernen YouTube-Übersetzerstimmen haben die nichts mehr zu tun (Hier ein Beispiel). Der Trend ist auch im deutschsprachigen Raum angekommen. In Österreich werden etwa mit KI Stimmen geklont.

Stefan Lassnig von der Podcast-Firma Missing Link erzählt der futurezone, wie überrascht er war, als er zum ersten Mal die mit KI geklonte Stimme des Journalisten Michael Nikbakhsh gehört hatte. „Wir haben den Nikbakhsh etwa auch Griechisch sprechen lassen“, sagt der Medienmanager. „Dann fragten wir jemanden, der Griechisch als Muttersprache hat, wie sich das anhört. Der hat gesagt, die Stimme und Grammatik sind perfekt, aber man hört einen österreichischen Akzent raus.“

➤ Mehr lesen: Diese KI erkennt euren Dialekt mit 64 Kilometer Genauigkeit

Das Ergebnis war so überzeugend, dass sich Missing Link dazu entschied, Stimmklone auch für die automatische Podcast-Produktion zu nutzen: „Missing Link hat die Stimme von Christian Nusser geklont“, sagt Lassnig. Der Journalist ist einer der Chefredakteure der Kronen Zeitung und schreibt den Blog Kopfnüsse. 

„Christian Nusser gibt seinen geschriebenen Text bei uns auf eine Webschnittstelle, die wir programmiert haben, und ungefähr 10 Minuten später erscheint eine fixfertig produzierte Podcast-Folge voll automatisiert online mit seiner Stimme“, erklärt Lassnig. Der KI-Stimmklon ermögliche eine zusätzliche Medienvariante, die es sonst nicht gebe. Auch beim Parlamentspodcast spreche eine KI, die die Stimme des Parlamentssprechers Karl-Heinz Grundböck nachahmt.

Die eigene Stimme verkaufen

Die Möglichkeit, die eigene Stimme einer KI zu überlassen, wird auch wirtschaftlich interessant. Kürzlich ließ sich etwa die Popsängerin Taylor Swift ihre Stimme und ihr Äußeres markenrechtlich schützen. Auch in Österreich, wo Stimmen grundsätzlich urheberrechtlich geschützt sind, spielt das Thema eine Rolle. Erste Persönlichkeiten haben für ihre Stimmen bereits Lizenzverträge abgeschlossen.

Podcasterin Nieschalk kann sich das nicht vorstellen: „Man wird im Endeffekt dafür draufzahlen, dass man seine Stimme hergeliehen hat. Den tatsächlichen Wert kann man momentan gar nicht erahnen“, meint sie. „Außerdem finde ich es schwierig, wenn man nicht mehr weiß, was mit der eigenen Stimme passiert.“ Trotzdem glaubt sie, dass in Zukunft mehr Personen des öffentlichen Lebens diesen Weg einschlagen werden: „Ich verstehe Journalistinnen und Journalisten, die es machen, wenn es wirtschaftlich rentabel ist“, meint sie.

Wie die KI recherchiert, bleibt eine Blackbox

Die KI kann aber nicht nur Texte vorlesen und Stimmen nachahmen, sondern auch die Recherche übernehmen und dann selbst sprechen, so wie bei Inception Point oder bei Spotify Studio. Für Lassnig seien die auf Knopfdruck generierten Podcasts nicht mit journalistischen Podcasts vergleichbar, sondern eher mit den KI-Zusammenfassungen einer Suchmaschinen-Recherche.

Wie die KI recherchiert, bleibt oft unklar. „KI ist mittlerweile sehr gut darin, bestimmte Aspekte herauszuarbeiten. Ich stelle mir aber immer die Frage: Warum gerade der Aspekt?“, meint Nieschalk. Die Recherche bleibe eine „Blackbox, in die wir nicht reinschauen können. Wir wissen nicht, warum die KI als Moderatorin die Themen so setzt, wie sie sie setzt“, sagt die Podcasterin.

Missing Link will die Podcast-Produktion auch in Zukunft in Menschenhand lassen. „Wir haben uns dazu entschieden, KI nur als Hilfsmittel zu verwenden“, sagt Lassnig. Vorstellbar sei für ihn aber, komplett KI-generierte Ansprachen für regional individuell ausgespielte Werbebotschaften zu nutzen. Er argumentiert insgesamt für Transparenz und Kennzeichnung.

Computergenerierte Fernsehmoderatoren

Computerstimmen, die uns informieren und unterhalten, sind erst der Anfang. Die Visionen von Unternehmen wie Inception Point sind weitaus größer. Sie arbeiten daran, dass KI-Darsteller menschliche Moderatoren in der Informations- und Unterhaltungsindustrie ersetzen. Jetzt gibt es KI-generierte Podcasts, aber technisch sind auch Video-Avatare möglich, die Schauspieler, Sänger und Fernsehmoderatoren ersetzen.

„KI-Influencer werden zu den wichtigsten der Welt gehören. Unternehmen und Menschen werden sie besitzen“, sagt der Marketing-Experte Gary Vaynerchuk in einem Video von Inception Point AI. Eine Welt, in der computergenerierte Personen echte Menschen unterhalten oder informieren, ist für viele Branchenkenner die Zukunft von Social Media und Medien. Große Unternehmen wie Spotify, Universal und Sony kündigten bereits an, in Zukunft stärker auf KI-generierte Musik zu setzen.

Es formiert sich aber bereits Widerstand: Bereits 2023 protestierten etwa Schauspielerinnen und Schauspieler beim SAG-AFTRA-Streik dagegen, dass Filmstudios ihre Stimmen und ihr Aussehen mit KI kopieren. Ähnliche Proteste gab es auch im Bereich Synchronisation und Videospielproduktion. Musikerinnen und Musiker entfernten ihre Musik als Zeichen ihres Protestes von Spotify.

➤ Mehr lesen: Folgt ihr einer KI? Instagram will euch darauf hinweisen

Schlussendlich wird es aber auch an den Entscheidungen der Konsumentinnen und Konsumenten liegen, welche Unterhaltungs- und Informationsangebote sie konsumieren und wem sie ihre Aufmerksamkeit schenken. Die KI-Personen, die Menschen glaubhaft imitieren, sind längst da und treten teils unbemerkt in Podcasts, in Filmen und anderen Medienangeboten auf. Und sie werden in Zukunft noch viel zahlreicher.