Kann ein Algorithmus echtes Gefühl berechnen? KI-generierte Stimmen werden technisch zwar immer ausgereifter, doch im Subtext und in der echten Emotion stoßen Large Language Models an ihre Grenzen. Dennoch setzen Konzerne wie Netflix und Amazon zunehmend auf automatisierte Synchronsysteme – mit dramatischen Folgen für die Kreativbranche. Christina Puciata, langjährige Sprecherin und ehemalige VDS-Vorsitzende, erklärt im Interview, warum der Widerstand der Synchronbranche uns alle angeht und was auf dem Spiel steht, wenn wir urmenschliche Ausdrucksformen an Algorithmen abtreten.

Synthetische Stimmen und automatisierte Dubbing-Systeme werden immer leistungsfähiger. Welche Auswirkungen spüren Sie bereits in Ihrer täglichen Arbeit – und wo verläuft für Sie die Grenze zwischen KI als Werkzeug und KI als existenzieller Bedrohung?

Konkret spüre ich die Auswirkungen des Einsatzes von synthetischen Stimmen im Rückgang der Auftragslage von mir und zahlreichen Kolleg:innen. Einige haben sich bereits andere Geschäftsfelder gesucht.  Das betrifft in massiver Weise „Brot- und Butterjobs“ wie Telefonansagen oder E-Learnings. In den Bereichen sind die Aufträge über 80 % weggebrochen.

Dann gab es Angebote für Rollen in Games, die ich abgelehnt habe, weil die Verträge keinen Ausschluss von KI-Training zugelassen haben. Auch in der Werbung spüren wir deutliche Rückgänge, die aber nicht allein auf den Einsatz von KI zurückzuführen sind, aber auch dort gehen zunehmend Jobs an synthetische Stimmen verloren.

Gegen den Einsatz von KI in der technischen Bearbeitung von Sprachaufnahmen ist wenig einzuwenden. Dass Korrekturen, für die früher ein Retake nötig war, heute mittels KI vorgenommen werden können und dadurch keine Gage mehr anfällt, ist der Lauf der Zeit.

Aber wenn synthetische Stimmen sogar bei Schauspielaufgaben wie Synchron, Games oder Hörbuch eingesetzt wird, werden immer weniger Sprecher:innen und Tonstudios von ihrem Beruf leben können und damit gehen natürlich auch Kompetenzen einer ganzen Branche verloren.

KI-generierte Stimmen werden technisch überzeugender. Wo zeigen sich aus Ihrer Erfahrung die Grenzen – bei Emotion, Timing, Interpretation? Und nimmt das Publikum den Unterschied wahr?

Man muss sich klarmachen, dass LLM (Large Language Models) auf Wahrscheinlichkeiten beruhen. Die Inhalte werden nicht verstanden oder empfunden. Sie können keinen Menschen wirklich ansprechen, sondern nur die Wahrscheinlichkeit von Melodieführungen und Pausen errechnen.

Damit kann sie uns nicht überraschen, irritieren, in der Seele berühren… und daher kann KI unsere Aufmerksamkeit und unser Interesse bisher nicht auf Dauer halten. Oft nimmt das Publikum im ersten Moment nicht bewusst wahr, dass es sich um eine künstliche Stimme handelt, aber mit der Zeit entsteht ein Unbehagen, das schwer zuzuordnen ist.

Der Konflikt um die Netflix-AOR-Vereinbarung hat die Branche aufgerüttelt – KI-Training mit Stimmaufnahmen, Vergütung, Persönlichkeitsrechte. Gleichzeitig heißt es: Die Technologie kommt ohnehin. Wie bewerten Sie die aktuelle Vertragssituation, und was müsste ein fairer Rahmen konkret beinhalten?

Die bestehenden Gesetze zum Urheber- und Persönlichkeitsrecht müssen noch an die rasante technische Entwicklung angepasst werden. Unsere Rechte als Urheber- und Leistungsschutzempfänger müssen geschützt werden. Wenn wir jetzt Vereinbarungen zum KI-Training mit großen Konzernen wie Netflix eingehen, nehmen wir uns die Möglichkeit später unsere Rechte aus den neu entwickelten Gesetzen einfordern zu können, weil wir sie bereits abgetreten haben.

Dabei geht es um Transparenz - die einzuräumende Nutzung der Trainingsdaten sollte konkret benannt werden und um die Wahl, ob man einem KI-Training zustimmen möchte oder eben nicht und wenn ja, dann zu einer angemessenen Vergütung

Ihr persönlicher Umgang mit KI: Zwischen Abwehr und Annäherung?

Ich sehe den Nutzen von KI-Anwendungen in vielen Bereichen, habe für mich allerdings die Entscheidung getroffen, dass ich meine Stimme nicht zum KI-Training zur Verfügung stellen werde.

Netflix und Amazon halten Patente für vollautomatisierte Synchronsysteme. Gleichzeitig zeigt der Protest, dass das Publikum an menschlichen Stimmen hängt. Wo sehen Sie Ihr Berufsfeld in fünf Jahren – und welche Rolle spielen neue Vergütungsmodelle, rechtliche Rahmenbedingungen und organisierte Interessenvertretung?

Ich glaube, dass weiterhin menschliche Stimmen eingesetzt werden, aber mit einem höheren Qualitätsanspruch. Es wird eine Hörerschaft geben, die Filme, Hörbücher… sehr bewusst auswählt. Vielleicht gibt es bald Labels, die menschliche Stimmen als Qualitätsmerkmal anpreisen. Trotzdem wird die Zahl der Produktionen mit synthetischen Stimmen in allen Genres weiterwachsen.

Mir fehlt noch die Phantasie für ein Vergütungsmodell, dass für beide Seiten attraktiv ist. Der Preis, um uns selbst und unsere Kunst freiwillig abzuschaffen, müsste schon sehr hoch sein, dann verlieren die Modelle der KI-Unternehmen an Profitchancen.

Unsere Interessen können dabei nur durch Verbände/Gewerkschaften gegenüber dem Gesetzgeber und großen Konzernen vertreten werden. Einzelne Künstler:innen haben keine Chance. Der aktuelle Kampf der Synchronsprechenden geht sogar über das eigene Berufsfeld hinaus. Viele kreative Jobs sind durch die (illegale) Einspeisung ihrer Daten in KI-Modelle in ihrer Existenz bedroht. Durch die Popularität der Stimmen können wir die Öffentlichkeit für diese Ungerechtigkeit sensibilisieren. Es sind Fragen, die unsere ganze Gesellschaft betreffen. Wenn wir bereit sind, unsere Sprache, eine so urmenschliche Ausdrucksform durch Algorithmen zu ersetzen, in welcher Welt wollen wir in Zukunft leben?