Die Figur spricht weiter. Wer hat die neue Rolle vergeben? Die Figur spricht weiter. Wer hat die neue Rolle vergeben?

Der Satz, den sie nie gesprochen hat

Im Juli 2023 hörte Victoria Atkin ihre Stimme in einer Spielwelt, für die sie nie aufgenommen hatte. Als Evie Frye hatte die Schauspielerin für Assassin’s Creed Syndicate gesprochen. Eine Fan-Mod ließ diese Stimme nun sämtliche Dialoge der Hauptfigur in Skyrim übernehmen.

Atkin war an der Produktion nicht beteiligt. Sie erfuhr durch einen Freund von der Mod, die seit April auf Nexus Mods verfügbar gewesen war. Am Tag der Berichterstattung wurde sie deaktiviert und unter Moderation gestellt. Axios dokumentierte den Fall am 24. Juli 2023↗.

Der Vorgang berührt einen empfindlichen Punkt der Modding-Kultur. Mods behandeln Spielwelten als Material, das Fans reparieren, übersetzen und weiterschreiben dürfen. Sie verändern Regeln, ergänzen Quests, ersetzen Texturen oder geben einer Nebenfigur eine längere Geschichte. Das Neue beginnt fast immer mit etwas, das bereits vorhanden ist.

Bei einer geklonten Stimme verschiebt sich diese vertraute Logik. Die Mod verändert nicht nur eine Figur. Sie erzeugt Sätze, die wie eine neue Darbietung eines realen Menschen klingen. Atkin hatte weder diese Wörter gesprochen noch die Pausen, den Trotz oder die Nähe gespielt, die das Ergebnis vermittelte. Jemand anderes schrieb den Text, erzeugte die Aufführung und besetzte sie mit ihrer akustischen Identität.

Damit lässt sich die Leserfrage zunächst knapp beantworten: Eine kostenlose Fan-Mod erhält nicht schon deshalb die Erlaubnis zum Voice Cloning, weil sie kreativ gemeint oder als KI-generiert gekennzeichnet ist. Ob eine konkrete Veröffentlichung rechtlich zulässig ist, hängt von Rechtsordnung, Verträgen, Ausgangsmaterial, Plattformregeln und Verbreitungsform ab. Ohne spezifische Einwilligung gibt es jedoch kein belastbares Ja zur neuen Darbietung.

Aus einer Aufnahme wird eine neue Darbietung

Vorhandene Sprachdateien können auch ohne generative KI neu geschnitten oder an eine andere Stelle gesetzt werden. Schon dabei können Rechte verletzt und Aussagen verfälscht werden. Doch die bearbeitete Aufnahme bleibt an einen endlichen Bestand gebunden.

Eine digitale Stimmreplik macht aus diesem Bestand eine generative Fähigkeit. Ein Modell leitet aus Aufnahmen Merkmale wie Klangfarbe, Aussprache, Rhythmus und Betonung ab. Anschließend kann es Audiosignale für Texte erzeugen, die in den ursprünglichen Aufnahmen nicht vorkamen.

Der entscheidende Gegenstand ist deshalb nicht länger nur die gespeicherte Stimme. Es ist die Möglichkeit, weitere Äußerungen im Klang einer identifizierbaren Person herzustellen. Aus konservierter Vergangenheit wird eine bedienbare Zukunft.

Der 2025 ratifizierte Tarifvertrag von SAG-AFTRA für interaktive Medien bietet dafür einen präzisen Begriff: die vokale digitale Replik. Er verlangt für ihren Einsatz unter anderem Einwilligung und Offenlegung. Nach den Vertragsinformationen gelten die entsprechenden Regeln für vokales Material sowohl in Spielsequenzen als auch in filmischen Szenen. SAG-AFTRA erläutert die Regeln für digitale Repliken und ihre vorgesehene Nutzung↗.

Dieser Vertrag bindet nicht automatisch ein privates Mod-Team in Deutschland. Er macht aber sichtbar, welche Einheit verhandelt werden muss. Nicht nur eine Audiodatei wird verwendet. Es entsteht eine Leistung, die das Publikum als Fortsetzung einer bekannten schauspielerischen Arbeit verstehen kann.

Auch der Verweis auf die fiktive Figur löst das Problem nicht. Evie Frye gehört zu einer Spielwelt. Ihr hörbarer Ausdruck entstand dennoch aus Atem, Artikulation, Erfahrung und Entscheidungen einer realen Darstellerin. Figur und Stimme sind eng verbunden, aber nicht identisch. Wer eine Figur weiterschreiben darf, hat damit nicht zwangsläufig über die künftigen Darbietungen des Menschen entschieden, der sie einst gesprochen hat.

Das KI-Label sagt nicht Ja

Plattformen können zunächst nur ordnen, was bei ihnen veröffentlicht wird. Die am 20. Oktober 2026 aktualisierten Einreichungsregeln von Nexus Mods↗ verlangen für generative KI passende Kennzeichnungen. Erzeugte Stimmen und Dialoge fallen ausdrücklich unter „AI-Generated Content“. Nicht offengelegte KI-Nutzung kann moderiert werden.

Das ist ein Fortschritt für die Sichtbarkeit. Spieler können erkennen, dass eine Stimme nicht auf einer neuen Studioaufnahme beruht. Mod-Seiten werden weniger irreführend. Und die technische Herstellungsweise bleibt nicht vollständig hinter einer vertrauten Figur verborgen.

Doch das Label beantwortet nur eine Frage: Wie wurde dieser Inhalt erzeugt?

Es beantwortet nicht: Wer hat zugestimmt?

Die Nexus-Regeln halten an anderer Stelle selbst fest, dass eine Namensnennung keine ausdrückliche Erlaubnis zum Verändern oder Hochladen fremder Inhalte ersetzt. Bereits im April 2023 erklärte die Plattform, KI-generierte Mod-Inhalte nicht grundsätzlich zu verbieten, bei glaubhaften Beschwerden betroffener Urheber oder Rechteinhaber aber eine Entfernung zu prüfen. Gerade für synthetische Sprachausgabe empfahl Nexus Mods, nur mit ausdrücklicher Erlaubnis für die verwendeten Bestandteile zu arbeiten. Die damalige Stellungnahme trennt technische Zulassung und Rechteklärung↗.

Auch Artikel 50 des europäischen AI Act führt Kennzeichnung und Erlaubnis nicht zusammen. Seit dem 2. August 2026 gelten Transparenzpflichten für bestimmte künstlich erzeugte oder manipulierte Audio-, Bild- und Videoinhalte. Für erkennbar künstlerische, kreative oder fiktionale Werke kann eine angemessene Offenlegung genügen, die den Werkgenuss nicht beeinträchtigt. Persönliche, nicht berufliche Nutzungen können aus dem Anwendungsbereich fallen. Ob eine konkrete Mod erfasst ist, hängt daher von den Umständen ab. Die Europäische Kommission erläutert Anwendungsbereich und Ausnahmen von Artikel 50↗.

Vor allem aber überträgt Transparenz keine Rechte. Ein Hinweis auf die künstliche Herkunft kann eine Täuschung des Publikums verringern. Er erteilt niemandem die Befugnis, einen Menschen in einem neuen Kontext auftreten zu lassen. „Synthetische Stimme“ kann eine ehrliche Beschreibung sein und dennoch eine ungeklärte Nutzung bezeichnen.

Diese Lücke reicht über Spiele hinaus. Auch ein Abspann kann den Einsatz von KI offenlegen, ohne zu zeigen, wessen Arbeit und Zustimmung darin stecken. Der Journal-Beitrag „Im Abspann steht ›KI‹. Die Arbeit bleibt unsichtbar.“ führt diese Trennung für Filmproduktionen weiter.

Einwilligung muss die neue Rolle beschreiben

Eine Sprecherin kann der Erstellung einer digitalen Replik zustimmen und eine bestimmte Verwendung trotzdem ablehnen. Das ist kein nachträglicher Widerspruch. Es ist der Sinn einer informierten Einwilligung.

Vielleicht soll die Replik nur eine beschädigte Aufnahme reparieren. Vielleicht darf sie für eine Übersetzung eingesetzt werden, aber nicht für zusätzliche Handlung. Eine Erlaubnis kann ein bestimmtes Spiel, eine Rolle, eine Sprache oder einen Zeitraum umfassen. Sexualisierte, politische oder diskriminierende Dialoge können ausgeschlossen sein. Für frei erzeugte Antworten können andere Grenzen gelten als für ein zuvor geprüftes Skript.

Der SAG-AFTRA-Vertrag verlangt deshalb eine hinreichend konkrete Beschreibung der geplanten Verwendung. Genannt werden unter anderem Projekt, Genre, Rolle, Umfang, sensible Inhalte und die Frage, ob Dialoge in Echtzeit entstehen sollen. Passt die tatsächliche Verwendung nicht mehr zu dieser Beschreibung, ist die ursprüngliche Zustimmung nach den Vertragsinformationen nicht länger ausreichend. Vorgesehen sind außerdem Nutzungsberichte zu digitalen Repliken.

Für Mods ist dieses Modell kein unmittelbar anwendbares Regelwerk. Es zeigt jedoch, warum ein pauschales „Du darfst meine Stimme verwenden“ zu groß ist. Die Einwilligung gilt nicht einer abstrakten Datei. Sie gilt einer Handlung: Diese Stimme darf in diesem Projekt diese Art von Text unter diesen Bedingungen aufführen.

Auch in Deutschland erschöpft sich die Prüfung nicht in der Frage, wem die ursprünglichen Sprachdateien gehören. Ein Bericht des Deutschen Bundestages zur Technikfolgenabschätzung ordnet das Recht an der eigenen Stimme dem allgemeinen Persönlichkeitsrecht zu. Bei identifizierbaren Personen kann eine geklonte Stimme zudem ein personenbezogenes Datum sein. Das Papier verweist zugleich auf notwendige Abwägungen und offene Rechtsfragen; es entscheidet keinen Mod-Fall. Der Bundestagsbericht beschreibt den persönlichkeits- und datenschutzrechtlichen Rahmen für geklonte Stimmen↗.

Mindestens zwei Ebenen können daher zusammentreffen. Auf der einen stehen Rechte am Spiel, an Figuren, Texten und Aufnahmen. Auf der anderen steht die erkennbare Identität eines Menschen. Die Befugnis auf einer Ebene ersetzt nicht automatisch die Zustimmung auf der anderen. Welche Rechte bei Darsteller, Studio, Publisher oder weiteren Beteiligten liegen, lässt sich nur anhand der jeweiligen Verträge und Rechtsordnung beurteilen.

Die praktische Konsequenz ist unbequem, aber klar: Die Abwesenheit eines sichtbaren Verbots ist keine dokumentierte Einwilligung. Ein Mod-Autor kann die Schauspielerin nennen, die KI offenlegen und auf Einnahmen verzichten. All das beantwortet noch nicht, ob dieser Mensch die neue Rolle annehmen wollte.

Die Gegenposition beginnt mit einem echten Ja

Aus dieser Kritik folgt kein Verbot synthetischer Stimmen. Die stärkste Gegenposition beginnt nicht mit technischer Unvermeidbarkeit, sondern mit der Entscheidung der Darsteller selbst.

Die Associated Press berichtete am 19. Februar 2024 über unterschiedliche Haltungen unter professionellen Sprecherinnen und Sprechern. Einige befürchteten, ersetzt zu werden. Andere wollten kontrollierte Anwendungen prüfen, wenn Nutzung, Vergütung und Schutz vor Missbrauch geregelt blieben. Der AP-Bericht zeigt diese Spannbreite zwischen Ablehnung und bedingter Offenheit↗.

Eine digitale Replik kann eine eigenständige künstlerische oder berufliche Entscheidung sein. Sie kann als vorläufige Entwicklungsstimme dienen, eine bewusst genehmigte Veränderung des Stimmalters unterstützen oder eine Rolle in einem begrenzten Projekt erweitern. Auch kleine Produktionen könnten mit Darstellern neue Lizenzformen aushandeln, statt eine bestehende Stimme ungefragt nachzubauen.

Dynamische Figuren verschärfen diese Möglichkeit und ihr Risiko zugleich. Eine Figur, die auf freie Eingaben reagiert, kann nicht jede Antwort als fertige Audiodatei bereithalten. Der Essay „Wenn niemand dieselbe Nebenfigur trifft“ betrachtet, wie solche Charaktere gemeinsame Erzählungen verändern. Für ihre Stimme entsteht eine zusätzliche Frage: Wer hat zugestimmt, wenn der konkrete Satz bei der Einwilligung noch gar nicht feststand?

Die entscheidende Grenze verläuft daher nicht sauber zwischen menschlich und synthetisch. Sie verläuft zwischen einer verhandelten Nutzung und einer einseitigen Aneignung. Zwei Systeme können technisch ähnlich klingen. Kulturell sind sie Gegensätze, wenn das eine aus autorisierten Aufnahmen und begrenzten Rechten entsteht, das andere aber aus veröffentlichtem Material ohne Mitsprache des Darstellers.

Kontrolle darf dabei nicht nur den ersten Klick meinen. Je offener die Textgenerierung, desto größer ist der Abstand zwischen der beschriebenen Rolle und dem späteren Satz. Wer improvisierte Dialoge erlaubt, billigt nicht automatisch jede denkbare Äußerung. Eine tragfähige Einwilligung muss deshalb nicht nur den Beginn der Nutzung regeln, sondern auch ihre Grenzen.

Ein Fanprojekt ist kein rechtsfreier Proberaum

Große Studios können Verträge, Gewerkschaften und spezialisierte Rechtsberatung einbeziehen. Fan-Projekte entstehen häufig in kleinen Teams oder an einem privaten Rechner. Das macht Rechteklärung schwieriger. Es macht sie nicht bedeutungslos.

Wo keine spezifische Zustimmung vorliegt, ist der klarste nächste Schritt nicht ein besseres KI-Label. Es ist der Verzicht auf die geklonte Stimme. Eine Mod kann neue Darsteller besetzen, mit Text arbeiten oder eine andere akustische Identität entwickeln. Die Figur verliert dadurch vielleicht etwas von ihrer nahtlosen Vertrautheit. Dafür schreibt das Projekt keinem realen Menschen eine Darbietung zu, die er nie übernommen hat.

Wo eine Sprecherin oder ein Sprecher grundsätzlich offen ist, müsste eine faire Mod-Lizenz kleiner und genauer sein als eine pauschale Freigabe der Stimme. Ein solches Modell ist bislang kein allgemeiner Branchenstandard. Als redaktioneller Prüfmaßstab müsste es mindestens diese Fragen beantworten:

• Woher stammt das Modell? Es sollte mit eigens aufgenommenem oder ausdrücklich freigegebenem Material entstehen. Veröffentlichte Spieldateien sind nicht automatisch autorisiertes Trainingsmaterial.
• Welche Rolle ist gemeint? Die Erlaubnis für eine Quest darf nicht unbemerkt zur Freigabe für andere Spiele, Videos oder einen öffentlich zugänglichen Sprachgenerator werden.
• Welche Sätze sind ausgeschlossen? Sensible, werbliche oder menschenfeindliche Inhalte benötigen klare Grenzen. Bei dynamischen Dialogen reicht ein allgemeines Versprechen auf „sichere Nutzung“ nicht aus.
• Wie lange bleibt die Replik nutzbar? Laufzeit, Speicherung, Zugriff, neue Versionen und Löschung müssen geregelt sein. Sonst kann eine zeitlich begrenzte Erlaubnis technisch unbegrenzt weiterleben.
• Wer kann die Nutzung nachvollziehen? Erzeugte Texte, Veröffentlichungen und Modellzugriffe müssen so dokumentiert sein, dass Verstöße nicht erst durch Zufall hörbar werden.

Hinzu kommt die öffentliche Kennzeichnung. Sie sollte nicht nur „KI-Stimme“ sagen, sondern den Status verständlich machen: für dieses Projekt autorisiert, synthetisch erzeugt und keine neue Originalaufnahme. Das wäre kein juristisches Gütesiegel. Es würde dem Publikum aber helfen, zwischen vereinbarter Zusammenarbeit und bloßer Imitation zu unterscheiden.

Auch Plattformen könnten diese Differenz sichtbarer machen. Ein KI-Tag beschreibt ein Herstellungsverfahren. Ein gesonderter Status könnte anzeigen, ob für eine erkennbare Stimme ein plausibler Einwilligungsnachweis vorliegt. Dafür müsste die Plattform keine vertraulichen Verträge veröffentlichen. Sie müsste aber klären, welche Nachweise sie akzeptiert und wie sie bei Beschwerden oder Überschreitungen reagiert.

Die Reihenfolge wäre dann nicht kompliziert, nur ungewohnt: erst Berechtigung, dann Erzeugung, danach Kennzeichnung und Veröffentlichung. Derzeit beginnt die Auseinandersetzung oft am anderen Ende. Die Figur spricht bereits, wenn der Darsteller erfährt, dass ihm jemand eine neue Rolle gegeben hat.

Die Rolle endet nicht an der Figur

Eine gute Mod kann sich anfühlen wie eine Erinnerung, die plötzlich weitergeht. Eine vertraute Stadt öffnet eine neue Tür. Eine Nebenfigur kennt noch eine Geschichte. Ein Charakter, dessen Handlung abgeschlossen schien, begleitet den Spieler einige Stunden länger.

Gerade deshalb wirkt eine geklonte Stimme so überzeugend. Sie schließt die Naht zwischen Original und Ergänzung. Was neu geschrieben wurde, klingt, als habe es immer zur selben Aufführung gehört.

Doch diese Nahtlosigkeit ist nicht neutral. Je weniger das Publikum den Übergang bemerkt, desto leichter verschwindet der Mensch, dessen frühere Arbeit ihn möglich macht. Der technische Erfolg kann die fehlende Zustimmung akustisch unsichtbar werden lassen.

Fan-Kultur verliert keine Würde, wenn sie um Erlaubnis bittet. Im Gegenteil: Aus der Imitation kann eine Zusammenarbeit werden. Die Figur darf weiterleben, während der Mensch hinter ihrer Stimme selbst entscheidet, ob die eigene Darbietung mitgeht.

Die entscheidende Frage lautet deshalb nicht, ob das Modell den Klang überzeugend trifft. Sie lautet, wer die nächste Rolle vergeben durfte. Ohne Einwilligung macht sich der Mod-Autor zum Castingdirektor eines Menschen, der nie zum Vorsprechen eingeladen wurde.