Als OpenAI Sora erstmals öffentlich vorstellte, sorgten vor allem die gezeigten Beispielclips für Aufsehen: Kamerafahrten durch verschneite Straßen, Tiere in natürlich wirkender Bewegung, Szenen mit mehreren Figuren, die über viele Sekunden hinweg stimmig blieben. Bis dahin waren KI-Videos meist kurz, ruckelig und von auffälligen Artefakten geprägt. Sora zeigte, dass ein Modell nicht nur einzelne Bilder aneinanderreihen, sondern ein gewisses Verständnis davon entwickeln kann, wie Objekte sich im Raum bewegen, wie Licht fällt und wie eine Kamera sich durch eine Szene bewegt. OpenAI selbst beschrieb das Ziel deshalb mit dem Begriff „Weltsimulator“ – ein Modell, das physikalische und räumliche Zusammenhänge so weit erfasst, dass es plausible bewegte Welten erzeugen kann.
Dieser Anspruch sollte nüchtern eingeordnet werden. Sora simuliert keine Physik im ingenieurwissenschaftlichen Sinn, sondern hat aus sehr großen Mengen an Video- und Bilddaten statistische Muster gelernt. Das Ergebnis wirkt oft verblüffend realistisch, kann aber jederzeit Fehler enthalten: Gegenstände, die plötzlich verschwinden, Hände mit falscher Fingerzahl, Flüssigkeiten, die sich unnatürlich verhalten, oder Schrift, die sich von Bild zu Bild verändert. Für ein Moodvideo im Marketing ist das selten ein Problem, für eine technische Produktdokumentation dagegen schon. Genau diese Unterscheidung zieht sich durch den gesamten Artikel.
Sora gehört zur Familie der sogenannten Diffusionsmodelle, kombiniert mit einer Transformer-Architektur, wie sie auch hinter großen Sprachmodellen steckt. Vereinfacht gesagt beginnt das Modell mit einem Video aus reinem Rauschen und entfernt dieses Rauschen in vielen Schritten so lange, bis ein Clip entsteht, der zur Beschreibung passt. Damit das Modell Videos unterschiedlicher Länge, Seitenverhältnisse und Auflösungen verarbeiten kann, zerlegt es sie in kleine räumlich-zeitliche Bausteine, sogenannte Patches. Diese Patches funktionieren ähnlich wie Wortbausteine in einem Sprachmodell: Sie machen sehr unterschiedliche Videos für das Modell vergleichbar und erlauben es, aus großen Datenmengen zu lernen.
Hinzu kommt ein Sprachverständnis, das OpenAI aus seiner Erfahrung mit Text- und Bildmodellen einbringt. Kurze Eingaben der Nutzer werden intern häufig zu ausführlicheren Szenenbeschreibungen erweitert, bevor die eigentliche Videoerzeugung beginnt. Das erklärt, warum Sora auch auf knappe Prompts oft detailreiche Ergebnisse liefert – und warum die Ergebnisse manchmal Elemente enthalten, die man gar nicht ausdrücklich verlangt hat. Neuere Generationen erzeugen zudem passenden Ton: Umgebungsgeräusche, Effekte und gesprochene Dialoge, die zum Bild synchron laufen sollen.
Bewegtbild ist im Marketing seit Jahren das wirkungsvollste, aber auch teuerste Format. Ein professioneller Imagefilm erfordert Konzept, Drehbuch, Team, Technik, Drehorte und Postproduktion. Für viele Mittelständler bedeutet das: Video findet nur selten statt, und wenn, dann als großes Projekt. Text-zu-Video-Modelle wie Sora verschieben diese Grenze. Ideen lassen sich visualisieren, bevor ein Budget freigegeben wird; Social-Media-Teams können Varianten testen; Vertrieb und Produktmanagement können Konzepte greifbar machen. Gleichzeitig entsteht mit jedem realistisch wirkenden KI-Video die Verantwortung, transparent damit umzugehen. Der Nutzen von Sora entsteht im Unternehmen deshalb nicht durch das Modell allein, sondern durch klare Regeln, durchdachte Prozesse und einen bewussten Umgang mit Kennzeichnung und Rechten.
Die erste Sora-Generation wurde zunächst als Forschungsvorschau gezeigt und ausgewählten Künstlern, Filmschaffenden und Sicherheitsforschern zugänglich gemacht, bevor sie als Funktion für zahlende ChatGPT-Nutzer verfügbar wurde. Diese Version konzentrierte sich auf stumme Videoclips und bot bereits Werkzeuge wie Storyboards, Remix und das Verlängern vorhandener Clips. Mit der zweiten Generation – allgemein als Sora 2 bezeichnet – legte OpenAI den Schwerpunkt auf mehr physikalische Plausibilität, bessere Steuerbarkeit über mehrere Einstellungen hinweg und synchronisierten Ton einschließlich Sprache. Parallel erschien eine eigenständige Sora-App mit sozialem Feed, in der Nutzer Videos ansehen, remixen und sich selbst über eine Einwilligungsfunktion in Szenen einbauen lassen können.
Für die Praxis bedeutet das: Funktionen, Qualitätsniveau und Zugangsbedingungen ändern sich vergleichsweise schnell. Welche Modellvariante in welchem Tarif verfügbar ist, welche maximale Cliplänge und Auflösung angeboten wird und ob ein Zugang in Deutschland, Österreich und der Schweiz bereits freigeschaltet ist, sollte immer aktuell beim Anbieter geprüft werden. Gerade die regionale Verfügbarkeit in der EU war bei Sora wiederholt eingeschränkt oder zeitversetzt – auch hier gilt ausdrücklich: beim Anbieter prüfen.
Qualitativ positioniert sich Sora im oberen Segment der Text-zu-Video-Modelle. Stärken liegen in der Bildsprache, die oft an Kinoproduktionen oder hochwertige Werbefilme erinnert, im Szenenverständnis bei komplexen Beschreibungen und in der engen Verzahnung mit dem ChatGPT-Ökosystem, das viele Mitarbeitende bereits kennen. Durch die Sora-App hat OpenAI das Modell außerdem in den Consumer-Bereich getragen – ein Schritt, der die Popularität steigert, aber auch die gesellschaftliche Debatte über Deepfakes, Urheberrechte und den Umgang mit dem Abbild realer Personen verstärkt hat.
Für Unternehmen ist diese Doppelrolle wichtig. Die Consumer-App ist ein Ort für Experimente und Inspiration, aber kein geeigneter Arbeitsplatz für vertrauliche Inhalte oder Material mit Bezug zu Kunden und Mitarbeitenden. Für den professionellen Einsatz zählen die Unternehmensangebote, die API und – mit Blick auf den Datenschutz – mögliche Zugänge über europäische Cloud-Regionen. Welche dieser Optionen für Sora konkret verfügbar sind, sollte vor jeder Planung verbindlich geklärt werden.
Die Kernfunktion ist die Erzeugung eines Videos aus einer Textbeschreibung. Nutzer beschreiben Szene, Motiv, Stimmung, Kameraführung und Stil, und Sora erzeugt daraus einen kurzen Clip. Gute Ergebnisse entstehen, wenn der Prompt wie eine kleine Regieanweisung formuliert ist: Wer oder was ist zu sehen, wo spielt die Szene, wie bewegt sich die Kamera, welches Licht herrscht, welche Stimmung soll transportiert werden. Sora kann dabei unterschiedliche Stile umsetzen – von fotorealistisch über Animation bis zu Illustration oder historischem Filmlook.
Neben der Neuerzeugung bietet Sora Bearbeitungswerkzeuge. Mit Remix lassen sich vorhandene Clips verändern, indem man beschreibt, was anders sein soll – etwa eine andere Tageszeit, ein anderes Wetter oder ein anderer Stil, während Komposition und Bewegung weitgehend erhalten bleiben. Ein Storyboard erlaubt es, mehrere Szenen oder Zeitpunkte in einer Abfolge zu definieren, sodass ein zusammenhängender Clip mit Handlung entsteht. Funktionen zum Verlängern setzen einen Clip nach vorne oder hinten fort, und mit Überblend- beziehungsweise Verbindungsfunktionen lassen sich zwei Clips zu einem Übergang verschmelzen. Hinzu kommen je nach Oberfläche Varianten-Generierung, Schleifen und unterschiedliche Seitenverhältnisse für Querformat, Hochformat oder quadratische Formate.
Mit der zweiten Generation hat OpenAI insbesondere die Konsistenz über mehrere Einstellungen hinweg verbessert. Figuren, Kleidung und Umgebung sollen über Schnitte hinweg erkennbar bleiben, und Anweisungen zu Kamerabewegungen werden genauer befolgt. In der Praxis bleibt dies dennoch eine der größten Herausforderungen generativer Videomodelle: Wer eine Figur über eine längere Geschichte stabil halten möchte, braucht meist mehrere Versuche, Nachbearbeitung und ein klares Bild davon, wo Abweichungen akzeptabel sind.
Ein wesentlicher Schritt der neueren Generation ist synchronisierter Ton. Sora erzeugt passende Umgebungsgeräusche, Soundeffekte und auf Wunsch gesprochene Dialoge, die zu Lippenbewegungen und Handlung passen sollen. Für Social-Media-Clips spart das einen Arbeitsschritt; für professionelle Produktionen ersetzt es in der Regel nicht die gezielte Tonmischung, Sprecherauswahl und Musiklizenzierung. Gerade bei Stimmen ist Vorsicht geboten: Eine KI-generierte Stimme, die einer realen Person ähnelt, kann Persönlichkeitsrechte berühren.
Die Cameo-Funktion der Sora-App erlaubt es Nutzern, ihr eigenes Abbild und ihre Stimme nach einer Verifizierung zu hinterlegen und in generierte Szenen einzufügen – auch durch andere Personen, sofern sie dies freigegeben haben. OpenAI hat hierfür Einwilligungs- und Widerrufsmechanismen vorgesehen. Für Unternehmen ist diese Funktion ein zweischneidiges Schwert: Sie zeigt, wie leicht sich realistische Videos mit echten Personen erzeugen lassen. Wer sie für Mitarbeitende oder Markenbotschafter nutzen möchte, braucht schriftliche, informierte und widerrufbare Einwilligungen, eine Abwägung mit dem Betriebsrat und klare Regeln, wofür das Abbild verwendet werden darf.
Eine der unauffälligsten, aber wirkungsvollsten Funktionen ist die automatische Prompt-Erweiterung. Kurze Eingaben werden intern zu detaillierten Szenenbeschreibungen ausgebaut, bevor das Videomodell arbeitet. Unternehmen können dieses Prinzip bewusst nutzen: Ein Sprachmodell wie ChatGPT übersetzt ein Briefing – etwa „kurzer Social-Clip zur Einführung unserer neuen Gartenpumpe, sommerlich, freundlich, ohne Personen“ – in mehrere präzise Videoprompts mit Kameraeinstellungen, Licht und Stil. Diese Prompts werden dann an Sora übergeben. So entsteht eine wiederholbare Kette, in der Marken-Tonalität, verbotene Motive und Formatvorgaben als feste Regeln hinterlegt sind.
Wichtig ist, dass diese Regeln explizit formuliert und dokumentiert werden. Ein Prompt-Leitfaden mit Beispielen, Negativbeispielen und Formulierungen für Farben, Bildsprache und Zielgruppe verbessert die Ergebnisqualität erheblich und verhindert, dass jedes Teammitglied bei null beginnt. Viele Unternehmen unterschätzen, wie viel Qualität in einem gut gepflegten Prompt-Katalog steckt.
Generative Videomodelle sind nicht deterministisch: Derselbe Prompt liefert bei jedem Durchlauf ein anderes Ergebnis. Was zunächst unpraktisch wirkt, ist für Kreativarbeit ein Vorteil. Teams können in kurzer Zeit eine Vielzahl von Varianten erzeugen, die besten auswählen und gezielt weiterentwickeln. Für Social Media eröffnet das A/B-Tests visueller Konzepte, bevor in eine aufwendige Produktion investiert wird. Für Präsentationen und Pitches lassen sich Moodfilme erzeugen, die eine Idee greifbar machen, ohne dass bereits Dreh oder Agentur beauftragt sind.
Diese Arbeitsweise verändert die Rolle von Kreativen. Statt jedes Bild selbst zu gestalten, kuratieren sie, formulieren Anweisungen, kombinieren Ergebnisse und übernehmen die Nachbearbeitung in klassischen Schnittprogrammen. Die menschliche Urteilskraft bleibt dabei zentral: Ob ein Clip zur Marke passt, ob er missverständlich ist oder ob er unbeabsichtigt Stereotype transportiert, kann kein Modell zuverlässig entscheiden.
Über die API lässt sich die Videoerzeugung in automatisierte Workflows einbinden – etwa über Automatisierungsplattformen oder eigene Skripte. Denkbar sind Abläufe, in denen neue Produktdaten im Warenwirtschaftssystem automatisch einen Entwurf für einen kurzen Teaser-Clip anstoßen, der anschließend in einer Freigabeschleife landet. Ebenso lassen sich Kampagnenvarianten für unterschiedliche Formate oder Sprachversionen vorbereiten. Agentische Systeme, die Prompt, Generierung, Bewertung und Nachbesserung selbstständig verketten, sind technisch möglich, bleiben aber anspruchsvoll.
Wir raten dazu, die automatische Veröffentlichung von KI-Videos grundsätzlich auszuschließen. Jeder Clip sollte vor der Verwendung von einem Menschen geprüft werden – auf inhaltliche Richtigkeit, Markenkonformität, mögliche Rechteverletzungen und korrekte Kennzeichnung. Die Kombination aus automatisierter Vorproduktion und menschlicher Freigabe ist der realistische Sweet Spot für den Mittelstand.
Über die OpenAI-API können Entwickler Videos programmatisch anfordern, den Status abfragen und Ergebnisse herunterladen. Die Generierung läuft dabei typischerweise asynchron, weil die Erzeugung eines Clips deutlich länger dauert als eine Textantwort. Parallel bietet Microsoft über Azure OpenAI beziehungsweise seine KI-Plattform ausgewählte OpenAI-Modelle mit Unternehmensbedingungen und Regionenwahl an. Ob und in welcher Form Sora dort für europäische Regionen verfügbar ist, ändert sich laufend und muss beim Anbieter geprüft werden. Wo eine EU-Region verfügbar ist, ist dieser Weg aus Datenschutzsicht für Unternehmen meist die vorzugswürdige Option gegenüber Consumer-Zugängen.
Bei der Integration sollten Unternehmen darauf achten, dass Metadaten zur Herkunft nicht unbeabsichtigt verloren gehen. Viele Schnitt- und Exportwerkzeuge entfernen eingebettete Informationen beim Neucodieren. Wer Kennzeichnung ernst nimmt, sollte deshalb prüfen, welche Werkzeuge in der Kette Herkunftsnachweise erhalten oder neu schreiben können.
OpenAI versieht Sora-Videos nach eigenen Angaben mit mehreren Herkunftssignalen: einem sichtbaren Wasserzeichen in vielen Ausgaben, C2PA-Metadaten nach dem Standard der Coalition for Content Provenance and Authenticity sowie internen Erkennungswerkzeugen. C2PA ist ein offener Industriestandard, bei dem kryptografisch signierte Informationen über Ursprung und Bearbeitungsschritte in die Datei eingebettet werden. Plattformen und Prüfwerkzeuge können diese Angaben auslesen und anzeigen, dass ein Inhalt KI-generiert ist.
Diese Signale sind wertvoll, aber kein Allheilmittel. Sichtbare Wasserzeichen lassen sich zuschneiden oder überdecken, Metadaten gehen beim erneuten Codieren oder bei Bildschirmaufnahmen verloren. Ob und unter welchen Bedingungen Wasserzeichen in bestimmten Tarifen entfallen, sollte beim Anbieter geprüft werden. Für Unternehmen gilt deshalb: Herkunftsnachweise des Anbieters sind eine technische Unterstützung, ersetzen aber nicht die eigene, sichtbare Kennzeichnung und die interne Dokumentation, welche Inhalte mit KI erzeugt wurden.
Für viele Mittelständler ist eine hybride Strategie sinnvoll: Kommerzielle Modelle wie Sora für unkritische Kreativ- und Marketinginhalte, bei denen Qualität und Komfort zählen, und offene, selbst betriebene Modelle für Szenarien mit vertraulichen Daten oder hohen Souveränitätsanforderungen. Diese Aufteilung sollte in einer KI-Richtlinie festgehalten werden, damit Mitarbeitende wissen, welches Werkzeug für welchen Zweck freigegeben ist.
Im laufenden Betrieb bewährt sich eine klare Rollenverteilung. Ersteller formulieren Prompts und erzeugen Entwürfe, eine verantwortliche Person aus Marketing oder Kommunikation prüft und gibt frei, und für Grenzfälle steht eine benannte Ansprechperson für Recht und Datenschutz bereit. Eine einfache Checkliste hilft bei der Freigabe: Ist der Clip inhaltlich korrekt und nicht irreführend? Enthält er erkennbare reale Personen, Marken, Logos oder geschützte Werke? Ist er gemäß Richtlinie gekennzeichnet? Passt er zur Marke und zum Kanal? Sind Musik und Stimmen rechtlich unbedenklich?
Für die Qualitätssicherung empfiehlt es sich, eine interne Bibliothek gelungener Prompts und Ergebnisse aufzubauen. So lernen Teams voneinander, und die Ergebnisqualität steigt mit der Zeit. Gleichzeitig sollten fehlgeschlagene Versuche und problematische Ergebnisse dokumentiert werden – sie sind wertvolle Hinweise darauf, wo das Modell an Grenzen stößt und wo Richtlinien geschärft werden müssen.
Generative Videomodelle entwickeln sich in kurzen Zyklen weiter. Neue Versionen können bessere Ergebnisse liefern, aber auch anders auf bestehende Prompts reagieren, andere Kontingente haben oder ältere Funktionen ersetzen. Planen Sie deshalb regelmäßige Überprüfungen ein und vermeiden Sie, Prozesse so eng an ein einzelnes Modell zu koppeln, dass ein Wechsel unmöglich wird. Eine abstrahierte Prompt-Bibliothek und eine Integrationsschicht, die verschiedene Videomodelle ansprechen kann, schaffen Flexibilität – und stärken die Verhandlungsposition gegenüber Anbietern.
Besonders profitieren Unternehmen, die bislang kaum Bewegtbild produzieren konnten. Ein Maschinenbauer kann für eine Messe einen atmosphärischen Einstiegsclip erzeugen, der die Welt seiner Kunden zeigt, ohne die eigenen Maschinen selbst generieren zu müssen. Ein Händler für Gartenbedarf kann saisonale Stimmungsbilder für Social Media produzieren, die mit echten Produktfotos kombiniert werden. Ein Softwarehaus kann abstrakte Konzepte wie Datenflüsse oder Vernetzung visuell übersetzen. Ein Tourismusbetrieb kann Kampagnenideen testen, bevor er eine Produktion beauftragt. In all diesen Fällen ergänzt Sora die bestehende Kommunikation, statt echte Aufnahmen zu ersetzen.
Auch intern gibt es sinnvolle Einsatzfelder: Visualisierungen für Workshops, Szenarien für Schulungen zu Arbeitssicherheit oder Kundenkontakt, bei denen keine realen Personen gezeigt werden müssen, oder Platzhalter-Videos in frühen Phasen von Webprojekten. Der gemeinsame Nenner ist stets, dass es um Stimmung, Idee und Veranschaulichung geht – nicht um den Nachweis realer Fakten.
Ebenso klar sollten die Grenzen sein. KI-Videos dürfen keine realen Produkte mit Eigenschaften zeigen, die sie nicht haben – das kann irreführende Werbung im Sinne des Wettbewerbsrechts sein. Sie sollten keine realen Personen ohne ausdrückliche Einwilligung darstellen, keine Mitbewerber oder deren Marken abbilden und keine Szenen erzeugen, die als echte Dokumentation missverstanden werden könnten, etwa vermeintliche Kundenstimmen, Werksaufnahmen oder Ereignisse. Besonders sensibel sind Deepfakes: täuschend echte Videos von Personen, die Dinge sagen oder tun, die nie passiert sind. Selbst wenn ein Unternehmen solche Inhalte nie bewusst erzeugt, sollte es sich auf das Risiko vorbereiten, selbst Ziel von Deepfakes zu werden – etwa durch gefälschte Videobotschaften der Geschäftsführung, die für Betrugsversuche genutzt werden.
Wir empfehlen deshalb, die Einführung von Sora mit einer Sensibilisierung der Belegschaft zu verbinden: Wie erkennt man KI-generierte Videos, welche Verifikationsschritte gelten bei ungewöhnlichen Anweisungen per Video oder Sprachnachricht, und an wen meldet man Verdachtsfälle? Der souveräne Umgang mit KI-Video umfasst beides – die eigene Nutzung und den Schutz vor Missbrauch durch Dritte.
Die europäische KI-Verordnung sieht Transparenzpflichten für KI-generierte und manipulierte Inhalte vor. Anbieter generativer Systeme müssen Ausgaben maschinenlesbar als künstlich erzeugt kennzeichnen; wer als Betreiber Deepfakes – also realistisch wirkende Darstellungen von Personen, Orten oder Ereignissen – veröffentlicht, muss offenlegen, dass der Inhalt künstlich erzeugt oder manipuliert wurde. Für offenkundig künstlerische, satirische oder fiktionale Werke gelten Erleichterungen, die Offenlegungspflicht entfällt aber nicht vollständig. Die genaue Auslegung, Übergangsfristen und begleitende Leitlinien entwickeln sich noch und sollten aktuell geprüft werden. Unabhängig davon verlangen viele Plattformen wie YouTube, Instagram oder TikTok bereits eine Kennzeichnung realistischer KI-Inhalte. Eine einheitliche, gut sichtbare Kennzeichnung – etwa „KI-generiert“ im Video und im Begleittext – ist für Unternehmen der pragmatischste Weg, Vertrauen zu sichern und rechtliche Risiken zu reduzieren.
Bei generativem Video ist der Verbrauch pro Ergebnis hoch, und nicht jeder Versuch ist verwendbar. Wer für einen brauchbaren Clip mehrere Varianten erzeugen muss, sollte die Ausschussquote in die Kalkulation einbeziehen. Längere Clips, höhere Auflösungen und hochwertigere Modellvarianten treiben die Kosten zusätzlich. Ebenso wichtig sind die Personalkosten: Prompt-Entwicklung, Auswahl, Nachbearbeitung im Schnittprogramm, Tonmischung, Kennzeichnung und Freigabe. Ein realistischer Vergleich stellt diese Gesamtkosten den Kosten einer klassischen Produktion oder dem Einkauf von Stockvideos gegenüber. In vielen Fällen liegt der Vorteil nicht in absoluten Einsparungen, sondern darin, dass Video überhaupt erst in einem Umfang möglich wird, der vorher wirtschaftlich nicht darstellbar war.
OpenAI ist ein US-Unternehmen, und Sora wird nach heutigem Kenntnisstand überwiegend in US-Rechenzentren betrieben. Werden personenbezogene Daten verarbeitet – etwa hochgeladene Fotos mit erkennbaren Personen, Stimmaufnahmen oder Prompts mit Bezug zu Kunden und Mitarbeitenden –, ist der Drittlandtransfer nach der DSGVO zu bewerten. Rechtsgrundlagen wie Angemessenheitsbeschluss, Standardvertragsklauseln und Zertifizierungen können die Lage absichern, ändern aber nichts an der grundsätzlichen Abhängigkeit von einem außereuropäischen Anbieter und an möglichen Zugriffsbefugnissen von US-Behörden. Wer Wert auf digitale Souveränität legt, sollte diese Abhängigkeit nicht nur juristisch, sondern auch strategisch bewerten.
Als DSGVO-konformere Optionen kommen zwei Wege in Betracht. Erstens der Zugang über Azure OpenAI in einer EU-Region, sofern Sora dort verfügbar ist: Microsoft bietet für viele Dienste Datenresidenz-Zusagen, Unternehmensbedingungen und einen Auftragsverarbeitungsvertrag; welche Zusagen konkret für Videomodelle gelten, ist beim Anbieter zu prüfen. Zweitens das Self-Hosting offener Videomodelle wie HunyuanVideo oder Mochi auf eigener Hardware oder bei einem europäischen Hoster. Hier verlassen Daten das eigene Haus nicht, und die Kontrolle über Verarbeitung, Speicherung und Löschung liegt vollständig beim Unternehmen. Der Preis sind höherer Eigenaufwand und meist ein geringerer Funktionsumfang.
Neben dem Datenschutz sind weitere Rechtsfragen zu beachten. Ob und in welchem Umfang an KI-generierten Videos urheberrechtlicher Schutz entsteht, ist im deutschen und europäischen Recht nicht abschließend geklärt; rein maschinell erzeugte Inhalte sind nach herrschender Auffassung oft nicht geschützt, was bedeutet, dass auch Dritte sie unter Umständen nutzen dürfen. Gleichzeitig können generierte Clips unbeabsichtigt geschützte Werke, Marken, Designs oder das Abbild realer Personen nachbilden. Die Nutzungsbedingungen des Anbieters regeln, welche Rechte Nutzer an den Ergebnissen erhalten und welche Inhalte untersagt sind – sie sollten vor dem kommerziellen Einsatz geprüft werden. Bei Musik und Stimmen sind zusätzlich Leistungsschutz- und Persönlichkeitsrechte relevant.
Unabhängig vom Zugangsweg bleibt das Unternehmen für die rechtmäßige Nutzung verantwortlich. Dazu gehören ein Eintrag im Verzeichnis von Verarbeitungstätigkeiten, sofern personenbezogene Daten verarbeitet werden, gegebenenfalls eine Datenschutz-Folgenabschätzung bei der Verarbeitung von Abbildern und Stimmen, technische und organisatorische Maßnahmen, Informationspflichten gegenüber Betroffenen sowie die Umsetzung der Transparenz- und Kompetenzpflichten aus dem AI Act. Ein sauber dokumentiertes Vorgehen ist nicht nur Pflicht, sondern schafft Vertrauen bei Kunden, Mitarbeitenden und Partnern – gerade in einem Themenfeld, in dem die Sorge vor Manipulation und Täuschung groß ist.