Der Begriff ist bewusst weit gefasst, denn hinter ihm verbergen sich sehr unterschiedliche Technologien. Ein digitaler Avatar, der einen Text vor einem neutralen Hintergrund vorträgt, hat technisch wenig mit einem generativen Videomodell gemein, das aus der Beschreibung „Drohnenflug über ein Weizenfeld bei Sonnenaufgang“ eine fotorealistische Szene erzeugt. Und beide unterscheiden sich wiederum deutlich von einem KI-gestützten Schnittprogramm, das ein vorhandenes Interview anhand des Transkripts bearbeitet, Füllwörter entfernt und daraus kurze Ausschnitte für soziale Netzwerke schneidet. Gemeinsam ist allen Ansätzen, dass sie Arbeitsschritte automatisieren, die bisher spezialisiertes Personal und teure Ausstattung erforderten.
Für Unternehmen ist diese Entwicklung aus einem einfachen Grund relevant: Video ist längst das bevorzugte Format für Wissensvermittlung, Produktkommunikation und Personalgewinnung geworden. Mitarbeitende schauen lieber ein dreiminütiges Erklärvideo als ein zwanzigseitiges Handbuch, Bewerbende wollen einen Eindruck vom Arbeitsplatz gewinnen, Kunden möchten sehen, wie ein Produkt funktioniert. Gleichzeitig war Video für viele Mittelständler bislang zu teuer, zu langsam und zu schwer zu aktualisieren. Jede Änderung an einem Produkt oder Prozess bedeutete im Zweifel einen neuen Drehtag. KI-Videoerstellung senkt diese Hürde erheblich – und verschiebt damit die Frage von „Können wir uns Video leisten?“ zu „Welche Inhalte wollen wir als Video anbieten, und wie halten wir sie aktuell?“.
Noch vor kurzer Zeit wirkten KI-Videos oft hölzern: Avatare mit starrem Blick, generierte Szenen mit verformten Händen und flackernden Objekten, synthetische Stimmen mit falscher Betonung. Diese Phase ist weitgehend vorbei. Avatare wirken heute in vielen Fällen natürlich, Stimmen tragen Emotion und Sprachmelodie, generative Modelle erzeugen kurze Sequenzen in beeindruckender Qualität und mit zunehmend konsistenter Physik. Parallel dazu sind die Werkzeuge erwachsener geworden: Sie bieten Markenvorlagen, Teamfunktionen, Freigabe-Workflows, Programmierschnittstellen und Unternehmensverträge. Damit hat sich KI-Videoerstellung vom Spielzeug für Early Adopter zu einem Werkzeug entwickelt, das sich in betriebliche Abläufe einbinden lässt.
Trotzdem gilt: Die Qualität schwankt je nach Kategorie, Werkzeug und Aufgabe erheblich. Ein Avatar-Video für eine Compliance-Schulung ist heute ausgereift und planbar. Ein vollständig generierter Werbefilm mit wiederkehrenden Figuren, exakter Produktdarstellung und durchgängiger Bildsprache ist dagegen nach wie vor anspruchsvoll und erfordert viel Nacharbeit. Wer diese Unterschiede kennt, setzt die Technik dort ein, wo sie zuverlässig liefert.
Angesprochen sind Geschäftsführung, Personal- und Weiterbildungsverantwortliche, Marketing und Kommunikation, Produktmanagement sowie IT und Datenschutz in mittelständischen Unternehmen im DACH-Raum. Technisches Vorwissen ist nicht erforderlich. Nach der Lektüre sollten Sie einschätzen können, welche Kategorie von KI-Videowerkzeugen für Ihre Aufgaben passt, wie ein belastbarer Produktionsprozess aussieht, welche Qualitätskriterien Sie anlegen sollten und welche rechtlichen Fragen – von der Einwilligung abgebildeter Personen über die Kennzeichnungspflichten der europäischen KI-Verordnung bis zum Datentransfer in die USA – vor dem produktiven Einsatz zu klären sind.
Wir arbeiten herstellerneutral und bewusst zurückhaltend mit Zahlen. Preise, Kontingente, Videolängen, Auflösungen und Sprachangebote ändern sich in diesem Markt in kurzen Abständen. Wir beschreiben Fähigkeiten deshalb qualitativ und empfehlen, alle konkreten Angaben unmittelbar vor einer Entscheidung beim jeweiligen Anbieter zu prüfen.
Avatar-Plattformen wie Synthesia oder HeyGen arbeiten wie ein Präsentationsprogramm mit eingebautem Sprecher. Man wählt einen Avatar, fügt das Skript ein, gestaltet Folien mit Texten, Bildern und Bildschirmaufnahmen und erhält ein Video, in dem der Avatar den Text in der gewünschten Sprache vorträgt. Das Ergebnis ist vorhersehbar: Wer dasselbe Skript zweimal rendert, bekommt im Wesentlichen dasselbe Video. Genau diese Planbarkeit macht Avatare für Schulungen und Unternehmenskommunikation so attraktiv. Neben fertigen Stock-Avataren bieten die meisten Anbieter individuelle Avatare an, die auf Aufnahmen einer realen Person basieren – etwa der Geschäftsführerin oder des Ausbildungsleiters. Spezialisierte Anbieter wie Tavus gehen noch einen Schritt weiter und zielen auf personalisierte oder interaktive Videos in Echtzeit.
Text-zu-Video-Modelle wie Runway, Sora von OpenAI oder Veo von Google funktionieren grundlegend anders. Sie erzeugen Bildinhalte, die es vorher nicht gab, aus einer Beschreibung, einem Startbild oder einem Referenzclip. Das Ergebnis ist kreativ, oft beeindruckend, aber weniger vorhersehbar: Dieselbe Eingabe liefert bei jedem Durchlauf eine andere Variante. Erzeugt werden typischerweise kurze Sequenzen, die anschließend im Schnitt zu einem längeren Film zusammengesetzt werden. Für Stimmungsbilder, Hintergrundszenen, Konzeptvisualisierungen oder kreative Social-Formate sind diese Modelle stark; für exakte Produktdarstellungen, korrekte Beschriftungen oder durchgängig identische Figuren sind sie zwar deutlich besser geworden, verlangen aber weiterhin sorgfältige Steuerung und Auswahl. Ergänzt wird das Feld durch offene Modelle, die sich auf eigener Infrastruktur betreiben lassen.
Die dritte und vierte Kategorie erzeugen keine neuen Bildinhalte, sondern machen vorhandene Videos effizienter nutzbar – und werden dabei oft unterschätzt. KI-gestützte Schnittwerkzeuge wie Descript transkribieren eine Aufnahme automatisch und erlauben es, das Video zu bearbeiten wie ein Textdokument: Wer einen Satz im Transkript löscht, entfernt ihn auch aus dem Video. Füllwörter, Pausen und Versprecher lassen sich automatisch erkennen, die Tonqualität verbessern, Blickrichtungen korrigieren. Werkzeuge mit Fokus auf Kurzformate wie Captions erzeugen dynamische Untertitel und schneiden aus langen Aufnahmen automatisch Clips für soziale Netzwerke.
Lokalisierung und Dubbing schließlich übertragen ein fertiges Video in andere Sprachen. Moderne Verfahren übersetzen das Transkript, erzeugen eine synthetische Sprachspur – auf Wunsch in einer der Originalstimme nachempfundenen Klangfarbe – und passen die Lippenbewegungen an die neue Sprache an. Für Unternehmen mit internationalen Standorten, mehrsprachigen Belegschaften oder Exportmärkten ist das einer der wirtschaftlich stärksten Anwendungsfälle überhaupt. Die Stimmtechnik dahinter beschreiben wir ausführlicher in unseren Artikeln zu Voice Cloning und ElevenLabs.
In vielen Gesprächen beginnt die Diskussion mit einem Werkzeugnamen, den jemand in einer Präsentation oder einem viralen Clip gesehen hat. Sinnvoller ist der umgekehrte Weg: Erst die Aufgabe beschreiben, dann die Kategorie bestimmen, dann innerhalb der Kategorie Werkzeuge vergleichen. Ein Unternehmen, das zwanzig Sicherheitsunterweisungen in fünf Sprachen braucht, ist mit einer Avatar-Plattform besser bedient als mit dem leistungsfähigsten generativen Modell. Wer dagegen für eine Messe einen emotionalen Imagefilm sucht, wird mit Avataren nicht glücklich. Einen detaillierten Vergleich der generativen Modelle finden Sie in unserem Text-zu-Video-Vergleich.
So unterschiedlich die Werkzeuge sind, der Produktionsprozess folgt in den meisten Unternehmen einem ähnlichen Muster. Entscheidend ist, dass KI nicht den Prozess ersetzt, sondern einzelne Schritte beschleunigt. Die Verantwortung für Inhalt, Richtigkeit und Wirkung bleibt beim Menschen.
KI-Videos scheitern selten an der Technik, sondern an fehlender Sorgfalt. Die häufigsten Mängel sind falsch ausgesprochene Fachbegriffe und Produktnamen, inhaltliche Fehler in KI-generierten Skripten, unpassende Gestik des Avatars, kleine Bildfehler in generierten Szenen, fehlerhafte Beschriftungen und Logos sowie Übersetzungen, die sprachlich korrekt, aber fachlich ungenau sind. Hinzu kommen Aspekte, die oft vergessen werden: Untertitel für Barrierefreiheit, ausreichende Kontraste, eine angemessene Länge und ein klarer Aufbau.
Bewährt hat sich eine schriftliche Qualitätscheckliste, die für jedes Video abgearbeitet wird. Sie umfasst die fachliche Prüfung durch den Inhaltsverantwortlichen, eine sprachliche Prüfung – bei Übersetzungen idealerweise durch Muttersprachler aus dem eigenen Unternehmen oder einem Partnerbetrieb –, eine visuelle Prüfung auf Artefakte, eine Markenprüfung und eine rechtliche Prüfung auf Einwilligungen, Bildrechte und Kennzeichnung. Wer diese Checkliste konsequent nutzt, verhindert die peinlichen Fehler, die das Vertrauen in KI-Videos schnell beschädigen. Für Aussprache lohnt sich zudem ein zentral gepflegtes Wörterbuch mit Firmennamen, Produktbezeichnungen und Fachbegriffen, das die meisten Avatar- und Sprachwerkzeuge unterstützen.
Der erste Schritt zur Automatisierung ist unspektakulär, aber wirkungsvoll: Videovorlagen. Eine Vorlage legt Aufbau, Layout, Avatar, Stimme, Farben, Intro und Abspann fest und enthält Platzhalter für die variablen Inhalte – etwa Produktname, Kennzahlen, Bilder oder den eigentlichen Erklärtext. Fachabteilungen können auf dieser Basis selbst Videos erstellen, ohne Gestaltungsentscheidungen treffen zu müssen. Das senkt die Einstiegshürde, verkürzt die Produktionszeit und sorgt dafür, dass ein Video aus dem Vertrieb genauso aussieht wie eines aus der Personalabteilung. Gute Vorlagen sind das Ergebnis eines gemeinsamen Entwurfs von Kommunikation, Fachbereich und gegebenenfalls einer Agentur; sie sollten zentral gepflegt und versioniert werden.
Für Schulungsinhalte empfiehlt sich zusätzlich eine modulare Struktur: Statt einer langen Unterweisung entstehen kurze, in sich geschlossene Module, die einzeln aktualisiert werden können. Ändert sich ein Arbeitsschritt, wird nur das betroffene Modul angepasst und neu gerendert – ein Vorteil, den klassische Videoproduktion kaum bieten kann.
Viele Avatar- und Dubbing-Plattformen stellen eine Programmierschnittstelle bereit, über die sich Videos automatisch aus Daten erzeugen lassen. Ein typisches Muster: Aus einer Tabelle oder einem Produktinformationssystem werden für jedes Produkt Name, Eigenschaften und Bilder ausgelesen, in eine Vorlage eingesetzt und als Video gerendert. Ebenso lassen sich personalisierte Videos erzeugen, etwa eine Begrüßung neuer Mitarbeitender mit Namen und Abteilung oder eine individuelle Ansprache von Bestandskunden. Generative Videomodelle sind ebenfalls über Schnittstellen erreichbar – teils direkt beim Anbieter, teils über Cloud-Plattformen –, sodass sich etwa Hintergrundszenen in größerer Zahl erzeugen und anschließend auswählen lassen.
Massenproduktion erfordert allerdings besondere Disziplin in der Qualitätssicherung. Wer hundert Videos automatisch erzeugt, kann nicht jedes einzeln mit der gleichen Tiefe prüfen wie ein handgebautes Video. Bewährt haben sich Stichprobenprüfungen, automatische Plausibilitätskontrollen der Eingangsdaten, klare Regeln für Aussprache und eine abschließende Freigabe pro Charge. Personalisierte Videos mit personenbezogenen Daten sind zudem datenschutzrechtlich gesondert zu bewerten.
Die nächste Stufe ist die Einbindung in Geschäftsprozesse. Über Automatisierungsplattformen oder eigene Integrationen lassen sich Abläufe bauen, in denen ein Ereignis eine Videoproduktion auslöst: Eine neue Produktversion im PIM erzeugt einen Entwurf für ein Erklärvideo, ein aktualisiertes Prozessdokument stößt die Überarbeitung der zugehörigen Schulung an, ein neues Webinar wird nach der Aufzeichnung automatisch transkribiert, geschnitten, untertitelt und in Kurzclips zerlegt. Entscheidend ist, dass am Ende jedes automatisierten Workflows ein menschlicher Freigabeschritt steht, bevor ein Video veröffentlicht wird.
Für Schulung und Onboarding ist das Learning-Management-System der zentrale Ort. Viele Avatar-Plattformen exportieren Videos in gängigen E-Learning-Standards wie SCORM, sodass sie samt Abschlussverfolgung in Lernplattformen eingebunden werden können; einige bieten zudem direkte Anbindungen an verbreitete Systeme oder an Autorenwerkzeuge. Interessant sind auch interaktive Elemente wie Quizfragen, Verzweigungen oder anklickbare Hinweise, die manche Plattformen direkt im Video anbieten. Prüfen Sie, welche Standards und Versionen Ihr LMS erwartet, ob Sprachversionen sauber als Varianten verwaltet werden können und wie Aktualisierungen ausgerollt werden, ohne dass Lernfortschritte verloren gehen.
Neben dem LMS spielen Intranet und Wissensdatenbanken eine Rolle. Kurze Erklärvideos zu Prozessen, Werkzeugen oder Sicherheitsregeln sind dort oft wirkungsvoller als lange Texte. Eine gute Praxis ist es, zu jedem Video das Transkript mitzuveröffentlichen – das verbessert Barrierefreiheit und Durchsuchbarkeit gleichermaßen.
Für Produkterklärungen und Marketing ist die Anbindung an das Content-Management-System der Website und an das Digital-Asset-Management entscheidend. Im DAM werden fertige Videos zusammen mit Metadaten abgelegt: Sprache, Version, Freigabestatus, verwendete Avatare und Stimmen, Rechte und Ablaufdaten, Kennzeichnung als KI-generiert. Gerade die Dokumentation der Rechte ist wichtig, weil Einwilligungen für digitale Zwillinge widerrufen werden können und Lizenzen für Stock-Avatare an bestimmte Nutzungsarten gebunden sein können. Über das DAM gelangen die Videos dann in CMS, Shop, Produktdatenblätter oder Vertriebsunterlagen.
Für soziale Netzwerke sind andere Formate gefragt: Hochformat, kurze Laufzeiten, auffällige Untertitel und ein starker Einstieg in den ersten Sekunden. Repurposing-Werkzeuge erzeugen diese Formate automatisch aus längeren Inhalten und bieten teils direkte Veröffentlichung oder Planung an. Achten Sie darauf, dass die Plattformen ihre eigenen Regeln zur Kennzeichnung KI-generierter Inhalte haben und diese teilweise automatisch über Metadaten erkennen.
Eine oft übersehene Frage ist, wo die fertigen Videos liegen und wie sie ausgespielt werden. Manche Plattformen bieten eigene Player und Freigabelinks an, die bequem sind, aber Daten über die Zuschauer an den Anbieter übermitteln können. Für Websites und interne Plattformen ist es häufig sinnvoller, die exportierten Videodateien im eigenen DAM, auf einer europäischen Video-Plattform oder im eigenen LMS zu hosten. So bleibt nachvollziehbar, wer welche Daten verarbeitet, und das Einbetten auf der Website erfordert keine zusätzlichen Einwilligungen für Drittanbieter-Player.
Es gibt Inhalte, bei denen gerade das Echte den Wert ausmacht. Ein Recruiting-Video, in dem tatsächliche Mitarbeitende von ihrem Arbeitsalltag erzählen, wirkt glaubwürdiger als jeder Avatar. Eine Kundenreferenz lebt von der echten Person und dem echten Projekt. Produktaufnahmen müssen das reale Produkt zeigen – ein generiertes Bild einer Maschine, die es so nicht gibt, kann irreführend und im Zweifel wettbewerbsrechtlich problematisch sein. Und ein Imagefilm, der die Werkhalle, die Region und das Team zeigt, transportiert Identität, die sich nicht generieren lässt. Hier bleibt die klassische Produktion mit Kamera, Licht und professionellem Schnitt die richtige Wahl.
Das heißt nicht, dass KI in diesen Projekten keine Rolle spielt. Auch klassische Produktionen profitieren von KI-gestütztem Schnitt, automatischer Transkription und Untertitelung, Tonverbesserung, generierten Ergänzungsszenen oder der späteren Lokalisierung. Die Grenze verläuft also nicht zwischen zwei Welten, sondern entlang der Frage, welche Teile eines Videos echt sein müssen.
Für Videoagenturen und Produktionsfirmen bedeutet KI eine Verschiebung des Leistungsangebots. Statt jedes Schulungsvideo einzeln zu drehen, entwickeln gute Partner heute Vorlagen, Bildsprachen und Produktionssysteme, mit denen Unternehmen anschließend selbst arbeiten. Sie übernehmen die hochwertigen, emotionalen Produktionen, beraten bei Dramaturgie und Skript und kombinieren echte Aufnahmen mit KI-Elementen. Für Unternehmen bietet sich häufig ein hybrides Modell an: Die Agentur liefert Konzept, Markenvorlagen, Imagefilm und Schlüsselvideos, die interne Redaktion produziert mit KI-Werkzeugen den laufenden Bedarf an Schulungs-, Erklär- und Update-Videos.
Am Anfang sollte ein Pilot mit einem klar umrissenen Anwendungsfall stehen – idealerweise ein Inhalt, der häufig gebraucht, regelmäßig aktualisiert und bislang als Text oder Präsentation vermittelt wird. Typische Kandidaten sind eine Sicherheitsunterweisung, ein Onboarding-Modul, eine Werkzeugschulung für eine neue Software oder eine Reihe von Produkterklärungen. Legen Sie vorab fest, woran Sie den Erfolg messen: Produktionszeit, Akzeptanz bei den Zuschauenden, Abschlussquoten im LMS, Rückmeldungen aus dem Fachbereich, Aufwand für Aktualisierungen. Vergleichen Sie im Pilot ruhig zwei oder drei Werkzeuge derselben Kategorie mit identischem Skript; die Unterschiede in Aussprache, Bedienung und Ergebnis zeigen sich am eigenen Material deutlich schneller als in Produktdemos.
Für den Dauerbetrieb braucht es eine schlanke Governance. Dazu gehört eine Nutzungsrichtlinie, die festlegt, welche Werkzeuge freigegeben sind, welche Inhalte mit KI erstellt werden dürfen und welche nicht, wie mit digitalen Zwillingen realer Personen umgegangen wird und welche Kennzeichnungsregeln gelten. Bewährt hat sich ein Rollenmodell mit Erstellenden in den Fachbereichen, einer zentralen Redaktion oder einem Kompetenzteam, das Vorlagen pflegt und berät, sowie benannten Freigabeverantwortlichen. Administrative Rechte – insbesondere das Anlegen neuer Avatare oder Stimmklone – sollten bewusst eng vergeben werden, denn hier geht es um die Identität realer Menschen.
Ebenso wichtig ist die Frage, welche Daten in die Werkzeuge gelangen dürfen. Skripte enthalten oft interne Informationen über Prozesse, Produkte oder Planungen; Bildschirmaufnahmen können Kundendaten oder interne Systeme zeigen. Eine klare Regel, welche Vertraulichkeitsstufen in welchem Werkzeug verarbeitet werden dürfen, schützt vor unbeabsichtigtem Abfluss.
Kein KI-Video sollte ohne dokumentierte Freigabe veröffentlicht werden. Die Freigabe bestätigt fachliche Richtigkeit, Markenkonformität, Rechtekette und Kennzeichnung. Viele Plattformen bieten dafür eingebaute Kommentar- und Freigabefunktionen; alternativ lässt sich die Freigabe im DAM oder in einem Aufgabenwerkzeug abbilden. Im laufenden Betrieb kommen weitere Aufgaben hinzu: Videos regelmäßig auf Aktualität prüfen, abgelaufene Einwilligungen oder Lizenzen nachverfolgen, Vorlagen weiterentwickeln, neue Funktionen der Werkzeuge bewerten und die Kosten im Blick behalten. Da sich Anbieter, Modelle und Konditionen schnell ändern, lohnt es sich, die eigenen Inhalte – Skripte, Vorlagen, Mediendateien – so zu organisieren, dass ein Werkzeugwechsel ohne Totalverlust möglich bleibt.
In den meisten mittelständischen Unternehmen ist die betriebliche Weiterbildung der Bereich, in dem KI-Videoerstellung am schnellsten Nutzen stiftet. Pflichtunterweisungen müssen regelmäßig wiederholt und bei Änderungen angepasst werden, Belegschaften sind zunehmend mehrsprachig, und Fachkräfte haben wenig Zeit, Schulungen persönlich zu halten. Ein Avatar-Video, das eine Sicherheitsunterweisung in mehreren Sprachen vermittelt, im LMS mit Verständnisfragen kombiniert wird und sich bei neuen Vorschriften in kurzer Zeit aktualisieren lässt, entlastet Ausbildung und Arbeitsschutz spürbar. Wichtig bleibt dabei: Unterweisungen, die eine persönliche Einweisung oder praktische Übung erfordern, werden durch ein Video ergänzt, aber nicht ersetzt. Ob und wie Videos zur Erfüllung gesetzlicher Unterweisungspflichten genügen, ist im Einzelfall mit der Fachkraft für Arbeitssicherheit zu klären.
Beim Onboarding schätzen neue Mitarbeitende eine persönliche Ansprache. Ein digitaler Zwilling der Geschäftsführung, der neue Kolleginnen und Kollegen begrüßt, kann gut funktionieren – vorausgesetzt, die betreffende Person hat informiert eingewilligt, das Video ist als KI-generiert erkennbar und es ersetzt nicht das persönliche Gespräch in den ersten Tagen.
Für Hersteller mit erklärungsbedürftigen Produkten sind Erklärvideos ein wirksames Mittel, um Supportanfragen zu reduzieren und den Vertrieb zu unterstützen. Die stärksten Ergebnisse entstehen durch die Kombination: echte Produktaufnahmen oder CAD-Animationen für das, was korrekt gezeigt werden muss, ein Avatar oder eine synthetische Stimme für die Erklärung, generierte Szenen für Stimmungsbilder und Anwendungsumgebungen, und anschließend die Lokalisierung für die wichtigsten Exportmärkte. Über Vorlagen und Schnittstellen lassen sich zudem Videos für ganze Produktfamilien erzeugen. Achten Sie besonders darauf, dass generierte Inhalte keine Produkteigenschaften suggerieren, die es nicht gibt.
Im Recruiting ist Authentizität die wichtigste Währung. Hier empfehlen wir, echte Menschen vor die Kamera zu holen – auch mit dem Smartphone – und KI dort einzusetzen, wo sie die Verwertung erleichtert: beim Schnitt, bei Untertiteln, beim Zerlegen eines längeren Interviews in Kurzclips für verschiedene Kanäle und bei der Übersetzung für Bewerbende aus dem Ausland. Für die interne Kommunikation – etwa regelmäßige Updates der Geschäftsführung, Neuigkeiten aus Projekten oder Erklärungen zu Veränderungen – können Avatar-Videos und KI-gestützter Schnitt die Hemmschwelle senken, überhaupt Video zu nutzen. Entscheidend ist die Transparenz: Belegschaften reagieren sensibel, wenn sie erst im Nachhinein erfahren, dass die vermeintlich persönliche Ansprache ein Avatar war.
Die Lizenzkosten für KI-Videowerkzeuge sind im Vergleich zu klassischen Drehtagen meist überschaubar. Die eigentlichen Kosten entstehen an anderer Stelle: in der internen Arbeitszeit für Skripte, fachliche Prüfung und Freigabe, im einmaligen Aufwand für Vorlagen und Prozesse, in der Schulung der Erstellenden und im laufenden Pflegeaufwand. Bei generativen Modellen kommt hinzu, dass für eine brauchbare Szene häufig viele Varianten erzeugt werden müssen – der Verbrauch an Credits liegt deshalb oft deutlich über der Länge des fertigen Videos. Eine ehrliche Wirtschaftlichkeitsbetrachtung vergleicht die Gesamtkosten pro fertigem, freigegebenem Video mit der bisherigen Lösung und berücksichtigt den Aktualisierungsaufwand über die Lebensdauer des Inhalts. Gerade bei häufig zu aktualisierenden, mehrsprachigen Schulungsinhalten fällt diese Rechnung regelmäßig zugunsten der KI aus.
Wer einen digitalen Zwilling einer realen Person erstellt, verarbeitet Gesichtsbild und Stimme – Merkmale, die als biometrische Daten besonders geschützt sein können und zugleich das allgemeine Persönlichkeitsrecht und das Recht am eigenen Bild berühren. Grundlage sollte deshalb stets eine informierte, ausdrückliche und schriftlich dokumentierte Einwilligung sein, die genau beschreibt, für welche Zwecke, in welchen Kanälen, in welchen Sprachen und für welchen Zeitraum der Avatar oder Stimmklon genutzt werden darf. Die Einwilligung muss widerrufbar sein, und es muss geregelt sein, was mit dem Avatar und den bereits erstellten Videos im Fall eines Widerrufs oder Ausscheidens geschieht.
Bei Beschäftigten ist besondere Vorsicht geboten, weil die Freiwilligkeit einer Einwilligung im Arbeitsverhältnis kritisch zu prüfen ist. Niemand sollte das Gefühl haben, seinen digitalen Zwilling zur Verfügung stellen zu müssen. Je nach Ausgestaltung kann der Betriebsrat mitzubestimmen haben. Seriöse Anbieter verlangen ihrerseits einen Nachweis der Einwilligung, bevor ein individueller Avatar erstellt wird, und sichern ihre Plattformen gegen den Missbrauch fremder Identitäten ab – ein Kriterium, das bei der Werkzeugauswahl zählen sollte. Für Stock-Avatare gelten die Lizenzbedingungen des Anbieters, die bestimmte Inhalte oder Nutzungsarten ausschließen können.
Die europäische KI-Verordnung sieht Transparenzpflichten für KI-generierte und KI-manipulierte Inhalte vor. Wer Bild-, Audio- oder Videoinhalte erzeugt, die realen Personen, Orten oder Ereignissen ähneln und fälschlich als echt erscheinen könnten, muss offenlegen, dass sie künstlich erzeugt wurden; Anbieter generativer Systeme sollen zudem maschinenlesbare Markierungen vorsehen. Für die Praxis empfehlen wir, KI-Videos grundsätzlich erkennbar zu kennzeichnen – im Video selbst, in der Beschreibung und in den Metadaten – und vorhandene Herkunftsnachweise der Werkzeuge nicht zu entfernen. Wie weit die Pflichten im Einzelfall reichen und welche Ausnahmen etwa für offensichtlich künstlerische oder redaktionell geprüfte Inhalte gelten, ist rechtlich zu prüfen; Fristen und Leitlinien entwickeln sich weiter.
Beim Urheberrecht sind zwei Richtungen zu unterscheiden. Erstens genießen rein KI-generierte Inhalte nach überwiegender Auffassung nur eingeschränkt urheberrechtlichen Schutz, weil es an einer menschlichen schöpferischen Leistung fehlen kann – Wettbewerber könnten solche Inhalte unter Umständen übernehmen. Zweitens können generierte Inhalte fremden Werken, Marken oder Personen ähneln. Prüfen Sie die Nutzungsbedingungen der Werkzeuge, insbesondere zur kommerziellen Nutzung und zu etwaigen Freistellungszusagen, und vermeiden Sie Prompts, die gezielt auf geschützte Werke, Figuren oder bekannte Persönlichkeiten zielen.
Schließlich der Datentransfer: Viele führende Werkzeuge stammen von US-Anbietern oder nutzen US-Infrastruktur. Werden Skripte mit internen Informationen, Bildschirmaufnahmen oder Aufnahmen von Personen verarbeitet, ist der Drittlandbezug zu bewerten – Auftragsverarbeitungsvertrag, Standardvertragsklauseln, Zertifizierungen, Speicherort, Unterauftragnehmer und die Frage möglicher Behördenzugriffe. Eine Stärke im Sinne der digitalen Souveränität bieten europäische Anbieter wie Synthesia, das seinen Sitz in Europa hat und Unternehmenskunden Datenverarbeitung und Verträge nach europäischen Maßstäben anbietet; die konkreten Zusagen zu Speicherort und Unterauftragnehmern sind dennoch im aktuellen Vertragswerk zu prüfen. Für besonders sensible Inhalte kommt zudem das Self-Hosting offener Videomodelle auf eigener Hardware oder bei einem europäischen Hoster in Frage: Daten verlassen das Haus nicht, allerdings sind Qualität, Bedienkomfort und Funktionsumfang meist geringer und der technische Eigenaufwand höher. Viele Unternehmen kombinieren deshalb einen EU-Anbieter für den Großteil der Produktion mit strengen Regeln dafür, welche Inhalte in welche Werkzeuge gelangen dürfen.