Wissensdatenbank · KI-Avatare · Unternehmensvideo

Synthesia – Schulungs- und Erklärvideos mit KI-Avataren.

Synthesia ist eine Plattform, auf der aus einem geschriebenen Skript ein Video mit einem sprechenden, digital erzeugten Präsentator entsteht – ohne Kamera, Studio oder Sprecherkabine. Das Unternehmen sitzt in London und wurde unter anderem von Forschern aus dem Umfeld der Computer Vision mitgegründet, darunter ein in Deutschland lehrender Professor. Stark ist Synthesia bei standardisierten, häufig zu aktualisierenden und mehrsprachigen Videos für Schulung, Onboarding und interne Kommunikation. Wer eigene Avatare oder Stimmen von Mitarbeitenden nutzt, muss Einwilligung, Kennzeichnung und Datentransfer sauber regeln.

Dieser Artikel wurde mithilfe künstlicher Intelligenz erstellt und redaktionell geprüft.

25 Min. Lesezeit
Aktualisiert · Oktober 2026
Fachartikel · Expertenbeitrag
Synthesia
Synthesia Ltd. · London · Vereinigtes Königreich
Anbieter
Synthesia (UK)
Typ
KI-Avatar-Videoplattform
Schwerpunkt
Schulung & Erklärvideo
Bereitstellung
SaaS im Browser, API
Stärke
Mehrsprachigkeit, Updates
Datenhoheit
UK-Anbieter – Region prüfen
INAGRO Eignung Schulungsvideos Mittelstand
★★★★★
Kapitel 01 · Überblick

Was ist Synthesia – und warum interessiert es den Mittelstand?

Synthesia ist eine webbasierte Plattform zur Erstellung von Videos mit KI-generierten Präsentatoren, sogenannten Avataren. Statt eine Person vor die Kamera zu stellen, Licht zu setzen, Ton aufzunehmen und anschließend zu schneiden, schreibt man ein Skript, wählt einen Avatar und eine Stimme, ordnet Folien, Bilder oder Bildschirmaufnahmen an – und die Plattform rendert daraus ein fertiges Video. Der Avatar spricht den Text lippensynchron, mit Mimik und Gestik. Das klingt nach Spielerei, ist aber für eine bestimmte Klasse von Unternehmensvideos ein erheblicher Produktivitätshebel.

Gegründet wurde Synthesia 2017 in London. Zu den Mitgründern zählen Unternehmer und Wissenschaftler aus dem Bereich Computer Vision und Grafik, darunter Matthias Nießner, Professor an der Technischen Universität München, dessen Forschung zur Gesichtsrekonstruktion und neuronalen Bildsynthese als eine der technischen Wurzeln gilt. Diese Herkunft prägt das Produkt: Synthesia ist nicht als Kreativwerkzeug für Filmemacher entstanden, sondern als Werkzeug, das die Erstellung von „sprechenden Köpfen“ industrialisiert. Der Fokus lag früh auf Unternehmenskunden und nicht auf Social-Media-Effekten.
Heute positioniert sich der Anbieter als Plattform für „KI-Videokommunikation“ in Unternehmen. Der Kern ist unverändert: Text wird zu Video. Darum herum ist jedoch ein ganzes Ökosystem entstanden – mit Vorlagen, Markenrichtlinien, Teamfunktionen, automatischer Übersetzung, Bildschirmaufnahme, interaktiven Elementen, Exportformaten für Lernplattformen und einer Programmierschnittstelle. Damit verschiebt sich die Frage von „Kann eine KI ein Video sprechen?“ hin zu „Wie organisiere ich die Videoproduktion meines Unternehmens künftig?“.
INAGRO-Einschätzung

Synthesia ist eines der ausgereiftesten Werkzeuge für standardisierte Unternehmensvideos: Schulungen, Unterweisungen, Prozesserklärungen, Produkt-How-tos. Der Nutzen entsteht weniger durch einzelne beeindruckende Videos als durch Wiederholbarkeit – ein Video lässt sich in Minuten korrigieren, aktualisieren und in weitere Sprachen übertragen. Für emotionale Markenfilme, Kundenreferenzen oder Authentizität mit echten Menschen bleibt klassische Produktion die bessere Wahl. Rechtlich anspruchsvoll wird es, sobald eigene Mitarbeitende als Avatar digitalisiert werden.

Das Grundprinzip: Video wie ein Dokument bearbeiten

Der wichtigste Gedanke hinter Synthesia ist, Video so bearbeitbar zu machen wie eine Präsentation oder ein Textdokument. In klassischer Produktion ist ein Video nach dem Dreh weitgehend „eingefroren“: Ändert sich ein Prozessschritt, eine Produktbezeichnung oder eine Sicherheitsvorschrift, muss neu gedreht oder aufwendig nachvertont werden. In Synthesia ändert man den Text im Skript, und die betroffene Szene wird neu gerendert. Das senkt die Hemmschwelle, Videos überhaupt zu produzieren – und vor allem, sie aktuell zu halten. Gerade bei Schulungsinhalten, die regelmäßig überarbeitet werden müssen, ist das der eigentliche Mehrwert.
Die Bedienoberfläche erinnert deshalb bewusst an Präsentationssoftware: Es gibt Szenen, vergleichbar mit Folien, auf denen Avatar, Texte, Bilder, Formen und Medien platziert werden. Jede Szene hat ein eigenes Skript. Die Zeitleiste ergibt sich weitgehend automatisch aus der Länge des gesprochenen Textes. Wer PowerPoint beherrscht, findet sich in kurzer Zeit zurecht – ein Grund, warum die Plattform häufig in Personal- und Weiterbildungsabteilungen landet und nicht zwingend in der Marketing- oder Medienabteilung.

Für wen dieser Artikel gedacht ist

Dieser Beitrag richtet sich an Geschäftsführungen, Verantwortliche für Personal und Weiterbildung, Arbeitsschutz, interne Kommunikation und Vertrieb sowie an IT- und Datenschutzverantwortliche im deutschsprachigen Mittelstand. Wir ordnen Synthesia herstellerneutral ein, beschreiben Stärken und Grenzen, grenzen die Plattform gegen Alternativen ab und gehen ausführlich auf die Fragen ein, die in Deutschland, Österreich und der Schweiz regelmäßig über Erfolg oder Scheitern entscheiden: Datentransfer, Einwilligung bei digitalen Doppelgängern, Mitbestimmung und Kennzeichnungspflichten. Konkrete Preise, die genaue Anzahl verfügbarer Avatare oder Sprachen und Nutzerzahlen nennen wir bewusst nicht – diese Angaben ändern sich laufend und sind direkt beim Anbieter zu prüfen.
Kapitel 02 · Editionen & Positionierung

Editionen und Marktpositionierung

Synthesia wird ausschließlich als Cloud-Dienst angeboten und in mehreren Stufen lizenziert – von einem Einstieg zum Ausprobieren über Pläne für Einzelpersonen und kleine Teams bis zu einer Enterprise-Variante mit erweiterten Sicherheits-, Verwaltungs- und Avatar-Optionen. Bezeichnungen, Umfang und Preise der einzelnen Stufen ändern sich regelmäßig; die folgende Einordnung ist daher bewusst qualitativ.

Einstieg / Test
Ausprobieren

Ein kostenloser oder sehr günstiger Zugang mit begrenzter Videodauer und eingeschränktem Funktionsumfang. Geeignet, um Bedienung, Sprachqualität und Wirkung der Avatare mit eigenem Beispielskript zu testen. Nicht für produktive Unternehmensnutzung gedacht.

NutzerEinzelperson
UmfangStark begrenzt
ZweckEvaluation
Self-Service-Pläne
Teams

Abonnements für Einzelpersonen und kleinere Teams mit einem Kontingent an Videominuten, Zugriff auf Standard-Avatare, Vorlagen und grundlegende Übersetzungsfunktionen. Erweiterte Avatar-Typen, Teamverwaltung und manche Exportformate sind je nach Stufe eingeschränkt.

NutzerEinzelne Plätze
AbrechnungAbo + Kontingent
ZweckFachabteilung
Enterprise
Unternehmen

Individuell verhandelte Verträge mit Single Sign-on, Rollen- und Rechteverwaltung, Arbeitsbereichen, erweiterten Kontingenten, eigenen Avataren, Markenkontrolle, Kollaboration, Support und vertraglichen Zusicherungen zu Sicherheit und Datenschutz.

NutzerOrganisation
AbrechnungIndividuell
ZweckRollout, Governance

Positionierung: Unternehmensvideo statt Kreativ-KI

Im Markt der KI-Videowerkzeuge lassen sich grob drei Lager unterscheiden. Erstens die generativen Text-zu-Video-Modelle, die aus einer Beschreibung frei erfundene Filmszenen erzeugen – etwa Werkzeuge wie Runway, Sora oder Veo. Zweitens die Avatar-Plattformen, die eine sprechende Person vor einen Hintergrund stellen und damit Präsentations- und Erklärformate automatisieren. Drittens Echtzeit- und Personalisierungsplattformen, die Avatare für Gespräche oder massenhaft individualisierte Videos einsetzen. Synthesia gehört klar ins zweite Lager und ist dort einer der etablierten Namen, mit deutlichem Schwerpunkt auf Unternehmen, Weiterbildung und interner Kommunikation.
Diese Positionierung hat Konsequenzen: Synthesia legt erkennbar Wert auf Steuerbarkeit, Markenkonformität, Moderation und Compliance – weniger auf spektakuläre Effekte. Inhalte werden vor der Erstellung beziehungsweise Veröffentlichung nach Richtlinien geprüft, eigene Avatare realer Personen sind an einen Einwilligungsprozess gebunden, und politische oder irreführende Inhalte sind nach den Nutzungsbedingungen ausgeschlossen. Für Unternehmen ist das eher Vorteil als Einschränkung, weil es Reputationsrisiken reduziert.

Was die Edition in der Praxis entscheidet

Für den Mittelstand ist weniger der Listenpreis entscheidend als die Frage, welche Funktionen in welcher Stufe enthalten sind. Typische Unterscheidungsmerkmale, die vor einer Entscheidung geprüft werden sollten, sind: die Menge an Videominuten pro Zeitraum, die Verfügbarkeit eigener Avatare und Stimmen, der Export im Lernplattform-Format SCORM, die Anzahl der Arbeitsplätze und Gäste, Single Sign-on, Freigabe-Workflows, die Speicherung von Markenvorlagen sowie vertragliche Zusicherungen zu Datenverarbeitung und Unterauftragnehmern. Wer etwa Schulungen direkt in ein Lernmanagementsystem einspielen möchte oder einen Avatar der Geschäftsführung plant, landet schnell in einer höheren Stufe. Ein Test im Einstiegsplan sagt deshalb wenig über die Wirtschaftlichkeit im Regelbetrieb aus.
Kapitel 03 · Funktionsumfang

Funktionsumfang: vom Skript zum fertigen Video

Der Funktionsumfang von Synthesia lässt sich entlang des Produktionsprozesses beschreiben: Inhalte entwerfen, visuell gestalten, sprechen lassen, übersetzen, gemeinsam prüfen und veröffentlichen. Die folgenden Bausteine beschreiben wir qualitativ; welche Funktion in welcher Edition verfügbar ist, ist beim Anbieter zu prüfen.

Avatare

Eine Bibliothek vorgefertigter Präsentatoren unterschiedlicher Erscheinung, Kleidung und Haltung, ergänzt um die Möglichkeit, eigene Avatare realer Personen zu erstellen – vom vereinfachten Selbstaufnahme-Verfahren bis zur Studioaufnahme.

Kein Dreh nötig
Stimmen & Sprachen

Synthetische Stimmen in vielen Sprachen und Varianten, Steuerung von Aussprache, Pausen und Betonung sowie optional geklonte Stimmen. Fachbegriffe und Eigennamen lassen sich über Lautschrift oder Aussprachehilfen korrigieren.

Mehrsprachig ab Skript
Szenen-Editor

Ein folienähnlicher Editor mit Text, Bildern, Formen, Icons, Animationen, Hintergründen und Musik. Vorlagen beschleunigen den Einstieg, Markenfarben, Schriften und Logos werden zentral hinterlegt.

Bedienung wie Folien
Bildschirmaufnahme

Software-Abläufe lassen sich aufnehmen und mit Avatar und Sprechertext kombinieren. Ideal für Schulungen zu ERP, CRM oder Fachanwendungen, bei denen gezeigt statt beschrieben werden muss.

Software-Schulung
Übersetzung & Lokalisierung

Ein fertiges Video wird in weitere Sprachen übertragen – Skript, Sprachausgabe und Lippenbewegung werden angepasst. Zusätzlich gibt es Funktionen, bestehende Videos mit echten Personen zu synchronisieren.

Ein Video, viele Märkte
Zusammenarbeit & Freigabe

Gemeinsame Arbeitsbereiche, Kommentare, Rollen, Ordner und Freigabeschritte. Fachexperten können Inhalte prüfen, ohne selbst Videos zu bauen – wichtig für Arbeitsschutz- und Compliance-Inhalte.

Vier-Augen-Prinzip

Avatar-Typen im Überblick

Bei den Avataren lohnt eine genaue Unterscheidung, weil sich daraus sehr unterschiedliche rechtliche und organisatorische Anforderungen ergeben. Standard-Avatare basieren auf professionellen Darstellerinnen und Darstellern, die ihr Abbild auf vertraglicher Grundlage zur Verfügung gestellt haben. Sie sind sofort nutzbar und für das einsetzende Unternehmen rechtlich die unkomplizierteste Variante. Ihr Nachteil: Andere Unternehmen nutzen dieselben Gesichter, was die Wiedererkennbarkeit und Authentizität einschränkt.
Eigene Avatare bilden eine reale Person des Unternehmens nach – etwa die Geschäftsführung, eine Ausbilderin oder einen Sicherheitsbeauftragten. Je nach Verfahren reicht eine kurze Aufnahme mit Webcam oder Smartphone, oder es wird eine aufwendigere Studioaufnahme durchgeführt, die eine höhere Qualität liefert. In beiden Fällen verlangt der Anbieter einen ausdrücklichen Einwilligungsnachweis der abgebildeten Person, in der Regel als eigene Aufnahme. Daneben bieten moderne Plattformen ausdrucksstärkere Avatare, die Tonfall und Emotion des Textes in Mimik übersetzen, sowie Varianten mit Ganzkörper- oder Bewegungsdarstellung. Welche dieser Typen aktuell verfügbar sind, ist beim Anbieter zu prüfen.

Ausgabe, Wiedergabe und Interaktivität

Fertige Videos können als Datei heruntergeladen, über einen Link geteilt, auf Webseiten eingebettet oder für Lernplattformen exportiert werden. Zusätzlich bietet Synthesia Funktionen für interaktive Elemente – etwa anklickbare Schaltflächen, Kapitelnavigation oder einfache Wissensabfragen – und eine eigene Wiedergabeumgebung mit Auswertung, wie oft und wie lange Videos angesehen wurden. Untertitel lassen sich automatisch erzeugen und exportieren, was sowohl der Barrierefreiheit als auch der Nutzung in lauten Produktionsumgebungen zugutekommt.
Für Unternehmen mit vielen Videos wird die Pflege zum eigentlichen Thema. Hier helfen Ordnerstrukturen, Vorlagen, wiederverwendbare Szenen und die Möglichkeit, ein Video in mehreren Sprachversionen als zusammengehörige Einheit zu verwalten. Wer früh eine saubere Ablagestruktur und Namenskonventionen definiert, spart später erheblichen Aufwand, wenn Dutzende Schulungsvideos in mehreren Sprachen aktualisiert werden müssen.
Kapitel 04 · KI & Automatisierung

KI- und Automatisierungsfunktionen

Neben Avatar und Stimme – selbst bereits Ergebnis generativer KI – hat Synthesia schrittweise weitere KI-Funktionen integriert, die den Weg vom Ausgangsmaterial zum Video verkürzen. Sie verändern vor allem den Teil der Arbeit, der in klassischer Produktion am meisten Zeit kostet: Konzeption, Skript und Lokalisierung.

Vom Dokument zum Video: Skript- und Entwurfsassistenz

Ein KI-Assistent kann aus vorhandenem Material einen ersten Videoentwurf erzeugen – etwa aus einem Dokument, einer Präsentation, einer Webseite oder einer kurzen Beschreibung des Ziels. Die Plattform schlägt dann Gliederung, Szenen, Sprechertext und passende Gestaltungselemente vor. Für Weiterbildungsverantwortliche ist das attraktiv, weil Fachwissen meist bereits in Form von Arbeitsanweisungen, Handbüchern oder Folien vorliegt. Der Entwurf ersetzt jedoch keine didaktische Arbeit: Er ist ein Startpunkt, der fachlich geprüft, gekürzt und auf die Zielgruppe zugeschnitten werden muss.
Wichtig für die Datenschutzbewertung: Wer interne Dokumente hochlädt, damit daraus ein Video entsteht, übermittelt deren Inhalt an den Anbieter und gegebenenfalls an eingesetzte Sprachmodell-Dienstleister. Für öffentliche Produktinformationen ist das unkritisch, für vertrauliche Prozessbeschreibungen, Kundendaten oder Personalthemen sollte vorher geklärt sein, welche Unterauftragnehmer beteiligt sind und ob Inhalte zum Training verwendet werden dürfen.
Praxis-Tipp: Skripte für das Ohr schreiben

Ein gutes Video-Skript ist kein vorgelesener Handbuchtext. Kurze Sätze, aktive Formulierungen, ein Gedanke pro Szene und direkte Ansprache wirken bei synthetischen Stimmen deutlich natürlicher. Lassen Sie KI-Entwürfe deshalb immer laut abspielen und von einer Person der Zielgruppe gegenhören, bevor Sie in die Übersetzung gehen – jeder Fehler im Ausgangsskript vervielfacht sich mit jeder Sprache.

Automatische Übersetzung und Synchronisation

Die Übersetzungsfunktion ist für viele Unternehmen der entscheidende Grund, sich mit Synthesia zu beschäftigen. Ein in Deutsch erstelltes Video kann mit wenigen Klicks in andere Sprachen übertragen werden: Der Text wird maschinell übersetzt, mit einer passenden Stimme neu gesprochen, und der Avatar bewegt die Lippen entsprechend. Hinzu kommen Funktionen, um bestehende Videos mit realen Personen – etwa ein Grußwort der Geschäftsführung – in andere Sprachen zu synchronisieren, wobei die Stimmcharakteristik der Originalsprecherin oder des Originalsprechers nachgebildet werden kann.
Die Qualität maschineller Übersetzung ist in gängigen Sprachen inzwischen hoch, aber nicht fehlerfrei. Fachterminologie, Sicherheitsanweisungen, rechtlich relevante Formulierungen und kulturelle Nuancen gehören in die Hände eines Muttersprachlers oder einer fachkundigen Prüfperson. Ein praktikabler Weg ist ein Glossar mit festgelegten Übersetzungen für Produkt- und Fachbegriffe sowie ein Freigabeschritt pro Sprache. So bleibt der Zeitvorteil erhalten, ohne dass falsch übersetzte Warnhinweise in die Produktion gelangen.

Programmatische Erstellung und Personalisierung

Über eine Programmierschnittstelle lassen sich Videos automatisiert aus Vorlagen erzeugen, bei denen Platzhalter mit Daten befüllt werden – etwa Name, Produkt, Standort oder Termin. Damit werden Szenarien möglich wie personalisierte Willkommensvideos für neue Mitarbeitende, automatisch erzeugte Produktvideos aus Katalogdaten oder Statusmeldungen, die regelmäßig aus Kennzahlen erstellt werden. Für den Mittelstand ist dieser Weg meist der zweite Schritt: Er lohnt sich erst, wenn Videoformate stabil sind und ein echtes Volumen erreicht wird.
Bei personalisierten Videos verdient der Datenschutz besondere Aufmerksamkeit, weil hier gezielt personenbezogene Daten in Videos einfließen. Datensparsamkeit, klare Löschfristen und die Frage, wo die erzeugten Videos gespeichert und wem sie zugänglich gemacht werden, sollten vor dem ersten automatisierten Lauf geklärt sein.
Kapitel 05 · Integrationen

Integrationen und Ökosystem: LMS, PowerPoint, API

Ein Video entfaltet seinen Nutzen erst dort, wo es gesehen wird – im Lernmanagementsystem, im Intranet, auf der Webseite oder im Vertriebsgespräch. Wie gut sich Synthesia in die vorhandene Systemlandschaft einfügt, ist deshalb oft wichtiger als ein weiteres Avatar-Detail. Die genaue Liste der unterstützten Integrationen ändert sich und ist beim Anbieter zu prüfen.

Anbindung Wie sie funktioniert Typischer Nutzen Worauf achten
Lernplattformen (LMS) Export als SCORM-Paket oder Einbettung per Link Schulungen mit Abschlussnachweis im bestehenden LMS SCORM-Version, Tracking, Edition
PowerPoint Import vorhandener Präsentationen inklusive Notizen Schneller Start aus bestehendem Material Layout-Nacharbeit, Schriften, Animationen
Webseite & Intranet Einbettung über Player oder Download Videos in Wissensportalen und Hilfeseiten Cookies, Tracking, Barrierefreiheit
Programmierschnittstelle (API) Automatisierte Videoerstellung aus Vorlagen Personalisierung, Massenproduktion Entwickleraufwand, Datenfluss
Automatisierungsplattformen Verknüpfung über Low-Code-Konnektoren Auslösung durch Ereignisse in CRM oder HR Unterauftragnehmer, Berechtigungen
Identitätsmanagement Single Sign-on über gängige Verzeichnisdienste Zentrale Benutzerverwaltung, Offboarding Nur in höheren Editionen

Lernmanagementsysteme und SCORM

Für Weiterbildungsabteilungen ist die Anbindung an das Lernmanagementsystem zentral. Synthesia unterstützt den Export im Standardformat SCORM, das von den meisten verbreiteten Lernplattformen verstanden wird – von großen Talent-Management-Suiten bis zu Open-Source-Lösungen wie Moodle oder ILIAS. Damit lässt sich ein Video als Lerneinheit einbinden, und das LMS erfasst, ob und wann Mitarbeitende es abgeschlossen haben. Für Pflichtunterweisungen, bei denen ein Nachweis erforderlich ist, ist das ein wichtiger Baustein.
Zwei Hinweise aus der Praxis: Erstens ist zu prüfen, ob das exportierte Paket das Video selbst enthält oder lediglich auf einen beim Anbieter gehosteten Stream verweist. Im zweiten Fall verlassen Nutzungsdaten den eigenen Server, und das Video funktioniert nur, solange das Abonnement läuft. Zweitens ersetzt ein Video keine didaktisch durchdachte Lerneinheit. Wissensabfragen, Wiederholungen und praktische Übungen gehören weiterhin in das LMS oder in ein Autorenwerkzeug für E-Learning, das Videos aus Synthesia als Baustein verwendet.

PowerPoint-Import als Brücke

In vielen Unternehmen liegt das Schulungswissen in Präsentationen vor. Der Import von PowerPoint-Dateien – einschließlich der Sprechernotizen als Ausgangsskript – ist deshalb eine der pragmatischsten Funktionen. Aus einer bestehenden Unterweisung wird in kurzer Zeit ein Videoentwurf, in dem ein Avatar die Notizen spricht. Erfahrungsgemäß ist danach Nacharbeit nötig: Folien, die für einen Vortrag gestaltet wurden, sind oft zu textlastig für ein Video, Animationen werden nicht immer übernommen, und Notizen sind selten sprechfertig formuliert. Dennoch verkürzt der Import den Weg erheblich und senkt die Einstiegshürde für Fachabteilungen.

API und das weitere Ökosystem

Die Programmierschnittstelle richtet sich an Unternehmen mit eigener Entwicklungskapazität oder Dienstleisterunterstützung. Typische Anbindungen sind Personal- und CRM-Systeme, Produktdatenbanken oder interne Portale. Im erweiterten Ökosystem stehen spezialisierte Werkzeuge, mit denen Synthesia häufig kombiniert wird: Text-to-Speech- und Voice-Plattformen wie ElevenLabs für reine Audioformate, Übersetzungsdienste wie DeepL für die Vorübersetzung und Terminologiepflege sowie generative Videowerkzeuge wie Runway für B-Roll-Material, das zwischen Avatar-Szenen eingeblendet wird. Jedes zusätzliche Werkzeug ist allerdings ein weiterer Datenempfänger – die Gesamtarchitektur sollte deshalb bewusst geplant werden.
Kapitel 06 · Abgrenzung

Abgrenzung: HeyGen, Colossyan, D-ID, Tavus und klassische Produktion

Synthesia ist nicht allein am Markt. Mehrere Anbieter verfolgen ähnliche Ansätze, setzen aber unterschiedliche Schwerpunkte. Die folgende Einordnung ist qualitativ und beschreibt die typische Ausrichtung – Funktionsumfänge gleichen sich in diesem schnelllebigen Markt laufend an und sollten im eigenen Test verglichen werden.

Lösung Schwerpunkt Stärken Grenzen aus Mittelstandssicht
Synthesia Unternehmens- und Schulungsvideo Reife Plattform, Governance, LMS-Export, Moderation Cloud-only, eigene Avatare an höhere Editionen gebunden
HeyGen Avatare, Video-Übersetzung, Marketing Starke Übersetzung, schnelle Innovationszyklen, kreative Formate Stärker auf Marketing ausgerichtet, Anbieter mit Sitz in den USA
Colossyan Lern- und Weiterbildungsvideos Didaktische Funktionen, Szenarien mit mehreren Avataren Kleinerer Anbieter, Funktionsumfang im Detail prüfen
D-ID Animierte Porträts, Gesprächsagenten Aus Einzelbildern sprechende Köpfe, API-orientiert Weniger als komplette Schulungs-Produktionsumgebung gedacht
Tavus Personalisierung, Echtzeit-Avatare Entwicklerplattform für personalisierte und dialogfähige Videos Eher Baukasten für Entwickler als Redaktionswerkzeug
Klassische Produktion Markenfilm, Reportage, Testimonial Authentizität, Emotion, echte Orte und Menschen Hohe Kosten pro Minute, schwer aktualisierbar

Synthesia und HeyGen: die naheliegendste Wahl

Der häufigste Vergleich ist der mit HeyGen. Beide Plattformen erzeugen Avatar-Videos aus Text, bieten eigene Avatare, Stimmklone und Übersetzung. Die Unterschiede liegen eher im Profil: HeyGen hat sich stark über Video-Übersetzung und Marketing-Formate einen Namen gemacht und bringt neue Funktionen sehr schnell auf den Markt. Synthesia betont stärker Unternehmensanforderungen wie Arbeitsbereiche, Freigaben, Markenkontrolle, Lernplattform-Export und Compliance-Prozesse. Für ein Weiterbildungsteam mit vielen Pflichtschulungen spricht das tendenziell für Synthesia, für ein Marketingteam mit Fokus auf Social Media und schnelle Lokalisierung von Bestandsvideos kann HeyGen besser passen. Aus Datenschutzsicht ist ein Unterschied relevant: Synthesia sitzt im Vereinigten Königreich, für das ein Angemessenheitsbeschluss der EU besteht, HeyGen in den USA, wo die Übermittlung über das EU-US Data Privacy Framework oder Standardvertragsklauseln abzusichern ist.

Colossyan, D-ID und Tavus: spezialisierte Alternativen

Colossyan zielt ähnlich wie Synthesia auf Lern- und Weiterbildungsvideos und setzt didaktische Akzente, etwa mit Gesprächsszenarien zwischen mehreren Avataren, die sich für Kommunikations- oder Verkaufstrainings eignen. Für Unternehmen, die vor allem Schulungen produzieren, ist Colossyan ein ernstzunehmender Vergleichskandidat. D-ID kommt aus der Animation von Porträtfotos und hat sich stärker in Richtung Gesprächsagenten und Programmierschnittstellen entwickelt – interessant für interaktive Anwendungen, weniger als redaktionelle Produktionsumgebung. Tavus wiederum versteht sich als Entwicklerplattform für personalisierte Videos und Echtzeit-Avatare, mit denen man sprechen kann. Wer Videos massenhaft individualisieren oder einen sprechenden Assistenten bauen will, schaut dort genauer hin; wer Schulungen redaktionell erstellen möchte, ist bei einer Plattform wie Synthesia meist besser aufgehoben.

Wann klassische Videoproduktion die bessere Wahl bleibt

KI-Avatare ersetzen klassische Produktion nicht, sie verschieben die Grenze. Überall dort, wo Authentizität, Emotion und echte Umgebung zählen, bleibt der reale Dreh überlegen: beim Arbeitgeberfilm, bei Kundenreferenzen, bei Reportagen aus der eigenen Fertigung oder bei Botschaften der Geschäftsführung in schwierigen Situationen. Auch praktische Unterweisungen, die zeigen, wie eine Maschine bedient oder eine Schutzausrüstung angelegt wird, brauchen echtes Bildmaterial – ein Avatar kann einrahmen und erklären, aber nicht vormachen. Eine sinnvolle Arbeitsteilung sieht oft so aus: Real gedrehte Sequenzen für das, was man sehen muss, Avatar-Szenen für Einführung, Erklärung und Zusammenfassung, die sich leicht aktualisieren und übersetzen lassen. Einen breiteren Überblick über Ansätze und Werkzeuge bieten unsere Beiträge zur KI-Videoerstellung und zum Vergleich von Text-zu-Video-Modellen.
Stärken
  • Ausgereifte, leicht erlernbare Oberfläche für Fachabteilungen
  • Schnelle Aktualisierung durch Änderung des Skripts
  • Übersetzung und Lokalisierung mit Lippensynchronität
  • Export für Lernplattformen und Einbettung in Portale
  • Unternehmensfunktionen wie Rollen, Freigaben, Single Sign-on
  • Klare Moderations- und Einwilligungsprozesse
Einschränkungen
  • Ausschließlich als Cloud-Dienst, kein Eigenbetrieb
  • Avatare wirken bei langen Videos mitunter gleichförmig
  • Keine echten Handlungen, Orte oder Maschinen darstellbar
  • Wichtige Funktionen erst in höheren Editionen
  • Abhängigkeit vom Abonnement bei gehosteten Videos
  • Einwilligung und Mitbestimmung bei eigenen Avataren aufwendig
Kapitel 07 · Einführung & Betrieb

Einführung und Betrieb im Unternehmen

Technisch ist Synthesia in Minuten startklar – ein Browser genügt. Die eigentliche Einführungsarbeit ist organisatorisch: Wer darf Videos erstellen, wer gibt sie frei, wie sehen sie aus, welche Avatare werden genutzt und wie bleiben Inhalte aktuell? Ein strukturiertes Vorgehen verhindert, dass nach wenigen Monaten ein unübersichtlicher Bestand an uneinheitlichen Videos entsteht.

01
Bedarf und Formate klären
Welche Videoarten werden gebraucht – Unterweisung, Software-Schulung, Produkterklärung, interne Mitteilung? Für welche Zielgruppen und Sprachen? Wie oft ändern sich die Inhalte? Daraus ergeben sich Volumen, Edition und Erfolgskriterien.
02
Rechtlichen Rahmen vorab klären
Auftragsverarbeitungsvertrag, Unterauftragnehmer und Datenflüsse prüfen, Datenschutzbeauftragte einbinden, bei eigenen Avataren Einwilligungen und gegebenenfalls Betriebsrat einbeziehen, Kennzeichnungsregeln festlegen.
03
Pilot mit einem Format
Ein klar umrissenes Format – etwa die Onboarding-Reihe oder eine wiederkehrende Unterweisung – mit Standard-Avataren umsetzen, Akzeptanz bei der Zielgruppe messen und Aufwand im Vergleich zur bisherigen Lösung dokumentieren.
04
Standards und Vorlagen festlegen
Markenvorlagen, zugelassene Avatare und Stimmen, Aussprachelexikon, Glossar, Kennzeichnungshinweis, Namenskonventionen und Ablagestruktur definieren. Diese Standards sind der eigentliche Skalierungshebel.
05
Rollout, Schulung und Pflege
Redaktionsteam befähigen, Freigabeprozess etablieren, Überprüfungsintervalle für Inhalte festlegen und Nutzungszahlen auswerten. Videos ohne Verantwortlichen veralten – jedes Video braucht einen fachlichen Eigentümer.

Rollen, Freigaben und Redaktionsprozess

Der häufigste Fehler bei der Einführung ist, Synthesia einfach freizugeben und darauf zu hoffen, dass Fachabteilungen selbstständig gute Videos produzieren. Das Ergebnis sind meist uneinheitliche Gestaltung, zu lange Monologe und fachlich nicht abgestimmte Inhalte. Bewährt hat sich ein kleines Redaktionsteam, das Vorlagen pflegt und Qualität sichert, kombiniert mit Fachautorinnen und Fachautoren, die Inhalte liefern und prüfen. Für sicherheits- und rechtsrelevante Inhalte – Arbeitsschutz, Datenschutz, Compliance – sollte eine verbindliche Freigabe durch die zuständige Fachkraft vorgesehen sein, bevor ein Video veröffentlicht wird. Die Kommentar- und Freigabefunktionen der Plattform unterstützen diesen Ablauf, ersetzen aber nicht die Festlegung, wer wofür verantwortlich ist.

Qualitätssicherung und Pflege im Betrieb

Im laufenden Betrieb verschiebt sich die Arbeit von der Erstellung zur Pflege. Inhalte sollten einen Überprüfungstermin erhalten, an dem der fachliche Eigentümer bestätigt, dass das Video noch stimmt. Dank der Skriptbearbeitung sind Aktualisierungen schnell erledigt – vorausgesetzt, man weiß, welche Videos von einer Änderung betroffen sind. Eine einfache Übersicht, welche Videos welche Prozesse, Produkte oder Vorschriften behandeln, ist hier Gold wert. Bei mehrsprachigen Videos ist zu beachten, dass eine Änderung im Ausgangsvideo neue Übersetzungen und Prüfungen nach sich zieht.
Für die Qualitätssicherung haben sich einige einfache Regeln bewährt: Videos möglichst kurz halten und eher in Serien denken, Aussprache von Namen und Fachbegriffen systematisch prüfen, Untertitel aktivieren, Avatar-Szenen mit Bildschirmaufnahmen, Grafiken oder realem Bildmaterial abwechseln und regelmäßig Rückmeldungen der Zielgruppe einholen. Kennzahlen wie Abschlussquoten im LMS, Abbruchpunkte in Videos und Rückfragen bei Vorgesetzten zeigen, ob ein Format funktioniert.

Organisatorische Stolpersteine

Neben dem Redaktionsprozess gibt es typische Stolpersteine, die in Projekten immer wieder auftauchen. Dazu zählt die Akzeptanz: Manche Mitarbeitende empfinden Avatar-Videos als unpersönlich oder fühlen sich durch einen digitalen Präsentator nicht ernst genommen. Transparenz hilft – wer offen kommuniziert, warum KI-Videos eingesetzt werden und dass sie persönliche Gespräche nicht ersetzen, stößt auf weniger Widerstand. Ein weiterer Punkt ist die Lizenzverwaltung: Videominuten werden schnell aufgebraucht, wenn viele Personen unkoordiniert testen. Und schließlich die Abhängigkeit: Wer Hunderte Videos auf der Plattform pflegt, sollte regelmäßig Exporte der fertigen Videos und Skripte sichern, um bei einem Anbieterwechsel nicht von vorn beginnen zu müssen.
Kapitel 08 · Praxis

Einsatz im deutschen Mittelstand

Wo bringt Synthesia mittelständischen Unternehmen konkreten Nutzen? Die folgenden Szenarien stammen aus typischen Anforderungen von Industrie-, Handels- und Dienstleistungsunternehmen. Allen gemeinsam ist: Die Inhalte sind standardisierbar, werden mehrfach gebraucht und ändern sich regelmäßig.

Onboarding neuer Mitarbeitender

Eine Videoreihe zu Unternehmen, Werten, Abläufen, IT-Zugängen und Ansprechpartnern – an mehreren Standorten identisch und in den Sprachen der Belegschaft. Persönliche Einarbeitung wird entlastet, nicht ersetzt.

Einheitlicher Start
Arbeitsschutz-Unterweisungen

Wiederkehrende Unterweisungen zu Gefährdungen, Schutzausrüstung, Brandschutz oder Gefahrstoffen als Video mit Nachweis im LMS. Ergänzt durch reale Aufnahmen und praktische Unterweisung vor Ort.

Nachweisbar & aktuell
Software- und Prozessschulung

Einführung eines neuen ERP-Moduls, Änderungen im Bestellprozess oder Reisekostenabrechnung: Bildschirmaufnahme plus Avatar erklärt Schritt für Schritt. Bei jeder Systemänderung schnell angepasst.

Weniger Supportanfragen
Vertrieb und Produkterklärung

Erklärvideos zu Produkten, Varianten und Einsatzfällen für Webseite, Händlerportal und Angebote – in den Sprachen der Exportmärkte. Auf Wunsch personalisiert für einzelne Kunden oder Händler.

Exportmärkte bedienen
Interne Kommunikation

Regelmäßige Updates, Änderungen in Richtlinien oder Hinweise zu neuen Abläufen als kurze Videos für gewerbliche Mitarbeitende ohne festen Bildschirmarbeitsplatz – etwa auf Infoscreens oder Mitarbeiter-Apps.

Alle erreichen
Kundenservice und Hilfe

Kurze Anleitungen zu Inbetriebnahme, Wartung oder häufigen Fragen für Kundenportal und Bedienungsanleitung per QR-Code. Entlastet Hotline und Außendienst bei wiederkehrenden Fragen.

Hotline entlasten

Onboarding und Schulung: der klassische Einstieg

Für die meisten mittelständischen Unternehmen ist das Onboarding der naheliegende Startpunkt. Die Inhalte sind weitgehend stabil, werden an viele Personen ausgespielt und sind bislang oft in Präsentationen, Handbüchern oder den Köpfen einzelner Mitarbeitender verteilt. Eine Videoreihe stellt sicher, dass alle neuen Kolleginnen und Kollegen dieselben Grundinformationen erhalten – unabhängig davon, an welchem Standort oder in welcher Schicht sie beginnen. Gerade in Unternehmen mit hohem Anteil an Mitarbeitenden, deren Muttersprache nicht Deutsch ist, ist die Möglichkeit, dieselben Inhalte in mehreren Sprachen anzubieten, ein echter Fortschritt für Verständlichkeit und Integration.
Entscheidend ist, die Videos als Ergänzung zur persönlichen Einarbeitung zu verstehen. Ein Avatar kann erklären, wie die Zeiterfassung funktioniert; das Willkommen durch die Teamleitung und das Kennenlernen der Kolleginnen und Kollegen kann er nicht ersetzen. Unternehmen, die das kommunizieren, erleben deutlich höhere Akzeptanz.

Arbeitsschutz: hoher Nutzen, klare Grenzen

Unterweisungen im Arbeitsschutz sind ein besonders interessanter, aber auch sensibler Anwendungsfall. Videos können helfen, Unterweisungen einheitlich, verständlich und mehrsprachig durchzuführen und die Teilnahme nachzuweisen. Gleichzeitig verlangt das Arbeitsschutzrecht, dass Unterweisungen auf den konkreten Arbeitsplatz und die Gefährdungsbeurteilung bezogen sind und Raum für Rückfragen lassen. Ein Video allein erfüllt diese Anforderungen in vielen Fällen nicht. Bewährt hat sich ein kombiniertes Vorgehen: Das Video vermittelt das allgemeine Grundwissen, die Führungskraft oder Fachkraft für Arbeitssicherheit ergänzt die arbeitsplatzbezogene Unterweisung vor Ort und beantwortet Fragen. Die Inhalte sollten fachlich von der Fachkraft für Arbeitssicherheit freigegeben werden. Ob und in welcher Form eine digitale Unterweisung im Einzelfall ausreicht, ist mit den zuständigen Fachleuten und gegebenenfalls der Berufsgenossenschaft zu klären.

Vertrieb und Exportmärkte

Im Vertrieb liegt der Hebel vor allem in der Lokalisierung. Ein mittelständischer Maschinenbauer, der in zahlreiche Länder liefert, kann Produkterklärungen, Neuheitenvorstellungen oder Schulungen für Händler in den jeweiligen Landessprachen anbieten, ohne für jede Sprache eine eigene Produktion zu beauftragen. Personalisierte Videos – etwa eine kurze Ansprache an einen bestimmten Händler oder Interessenten – sind technisch möglich, sollten aber dosiert eingesetzt werden: Zu offensichtlich automatisierte Personalisierung kann eher irritieren als überzeugen. Für Markenauftritte und Referenzfilme bleibt der reale Dreh mit echten Kunden und echten Maschinen in der Regel überzeugender. Wer überlegt, statt Avatar-Videos nur Audio einzusetzen – etwa für Podcasts oder Telefonansagen –, findet in unseren Beiträgen zu Text-to-Speech und Voice Cloning weitere Orientierung.
Kapitel 09 · Kosten & Datenschutz

Kosten, DSGVO, Einwilligung und KI-Kennzeichnung

Zum Abschluss die Fragen, die über einen produktiven Einsatz oft entscheiden: Was kostet Synthesia realistisch, wohin fließen die Daten, was gilt bei Avataren und Stimmen eigener Mitarbeitender und wie sind KI-generierte Videos zu kennzeichnen? Konkrete Preise nennen wir nicht – sie ändern sich laufend und sind beim Anbieter zu prüfen.

Lizenz / Abo
Gestaffelt · beim Anbieter prüfen
Einstieg, Self-Service-Pläne, Enterprise
  • Abrechnung meist nach Plätzen und Videominuten pro Zeitraum. Funktionen wie SCORM-Export, eigene Avatare und Single Sign-on hängen von der Edition ab.
Eigene Avatare & Stimmen
Zusatzposten · je nach Verfahren
Selbstaufnahme oder Studioproduktion
  • Je nach Edition enthalten oder separat berechnet. Hinzu kommen interner Aufwand für Aufnahme, Einwilligung und Abstimmung mit der Mitbestimmung.
Redaktion & Pflege
Intern · laufend
Skript, Gestaltung, Prüfung, Übersetzungskontrolle
  • Der größte, oft unterschätzte Posten. Gute Videos brauchen Didaktik, Fachprüfung und Pflege – die Plattform beschleunigt, ersetzt diese Arbeit aber nicht.
Integration
Projekt · optional
LMS, Intranet, API-Automatisierung
  • Bei einfacher LMS-Einbindung gering, bei API-gestützter Personalisierung ein echtes Entwicklungsprojekt mit eigenem Datenschutz-Check.
Der Vergleich mit klassischer Produktion fällt bei standardisierten Inhalten meist deutlich zugunsten von Synthesia aus, besonders wenn Videos in mehrere Sprachen übertragen oder regelmäßig aktualisiert werden müssen. Die Rechnung ist aber unvollständig, wenn nur Lizenz gegen Drehtag verglichen wird. Realistischer ist eine Betrachtung über einen längeren Zeitraum: Wie viele Videos werden pro Jahr erstellt, wie viele Sprachversionen sind nötig, wie oft werden Inhalte aktualisiert, und wie viel interne Arbeitszeit fließt in Skript, Prüfung und Pflege? Hinzu kommen eingesparte Kosten an anderer Stelle – etwa weniger Präsenzschulungen, weniger Reisezeit von Trainern oder weniger Rückfragen im Support. Erst diese Gesamtbetrachtung zeigt, ob sich die Plattform rechnet.
Datenschutz und Rechtsrahmen im Überblick

Synthesia ist ein Anbieter mit Sitz im Vereinigten Königreich, also außerhalb der EU. Die folgende Übersicht fasst die zentralen Prüfpunkte zusammen. Die konkrete Bewertung hängt immer vom Einzelfall, von der Edition und vom Vertrag ab.

Anbietersitz
London, UK – Drittland mit Angemessenheitsbeschluss der EU-Kommission
Hosting & Region
Speicherort und wählbare Region beim Anbieter und im Vertrag prüfen
Unterauftragnehmer
Cloud- und KI-Dienstleister, teils in den USA – Liste und Absicherung prüfen
Auftragsverarbeitung
Vertrag nach Art. 28 DSGVO abschließen, Trainingsnutzung der Inhalte klären
Eigene Avatare
Freiwillige, informierte, widerrufbare Einwilligung der abgebildeten Person
KI-Kennzeichnung
Transparenzpflichten nach Art. 50 AI Act für Deepfakes beachten

Serverstandort, Datentransfer und Auftragsverarbeitung

Das Vereinigte Königreich ist seit dem Brexit datenschutzrechtlich ein Drittland. Die EU-Kommission hat jedoch einen Angemessenheitsbeschluss erlassen, nach dem das britische Datenschutzniveau als im Wesentlichen gleichwertig gilt. Übermittlungen an einen britischen Anbieter sind damit grundsätzlich ohne zusätzliche Garantien wie Standardvertragsklauseln möglich. Weil solche Beschlüsse befristet sind und überprüft werden, sollte der aktuelle Stand regelmäßig kontrolliert werden. Davon unabhängig ist zu prüfen, wo die Daten tatsächlich gespeichert und verarbeitet werden: Synthesia nutzt Cloud-Infrastruktur großer Anbieter, und welche Region für Ihren Arbeitsbereich gilt, ob eine EU-Speicherung vertraglich zugesichert werden kann und welche Unterauftragnehmer – etwa für Sprachmodelle, Übersetzung oder Sprachsynthese – mitunter in den USA sitzen, ist beim Anbieter und in den Vertragsunterlagen zu klären. Für Übermittlungen an US-Unterauftragnehmer ist zu prüfen, ob diese unter dem EU-US Data Privacy Framework zertifiziert sind oder anderweitig abgesichert werden.
In jedem Fall ist ein Vertrag zur Auftragsverarbeitung nach Art. 28 DSGVO abzuschließen, und es ist zu klären, ob hochgeladene Inhalte, Skripte und Aufnahmen zum Training von Modellen verwendet werden dürfen. Für den Alltag empfiehlt sich Datensparsamkeit: Skripte enthalten in der Regel keine personenbezogenen Daten Dritter, Kundennamen und vertrauliche Details gehören nicht in Demo- oder Testvideos. Zertifizierungen und Sicherheitsnachweise des Anbieters sind ein positives Signal, ersetzen aber nicht die eigene Prüfung.

Eigene Avatare und Stimmen: Einwilligung als Kernfrage

Wird eine reale Person als Avatar digitalisiert oder ihre Stimme geklont, entstehen Daten, die ihr Aussehen und ihre Stimme in einer Weise nachbilden, die für Täuschungen missbraucht werden könnte. Rechtlich berührt das mehrere Ebenen: das Recht am eigenen Bild und das allgemeine Persönlichkeitsrecht, die DSGVO – mit der Frage, ob es sich um biometrische Daten handelt, für die besonders strenge Regeln gelten – sowie das Arbeitsrecht, wenn die Person bei dem Unternehmen beschäftigt ist. Grundlage sollte in aller Regel eine ausdrückliche, informierte und schriftlich dokumentierte Einwilligung sein, die genau beschreibt, wofür der Avatar oder die Stimme genutzt wird, wie lange, in welchen Sprachen und Kanälen, und wie ein Widerruf funktioniert.
Im Arbeitsverhältnis ist die Freiwilligkeit einer Einwilligung besonders kritisch zu prüfen, weil ein Abhängigkeitsverhältnis besteht. Mitarbeitende dürfen keine Nachteile befürchten müssen, wenn sie ablehnen. Zu regeln ist außerdem, was mit dem Avatar geschieht, wenn die Person das Unternehmen verlässt – im Zweifel wird er gelöscht und Videos werden umgestellt. Da die Einführung eines solchen Systems Fragen der Verhaltens- und Leistungskontrolle und des Persönlichkeitsschutzes berühren kann, sollte ein vorhandener Betriebsrat frühzeitig eingebunden werden; eine Betriebsvereinbarung schafft Klarheit für alle Beteiligten. Synthesia verlangt seinerseits einen Einwilligungsnachweis der abgebildeten Person – dieser Prozess des Anbieters ersetzt aber nicht die arbeits- und datenschutzrechtliche Absicherung im eigenen Unternehmen.

Deepfake-Kennzeichnung nach Art. 50 AI Act

Die europäische KI-Verordnung enthält in Art. 50 Transparenzpflichten für bestimmte KI-Systeme. Anbieter von Systemen, die synthetische Audio-, Bild- oder Videoinhalte erzeugen, müssen dafür sorgen, dass diese in maschinenlesbarer Form als künstlich erzeugt erkennbar sind. Betreiber – also die Unternehmen, die solche Systeme einsetzen – müssen offenlegen, wenn sie Bild-, Audio- oder Videoinhalte erzeugen, die als sogenannte Deepfakes gelten, also realen Personen, Orten oder Ereignissen merklich ähneln und fälschlich als echt erscheinen könnten. Ein Avatar, der eine reale Geschäftsführerin nachbildet, oder eine geklonte Stimme eines Mitarbeiters fallen typischerweise in diesen Bereich. Nach dem gesetzlichen Zeitplan gelten diese Pflichten ab August 2026; der aktuelle Stand, mögliche Anpassungen und konkretisierende Leitlinien sollten fortlaufend verfolgt werden.
Praktisch empfehlen wir, KI-generierte Videos grundsätzlich sichtbar zu kennzeichnen – etwa durch einen kurzen Hinweis im Vorspann, eine dauerhafte Einblendung oder einen Vermerk in der Videobeschreibung –, auch wenn Standard-Avatare verwendet werden. Das schafft Vertrauen bei Mitarbeitenden und Kunden und vermeidet Abgrenzungsfragen. Ergänzend gilt: Avatare realer Personen dürfen nichts sagen, was die Person nicht freigegeben hat, und sensible Mitteilungen wie Kündigungen, Personalentscheidungen oder Krisenkommunikation gehören nicht in Avatar-Videos.
Wichtiger Hinweis: keine Rechtsberatung

Dieser Artikel bietet eine allgemeine Orientierung und ersetzt keine individuelle rechtliche Prüfung. Bewertungen zu Datentransfer, Einwilligung, biometrischen Daten, Mitbestimmung und Kennzeichnungspflichten nach dem AI Act hängen vom konkreten Einzelfall ab und können sich durch Rechtsprechung, Leitlinien und Gesetzesänderungen verschieben. Ziehen Sie Ihren Datenschutzbeauftragten, gegebenenfalls den Betriebsrat und fachkundige juristische Beratung hinzu. Lizenz-, Nutzungs- und Datenschutzbedingungen von Synthesia prüfen Sie stets aktuell beim Anbieter.

Kapitel 10 · Häufige Fragen

Häufig gestellte Fragen zu Synthesia

Diese Fragen tauchen in unseren Beratungs­gesprächen zu KI-Avatar-Videos am häufigsten auf – kurz und sachlich beantwortet, herstellerneutral und ohne überzogene Versprechen.

Was ist Synthesia in einem Satz?
Synthesia ist eine browserbasierte Plattform eines Londoner Anbieters, mit der aus einem geschriebenen Skript Videos mit einem KI-generierten, sprechenden Präsentator entstehen – vor allem für Schulungen, Onboarding, Erklärvideos und interne Kommunikation, einschließlich Übersetzung in weitere Sprachen.
Für welche Videos eignet sich Synthesia – und für welche nicht?
Gut geeignet sind standardisierte, sachliche und häufig zu aktualisierende Inhalte: Unterweisungen, Software-Schulungen, Prozesserklärungen, Produkt-How-tos und Mitteilungen. Weniger geeignet sind Formate, die von Authentizität, Emotion und echten Orten leben – Arbeitgeberfilme, Kundenreferenzen, Reportagen oder das Vormachen praktischer Handgriffe. Oft ist eine Kombination aus realem Bildmaterial und Avatar-Szenen die beste Lösung.
Wie viele Avatare und Sprachen bietet Synthesia?
Konkrete Zahlen nennen wir bewusst nicht, weil sie sich laufend ändern. Qualitativ gilt: Es gibt eine umfangreiche Bibliothek an Standard-Avataren und eine breite Auswahl an Sprachen und Stimmen, darunter Deutsch in mehreren Varianten. Prüfen Sie beim Anbieter, ob die für Sie relevanten Sprachen in der gewünschten Qualität verfügbar sind, und testen Sie sie mit eigenen Fachtexten.
Wie gut ist die deutsche Aussprache?
Die Qualität synthetischer deutscher Stimmen ist inzwischen hoch und für Schulungsvideos meist ausreichend natürlich. Schwierigkeiten gibt es typischerweise bei Fachbegriffen, Abkürzungen, Produktnamen und Eigennamen. Diese lassen sich über Aussprachehilfen korrigieren. Ein unternehmensweites Aussprachelexikon spart auf Dauer viel Zeit.
Synthesia oder HeyGen – was passt besser?
Beide sind leistungsfähige Avatar-Plattformen. Synthesia betont Unternehmensanforderungen wie Freigaben, Markenkontrolle, LMS-Export und Governance und passt deshalb häufig gut zu Weiterbildungs- und HR-Teams. HeyGen ist besonders stark bei Video-Übersetzung und Marketing-Formaten und bringt neue Funktionen sehr schnell heraus. Hinzu kommt der Datenschutz-Unterschied zwischen einem britischen und einem US-Anbieter. Ein paralleler Test mit demselben Skript ist die beste Entscheidungsgrundlage.
Ist Synthesia DSGVO-konform nutzbar?
Eine DSGVO-konforme Nutzung ist grundsätzlich möglich, hängt aber von der konkreten Ausgestaltung ab. Für das Vereinigte Königreich besteht ein Angemessenheitsbeschluss der EU-Kommission. Zu prüfen sind Speicherort und Region, eingesetzte Unterauftragnehmer (teils in den USA), der Vertrag zur Auftragsverarbeitung, die Frage der Trainingsnutzung und die Datensparsamkeit bei Skripten. Bei eigenen Avataren und Stimmen kommen Einwilligung und gegebenenfalls Mitbestimmung hinzu. Dies ist keine Rechtsberatung – ziehen Sie Ihren Datenschutzbeauftragten hinzu.
Darf ich einen Avatar unserer Geschäftsführung oder von Mitarbeitenden erstellen?
Grundsätzlich ja, aber nur auf Basis einer freiwilligen, informierten und dokumentierten Einwilligung der betroffenen Person, die Zweck, Dauer, Kanäle und Widerruf klar regelt. Im Arbeitsverhältnis ist die Freiwilligkeit besonders sorgfältig sicherzustellen, ein Betriebsrat sollte frühzeitig eingebunden werden. Regeln Sie auch, was beim Ausscheiden der Person mit Avatar und Videos geschieht. Synthesia verlangt zusätzlich einen eigenen Einwilligungsnachweis. Keine Rechtsberatung.
Müssen KI-Avatar-Videos gekennzeichnet werden?
Art. 50 der KI-Verordnung sieht Transparenzpflichten vor: Wer Deepfakes einsetzt, also Inhalte, die realen Personen merklich ähneln und als echt erscheinen könnten, muss offenlegen, dass sie künstlich erzeugt sind. Das betrifft insbesondere Avatare und Stimmklone realer Personen. Nach dem gesetzlichen Zeitplan gelten diese Pflichten ab August 2026. Wir empfehlen, KI-Videos grundsätzlich sichtbar zu kennzeichnen – das ist rechtlich vorsichtig und schafft Vertrauen.
Lässt sich Synthesia in unser Lernmanagementsystem einbinden?
In der Regel ja: Synthesia unterstützt den Export im Standardformat SCORM, das die meisten Lernplattformen verstehen, sowie die Einbettung per Link. Prüfen Sie, in welcher Edition der Export enthalten ist, welche SCORM-Version Ihr LMS erwartet und ob das Paket das Video enthält oder auf einen beim Anbieter gehosteten Stream verweist.
Was kostet Synthesia?
Konkrete Preise nennen wir nicht, da sie sich laufend ändern und beim Anbieter zu prüfen sind. Es gibt einen Einstieg zum Testen, Self-Service-Pläne für Einzelpersonen und Teams sowie individuell verhandelte Enterprise-Verträge. Abgerechnet wird typischerweise nach Plätzen und Videominuten. Der größte Kostenblock ist jedoch meist die interne Arbeit für Skript, Prüfung und Pflege – diese sollte in jede Wirtschaftlichkeitsbetrachtung einfließen.
Wie unterstützt INAGRO bei der Einführung?
Wir begleiten herstellerneutral von der ersten Einschätzung bis zum Regelbetrieb: Wir klären, ob Synthesia oder eine Alternative zu Ihren Formaten passt, bewerten gemeinsam mit Ihnen Datenschutz, Einwilligungs- und Kennzeichnungsfragen, entwickeln Vorlagen, Redaktions- und Freigabeprozesse und unterstützen bei der Anbindung an LMS und Intranet sowie bei einem belastbaren Pilotprojekt. Konkrete Konditionen besprechen wir nach einem unverbindlichen Erstgespräch.

Unternehmensvideos skalierbar produzieren

Bereit für Schulungsvideos mit KI-Avataren?

Von der Eignungsprüfung über Vorlagen und Redaktionsprozess bis zum produktiven Pilotprojekt – INAGRO begleitet Sie herstellerneutral auf jedem Schritt. Mit ehrlicher Beratung, Verständnis für Weiterbildung und interne Kommunikation und einem klaren Blick auf DSGVO, Einwilligung und KI-Kennzeichnung. Pragmatisch, strukturiert und mit messbarem Ergebnis.

Seit 2006 am Markt

Erfahrung aus über 100 Digitalprojekten

DSGVO & Souveränität

Datenschutz von Anfang an mitgedacht

Rückmeldung in 24 h

Schnell, direkt, unverbindlich