Die Kurzfassung#
Seit dem 2. August 2026 gelten die Transparenzpflichten aus Artikel 50 der KI-Verordnung. Für alle, die mit KI-Stimmen arbeiten, also Podcast-Intros, Erklärvideos, Telefonansagen, Hörbuch-Produktion, bedeutet das zwei Dinge, die in der Berichterstattung ständig durcheinandergehen:
- Die maschinenlesbare Markierung ist Aufgabe des Anbieters. ElevenLabs, OpenAI und Google bauen unhörbare Wasserzeichen und Herkunfts-Metadaten in die erzeugten Dateien ein.
- Die sichtbare Offenlegung ist deine Aufgabe als Betreiber. Kein Anbieter kann sie dir abnehmen.
Wer diese Trennung nicht kennt, macht einen von zwei Fehlern: sich auf das Wasserzeichen verlassen und die Offenlegung weglassen, oder aus Vorsicht jedes generierte Audio kennzeichnen, auch wo es gar nicht nötig ist.
Den Gesamtüberblick über Artikel 50 haben wir hier aufgeschrieben. Dieser Beitrag geht nur auf den Audio-Fall und die konkrete Umsetzung.
Keine Rechtsberatung. Für deine konkrete Situation sprich mit einem Anwalt.
Was die Kommission am 20. Juli veröffentlicht hat#
Die EU-Kommission hat ihre finalen Leitlinien zu Artikel 50 am 20. Juli 2026 vorgelegt, also elf Tage vor Geltungsbeginn (NicFab, Stibbe). Drei Punkte daraus sind für die Praxis entscheidend.
Zeitpunkt. Die Offenlegung muss spätestens bei der ersten Interaktion erfolgen. Bei Audio heißt das: bevor jemand die Stimme hört, nicht im Abspann.
Klarheit. Verlangt ist eine "klare und unterscheidbare" Form, die zusätzlich Barrierefreiheitsanforderungen erfüllt. Die Leitlinien benennen ausdrücklich, was diesen Maßstab nicht erfüllt: Hinweise in den AGB vergraben, blasse oder kaum lesbare Labels, vage Formulierungen.
Die Offensichtlichkeits-Ausnahme. Die Offenlegung entfällt, wenn die KI-Beteiligung "aus Sicht einer angemessen informierten, aufmerksamen und verständigen natürlichen Person" offensichtlich ist. Die Leitlinien warnen aber davor, sich darauf zu stützen, und verlangen eine zweistufige Prüfung: erst die Zielgruppe bestimmen, dann realistisch einschätzen, wie aufmerksam ein durchschnittliches Mitglied dieser Gruppe tatsächlich ist.
Bei synthetischen Stimmen fällt diese Prüfung fast immer gegen dich aus. Moderne Text-to-Speech-Stimmen sind für normale Hörer nicht mehr als KI erkennbar. Genau das ist ja der Verkaufsgrund.
Die Arbeitsteilung, die niemand erklärt#
Artikel 50 verteilt die Last auf zwei Rollen, und beide Pflichten laufen parallel.
| Wer | Was | Ab wann | |
|---|---|---|---|
| Absatz 2 | Anbieter (ElevenLabs, OpenAI, Google) | Maschinenlesbare Markierung der Ausgabe | 2. August 2026, für Systeme die vorher schon am Markt waren: 2. Dezember 2026 |
| Absatz 4 | Betreiber (du) | Sichtbare Offenlegung gegenüber dem Publikum | 2. August 2026 |
Der Punkt, der in der Praxis am meisten Ärger spart: das Wasserzeichen des Anbieters erfüllt deine Offenlegungspflicht nicht. Es ist unhörbar, genau das ist sein Zweck. Ein Hörer erfährt dadurch nichts. Deine Pflicht aus Absatz 4 richtet sich an Menschen, nicht an Detektoren.
Umgekehrt gilt: Wenn dein Anbieter die maschinenlesbare Markierung liefert, musst du sie in deiner Pipeline nur unbeschädigt lassen. Beim Rendern, Konvertieren oder Schneiden gehen Metadaten leicht verloren.
Was ElevenLabs technisch tatsächlich liefert#
Für das Verlagern der Anbieter-Pflicht muss man wissen, wer sie überhaupt erfüllt. Bei ElevenLabs ist die Lage belegbar.
Am 25. Juni 2026 hat ElevenLabs SynthID von Google DeepMind eingeführt. Das Verfahren versteckt ein Klangmuster in der Audiodatei, das für das menschliche Ohr nicht wahrnehmbar, über den kostenlosen ElevenLabs Audio Detector aber auslesbar ist. Jede Datei bekommt ein eigenes Muster, und laut Anbieter übersteht es übliche Bearbeitungen wie Komprimierung und Geschwindigkeitsänderung.
Zwei Einschränkungen, die man kennen sollte:
- Der Rollout begann mit Text-to-Speech-Generierungen von Gratis-Nutzern. Die Ausweitung auf alle Audio-Generierungen war zum Zeitpunkt der Ankündigung angekündigt, aber nicht abgeschlossen. Wenn du auf einem bezahlten Plan produzierst, prüfe im Zweifel am Detector, ob deine konkrete Datei markiert ist.
- SynthID ergänzt nach Angaben von ElevenLabs ein bestehendes Ökosystem, zu dem auch C2PA-Credentials gehören. C2PA-Metadaten sind allerdings fragil und überleben viele Exportschritte nicht.
Das ist der Stand, den man belegen kann. Was ElevenLabs ausdrücklich nicht hat, ist eine AI-Act-Zertifizierung, und die gibt es für Artikel 50 auch gar nicht. Es gibt kein Siegel, das dich aus deiner Betreiberpflicht entlässt.
Konkrete Formulierungen, die den Maßstab erfüllen#
Die Leitlinien geben keinen Wortlaut vor, sondern einen Maßstab: klar, unterscheidbar, rechtzeitig, barrierefrei. Was daraus in der Praxis folgt:
Für Videos mit KI-Voiceover
Die Sprecherstimme in diesem Video wurde mit KI erzeugt.
Als eingeblendeter Text in den ersten Sekunden, nicht nur in der Videobeschreibung. Wer nur die Beschreibung nutzt, verlässt sich darauf, dass sie gelesen wird, und das ist bei Autoplay-Feeds nicht der Fall.
Für Podcasts und reine Audioformate
Hinweis: Diese Folge wurde mit einer KI-Stimme produziert.
Gesprochen am Anfang. Ein Vermerk in den Shownotes allein erfüllt die Anforderung an den Zeitpunkt nicht, weil der Hörer die Stimme vorher hört.
Für Telefonansagen und Sprachassistenten
Hier greift zusätzlich Absatz 1, der Interaktionsfall. Der Hinweis gehört an den Anfang des Gesprächs:
Sie sprechen mit einem KI-Assistenten.
Wo Zurückhaltung erlaubt ist
Bei erkennbar künstlerischen oder satirischen Arbeiten darf die Offenlegung dezenter ausfallen. Sie entfällt nicht, sie darf nur weniger aufdringlich platziert werden.
Wo es dich vermutlich nicht betrifft
Interne Nutzung ohne Veröffentlichung, Prototypen und Tests fallen nicht unter die Offenlegungspflicht gegenüber der Öffentlichkeit. Sobald das Material aber an Kunden oder ins Netz geht, ist es veröffentlicht.
Zum Bußgeldrahmen#
Für Verstöße gegen Artikel 50 nennen die Analysen einen EU-Rahmen von bis zu 15 Millionen Euro oder 3 Prozent des weltweiten Jahresumsatzes, je nachdem was höher ist (Bratby Law). Diese Zahl ist die Obergrenze. Die konkrete Ausgestaltung legen die Mitgliedstaaten innerhalb dieses Rahmens fest, und die Benennung der zuständigen Aufsichtsbehörden war in Deutschland und Österreich zum Zeitpunkt des Schreibens noch nicht überall abgeschlossen.
Praktisch heißt das für ein kleines Unternehmen: Die Zahl beschreibt nicht dein Risiko. Aber eine eingeblendete Zeile im Video kostet dich zehn Minuten, und die Diskussion darüber, ob du sie gebraucht hättest, kostet mehr.
Was dieser Beitrag nicht abdeckt#
Bild- und Videogenerierung behandeln wir hier nicht, obwohl Absatz 4 sie genauso erfasst. Der Deepfake-Begriff und die Frage, wann eine KI-Illustration als Deepfake gilt, brauchen eine eigene Betrachtung. Ebenfalls außen vor: das Zusammenspiel mit dem Urheberrecht beim Klonen echter Stimmen, das eine völlig andere Rechtsfrage ist als die Kennzeichnung, sowie die Einwilligungsanforderungen für Voice Cloning. Zum Hochrisiko-Regime und den GPAI-Pflichten siehe den Überblicksbeitrag.
Wir haben außerdem nicht selbst nachgemessen, ob SynthID in jeder Ausgabestufe von ElevenLabs tatsächlich gesetzt wird. Die Angaben stammen aus der Anbieter-Ankündigung. Wer sich darauf verlässt, sollte die eigene Datei am Detector prüfen.
Quellen#
- ElevenLabs: Detecting audio generated by ElevenLabs with SynthID (25. Juni 2026)
- NicFab: AI Act transparency obligations, the Commission publishes its Article 50 guidelines
- Stibbe: The AI Act's transparency obligations, rules, scope and timeline
- FLI: The EU AI Act's transparency rules, a practical guide to Article 50
- Bratby Law: AI Act transparency obligations, 2 August 2026
