KI-Stimmen für Webinare und die richtige Aussprache

Eine KI-Stimme kann ein Webinar in wenigen Minuten vertonen. Ob es danach professionell klingt, entscheidet sich an Kleinigkeiten: an einem falsch betonten Produktnamen, einem Preis, der als Kommazahl vorgelesen wird, oder einer Abkürzung, die plötzlich Buchstabe für Buchstabe kommt. Hier erfährst du, wie du die passende KI-Stimme für dein Webinar nach Gehör auswählst, typische Aussprachefehler findest und behebst und was bei Stimmen echter Personen gilt.

Die Stimme nach Gehör auswählen

Beschreibungen wie „warm“, „seriös“ oder „energisch“ helfen bei der Vorauswahl, aber entscheiden solltest du mit den Ohren. Und zwar mit deinem eigenen Text, nicht mit dem Beispielsatz des Anbieters.

Ein Testtext mit Stolpersteinen

Schreib dir einen kurzen Absatz, der alles enthält, was in deinem Webinar schwierig werden kann. Zum Beispiel so:

„Willkommen zum Webinar über Lohnabrechnung im Handwerk. In den nächsten 45 Minuten zeige ich dir, wie du mit der Software Lohnorbit 3.0 Zeit sparst. Der Kurs kostet 1.290 Euro, Start ist am 3. März um 18:30 Uhr. Fragen zur DSGVO und zum Onboarding beantworten wir per E-Mail.“

Darin stecken ein zusammengesetztes Fachwort, ein Produktname mit Versionsnummer (hier frei erfunden), ein Preis mit Tausenderpunkt, ein Datum, eine Uhrzeit, eine Abkürzung und ein englisches Lehnwort. Lass diesen Absatz von drei bis fünf Stimmen sprechen und vergleiche.

Worauf du beim Vergleich hörst

Verständlichkeit. Hör jede Probe einmal über die Lautsprecher eines Handys. Viele Gäste hören so zu, und dort fallen dumpfe oder sehr tiefe Stimmen schneller ab.
Muttersprachlicher Klang. Für ein deutsches Webinar eignen sich Stimmen, die für Deutsch gemacht sind. Mehrsprachige Stimmen klingen manchmal leicht fremd, vor allem bei Umlauten und beim „ch“.
Ausdauer. Eine Stimme, die im ersten Satz begeistert, kann nach zehn Minuten anstrengend werden. Lass einen längeren Abschnitt von etwa fünf Minuten sprechen und hör ihn am Stück.
Passung zum Thema. Eine sehr lebhafte Stimme passt zu einem Kurs über Social Media, bei Steuern oder Versicherungen wirkt eine ruhigere Stimme glaubwürdiger.
Gleichmäßigkeit. Erzeuge denselben Satz zweimal. Manche Stimmen schwanken von Durchgang zu Durchgang hörbar im Ausdruck.

Die gewählte Stimme und alle Einstellungen schreibst du dir auf. Wenn du in drei Monaten einen Abschnitt neu vertonen lässt, soll er genauso klingen wie der Rest.

Warum KI-Stimmen über Wörter stolpern

Sprachsynthese leitet die Aussprache aus der Schreibweise und dem Zusammenhang ab. Bei häufigen Wörtern klappt das fast immer. Schwierig wird es überall dort, wo die Schrift mehrdeutig ist oder das Wort selten vorkommt: Eigennamen, Fachbegriffe, Abkürzungen, Zahlen in bestimmten Formaten und Wörter, die je nach Bedeutung anders betont werden.

Deutsch hat davon einige. Ein Schild „UMfahren“ heißt, es umzustoßen, ein Schild „umFAHREN“ heißt, drumherum zu fahren. Geschrieben sehen beide Wörter gleich aus. „Modern“ kann ein Adjektiv sein oder ein Verb für das Verrotten. Die meisten Stimmen erraten das aus dem Satz richtig, aber eben nicht alle und nicht jedes Mal.

Fachwörter, Fremdwörter und Namen

Hier hilft eine kleine Werkzeugkiste, die du von oben nach unten ausprobierst:

Unverändert testen. Viele Begriffe spricht eine gute Stimme ohne Hilfe richtig. Ändere nur, was tatsächlich falsch klingt.
Anders schreiben. Schreib das Wort im Sprechtext so, wie es klingen soll. „Lohnorbit“ wird vielleicht als „Lohn-Orbit“ sauberer, ein englischer Name manchmal mit deutscher Lautschrift, etwa „Brickränn“ für ein ausgedachtes „Brickwren“. Diese Schreibweise steht nur im Sprechtext, nie auf den Folien.
Ausspracheliste nutzen. Viele Werkzeuge haben ein Wörterbuch, in dem du für ein Wort eine feste Aussprache hinterlegst. Das lohnt sich bei Namen, die oft vorkommen.
Auszeichnungssprache. Manche Werkzeuge verstehen SSML, eine standardisierte Auszeichnungssprache für Sprachsynthese. Damit lassen sich Aussprache, Pausen und Betonung genau steuern. Das ist präzise, aber aufwendiger.

Bei Namen von Menschen und Orten gilt: Frag nach, wie sie ausgesprochen werden. Wer im Webinar die eigene Kundin oder den Gründer falsch genannt hört, nimmt das übel. Leg dir eine Ausspracheliste an, die du für jedes neue Webinar wiederverwendest.

Abkürzungen

Bei Abkürzungen gibt es zwei Arten. Manche spricht man als Wort, etwa „TÜV“ oder „Nato“. Andere spricht man in Buchstaben, etwa „PDF“ oder „GmbH“. Eine KI-Stimme muss erraten, welche Art gemeint ist.

Erst unverändert testen. Aktuelle Stimmen sprechen gängige Abkürzungen oft richtig. Buchstabenweise ausgeschriebene Varianten wie „Pe De Ef“ klingen dagegen häufig abgehackt. Schreib sie also nur um, wenn die Originalform tatsächlich falsch klingt.
Schreibabkürzungen auflösen. „z. B.“, „bzw.“, „ca.“, „inkl.“ und „ggf.“ gehören nicht in einen Sprechtext. Schreib „zum Beispiel“, „beziehungsweise“, „etwa“, „inklusive“, „gegebenenfalls“.
Einheiten ausschreiben. „kg“, „m²“ und „%“ funktionieren meist, aber nicht immer im richtigen Fall. „Zwanzig Prozent“ ist sicherer.
Beim ersten Mal erklären. Eine Abkürzung, die dein Publikum vielleicht nicht kennt, nennst du beim ersten Auftreten ausgeschrieben. Das hilft Zuhörern und Stimme gleichermaßen.

Zahlen, Preise und Daten

Zahlen gehören zu den häufigsten Fehlerquellen, und ausgerechnet sie müssen in einem Verkaufswebinar stimmen. Das liegt unter anderem an der Schreibweise. Im Englischen sind Punkt und Komma bei Zahlen vertauscht, und viele Sprachsysteme haben beim Training mehr englische als deutsche Texte gesehen.

Im Text	Mögliches Problem	Besser für den Sprechtext
1.290 €	wird als „eins Komma zwei neun null“ gelesen	„tausendzweihundertneunzig Euro“
9,90 €	„neun Komma neun null Euro“	„neun Euro neunzig“
3.–5. März	Bis-Strich wird verschluckt	„vom dritten bis fünften März“
18:30 Uhr	„achtzehn dreißig Uhr“ oder Doppelpunkt hörbar	„achtzehn Uhr dreißig“
1/2 Stunde	„eins durch zwei“	„eine halbe Stunde“
0123 456789	als eine riesige Zahl gelesen	in Zweier- oder Dreiergruppen, in Worten
24/7	englisch oder als Bruch gelesen	„rund um die Uhr“

Nicht jede Stimme macht diese Fehler, und du musst nicht jede Zahl vorsorglich umschreiben. Aber jede Zahl gehört beim Abhören auf deine Liste. Für die Folien bleibt die übliche Schreibweise, denn dort lesen Menschen und keine Maschine.

Tempo, Pausen und Betonung

Eine KI-Stimme richtet sich stark nach Satzzeichen. Damit hast du ein einfaches Steuerpult:

Punkt statt Komma erzeugt eine längere Pause. Kurze Sätze klingen ruhiger.
Absätze sorgen bei vielen Werkzeugen für eine deutlichere Pause, etwa vor einem neuen Gedanken.
Doppelpunkte und Gedankenstriche werden unterschiedlich behandelt. Teste, was deine Stimme daraus macht, bevor du sie häufig einsetzt.
Fragezeichen heben die Stimme am Satzende. Rhetorische Fragen klingen dadurch schnell aufgesetzt, also sparsam verwenden.

Beim Tempo gilt: Stell die Stimme lieber etwas ruhiger ein und kürze bei Bedarf den Text, statt das Tempo hochzudrehen. Wird das Webinar zu lang, streich Inhalte. Eine zu schnell eingestellte Stimme wirkt gehetzt, und Zahlen gehen verloren.

Klingt ein einzelner Satz unpassend betont, lass nur diesen Satz neu erzeugen, manchmal mit leicht geänderter Wortstellung. Einen ganzen Abschnitt neu zu erzeugen, bringt oft neue Fehler an Stellen, die vorher gut waren.

Abhören mit System

Stichproben reichen nicht. Hör die komplette Vertonung einmal vollständig an und lies dabei im Text mit. Notier jeden Fehler mit Folie oder Zeitstelle. Danach korrigierst du gesammelt und hörst jede geänderte Stelle noch einmal.

Zwei Hilfen machen das leichter:

Eine zweite Person. Wer den Text nicht kennt, hört Fehler, die du überhörst, weil du weißt, was gemeint ist.
Spracherkennung als Gegenprobe. Lass die fertige Tonspur automatisch wieder in Text umwandeln und vergleiche mit dem Original. Wörter, die die Erkennung falsch versteht, klingen oft auch für Menschen undeutlich.

Hör nach jeder späteren Textänderung die betroffene Stelle erneut an. Das gilt besonders bei Webinaren, die über viele Termine laufen, denn ein Fehler wiederholt sich dann bei jeder Ausstrahlung.

Stimmen echter Personen

Viele Werkzeuge können Stimmen nachbilden, aus wenigen Minuten Aufnahme. Technisch ist das reizvoll, rechtlich ist hier Vorsicht geboten.

Die eigene Stimme. Das ist meist unproblematisch. Lies aber die Nutzungsbedingungen: Wer speichert die Stimmdaten, darf der Anbieter sie für andere Zwecke nutzen, und kannst du sie wieder löschen lassen?
Die Stimme anderer. Die Stimme gehört zur Persönlichkeit eines Menschen. Sie ohne Einwilligung nachzubilden und für Werbung einzusetzen, ist in Deutschland in aller Regel unzulässig. Mit einer echten Sprecherin oder einem Sprecher vereinbarst du schriftlich, wofür, wie lange und in welchen Sprachen die nachgebildete Stimme genutzt werden darf.
Bekannte Stimmen. Eine Stimme, die erkennbar nach einer prominenten Person klingt, solltest du meiden, auch wenn sie nicht ausdrücklich so heißt.
Gewerbliche Nutzung. Prüf, ob dein Tarif die Nutzung in Werbung und Verkauf abdeckt. Das ist nicht überall selbstverständlich.

Dazu kommt die EU-KI-Verordnung. Ab dem 2. August 2026 müssen künstlich erzeugte oder veränderte Inhalte, die echten Personen ähneln und fälschlich echt wirken, offengelegt werden. Eine nachgebildete Stimme einer realen Person kann darunterfallen. Fristen können sich durch Änderungen noch verschieben, prüf also den aktuellen Stand. Wie du eine KI-Rolle im Webinar ehrlich gestaltest, beschreibt der Artikel über den KI-Moderator.

Häufige Fragen

Wie viele Stimmen sollte ich vergleichen?

Drei bis fünf reichen meist. Wichtiger als die Zahl ist der Testtext. Er sollte die schwierigen Wörter, Zahlen und Namen aus deinem eigenen Webinar enthalten.

Muss ich jede Zahl ausschreiben?

Nein. Teste zuerst die normale Schreibweise. Schreib nur die Zahlen um, die beim Abhören falsch oder holprig klingen. Preise, Daten und Telefonnummern prüfst du immer.

Kann ich eine männliche und eine weibliche Stimme abwechseln?

Ja, zum Beispiel für Moderation und Zitate oder für ein Frage-Antwort-Format. Achte darauf, dass beide Stimmen zueinander passen und klar ist, wer welche Rolle hat.

Wie lange dauert das Abhören?

Mindestens so lange wie das Webinar selbst, plus die Zeit für Korrekturen. Plane bei einem Vortrag von 45 Minuten eher zwei Stunden ein. Diese Zeit sparst du später an Rückfragen und Ausbesserungen.

Gute Aussprache ist Handarbeit

Die Wahl der Stimme ist schnell getroffen, wenn du mit deinem eigenen Testtext vergleichst. Die eigentliche Arbeit steckt in den Details: Namen, Abkürzungen, Zahlen und ein ruhiges Tempo. Wer einmal vollständig abhört und eine Ausspracheliste pflegt, hat bei jedem weiteren Webinar einen großen Teil der Arbeit schon erledigt. Wie die Vertonung in die gesamte Vorbereitung passt, zeigt die Anleitung Webinar erstellen in neun Schritten. Für Vorträge, die lange laufen sollen, lohnt außerdem ein Blick auf das Evergreen-Webinar.

Dieser Artikel ist eine allgemeine Information und keine Rechtsberatung.