# KI-Audio kennzeichnen: Deepfake-Ansage und sichtbarer Hinweis

> KI-Audio kennzeichnen: Was Art. 50 funktional verlangt und welche Ansage-, Bildschirm- und Barrierefreiheitsregeln der freiwillige EU-Kodex empfiehlt.

**Stand:** 2026-08-07 · **Kanonische Fassung:** https://kihinweis.de/ki-kennzeichnung/ki-audio · **Sprache:** de

Herausgeber: kihinweis.de — unabhängiges Informationsportal zur KI-Kennzeichnungspflicht nach Art. 50 der KI-Verordnung (EU AI Act). Kein Angebot einer Behörde, keine Rechtsberatung.

---

> **Kurz gesagt**
>
> Audio ist der Sonderfall unter den Formaten: Ein Audio-Deepfake wird gehört, während manche Player zugleich einen Bildschirm bieten. Art. 50 verlangt funktional eine klare, rechtzeitige, unterscheidbare und barrierefreie Offenlegung. Der freiwillige Code of Practice konkretisiert das für seine Unterzeichner mit hörbaren und — bei verfügbarem Bildschirm — zusätzlichen visuellen Hinweisen. Ein amtliches Audio-only-Icon gibt es noch nicht.

Bild und Video haben eine Fläche, auf die ein Label passt; bei reinem Audio fehlt sie. Trotzdem erfasst der EU AI Act Toninhalte ausdrücklich (Art. 3 Nr. 60) — die Deepfake-Definition nennt Bild-, **Ton-** und Videoinhalte gleichrangig. Ob eine Pflicht greift, hängt zunächst vom vollständigen Deepfake-Tatbestand und der Betreiberrolle ab; erst danach stellt sich die Frage nach dem passenden Offenlegungskanal.

## Die Zwei-Kanal-Praxis des freiwilligen Kodex

Für **Unterzeichner des Code of Practice** steht der Kernsatz in (CoP 1.2.2 e): Bei Audio-Deepfakes ist, wenn ein Bildschirm verfügbar ist, zusätzlich zum hörbaren Hinweis eine sichtbare Offenlegung auf Basis des Icons oder eines gleichwertigen Labels bereitzustellen. Genannt werden etwa der Bildschirm im Auto und das Smartphone-Display.

Ist eine visuelle Offenlegung nicht möglich, sieht (CoP 1.2.3) für Unterzeichner einen hörbaren Hinweis spätestens beim ersten Kontakt vor, optional unterstützt durch erklärte akustische Signale wie Töne oder Earcons. Außerhalb des Kodex bleibt der gesetzliche Maßstab funktional und kontextabhängig.

| Wo dein Audio landet | Robuste Umsetzung nach dem Kodex für Unterzeichner |
|---|---|
| Podcast-App auf dem Smartphone | Ansage **und** sichtbares Label |
| Autoradio mit Display | Ansage **und** sichtbares Label |
| Smart Speaker ohne Display | Ansage, ggf. mit akustischem Signal |
| Telefon-Ansage, Hotline | Ansage zu Beginn |
| Video mit erfasstem KI-Audio | visuelle Offenlegung; Audiohinweis kann ergänzen (CoP 1.2.2 d) |

Bei Video gilt innerhalb des Kodex die Video-Logik: Ein akustischer Hinweis ergänzt die visuelle Offenlegung. Mehr dazu auf der Seite zu [KI-Videos](https://kihinweis.de/ki-kennzeichnung/ki-video).

## Was die Ansage können muss

Der Code of Practice ist für seine Unterzeichner konkret. Wo visuelle Offenlegung nicht möglich ist, sieht er einen **kurzen hörbaren Hinweis am Anfang des Deepfakes selbst** vor: in einfacher, natürlicher Sprache, in der Sprache des Inhalts oder auf Englisch und möglichst mit der Information, ob der Inhalt generiert oder manipuliert wurde.

Für ausgeschnittene Audio-Fragmente, Langformate und Live-Ausspielung ergänzt der Kodex den Anfangshinweis um **Erinnerungen in regelmäßigen Abständen**, unter anderem nach Unterbrechungen wie Werbung. Die Leitlinien tragen den funktionalen Kern: Ist absehbar, dass Hörer den Inhalt nicht von Beginn an wahrnehmen, kann ein späterer zusätzlicher Hinweis nötig sein (LL Rn. 143). Die exakten Intervalle sind dagegen Code-Zusagen, keine allgemeine Gesetzesvorgabe.

> **Entwarnung — Ein kurzer Satz kann genügen**
>
> Es gibt keine amtliche Pflichtformulierung und keine Mindestlänge. Ein Satz wie „Die folgende Stimme wurde mit KI erzeugt.“ **kann im passenden Kontext genügen**, wenn er rechtzeitig, klar, unterscheidbar und zugänglich ist. Sprache, Zeitpunkt und Zuordnung müssen zum konkreten Inhalt und Publikum passen. Wie das bei geschriebenen Inhalten aussieht, steht auf der Seite zu [KI-Texten](https://kihinweis.de/ki-kennzeichnung/ki-texte); allgemeine Gestaltungsregeln sammelt die [Praxis-Anleitung](https://kihinweis.de/ki-kennzeichnung/wie).

## Es gibt noch kein Audio-Icon — und das steht so im Kodex

Die drei amtlichen EU-Icons — Basis-Icon, „AI GENERATED“ und „AI MODIFIED“ — sind ausnahmslos Grafiken. Für reine Tonwiedergabe existiert bis heute kein amtliches Pendant. Der Kodex sagt das im Anhang selbst: Ein reines Audio-Icon **werde ebenfalls noch entwickelt**. Zuständig ist die Task Force nach (CoP Measure 1.3), deren erklärtes Ziel unter anderem „non-visual/audio-only versions of the icon“ ist.

Für Unterzeichner heißt das: Ohne Bildschirm ist eine verständliche Ansage der naheliegende Weg. Ein eigener Klang kann ergänzen, wenn das Publikum seine Bedeutung durch begleitende Aufklärung versteht. Mit Bildschirm kommt nach der Code-Praxis ein sichtbarer Hinweis hinzu. Außerhalb des Kodex kannst du dieselbe Mehrkanal-Lösung nutzen, musst aber immer den konkreten ersten Kontakt prüfen.

## Voice Cloning: der amtliche Podcast-Fall

Die Leitlinien liefern für Audio einen ungewöhnlich klaren Beispielkatalog:

| Beispiel aus den Leitlinien | Deepfake? |
|---|---|
| KI-Audio mit geklonten Stimmen der Stammmoderatoren eines Zeitungs-Podcasts und eines Gesprächsgasts, die Nachrichten besprechen | ✓ ja |
| KI-Stimmreplikation für **fiktive Figuren** (Hörbuch, Spiel, Animation), ohne Täuschung über die Identität der Sprecher | ✗ nein |
| KI-bearbeitete Radiosendung mit angepassten technischen Audioparametern (Lautheit, Rauschunterdrückung, Kompression), ohne die gesprochenen Worte oder die Sprechweise zu verändern | ✗ nein |

Die Linie dahinter zieht (LL Rn. 116): Anpassungen technischer Parameter sind für die Echtheitsbewertung meist unerheblich. Die **Synthese realistischer Sprache in der Stimme einer bestimmten Person** zählt dagegen ausdrücklich zu den bedeutungsverändernden Eingriffen. Und der Maßstab ist objektiv — eine Täuschungsabsicht ist nicht erforderlich (LL Rn. 114). Weitere Grenzfälle sortiert der [Schnell-Check zu den Ausnahmen](https://kihinweis.de/ki-kennzeichnung/ausnahmen).

> **Achtung — Die Stimme gehört jemandem — das Label ändert daran nichts**
>
> Bei Stimmen liegen zwei Prüfungen übereinander, und die Kennzeichnung löst nur eine davon. Werden reale Personen in Deepfakes dargestellt, gelten zusätzlich Persönlichkeits-, Datenschutz-, Urheber- und gegebenenfalls Markenrecht (LL Rn. 127–129). Eine geklonte Stimme kann ohne die im konkreten Fall erforderliche Rechtsgrundlage oder Einwilligung weitere Rechte verletzen; ob eine Einwilligung nötig ist, hängt von Zweck, Rechtsgebiet und möglichen Ausnahmen ab. Ein KI-Label ersetzt diese Prüfung nicht.

## Musik: das abgeschwächte Regime — und was Spotify daraus macht

Für Musik gilt eine Besonderheit **erst dann, wenn überhaupt ein Deepfake vorliegt**. Stilähnlichkeit allein erzeugt nicht automatisch einen falschen Authentizitätseindruck. Für einen erfassten künstlerisch-kreativen Deepfake erlaubt (Art. 50 Abs. 4) eine angemessene Offenlegung, die den Genuss des Werks nicht beeinträchtigt; die Kategorie wird eng ausgelegt (LL Rn. 120–122). Stimm- oder Identitätsimitation ist daher getrennt von bloßer Stilähnlichkeit zu prüfen.

Spotify bietet über Distributoren **AI Credits** an: freiwillig, als Beta und rollenbasiert etwa für Lyrics, Vocals, Instrumentalaufnahmen und Produktion. Das ist eine Plattformfunktion mit begrenztem Darstellungsbereich, keine allgemeine Art.-50-Erfüllungsgarantie. Parallel dokumentiert Spotify Regeln gegen unautorisierte Stimm-Imitationen.

Für dich heißt das: Verlass dich nicht allein auf ein optionales Credit-Feld. Nutze eine Ansage, ein Cover-Label und eine Beschreibung als robuste Mehrkanal-Lösung und teste, welche Elemente deine konkreten Zielplattformen beim ersten Kontakt tatsächlich anzeigen.

## Der Punkt, den fast alle übersehen: Barrierefreiheit

Audio-Kennzeichnung hat ein eingebautes Problem — wer schlecht hört, bekommt die Ansage nicht mit. Der Kodex denkt das mit und nennt in seinen Barrierefreiheits-Vorgaben **taktile und haptische Hinweise für reine Audioinhalte**, ausdrücklich mit dem Beispiel eines Vibrationsalarms vor dem Abspielen, der auf Deepfake-Inhalt hinweist. Umgekehrt sollen visuelle Offenlegungselemente durch Audiodeskription oder alternative Signale zugänglich sein. Die Leitlinien stellen dabei klar, dass Art. 50 keine zusätzlichen Barrierefreiheits-Anforderungen schafft — die bestehenden europäischen Regeln gelten aber unverändert weiter (LL Rn. 144).

Das ist kein Nischenthema: Wenn deine Kennzeichnung nur auf einem Sinneskanal funktioniert, kann ein Teil des Publikums sie nicht wahrnehmen. Der Kodex konkretisiert deshalb für seine Unterzeichner eine Mehrkanal-Lösung. Art. 50 schafft laut Leitlinien keine neuen Barrierefreiheitsregeln, lässt bestehende Anforderungen aber unberührt (LL Rn. 144). Wie sich das ins Gesamtbild der Pflichten einfügt, zeigt der [Überblick zur KI-Kennzeichnung](https://kihinweis.de/ki-kennzeichnung).

**Ansage und Cover gemeinsam testen**

Cover-Art und Episodenbild sind wichtige sichtbare Flächen, werden aber nicht in jedem Player oder geteilten Link garantiert angezeigt. Ergibt die Prüfung eine Offenlegungspflicht, kannst du das optionale offizielle EU-Label oder einen klaren eigenen Hinweis ins Cover setzen, eine verständliche Ansage ergänzen und die konkrete Zielplattform prüfen. Der Editor arbeitet lokal im Browser.

[Zum Editor](https://kihinweis.de/editor)

## Häufige Fragen

### Wie kennzeichnet man etwas, das man nur hören kann?

Art. 50 verlangt eine klare, rechtzeitige, unterscheidbare und barrierefreie Offenlegung, schreibt aber keine allgemeine Zwei-Kanal-Formel vor. Für Unterzeichner des freiwilligen Code of Practice gilt konkreter: ohne Bildschirm ein hörbarer Hinweis; mit Bildschirm zusätzlich eine sichtbare Offenlegung. Auch außerhalb des Kodex ist diese Kombination eine robuste Praxis, wenn sie zum Nutzungskontext passt.

### Gibt es ein amtliches EU-Icon für Audio?

Noch nicht. Die veröffentlichten EU-Icons — Basis-Icon, „AI GENERATED“ und „AI MODIFIED“ — sind Grafiken. Der freiwillige Code of Practice sieht die weitere Entwicklung nichtvisueller beziehungsweise audio-only Varianten vor. Für seine Unterzeichner ist ohne Bildschirm ein hörbarer Hinweis vorgesehen; ein erklärtes akustisches Signal kann ihn unterstützen.

### Ist eine geklonte Stimme im Podcast kennzeichnungspflichtig?

Dieser Fall kann die Pflicht auslösen: Die Leitlinien führen KI-generiertes Audio mit geklonten Stimmen der regelmäßigen Moderatoren eines Zeitungs-Podcasts und eines Gesprächsgasts, die Nachrichten besprechen, als Deepfake-Beispiel. Entscheidend sind wahrnehmbare Ähnlichkeit und ein möglicher falscher Authentizitätseindruck; eine Offenlegungspflicht folgt, wenn du das KI-System als Betreiber unter eigener Verantwortung nutzt und den Inhalt einsetzt.

### Muss ich ein KI-Hörbuch kennzeichnen?

Nicht automatisch. Die Leitlinien nennen KI-Stimmreplikation für fiktive Figuren — etwa in Hörbüchern, Spielen oder Animation — ausdrücklich als Nicht-Deepfake, solange keine Täuschung über die Identität der Sprecher entsteht. Wird dagegen die Stimme eines realen, benannten Sprechers nachgebildet, kippt der Fall. Auch technische Nachbearbeitung wie Lautheitsnormalisierung oder Rauschunterdrückung bleibt frei.

### Erfüllt das SynthID-Wasserzeichen meine Pflicht?

Nein. SynthID ist ein maschinenlesbares, für Menschen nicht hörbares Provider-Signal. ElevenLabs begann den Rollout am 28. Juli 2026 zunächst für Free-Tier-TTS und kündigte weitere Generationen für die folgenden Wochen an. Das Signal kann zur Anbieter-Markierung beitragen, belegt aber nicht allein die vollständige Erfüllung von Art. 50 Abs. 2 und ersetzt keine sicht- oder hörbare Betreiber-Offenlegung.

### Reicht der KI-Hinweis in der Episodenbeschreibung?

Das kann je nach Ausspielweg zu spät oder gar nicht wahrnehmbar sein. Prüfe, wo dein Publikum erstmals mit dem Audio in Kontakt kommt. Ansage, Cover und Beschreibung sind eine robuste Mehrkanal-Empfehlung, aber keine plattformübergreifende Reichweitengarantie; teste die konkrete Podcast-App, den Player oder das Autoradio.

## Quellen

- [Europäische Kommission, Leitlinien zu Art. 50, C(2026) 5054 final vom 20.07.2026, insb. Rn. 60, 113–116, 120, 129, 143](https://digital-strategy.ec.europa.eu/en/library/guidelines-transparency-obligations-providers-and-deployers-ai-systems)
- [Verordnung (EU) 2024/1689, konsolidierter Stand 27.07.2026 — Art. 3 Nr. 60 und Art. 50](https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:02024R1689-20260727)
- [Code of Practice on Transparency of AI-Generated Content (10.06.2026), Volltext-PDF — Measure 1.1 (Audio), Sub-measure 1.2.2 lit. e, 1.2.3, Measure 1.3, Annex 1](https://ec.europa.eu/newsroom/dae/redirection/document/129555)
- [Europäische Kommission, EU-Icons zur Kennzeichnung KI-generierter Inhalte (drei Icons, alle visuell)](https://digital-strategy.ec.europa.eu/en/policies/eu-icons-labelling-ai-generated-content)
- [Google DeepMind: SynthID — Wasserzeichen für Audio, „inaudible to the human ear“](https://deepmind.google/models/synthid/)
- [ElevenLabs: SynthID-Rollout ab 28.07.2026, zunächst Free-Tier-TTS](https://elevenlabs.io/blog/synthid)
- [Spotify Support: AI credits (Beta, optional, über den Distributor gemeldet)](https://support.spotify.com/us/artists/article/ai-credits/)
- [Spotify Newsroom: „Spotify Strengthens AI Protections for Artists, Songwriters, and Producers“ (DDEX-Standard, Impersonation-Policy)](https://newsroom.spotify.com/2025-09-25/spotify-strengthens-ai-protections/)
- [Wettbewerbszentrale, Leitfaden „Kennzeichnung KI-generierter Inhalte“, v1.1, 04.02.2026](https://www.wettbewerbszentrale.de/wp-content/uploads/2026/02/2026_2_Leitfaden_KI_generierte_inhalte_1-1.pdf)