Avatar mit KI erstellen, vier Verfahren und welches zu Ihrem Fall passt

Vier Verfahren, und woran sie sich unterscheiden

Vorlagengesicht, Fotoavatar, Videoavatar, erfundene Persona.

Wer Angebote vergleicht, findet für dieselbe Sache verschiedene Namen: Instant Avatar, Stock Avatar, Foto-Avatar, Studio-Avatar, Digital Twin, KI-Modell. Dahinter stehen vier Verfahren, die sich in einem Punkt unterscheiden, und zwar darin, was aufgenommen wird. Alles andere folgt daraus: der Aufwand, die Kosten, die rechtlichen Pflichten und die Grenzen im Ergebnis.

Die Reihenfolge in der Tabelle ist auch die Reihenfolge des Aufwands, und sie ist nicht die Reihenfolge der Qualität. Ein Vorlagenavatar in einer untertitelten Sicherheitsunterweisung wirkt sauberer als ein Videoavatar aus einer schlecht beleuchteten Aufnahme.

Die Frage, die die Wahl entscheidet

Muss eine bestimmte Person zu sehen sein?

Diese Frage sortiert die vier Verfahren in zwei Gruppen, und sie wird in Vorgesprächen selten zuerst gestellt. Wer sie zuerst stellt, spart sich den Vergleich von Funktionen, die für den eigenen Fall keine Rolle spielen.

Ja, eine bestimmte Person

Dann bleibt der Videoavatar. Das gilt für die Geschäftsführung in einer Ansprache, für eine Fachkraft in einer Erklärung und für eine Beraterin, deren Person das Angebot ist. Mit der Person kommen drei Pflichten: die Einwilligung nach Paragraf 22 des Kunsturhebergesetzes, die Regelung für den Fall des Ausscheidens und ein Weg, den Avatar kurzfristig zu sperren.

Nein, ein Gesicht genügt

Dann sind Vorlagengesicht und erfundene Persona die günstigeren Wege, und der Fotoavatar liegt dazwischen. Das gilt für Sicherheitsunterweisungen, Anleitungen, Bedienhinweise und alles, was eine Sache erklärt und nicht eine Meinung vertritt. Der Preis dieser Wahl ist die Wiedererkennung: Ein Vorlagengesicht spricht auch für andere Häuser.

Zwei weitere Fragen ordnen den Rest. Wie lange soll der Inhalt gelten? Was in sechs Monaten veraltet ist, rechtfertigt keine Aufnahme. Und wie viele Sprachen sind gefordert? Ab der dritten Sprache verschiebt sich die Rechnung deutlich zu erzeugten Videos, weil eine gedrehte Fassung je Sprache eine eigene Produktion ist.

Erst die Frage nach der Person, dann die Funktionsliste. Umgekehrt vergleicht man Angebote, die verschiedene Dinge tun.

Vorlagengesicht, der schnellste Weg

Kein Aufnahmetermin, keine Einwilligung, keine Wiedererkennung.

Die großen Plattformen liefern Bibliotheken mit mehreren Hundert Personen, die für diesen Zweck aufgenommen und lizenziert wurden. Sie tippen Text, wählen ein Gesicht und eine Stimme und erhalten ein Video. Rechtlich ist das der einfachste Weg, weil die Einwilligung der gezeigten Person beim Anbieter liegt und nicht bei Ihnen.

Der Nachteil ist derselbe Umstand: Die Person ist lizenziert, nicht exklusiv. Wer ein Vorlagengesicht in der Außenkommunikation einsetzt, kann es einige Monate später in der Werbung eines anderen Hauses wiedersehen. Für interne Unterweisungen ist das gleichgültig. Für eine Marke, die Vertrauen an ein Gesicht bindet, ist es ein Ausschlussgrund.

• Trägt: Unterweisungen, Anleitungen, Statusmeldungen, mehrsprachige Kurzvideos, Vertretung bei einem Ausfall.
• Trägt nicht: Aussagen, für die jemand einsteht, Kundenansprachen mit Namen, alles, was persönliche Autorität braucht.
• Vor der Nutzung prüfen: Erlaubt die Lizenz Werbung? Mehrere Bibliotheken trennen zwischen interner Nutzung und bezahlter Verbreitung.

Fotoavatar, und wo er auffällt

Ein Bild reicht, die Mimik bleibt begrenzt.

Aus einem Porträt erzeugt die Plattform ein sprechendes Gesicht. Lippen und Kopf bewegen sich, der Blick wechselt leicht. Was nicht entsteht, sind Gesten, Gewichtsverlagerung und Reaktionen auf den Inhalt. Das fällt nicht in den ersten Sekunden auf, sondern nach etwa einer Minute, weil sich die verfügbaren Bewegungen wiederholen.

Damit ist der Einsatzbereich beschrieben: kurze Stücke. Eine Begrüßung auf einer Angebotsseite, eine Ansage zu einer Änderung, ein Hinweis in einem Formular. Wer ein Kapitel einer Schulung damit belegt, erhält ein Video, das fachlich stimmt und im Zuschauen ermüdet.

Zur Vorlage selbst: Ein Foto vom Mobiltelefon vor einer Wand genügt häufig nicht, weil das Verfahren an Kanten arbeitet. Gerader Blick in die Kamera, weiches Licht von vorn, ruhiger Hintergrund, Schultern im Bild, keine feinen Muster in der Kleidung. Die ausführliche Anleitung dazu steht auf der Seite zur eigenen Aufnahme.

Videoavatar, der Weg mit der Person

Größte Nähe, größter Aufwand vor der Aufnahme.

Hier nimmt die gezeigte Person zwei bis fünf Minuten Video auf, in der Regel mit einem vorgegebenen Text und einem gesprochenen Einwilligungssatz. Daraus entsteht ein Modell, das anschließend beliebige Texte sprechen kann. Das Ergebnis ist das einzige der vier Verfahren, bei dem Zuschauer die Person erkennen.

Der Aufwand liegt nicht in der Aufnahme, die eine halbe Stunde dauert, sondern davor und danach. Davor: Skript, Einwilligung, Abstimmung mit dem Betriebsrat, wenn Beschäftigte gezeigt werden. Danach: die Liste, wo welches Video liegt, und eine Regelung für den Fall, dass die Person das Unternehmen verlässt. Diese Punkte kosten mehr Zeit als die Technik und werden in Angeboten seltener genannt.

Zur Nähe am Original gehört eine ehrliche Angabe. Ein sorgfältig erstellter Videoavatar wird in kurzen Stücken von vielen Zuschauern nicht als erzeugt erkannt. In längeren Stücken fällt er auf, und zwar an der Betonung und an der Gestik. Wer den Unterschied gezielt sucht, findet ihn. Was er im Üblichen verrät, steht auf der Seite zur Nähe zum Original.

Erfundene Persona, ein Gesicht ohne Vorlage

Kein Persönlichkeitsrecht, dafür eine deutliche Kennzeichnungspflicht.

Statt eine Person aufzunehmen, wird ein Gesicht erzeugt, das es nicht gibt. Der Vorteil ist rechtlich: Es gibt keine abgebildete Person, deren Einwilligung eingeholt und deren Widerruf beachtet werden muss, und keinen Sperrfall bei einem Ausscheiden. Der Nachteil ist kommunikativ: Ein erfundenes Gesicht trägt keinen Vertrauensvorschuss.

Zwei Pflichten treten dafür in den Vordergrund. Wird die Persona in Werbung eingesetzt und beim Publikum der Eindruck einer echten Person erzeugt, ist das nach Paragraf 5a des Gesetzes gegen den unlauteren Wettbewerb eine Irreführung durch Unterlassen. Und die Kennzeichnung nach Artikel 50 der Verordnung (EU) 2024/1689 gilt hier genauso wie sonst. Beides ist beherrschbar, aber es gehört vor die erste Veröffentlichung und nicht danach.

Die Stimme ist eine eigene Entscheidung

Bibliotheksstimme oder Klon, unabhängig vom gewählten Bild.

Bild und Stimme werden getrennt gewählt, und diese Trennung wird häufig übersehen. Zu einem Videoavatar passt eine Bibliotheksstimme, und ein Vorlagengesicht lässt sich mit einem Stimmklon verbinden, wenn die Lizenz das erlaubt. Es gibt zwei Wege mit unterschiedlichen Folgen.

Für den Stimmklon gilt eine Vorkehrung, die unabhängig von der Technik ist: Regeln Sie, wer ihn freischalten darf. Eine Zweitfreigabe kostet nichts und verhindert den Fall, in dem eine erzeugte Stimme im Namen der Geschäftsführung eine Anweisung ausspricht.

Was in allen vier Wegen gleich bleibt

Vier Aufgaben, die keine Plattform übernimmt.

Der Vergleich der Verfahren verdeckt leicht, dass ein großer Teil der Arbeit unabhängig von der Wahl anfällt. Diese vier Aufgaben bleiben in jedem Fall bei Ihnen, auch wenn Sie die Produktion vergeben.

• Das Skript. Ein Avatar sagt nur, was jemand geschrieben hat. Gesprochener Text folgt anderen Regeln als geschriebener: kurze Sätze, ein Gedanke je Satz, keine Schachtelungen, Zahlen ausgeschrieben.
• Die fachliche Freigabe. Ob Lieferzeiten, Wartungsintervalle und Preise im Skript stimmen, weiß kein Dienstleister. Diese Freigabe ist der Posten, der in Zeitplänen am häufigsten fehlt.
• Die Einwilligung, wo eine Person gezeigt oder gehört wird. Schriftlich, mit benanntem Zweck, und mit einer Regelung für den Fall des Ausscheidens.
• Die Kennzeichnung. Die Pflicht nach Artikel 50 trifft den, der veröffentlicht. Sinnvoll ist, sie technisch mitliefern zu lassen, statt sie bei jeder Veröffentlichung von Hand zu ergänzen.

Wer diese vier Aufgaben verteilt hat, kann das Verfahren später noch wechseln. Wer sie offen lässt, merkt es beim dritten Video, unabhängig davon, welche Art von Avatar im Einsatz ist.

Aufwand und Kosten je Verfahren

Der Abstand zwischen den Verfahren ist größer als der zwischen Anbietern.

Die folgende Aufstellung nennt keine Beträge, sondern die Posten, die je Verfahren zusätzlich anfallen. Beträge stehen auf der Preisseite, weil sie sich häufiger ändern als die Struktur.

Ein Posten fehlt in dieser Tabelle mit Absicht, weil er in allen vier Zeilen gleich steht und in ersten Rechnungen dennoch regelmäßig fehlt: die Pflege. Inhalte ändern sich, Aussprachen werden korrigiert, Plattformfunktionen wechseln. Wer Videos über Jahre nutzt, rechnet mit Stunden im Monat, nicht mit einer einmaligen Ausgabe.

Nächste Schritte

Wohin es von hier weitergeht.

Wenn Sie das Verfahren eingeordnet haben, sind die nächsten Fragen technischer und liegen auf eigenen Seiten. Wer eine Person zeigen will, findet die Aufnahmeanleitung auf der Seite zur eigenen Aufnahme und die Grenzen im Bewegtbild auf der Seite zum Videoavatar. Wer wissen will, was aus der Aufnahme technisch entsteht, findet das auf der Seite zum Modell.

Wer noch nicht weiß, ob die Umsetzung im Haus oder beauftragt besser passt, findet die Gegenüberstellung samt drei Fällen, in denen wir vom eigenen Angebot abraten, auf der Entscheidungsseite. Und wer den Ablauf eines Vorhabens von Anfang bis Betrieb sehen will, findet ihn auf der Schritt-Seite.

Drei der vier Verfahren auf dieser Seite arbeiten ohne eine bestimmte reale Person. Was sie technisch verbindet und wo ihre Grenzen liegen, steht zusammengefasst auf der Seite zu generative KI-Avatare. Sie ist der richtige Anschluss, wenn die Frage nach der Person mit Nein beantwortet ist und danach die Wahl zwischen Vorlagengesicht, Fotoavatar und erfundener Figur ansteht.

Häufige Fragen zu den Verfahren