Start / KI-Zwilling erstellen
Ähnlichkeit
KI-Zwilling erstellen, wie nah das Abbild an die Person kommt
Drei Ebenen der Ähnlichkeit mit sehr verschiedenen Antworten, die vier Merkmale, an denen Zuschauer den Unterschied bemerken, fünf Prüfsätze vor der ersten Serie und drei Anlässe, für die wir von diesem Format abraten.
Das Video liegt bei Wistia. Erst beim Abspielen werden Daten dorthin übertragen, unter anderem Ihre IP-Adresse. Näheres in der Datenschutzerklärung.
Diese Seite beschreibt, wie nah ein erzeugtes Abbild an die aufgenommene Person kommt und woran Zuschauer den Unterschied bemerken. Die Beobachtungen stammen aus eigenen Projekten und aus Rückmeldungen von Zuschauergruppen; sie sind keine Messwerte und keine Zusage für Ihren Fall. Angaben zu Plattformfunktionen geben den Stand vom August 2026 wieder.
Die Ähnlichkeit hat drei Ebenen mit verschiedenen Antworten: das Aussehen im Standbild ist kaum unterscheidbar, Bewegung und Ausdruck sind begrenzt, und bei der Stimme trifft der Klon die Klangfarbe, nicht die Betonung. Deshalb taugt ein Standbild nicht zur Beurteilung, wohl aber neunzig Sekunden mit Ton. Zuschauer bemerken den Unterschied an gleichförmiger Betonung, wiederkehrender Gestik, einem Ausdruck, der nicht zum Inhalt passt, und einem zu ruhigen Blick. Abhilfe liegt vor der Aufnahme und im Text, nicht am Modell. Wo Anwesenheit Teil der Botschaft ist, trägt das Format nicht, unabhängig von seiner Qualität.
Wie nah kommt das Abbild
Drei Ebenen, drei sehr verschiedene Antworten.
Die Frage nach der Ähnlichkeit wird meist als eine einzige gestellt und hat drei verschiedene Antworten, je nachdem, welche Ebene gemeint ist. Diese Aufteilung ist nützlich, weil sie erklärt, warum ein Ergebnis auf einem Standbild überzeugend aussieht und im Video trotzdem befremdet.
| Ebene | Wie nah | Was fehlt |
|---|---|---|
| Aussehen im Standbild | Sehr nah, in guten Aufnahmen kaum unterscheidbar | Nichts von Belang |
| Bewegung und Ausdruck | Erkennbar, aber begrenzt | Bandbreite, spontane Regungen, Zusammenspiel mit dem Inhalt |
| Stimme und Betonung | Klangfarbe nah, Betonung schwächer | Hervorhebung im Satz, Ironie, Umgang mit Zahlen |
Praktisch heißt das: Ein Standbild aus einem Avatarvideo eignet sich nicht zur Beurteilung, weil es die einzige Ebene zeigt, die gelöst ist. Wer ein Ergebnis bewerten will, sieht sich neunzig Sekunden im Ton an, nicht ein Bild.
Woran Zuschauer es merken
Vier Merkmale, und keines liegt in der Bildqualität.
Aus den Rückmeldungen unserer Projekte lassen sich vier Merkmale zusammenfassen. Bemerkenswert daran ist, dass die Bildqualität nicht darunter ist. Zuschauer beschreiben ihren Eindruck selten technisch, sondern als Gefühl, und dieses Gefühl hat meist eine dieser vier Ursachen.
| Merkmal | Was Zuschauer sagen | Was hilft |
|---|---|---|
| Gleichförmige Betonung | „Klingt vorgelesen“ | Kürzere Sätze, Satzzeichen zur Steuerung, Probe vor der Serie |
| Wiederkehrende Gestik | „Irgendwie anstrengend“ | Videos unter zwei Minuten, Wechsel im Bild |
| Ausdruck passt nicht zum Inhalt | „Wirkt gleichgültig“ | Aufnahme mit mehreren Grundhaltungen, passende Fassung wählen |
| Zu ruhiger Blick | „Schaut durch mich durch“ | Blickachse in der Aufnahme prüfen, Einblendungen setzen |
Wer die Ähnlichkeit erhöhen will, arbeitet am Text und an der Aufnahme. Am Modell selbst ist nichts zu drehen.
Was aus der Aufnahme nicht mitkommt
Die Lücke ist keine Schwäche der Technik, sondern eine Folge des Verfahrens.
Ein Modell bildet nach, was in seinem Ausgangsmaterial vorkommt. Diese eine Eigenschaft erklärt fast alle Beobachtungen aus dem Abschnitt oben, und sie ist keine Frage der Plattformwahl. Vier Dinge kommen deshalb systematisch nicht mit.
- Die spontane Regung. Ein kurzes Stirnrunzeln an der Stelle, an der es im Text passt, entsteht nicht, weil dem Modell die Bedeutung des Satzes nicht bekannt ist.
- Der Sprechrhythmus über mehrere Sätze. Betonung wird satzweise gerechnet, die Bewegung eines Gedankens über drei Sätze hinweg nicht.
- Der Blickwechsel. Wer im Gespräch überlegt, schaut kurz weg. Ein Modell schaut durchgehend dorthin, wo die Aufnahme hinschaute.
- Die Reaktion auf das eigene Gesagte. Nach einer Zahl, die überrascht, verändert ein Mensch seinen Ausdruck. Das Modell tut es nicht, weil es die Zahl nicht liest.
Der letzte Punkt ist der wichtigste für die Wahl des Einsatzorts. Wo Inhalte sachlich sind und keine Reaktion erwarten lassen, fällt die Lücke nicht auf. Wo es um Neuigkeiten, Zahlen mit Gewicht oder schwierige Nachrichten geht, fällt sie auf, und dann ist die erzeugte Ansprache das falsche Mittel.
Fünf Prüfsätze vor dem Einsatz
Was wir uns in jedem Projekt vor der ersten Serie ansehen.
Bevor aus einem Modell zwanzig Videos entstehen, lohnt eine Probe mit fünf Sätzen, die die bekannten Schwachstellen gezielt treffen. Fällt eine davon durch, ist es günstiger, das jetzt zu wissen.
- Ein Satz mit vier Zahlen und einer Prozentangabe, um die Betonung von Zahlen zu prüfen.
- Ein Satz mit zwei Fachbegriffen oder Produktnamen, um Aussprache und Wortbetonung zu prüfen.
- Ein Satz mit einer Frage, weil die Satzmelodie am Ende einer Frage oft nicht steigt.
- Ein Satz mit einem Nebensatz von mehr als zwanzig Wörtern, weil hier die Betonung über Satzgrenzen versagt.
- Ein Satz in jeder weiteren Sprache, die vorgesehen ist, von einem Muttersprachler angehört.
In den Projekten, in denen diese Probe gelaufen ist, hat sie regelmäßig zu einer Anpassung geführt, meist an der Schreibweise von Zahlen und Produktnamen im Skript. Das ist billiger als zwanzig Videos, die alle dieselbe Stelle falsch aussprechen.
Wo Nähe gefordert ist und das Format nicht trägt
Drei Anlässe, für die wir davon abraten.
Ein Teil der Antwort auf die Frage nach der Ähnlichkeit ist die Frage, ob Ähnlichkeit im jeweiligen Fall überhaupt genügt. Bei drei Anlässen genügt sie nach unserer Erfahrung nicht, und das hat nichts mit der Qualität des Modells zu tun.
| Anlass | Warum das Format nicht trägt | Was stattdessen |
|---|---|---|
| Schlechte Nachricht an Beschäftigte | Die Botschaft ist die Anwesenheit, nicht der Text | Persönlich sprechen, notfalls gedrehte Aufnahme |
| Entschuldigung nach einem Fehler | Ein erzeugtes Abbild wirkt als zweite Zumutung | Persönliche Ansprache, schriftlich oder im Gespräch |
| Vertrauensaufbau im Erstkontakt bei großen Vorhaben | Die Gegenseite prüft die Person, nicht die Information | Gespräch, Videoanruf, Vor-Ort-Termin |
Umgekehrt trägt das Format überall dort, wo Wiederholung anfällt und der Inhalt sachlich ist: Einweisungen, Erklärungen zu Produkten, Antworten auf immer gleiche Fragen, Schulungen und mehrsprachige Fassungen desselben Inhalts. Dort ist es nicht ein Ersatz für Anwesenheit, sondern ein Ersatz für ein Video, das sonst nicht entstanden wäre.
Nächste Schritte
Wohin es von hier weitergeht.
Wer wissen will, wie das Abbild technisch entsteht und was daran später nicht mehr änderbar ist, findet das auf der Seite zum Modell. Wer die Aufnahme plant, aus der die Bandbreite an Ausdruck kommen muss, findet die Anleitung auf der Seite zur eigenen Aufnahme.
Wer die rechtliche Seite regeln muss, weil eine bestimmte Person abgebildet wird, findet die Punkte auf der Seite zu den Rechten der abgebildeten Person. Wie die Qualitätsstufen dieses Formats aussehen, zeigt die Beispielseite.
Häufige Fragen zur Ähnlichkeit
Erkennen Zuschauer, dass es kein echtes Video ist?
Das hängt weniger vom Bild ab als von drei anderen Dingen: der Betonung, der wiederkehrenden Gestik und der fehlenden Reaktion auf das eigene Gesagte. In kurzen Videos mit sachlichem Inhalt fällt es selten auf. In langen Videos, in denen es um Nähe geht, fällt es fast immer auf, auch wenn niemand benennen kann, woran.
Was wird gut übernommen und was nicht?
Gut übernommen werden Gesichtszüge, Kopfhaltung, Blickachse und die Klangfarbe der Stimme. Schwächer übernommen werden Sprechrhythmus über mehrere Sätze, Mikrogestik der Hände und das Zusammenspiel von Ausdruck und Inhalt. Vollständig fehlt, was in der Aufnahme nicht vorkam, denn das Modell erfindet nichts hinzu.
Warum klingt der Stimmklon manchmal daneben, obwohl er ähnlich ist?
Weil die Klangfarbe stimmt und die Betonung nicht. Ein Klon bildet nach, wie eine Stimme klingt, aber nicht, welches Wort im Satz diese Person betonen würde. Bei Zahlen, Fremdwörtern, Abkürzungen und Ironie geht das am häufigsten schief, und dann klingt es nicht falsch, sondern gleichgültig.
Kann man die Ähnlichkeit nachträglich verbessern?
Am Modell nicht. Was hilft, liegt vor der Aufnahme und nach der Erzeugung: eine Aufnahme mit mehr Bandbreite an Ausdruck, kürzere Stücke, ein Text, der zur Sprechweise der Person passt, und Untertitel, die die Aufmerksamkeit vom Mund wegnehmen. Wer aus einer schwachen Aufnahme mehr herausholen will, nimmt neu auf.
Ist ein Zwilling dasselbe wie ein Deepfake?
Technisch verwandt, rechtlich und in der Absicht nicht. Der Unterschied liegt in der Einwilligung der abgebildeten Person und in der Kennzeichnung des Ergebnisses. Wer eine Person ohne ihre Zustimmung abbildet, greift in ihr Persönlichkeitsrecht ein, unabhängig davon, wie das Verfahren heißt. Was dazu zu regeln ist, steht auf der Seite zu den Rechten der abgebildeten Person.
Wie viele Fassungen der eigenen Person sind sinnvoll?
Zwei bis drei, und nicht mehr. Eine sachliche Fassung im Sitzen für Erklärungen, eine stehende für Ansprachen, gegebenenfalls eine dritte in anderer Kleidung für einen anderen Anlass. Jede weitere Fassung kostet einen eigenen Aufnahmetermin und wird meist nicht genutzt.
Merken Mitarbeitende den Unterschied schneller als Kunden?
In unseren Projekten ja, und das ist erwartbar. Wer eine Person täglich erlebt, hat ein genaues Bild von ihrer Sprechweise und bemerkt Abweichungen sofort. Deshalb ist die interne Kommunikation der schwierigere Einsatzort, nicht der leichtere, und deshalb gehört dort die Kennzeichnung selbstverständlich dazu.
Was sagt die abgebildete Person selbst dazu?
Erfahrungsgemäß ist die eigene Reaktion die kritischste. Das ist normal, weil jeder sein eigenes Gesicht und seine eigene Stimme anders wahrnimmt als andere. Für die Bewertung des Ergebnisses ist deshalb die Rückmeldung von Personen aussagekräftiger, die die abgebildete Person kennen, aber nicht sie selbst sind.
Zum Mitnehmen
- Der Unterschied wird nicht im Bild bemerkt, sondern in Betonung, wiederkehrender Gestik und fehlender Reaktion auf das Gesagte.
- Das Modell erfindet nichts hinzu. Was in der Aufnahme fehlt, fehlt in jedem Video.
- Der Stimmklon trifft die Klangfarbe, nicht die Betonung. Zahlen, Fremdwörter und Ironie sind die schwachen Stellen.
- Nachträglich verbessern lässt sich das Ergebnis über Textlänge, Textwahl und Untertitel, nicht über das Modell.
- Zwei bis drei Fassungen der eigenen Person genügen. Jede weitere kostet einen eigenen Termin.
- Innen fällt der Unterschied schneller auf als außen. Interne Kommunikation ist der schwierigere Einsatzort.
Eine Probe, bevor zwanzig Videos entstehen
In einer halben Stunde klären wir, ob Ihr Anlass zu den Fällen gehört, in denen das Format trägt, und welche fünf Prüfsätze für Ihren Inhalt die richtigen sind. Wenn Anwesenheit gefordert ist, sagen wir das. Sie gehen mit einer Einschätzung aus dem Gespräch, nicht mit einem Angebot.
Termin vereinbaren
Wählen Sie einen Zeitpunkt, der Ihnen passt. Das Gespräch dauert dreißig Minuten und findet als Videokonferenz statt.
Die Terminbuchung läuft über Calendly. Beim Laden des Kalenders werden Daten an Calendly übertragen, unter anderem Ihre IP-Adresse. Näheres in der Datenschutzerklärung.
Anfrage stellen
Wenn Ihnen ein Termin zu früh ist, schildern Sie hier kurz Ihr Vorhaben. Sie bekommen eine Einschätzung, ob sich die Rechnung bei Ihrem Aufkommen trägt.
Ihre Anfrage ist angekommen. Wir melden uns in der Regel am selben Werktag.
Die Anfrage ließ sich nicht zustellen. Schreiben Sie uns bitte an info@aidentical.de.
AIdentical Redaktion, Video- und Avatarproduktion der sensified AI GmbH. Diese Seite ist eine Modellrechnung mit offengelegten Annahmen und keine Kundenreferenz. Wo Marktpreise genannt sind, stehen Herkunft und Stand dabei. Stand: August 2026. Mehr zur Redaktion
Die auf dieser Seite gezeigten Bilder sind ganz oder teilweise künstlich erzeugt. Kennzeichnung nach Artikel 50 der Verordnung (EU) 2024/1689. Weitere Angaben unter Transparenz.
Ergebnis einschätzen lassen30 Minuten, ohne Vorbereitung