Guten Tag, liebe Kolleginnen, Kollegen und geschätzte Mitlesende aus Wirtschaft, Wissenschaft und Diplomatie! Hier bloggt im 20. Jahr eine Konferenzdolmetscherin und Übersetzerin mit den Sprachen DE, FR und EN. Heute: KI-Mittwoch!
Mir ist gerade die Zeit knapp. Daher habe ich die KI gefragt, ob sie Filme einsprechen könnte, darüber habe ich gestern geschrieben (Link).
![]() |
| Die KI erkennt weder Zusammenhänge noch Wichtigkeit |
Unter Spontanem meine ich schnellen Sprachwechsel, Hintergrundgeräusche, überlappende Stimmen, Dialekte und Akzente, Sprechfehler und ins Off Gesprochenes, also vom Mikrofon weggesprochene Sätze. Solche Momente sind Alltag für uns Dolmetscher:innen.
Das Ganze ist einfach erklärt: Wir Menschen machen viele Fehler. Die KI allerdings scheitert daran meistens. Das menschliche Leben ist zu chaotisch für die KI.
Studien der WHO zufolge gibt die KI bei Konferenzsettings weniger als 50 Prozent der Begriffe einigermaßen korrekt wieder. Die Nuance und die Zuordnung der Wörter stimmen allerdings oft nicht und werden dann noch durch Auslassungen und von Halluzinationen gefärbt und in der Gewichtung beeinflusst. Fazit: unbrauchbar.
Theoretisch müsste die KI bei vorbereiteten Inhalten besser dastehen, oder? Was jetzt folgt, meint die KI selbst, ChatGPT. Die Antwort habe ich leicht gekürzt.
„Ja, technisch betrachtet kann KI Filme einsprechen. Aber zwischen einer technisch brauchbaren Sprachspur und einer gelungenen Filmeinsprache liegt eine erhebliche Lücke. Gerade aus Deiner Praxis ist die Unterscheidung interessant.
Was KI heute leisten kann
— Text übersetzen: Sie kann Dialoge aus dem Original oder vorhandenen Untertiteln übersetzen. Dabei können allerdings Bedeutungsnuancen, Ironie, Figurenbeziehungen und kulturelle Anspielungen verloren gehen.
— Stimmen erzeugen: Synthetische Stimmen können Texte mit unterschiedlicher Stimmfarbe, Sprechgeschwindigkeit und Intonation vorlesen.
— Timing anpassen: Eine Sprachspur lässt sich anhand von Timecodes auf die Filmbilder abstimmen. Auch Pausen und ungefähre Sprechdauer lassen sich berücksichtigen.
— Mehrere Rollen sprechen: Ein System kann verschiedenen Figuren unterschiedliche synthetische Stimmen zuweisen. Es kann sogar versuchen, Emotionen und Sprechweisen zu variieren.
Das heißt: Eine KI kann heute eine komplette, technisch synchronisierte Sprachfassung erzeugen. Sie muss dafür nicht einmal den Film so verstehen, wie ein Mensch ihn versteht.
Was dabei noch lange nicht automatisch gelingt:
1. Den Film verstehen
Eine Figur kann ironisch sprechen, obwohl die Worte neutral erscheinen. Ein Blick kann einen Satz in sein Gegenteil verkehren. Ein Pferd ist nicht einfach ein Pferd, wenn der Dialog später vom Rappen handelt. Wer den Zusammenhang nicht erfasst, kann zwar Wörter richtig aussprechen, aber trotzdem den Sinn verfehlen.2. Die Figuren auseinanderhalten
Beim Einsprechen übernimmt eine Person sämtliche Rollen. Sie muss nicht jede Stimme schauspielerisch neu erfinden, aber sie muss dem Publikum helfen, Sprecherwechsel, Beziehungen und emotionale Veränderungen zu erfassen. Eine KI kann unterschiedliche Stimmen erzeugen. Ob sie die Dramaturgie eines Dialogs angemessen vermittelt, ist eine andere Frage.3. Im richtigen Moment reagieren
Du kannst während der Vorführung nicht einfach auf Pause drücken. Du musst wissen, wann Du Dich an den Text halten kannst, wann Du Luft holen musst und wann Du trotz eines unerwarteten Ereignisses weitersprechen solltest.
Eine KI kann Timecodes abarbeiten und auf technische Signale reagieren. Aber wenn die falsche Filmfassung läuft, ein Akt vertauscht wurde oder ein Untertitel fehlt, hängt die Qualität davon ab, ob das System die Abweichung erkennt, sie richtig einordnet und angemessen darauf reagiert. Das ist nicht dasselbe wie eine vorbereitete Sprachspur abzuspielen.
4. Die eigene Leistung an die Situation anpassen
Eine menschliche Sprecherin nimmt die Atmosphäre im Saal wahr, hört den Originalton, registriert das Tempo der Bilder und kann ihre Leistung im Moment anpassen. KI kann einzelne dieser Signale verarbeiten. Daraus folgt aber nicht automatisch, dass sie die Situation als Ganzes richtig erfasst.
Meine Einschätzung
Ich würde nicht behaupten, KI könne Filme grundsätzlich nicht einsprechen. Das wäre technisch nicht haltbar. Sie kann einen großen Teil der dafür nötigen Einzelleistungen übernehmen, und bei einfachen, gut vorbereiteten Produktionen kann das Ergebnis durchaus brauchbar sein.
Die entscheidende Frage lautet vielmehr: Wer bemerkt, wenn etwas nicht stimmt – und wer kann es im richtigen Moment korrigieren?
Deine Geschichte mit den vertauschten Akten ist dafür ein hervorragendes Beispiel. Eine vorbereitete KI-Sprachspur könnte an genau dieser Stelle scheitern. Ein entsprechend entwickeltes System könnte den Fehler vielleicht erkennen und reagieren. Aber diese Fähigkeit müsste man im konkreten Einsatz nachweisen, statt sie aus der Tatsache abzuleiten, dass eine KI flüssig sprechen kann.
Und darin liegt für mich der Kern: Eine Stimme zu erzeugen ist nicht dasselbe, wie einen Film zu vermitteln.“
______________________________
Bild: pixl.com (Zufallsfund)






