25 Jahre klangfarbe: Was sich verändert hat – und was bleibt

Als wir 2001 anfingen, entstanden in unserem Studio Jingles, Senderverpackungen und Radiospots für Radiosender. Heute produzieren wir in Aldrans bei Innsbruck außerdem Telefonansagen, Audiologos, Podcasts, Audioguides und Sprachaufnahmen für Film und TV. Unser Archiv umfasst 488 Sprecherinnen und Sprecher in 38 Sprachen. Dazwischen liegen 25 Jahre, einige technische Umbrüche und ein Markt, der sich mehr als einmal neu sortiert hat. Ein guter Anlass für einen Rückblick – und für eine klare Haltung zu der Frage, die uns derzeit am häufigsten gestellt wird: Was ist eigentlich mit KI-Stimmen?

Unsere ersten Aufträge kamen von Radiosendern: Jingles, Station-IDs, Trailer und die akustische Verpackung ganzer Programme. Das ist eine harte Schule. Ein Senderjingle hat wenige Sekunden, um wiedererkannt zu werden, und läuft dutzende Male am Tag. Jede Silbe muss sitzen, jeder Übergang stimmen, und die Stimme muss vom ersten Ton an tragen. Was wir damals über Timing, Dramaturgie und das Zusammenspiel von Stimme und Musik gelernt haben, steckt bis heute in jeder Produktion, die unser Studio verlässt.

Aus der Arbeit für die Sender ergab sich bald der nächste Schritt: Radiospots für Unternehmen und Werbeagenturen.

In den Nullerjahren war Radiowerbung laut, schnell und gern auch frech. Gefragt waren Spots, die Bilder im Kopf erzeugen: kleine Hörspiele, Dialoge, eine Pointe am Schluss. Für die Muttereralmbahn ließen wir Großmutter und Enkelkind quer über den Waldspielplatz rufen, bis man die Größe des Geländes förmlich hören konnte. Für die Tiroler Tageszeitung belauschten wir zwei Joggerinnen, von denen eine deutlich besser in Form war. Warum? Sie liest Zeitung.

Prägend für diese Jahre waren auch bekannte Synchronstimmen. Dietmar Wunder, die deutsche Stimme von Daniel Craig, lud im Auftrag des Hintertuxer Gletschers zur Abkühlung in heißen Zeiten ein. Die Synchronstimme von Robert Redford begleitete den Relaunch von Harley’s Coffee Bar, und später begrüßte die deutsche Stimme von Michael Douglas die Anrufer der Raiffeisen Landesbank Tirol. 2008 und 2009 durften wir uns beim Tirolissimo, dem Tiroler Werbepreis, über den Sieg in der Kategorie Funk freuen: einmal als Produktionspartner der Agentur Marinas, einmal mit einem Konzept aus dem eigenen Haus.

Das Radio ist seither eine Konstante geblieben. Unsere Spots hört man im gesamten DACH-Raum und auch regional, zum Beispiel auf Life Radio Tirol, ORF Tirol, KRONEHIT, Radio U1, Radio Osttirol und vielen weiteren Sendern.

Schon bald kamen Telefonansagen dazu, und aus dem Nebenzweig wurde mit den Jahren unser stärkstes Standbein. Auch hier zählt jede Sekunde, nur unter anderen Vorzeichen. Wer anruft, hört genau hin, oft ungeduldig, manchmal verärgert. Die Stimme, die ihn empfängt, ist der erste Eindruck eines Unternehmens – noch bevor ein Mensch abhebt.

Heute laufen unsere Produktionen beim Amt der Tiroler Landesregierung, im Finanzamt Wien Mitte, bei der Arbeiterkammer Tirol und bei Hunderten Unternehmen aus beinahe jeder Branche. Für die Bezirksblätter Österreich haben wir ein Ansagenpaket für mehr als 40 Niederlassungen umgesetzt, für ZEISS die Telefonansagen aller deutschsprachigen Standorte auf Deutsch und Englisch, samt IVR-Menüs. Das Ein-Personen-Unternehmen aus der EDV-Branche, die Spenglerei im Nachbarort und das Hotel am Arlberg gehören genauso zu unseren Kundinnen und Kunden. Diese Mischung hat sich in 25 Jahren nie geändert, und wir möchten sie auch nicht missen.

Verändert hat sich dagegen der Anspruch. Aus „Bitte warten“ wurde Information: Öffnungszeiten, saisonale Angebote, Produktneuheiten und eine Anruferführung, die tatsächlich weiterhilft. Für NORDICA und Blizzard Sport entstanden etwa Ansagenmodule, die sich dem Rhythmus der Saison anpassen. Die Telefonansage ist damit vom Pflichtprogramm zu einem Teil der Markenkommunikation geworden.

Um 2010 begann sich der Ton zu verändern. Die übertrieben gut gelaunte Werbestimme verlor an Wirkung, gefragt war Natürlichkeit. Sprecherinnen und Sprecher sollten klingen wie Menschen, die etwas erzählen, und nicht wie jemand, der etwas verkaufen muss. Echte Testimonials gewannen an Gewicht. Manchmal kamen sie gleich selbst ins Studio: Felix Neureuther nahm bei uns den Radiospot für NORDICA auf, Manfred Pranger jenen für Marker.

Gleichzeitig wurde die Arbeit internationaler. Unternehmen wollten ihre Kundschaft in deren Sprache ansprechen, Museen ihre Gäste aus aller Welt. Für die Tiroler Landesmuseen produzierten wir Audioguides mit Marianne Graffam auf Englisch und Virginie Demians auf Französisch, für die Zillertaler Verkehrsbetriebe zweisprachige Sightseeing-Ansagen und für das Schweizer Unternehmen Rii Seez Net umfangreiche IVR-Module mit Ines Deinert. Native Speaker sind seither fester Bestandteil fast jedes größeren Projekts.

Dazu kam das Thema Corporate Audio. Wer in Logo, Schrift und Farben investiert, fragt sich irgendwann, wie die eigene Marke eigentlich klingt. Für den Bäcker Ruetz wurde aus dem Corporate Design eine eigene Unternehmensmusik, für das Einrichtungshaus Föger ein Audiologo mit passender Telefonansage. Für das Amt der Tiroler Landesregierung komponierten wir eigene, AKM-freie Musik für Telefonansagen und Corporate Audio.

In den letzten Jahren hat sich das Hören noch einmal verändert. Podcasts und Streaming haben Audio aus dem Hintergrund geholt. Menschen hören wieder bewusst zu, oft eine halbe Stunde am Stück. Für die Tiroler Landesmuseen produzieren wir die akustische Verpackung des Podcasts „Museumsgeflüster“ und mastern die Folgen. Die Arbeiterkammer Tirol haben wir beim Start ihres Geschichts-Podcasts begleitet, von der Raumakustik vor Ort bis zur Musik. Für Vitalpin entstand gemeinsam mit Komponist Kenneth Winkler das Audiologo für „Bergegnungen“.

Auch Marken denken heute eher in Klangwelten als in einzelnen Spots. Für Hollywood Megaplex und Metropol haben wir eine cineastische Hauptmelodie entwickelt, die im Radio, in Social Media und in den Kinosälen gleichermaßen trägt. Für Kaufhaus Tyrol entstand eine akustische Identität, die den Puls der Innenstadt mit einer eleganten Klangwelt verbindet. Im Bereich Film sprach zuletzt Kathi Hager den Imagefilm der Medizinischen Universität Innsbruck, und Ludwig Dornauer gab dem Jubiläumsfilm von Michael Vatter eine tragende Stimme.

In unseren ersten Jahren war eine Aufnahme mit einer Sprecherin in Wien oder einem Sprecher in Hamburg ein kleines Projekt für sich: Leitungen buchen, Termine koordinieren, fertige Produktionen auf CD verschicken. Freigaben dauerten oft Tage. Telefonanlagen übertrugen nur einen schmalen Ausschnitt des Klangspektrums, und jede Ansage musste darauf abgestimmt werden.

Heute nehmen wir Stimmen aus ganz Europa in Echtzeit und in Studioqualität auf, während die Kundin oder der Kunde live mithört und direkt Rückmeldung gibt. Dateien sind in Minuten beim Empfänger. Telefonanlagen laufen über das Internet und verlangen je nach System eigene Formate, Abtastraten und Dateinamen. Bei größeren IVR-Projekten liefern wir deshalb eine Dateilegende für die IT gleich mit. Im Rundfunk hat die Lautheitsnormierung nach EBU R 128 den Wettlauf um den lautesten Spot beendet. Seither setzt sich nicht mehr die am stärksten komprimierte Produktion durch, sondern jene mit der besseren Dynamik.

Gleich geblieben sind Mikrofon, Ohr und Regie. Eine Aufnahme wird nicht durch Software gut, sondern durch die Person, die im richtigen Moment sagt: „Noch einmal, bitte. Und diesmal mit einem Lächeln.“

Synthetische Stimmen klingen inzwischen erstaunlich gut. Wir verfolgen diese Entwicklung genau und nutzen die Werkzeuge selbst, etwa für Entwürfe und Layouts. Für viele Anwendungen halten wir sie aber nicht für die beste Wahl. Der Grund lässt sich in einem Satz zusammenfassen: Eine KI-Stimme kann einen Text erzählen, eine menschliche Stimme macht ihn glaubhaft.

Ein Profisprecher versteht, warum ein Satz gesagt wird. Er weiß, welches Wort das Gewicht trägt, wo eine Pause Vertrauen schafft und wann Wärme wichtiger ist als Tempo. Er setzt eine Regieanweisung um, versteht die Marke dahinter und bringt die Erfahrung aus Tausenden Aufnahmen mit. Eine KI berechnet die wahrscheinlichste Betonung. Das ist oft korrekt, aber selten überzeugend.

Bei einer kurzen Wartezeitinformation mag das kaum auffallen. Bei einem Imagefilm, einem Radiospot oder der Stimme, die ein Unternehmen über Jahre repräsentiert, hört man den Unterschied sehr wohl. Manchmal bewusst, meistens unbewusst. Und genau an dieser Stelle entsteht Vertrauen – oder eben nicht.

Ein zweiter Punkt kommt in der Diskussion oft zu kurz: die Konsistenz. Wer auf eine KI-Stimme setzt, ist von der Plattform abhängig, die sie bereitstellt. Modelle werden aktualisiert und klingen danach anders. Stimmen verschwinden aus dem Angebot, Lizenzbedingungen und Preise ändern sich, Anbieter werden übernommen oder stellen ihren Dienst ein. Was heute als Markenstimme funktioniert, lässt sich in drei Jahren womöglich nicht mehr reproduzieren.

Professionelle Sprecherinnen und Sprecher bleiben dagegen oft über Jahrzehnte verfügbar. Ändern sich Öffnungszeiten, Ansprechpersonen oder Angebote, spricht dieselbe Stimme den neuen Satz ein, und er fügt sich nahtlos in die bestehende Ansage. Katrin Daliot ist für zahlreiche Hotels, Kanzleien und Betriebe seit Jahren die vertraute Stimme am Telefon. Thomas Eichhorn spricht für Unternehmen von den Bezirksblättern bis zu ZEISS. Diese Verlässlichkeit ist einer der Gründe, warum wir bewusst auf Laiensprecher verzichten und ausschließlich mit ausgebildeten Stimmen arbeiten.

Dort, wo KI ihre Stärken ausspielt, setzen wir sie gerne ein: im Hintergrund. Transkriptionen, erste Textvarianten, die Aufbereitung umfangreicher Ansagenpakete, Dateiverwaltung, Terminabstimmung, Angebote und Abrechnung laufen heute deutlich schneller als noch vor wenigen Jahren. Rückfragen beantworten wir rascher, und Projektstände sind jederzeit nachvollziehbar.

Für unsere Kundinnen und Kunden bedeutet das vor allem eines: mehr Zeit für die Arbeit, die ein Projekt wirklich besser macht. Für die Auswahl der passenden Stimme, eine sorgfältige Aufnahmeregie, die Musik, den Schnitt und das Feintuning. Die Verwaltung wird schlanker, der kreative Prozess bekommt mehr Raum. So verstehen wir den sinnvollen Einsatz von KI – als Werkzeug, das uns den Rücken freihält, nicht als Ersatz für die Stimme.

Formate kommen und gehen, Technik veraltet, Stilrichtungen wechseln. Die Grundfrage ist seit 2001 dieselbe: Welche Stimme trägt diese Botschaft am besten? Darauf eine gute Antwort zu finden, ist bis heute der spannendste Teil unserer Arbeit – ob für eine Telefonansage mit drei Sätzen oder für eine Kampagne, die im ganzen deutschsprachigen Raum läuft.

Wir bedanken uns bei allen Kundinnen und Kunden, Agenturen, Sprecherinnen und Sprechern, die diesen Weg mit uns gegangen sind. Wenn Sie ein Projekt planen, schicken Sie uns gerne Ihr Skript. Wir hören es uns an und schlagen passende Stimmen vor.