KI-Avatar als Dozent: Möglichkeiten und Grenzen

Ein KI-Avatar ist eine digitale Figur mit Gesicht und Stimme, die als Vortragender auftritt. Im einfachsten Fall spricht er einen festen Text, ähnlich einem Video mit Sprecher, nur ohne Kamera und Studio. Die Figur entsteht aus einem Foto oder einer kurzen Videoaufnahme, die Stimme aus einer Sprachsynthese oder einer nachgebildeten Stimme, und Mund, Augen und Kopf bewegen sich passend zum Gesprochenen.

Fortgeschrittene Systeme gehen weiter: Der Avatar beantwortet Fragen. Ein Teilnehmer fragt per Sprache oder Text, ein Sprachmodell formuliert eine Antwort auf Grundlage des Kursinhalts, und der Avatar spricht sie lippensynchron. So entsteht etwas, das einer Vorlesung mit Fragemöglichkeit näherkommt als einem Video.

Beide Formen haben ihren Platz und werden oft kombiniert.

Der größte Vorteil ist die Verfügbarkeit. Ein Avatar ist um drei Uhr nachts so geduldig wie um zehn Uhr morgens, beantwortet dieselbe Frage zum fünften Mal ohne Ungeduld und spricht die Sprache des Teilnehmers. Für Organisationen mit Schichtbetrieb, vielen Standorten oder internationalen Teams ist das ein echter Gewinn.

Ein zweiter Vorteil ist die Änderbarkeit. Wenn sich ein Gesetz, ein Produkt oder ein Prozess ändert, wird der Sprechertext angepasst und der betroffene Abschnitt neu erzeugt. Niemand muss erneut vor die Kamera. Und weil sich Stimmen in viele Sprachen übertragen lassen, entstehen weitere Sprachfassungen ohne neue Aufnahmen.

Schließlich kann ein vertrautes Gesicht Vertrauen schaffen. Wenn der eigene Dozent oder eine bekannte Führungskraft mit Einwilligung als Avatar auftritt, wirkt ein Kurs persönlicher als mit einer anonymen Stimme.

Ein Avatar ist kein Mensch. Er baut keine Beziehung auf, erkennt keine Zwischentöne wie ein erfahrener Dozent und kann sich irren. Live-Antworten können Fehler enthalten, besonders wenn das System nicht eng an geprüfte Quellen gebunden ist. Manche Teilnehmer empfinden Avatare zudem als befremdlich, besonders wenn Bewegungen oder Stimme nicht ganz natürlich wirken.

Daraus folgt: Avatare eignen sich gut für Vortrag, Erklärung, Wiederholung und Rückfragen zum Stoff. Für Beratung im Einzelfall, Bewertung mit Folgen oder sensible Gespräche bleiben Menschen zuständig.

Die europäische KI-Verordnung (Verordnung (EU) 2024/1689) enthält in Artikel 50 Transparenzpflichten. Menschen sollen erkennen können, dass sie mit einem KI-System interagieren, und KI-erzeugte Bild-, Ton- oder Videoinhalte, die echte Personen täuschend echt darstellen, sind offenzulegen. Für Lernplattformen heißt das praktisch: Ein Avatar und seine Stimme sollten sichtbar als KI-erzeugt gekennzeichnet sein.

Wird eine echte Person als Avatar oder Stimme nachgebildet, braucht es ihre Einwilligung. Bild und Stimme sind personenbezogene Daten im Sinne der DSGVO. Die Einwilligung sollte dokumentiert, auf einen Zweck bezogen und jederzeit widerrufbar sein, und ein Widerruf sollte sofort wirken.

In Universe liegt der Vortrag einer Folie als vorproduziertes Video vor; für Rückfragen antwortet ein lippensynchroner Kopf live. Beides läuft auf selbst betriebenen Grafikrechnern in der EU. Über jeder Folie steht, dass Vortragender und Vertonung KI-erzeugt sind, mit „Was genau?“ für die Einzelheiten. Eigene Figuren entstehen nur mit hinterlegter, unterschriebener Einwilligung, getrennt für Bild und Stimme; ein Widerruf wirkt sofort, und jedes Gesicht spricht nur mit seiner eigenen Stimme. Antworten im Kurs laufen durch eine Prüfkette gegen Quellen.