Speech-to-Text
Meetings, Interviews und Sprachnotizen werden durchsuchbarer Text. Der unterschätzte Produktivitäts-Hebel Nummer eins (UE 65).
KI-Akademie · Modul 6
Multimodale KI: Bild, Audio, Video
KI kann längst mehr als Text: Bilder in Sekunden, Meeting-Ton als durchsuchbares Protokoll, Videos aus Beschreibungen. Diese Seite zeigt, was Bild-, Audio- und Video-KI im Unternehmen wirklich leisten, wie Sie Bild-Prompts mit System schreiben und welche Kennzeichnungs- und Rechtsregeln dabei gelten.
4Modalitäten: Text, Bild, Audio, Video
12Unterrichtseinheiten in Modul 6 (UE 61–72)
5Bausteine hat ein starker Bild-Prompt
50Art. 50 EU AI Act regelt die Kennzeichnung
Das Wichtigste in Kürze
Was müssen Unternehmen über Bild-, Audio- und Video-KI wissen?
Multimodale KI erzeugt und versteht Bilder, Audio und Video. Für Unternehmen heißt das: schnellere Medienproduktion in Marketing und Kommunikation, aber auch neue Pflichten. KI-generierte Inhalte, die echt wirken könnten, sind nach Art. 50 EU AI Act zu kennzeichnen, und Marken- wie Persönlichkeitsrechte gelten unverändert.
- Bild-Prompting folgt erlernbaren Mustern: Motiv, Komposition, Stil, Licht, Format. Iteration schlägt Zufall (UE 62).
- Transkription ist der unterschätzte Sofort-Hebel: Aus jedem Meeting wird durchsuchbarer Text (UE 65).
- KI-generierte Bilder und Videos, die echt wirken könnten, unterliegen der Kennzeichnungspflicht nach Art. 50.
- Deepfake-Risiken betreffen jedes Unternehmen: Erkennungskompetenz gehört zur Sicherheitskultur (UE 69).
- Freigabeprozesse für synthetische Medien gehören in jeden Marketing-Workflow (UE 70/71).
Stand: Juli 2026 · basiert auf Modul 6 (UE 61–72) der KI-Wissensbasis
Bildgenerierung
Bild-Prompting: vom Zufallstreffer zur Serie.
Midjourney, DALL·E und Co. liefern brauchbare Ergebnisse, wenn der Prompt Struktur hat. Die fünf Bausteine aus UE 62, die aus Versuchen eine Methode machen:
- Motiv
Was ist zu sehen? Hauptobjekt, Handlung, Umgebung. Je konkreter das Substantiv, desto weniger Interpretationsspielraum.
- Komposition
Nahaufnahme oder Totale, Blickwinkel, Bildaufteilung. Komposition entscheidet, ob ein Bild professionell wirkt.
- Stil
Fotografie, Illustration, 3D-Render, flat design. Plus Referenzen: „im Stil einer Produktfotografie für B2B-Websites“.
- Licht & Stimmung
Tageslicht, Studio, golden hour, dramatisch oder nüchtern. Licht transportiert die Emotion des Bildes.
- Format & Verwendung
Seitenverhältnis, Freiraum für Text, Web oder Druck. Wer die Verwendung nennt, spart die Nachbearbeitung.
Kopiervorlage: der Bild-Prompt
Die fünf Bausteine als ausfüllbare Vorlage, funktioniert in allen gängigen Bildgeneratoren.
[Motiv: was ist zu sehen], [Komposition: Ausschnitt und Blickwinkel], [Stil: z. B. professionelle Unternehmensfotografie], [Licht: z. B. weiches Tageslicht], [Format: z. B. Querformat 16:9, rechts Freiraum für Text]. Vermeide: [z. B. Text im Bild, überzeichnete Gesichter].Merksatz aus UE 62: Das erste Bild ist ein Entwurf, kein Ergebnis. Profis iterieren: einen Baustein je Runde ändern, das beste Ergebnis als Referenz behalten und gezielt verfeinern.
Audio & Video
Vom Meeting-Ton zum fertigen Clip: die Werkzeuglandschaft.
UE 65 bis UE 68 decken die Audio- und Video-Seite ab. Diese fünf Werkzeugklassen sollten Sie einordnen können, samt typischem Unternehmens-Einsatz:
Text-to-Speech
Synthetische Stimmen für E-Learning, Ansagen und Barrierefreiheit. Bei geklonten Stimmen gilt: nur mit dokumentierter Einwilligung (UE 66).
Video-Generierung
Kurze Clips aus Textbeschreibungen (Sora, Runway, Veo). Stark für Konzepte und Social Media, noch schwach bei Konsistenz über Szenen (UE 67).
Avatare & KI-Moderatoren
Sprechende Avatare (HeyGen, Synthesia) machen Schulungsvideos in 30 Sprachen ohne Dreh. Kennzeichnung mitdenken (UE 68).
Bildbearbeitung mit KI
Inpainting, Upscaling, Hintergrundentfernung: Retusche-Aufgaben, die früher Agenturstunden kosteten, dauern Minuten (UE 63).
Erklär-Clip als Praxisübung
UE 72 führt alles zusammen: eigenes Skript, generierte Szenen, synthetische Stimme. Der komplette Workflow an einem Nachmittag.
Kurz-Check: Medien-KI sicher einordnen
Drei Fragen aus der Lernstandskontrolle von Modul 6.
1 / 3
Ihr Marketing veröffentlicht ein fotorealistisches KI-Bild einer Produktszene. Was verlangt Art. 50 EU AI Act?
Recht & Ethik
Kennzeichnung, Markenrecht, Deepfakes: die Leitplanken.
UE 64, 69 und 71 ziehen den rechtlich-ethischen Rahmen. Das Wichtigste als Checkliste für Ihren Freigabeprozess:
Freigabe-Checkliste für synthetische Medien
Vor jeder Veröffentlichung eines KI-generierten Bildes, Audios oder Videos:
- Kennzeichnung geklärt: Ist der Inhalt als KI-generiert erkennbar, wo Art. 50 es verlangt?
- Rechte geprüft: keine fremden Marken, Logos, Produkte oder erkennbaren Personen ohne Erlaubnis
- Nutzungsrechte des Generators geprüft: erlaubt die Lizenz kommerzielle Nutzung?
- Einwilligungen dokumentiert: bei geklonten Stimmen und realen Personen als Avatar
- Freigabe durch definierte Stelle: Marketing-Lead oder Kommunikation, nicht der Einzelne
Deepfake-Radar: fünf Alarmzeichen
Aus UE 69, für die Sicherheitskultur im ganzen Team:
- Überraschende, emotionale Aussage einer bekannten Person mit nur einer Quelle
- Unnatürliche Details: Hände, Zähne, Ohrringe, Übergänge an Haaren und Brillen
- Asynchrone Lippenbewegungen oder metallisch flache Stimme
- Druck zur sofortigen Reaktion („jetzt handeln, nicht nachfragen“)
- Zahlungs- oder Datenabfragen über ungewohnte Kanäle, auch bei bekannter Stimme
Wissensbasis · Volltexte
Modul 6 in voller Tiefe: alle 12 Einheiten.
Jede Unterrichtseinheit als kompletter Lerntext aus der Wissensbasis, mit Übungen, Branchen-Anwendungen und Quellen. Frei zugänglich.
- UE 61Bildgenerierung: Midjourney, DALL·E und Stable Diffusion15 Min.
- UE 62Bild-Prompting: Komposition, Stil und Licht14 Min.
- UE 63Bildbearbeitung mit KI: Inpainting, Upscaling, Hintergrundentfernung13 Min.
- UE 64Rechtliche Aspekte generierter Bilder und Markenrecht13 Min.
- UE 65Speech-to-Text und Transkription12 Min.
- UE 66Text-to-Speech und synthetische Stimmen12 Min.
- UE 67Video-Generierung: Sora, Runway und Veo12 Min.
- UE 68Avatare und KI-Moderatoren: HeyGen und Synthesia12 Min.
- UE 69Deepfake-Risiken und Erkennung11 Min.
- UE 70Einsatzszenarien Marketing und interne Kommunikation11 Min.
- UE 71Ethische Leitplanken bei synthetischen Medien12 Min.
- UE 72Praxisübung: Eigener Erklär-Clip mit KI12 Min.
Vertiefungen und Anhänge zu diesem Modul (58)
- EXPANSION UE 61 — Zusatz-Vertiefung4 Min.
- EXPANSION UE 62 — Zusatz-Vertiefung4 Min.
- EXPANSION UE 63 — Zusatz-Vertiefung3 Min.
- EXPANSION UE 64 — Zusatz-Vertiefung2 Min.
- EXPANSION UE 65 — Zusatz-Vertiefung3 Min.
- EXPANSION UE 66 — Zusatz-Vertiefung2 Min.
- EXPANSION UE 67 — Zusatz-Vertiefung3 Min.
- EXPANSION UE 68 — Zusatz-Vertiefung2 Min.
- EXPANSION UE 69 — Zusatz-Vertiefung3 Min.
- EXPANSION UE 70 — Zusatz-Vertiefung2 Min.
- EXPANSION UE 71 — Zusatz-Vertiefung2 Min.
- EXPANSION UE 72 — Zusatz-Vertiefung4 Min.
- TRAINER-HINTERGRUNDWISSEN UE 61 — Bildgenerierung: Vertiefende Trainernotizen3 Min.
- TRAINER-HINTERGRUNDWISSEN UE 62 — Bild-Prompting: Vertiefende Trainernotizen3 Min.
- TRAINER-HINTERGRUNDWISSEN UE 63 — Bildbearbeitung: Vertiefende Trainernotizen2 Min.
- TRAINER-HINTERGRUNDWISSEN UE 64 — Rechtliche Aspekte: Vertiefende Trainernotizen2 Min.
- TRAINER-HINTERGRUNDWISSEN UE 65 — Speech-to-Text: Vertiefende Trainernotizen2 Min.
- TRAINER-HINTERGRUNDWISSEN UE 66 — Text-to-Speech: Vertiefende Trainernotizen2 Min.
- TRAINER-HINTERGRUNDWISSEN UE 67 — Video-Generierung: Vertiefende Trainernotizen2 Min.
- TRAINER-HINTERGRUNDWISSEN UE 68 — Avatare: Vertiefende Trainernotizen2 Min.
- TRAINER-HINTERGRUNDWISSEN UE 69 — Deepfakes: Vertiefende Trainernotizen2 Min.
- TRAINER-HINTERGRUNDWISSEN UE 70 — Einsatzszenarien: Vertiefende Trainernotizen2 Min.
- TRAINER-HINTERGRUNDWISSEN UE 71 — Ethik: Vertiefende Trainernotizen2 Min.
- TRAINER-HINTERGRUNDWISSEN UE 72 — Praxisübung: Vertiefende Trainernotizen2 Min.
- GLOSSAR — Modul 6: Bild-, Audio- und Video-KI5 Min.
- VERTIEFUNGS-LERNTEXT UE 61 — Bildgenerierung: Praxis und Entscheidungslogik4 Min.
- VERTIEFUNGS-LERNTEXT UE 62 — Bild-Prompting: Meisterschaft durch Iteration4 Min.
- VERTIEFUNGS-LERNTEXT UE 63 — Bildbearbeitung: Profi-Workflows und Qualitätssicherung3 Min.
- VERTIEFUNGS-LERNTEXT UE 64 — Recht: Anwendungsorientiertes Rechtswissen2 Min.
- VERTIEFUNGS-LERNTEXT UE 65 — STT: Qualität optimieren und skalieren2 Min.
- VERTIEFUNGS-LERNTEXT UE 66 — TTS: Professionelle Sprachproduktion3 Min.
- VERTIEFUNGS-LERNTEXT UE 67 — Video-KI: Fortgeschrittene Produktionsstrategien2 Min.
- VERTIEFUNGS-LERNTEXT UE 68 — Avatare: Rollout-Strategie und Change Management2 Min.
- VERTIEFUNGS-LERNTEXT UE 69 — Deepfakes: Resilienz und Organisationsschutz2 Min.
- VERTIEFUNGS-LERNTEXT UE 70 — Marketing-Workflows: Skalierung und Messung2 Min.
- VERTIEFUNGS-LERNTEXT UE 71 — Ethik: Konkrete Implementierung in der Organisation2 Min.
- VERTIEFUNGS-LERNTEXT UE 72 — Praxisübung: Exzellenz in der Clip-Produktion3 Min.
- ERWEITERTE LERNEINHEIT UE 61 — Bildgenerierung: Praxis-Szenarien für verschiedene Unternehmensgrößen2 Min.
- ERWEITERTE LERNEINHEIT UE 62 — Bild-Prompting: Von der Technik zur Kreativstrategie3 Min.
- ERWEITERTE LERNEINHEIT UE 63 — Bildbearbeitung: Spezialthema Produktbilder und Katalogproduktion3 Min.
- ERWEITERTE LERNEINHEIT UE 64 — Recht: Praxishandbuch für Team-Leads3 Min.
- ERWEITERTE LERNEINHEIT UE 65 — STT: Anwendungsfälle und ROI-Analyse2 Min.
- ERWEITERTE LERNEINHEIT UE 66 — TTS: Anwendungsmatrix für verschiedene Szenarien2 Min.
- ERWEITERTE LERNEINHEIT UE 67 — Video-KI: Produktionsplanung und Use-Case-Matrix2 Min.
- ERWEITERTE LERNEINHEIT UE 68-72 — Zusammenfassung und Integration2 Min.
- Didaktik-Appendix: Trainer-Leitfaden für Modul 6 (UE 61–72)2 Min.
- Trainer-Hinweis-Boxen: UE 61–7218 Min.
- Vertiefungs-Praxis: Schritt-für-Schritt-Anleitungen5 Min.
- Modulabschluss: Kompetenzbilanz UE 61–723 Min.
- Ergänzende Fachbegriffe: Glossar-Erweiterung Modul 65 Min.
- Literatur und weiterführende Ressourcen: Modul 62 Min.
- Index: Werkzeuge in Modul 62 Min.
- Modultest-Vorbereitung: Wissens-Check UE 61–722 Min.
- Vertiefungs-Szenarien: KI-Medien in der Praxis8 Min.
- Praxis-Lerntext: Qualitätssicherung für KI-generierte Medieninhalte3 Min.
- Fachlicher Ausblick: Entwicklungslinien 2025–20283 Min.
- Erweiterte Praxisaufgaben mit Musterlösungen6 Min.
- Modul-Zusammenfassung: 12 Kernbotschaften2 Min.
Selbsttest
Wie sattelfest ist Ihre Medien-Governance?
Acht Aussagen, acht Mal Ja oder Nein. Am Ende sehen Sie Ihren Governance-Score. Ohne Anmeldung, die Auswertung passiert direkt in Ihrem Browser.
- Ich kann Bild-Prompts mit Motiv, Komposition, Stil, Licht und Format strukturieren.
- Unser Team kennzeichnet KI-generierte Medien, wo es verlangt ist.
- Vor Veröffentlichungen prüfen wir Marken- und Persönlichkeitsrechte.
- Die Lizenzbedingungen unserer Bild- und Video-Tools sind geklärt.
- Geklonte Stimmen nutzen wir nur mit dokumentierter Einwilligung.
- Es gibt eine definierte Freigabestelle für synthetische Medien.
- Ich kenne die typischen Alarmzeichen für Deepfakes.
- Meetings und Interviews transkribieren wir systematisch mit KI.
0/8Ihr Governance-Score
Stark! Kreativität mit Leitplanken.
Sie nutzen multimodale KI produktiv und rechtssicher. Nächster Schritt: Medien-Workflows automatisieren, Modul 7 zeigt wie.
Kreativ unterwegs, Governance hinkt nach.
Die Produktion läuft, aber Kennzeichnung oder Freigaben sind noch Zufall. Führen Sie als Nächstes die Freigabe-Checkliste oben verbindlich ein.
Achtung: rechtliches Glatteis.
Ohne Kennzeichnungs- und Rechte-Routine ist jede Veröffentlichung ein Risiko. Starten Sie mit der Freigabe-Checkliste und dem Deepfake-Radar, beides steht oben bereit.
FAQ
Häufige Fragen zu Bild-, Audio- und Video-KI.
Aus den Trainings zu Modul 6, kompakt beantwortet.
Meist ja, mit zwei Prüfungen: Erstens muss die Lizenz des Generators kommerzielle Nutzung erlauben (bei Bezahl-Plänen üblich). Zweitens darf das Bild keine fremden Marken, Designs oder erkennbaren Personen enthalten. KI-Ausgaben genießen in der EU in der Regel selbst keinen Urheberrechtsschutz, was Nachahmung durch Dritte erleichtert.
Nicht jedes, aber jedes, das für echt gehalten werden könnte. Art. 50 EU AI Act verlangt Transparenz bei realistisch wirkenden KI-Inhalten, besonders streng bei Deepfakes. Eine stilisierte Illustration braucht keine Kennzeichnung, ein fotorealistisches Szenenbild in der Unternehmenskommunikation schon.
Weniger über Pixel-Forensik, mehr über Kontext: überraschende, emotionale Aussagen mit nur einer Quelle, Druck zur sofortigen Reaktion, ungewohnte Kanäle. Dazu visuelle Signale wie unnatürliche Hände oder asynchrone Lippen. Die Grundregel: verifizieren vor reagieren, immer über eine unabhängige Zweitquelle.
Technisch problemlos, rechtlich nur mit seiner dokumentierten, informierten Einwilligung, denn die Stimme ist Persönlichkeitsrecht. Dazu gehören klare Regeln: Wofür darf die Stimme genutzt werden, wer gibt Texte frei, wie wird gekennzeichnet? Ohne diese Leitplanken entsteht ein internes Deepfake-Risiko.
Für Konzepte, Social-Media-Schnipsel und interne Erklärvideos verschiebt sich viel nach innen, das zeigt schon die Praxisübung in UE 72. Für Markenkampagnen mit hohem Anspruch bleiben Spezialisten wertvoll. Realistisch ist ein Mischmodell: KI für Menge und Tempo, Profis für die Leuchtturm-Produktionen.
Weiterlernen
Von Medien zu Agenten und Automatisierung.
Diese Seite ist Teil der KI-Akademie. So geht es weiter:
Nächster Schritt
Produzieren Sie Medien in Stunden statt Wochen.
Im Medien-Training baut Ihr Team eigene Bild-Serien und einen kompletten Erklär-Clip, inklusive Freigabeprozess und Kennzeichnungsregeln.
Die Plattform
OneMachine: Ihre KI, in Ihrem System.
Produktive KI, die sicher in Ihrer Organisation läuft: mit eigenen Daten, Rechten und Freigaben. Aus echter Projektpraxis zum lizenzierbaren Produkt verdichtet.
OneMachine ansehen