Lily „Crafty“ Walker ist eine passionierte Bastlerin und Kunsthandwerkerin. In ihrem Podcast „Knitting“ redet sie über Textiltechniken, Stoffe und die Geschichte des Strickens. Schließt man beim Zuhören für einen Moment die Augen, stellt man sich eine junge Frau mit pinken Haaren vor, die in einem Hipsterviertel in Williamsburg zwischen Alpakawolle in ihr Podcast-Mikrofon säuselt. Doch Lily Walker ist kein Mensch, sondern eine KI. Entwickelt wurde sie von der KI-Schmiede Inception Point. Das US-Start-up „managt“ über 50 KI-Persönlichkeiten, die eigene Podcasts haben: von der Food-Influencerin Clare Delish über den Sportkommentator Oly Bennet bis hin zum Outdoor-Experten Nigel Thistledown, der mit vornehmem britischen Akzent über englische Gärten referiert. Plattformen wie Spotify und Apple werden nicht nur mit KI-generierten Songs, sondern auch mit KI-generierten Podcasts geflutet. Das Prinzip ist simpel: Man promptet mit einem großen Sprachmodell ein Skript, das von einem Stimmklon vertont wird. Stimme, Timbre und Akzent lassen sich am Computer konfigurieren wie ein Neuwagen im Autohaus. Billiger kann man Audioinhalte kaum produzieren Inception Point ist in dem wachsenden Markt von KI-generierten Podcasts der größte Player und eine veritable Content-Fabrik: Die Firma hat über ihr „Quiet Please Podcast Network“ mittlerweile über 10.000 Shows und feuert pro Woche über 3000 Folgen raus. Das Themenspektrum reicht von Gesundheit bis zu einer portugiesischen Biographie von Bruno Mars. Die Produktionskosten pro Folge liegen bei rund einem Dollar oder darunter. Billiger kann man Audioinhalte kaum produzieren. Nur: Wer soll das alles hören? CEO Jeanine Wright, die vom Medienunternehmen und Podcast-Netzwerk Wondery kam und das Start-up 2023 mitgründete, sagte gegenüber dem „Hollywood Reporter“: „Wir glauben, dass in naher Zukunft die Hälfte der Menschen auf dem Planeten KI sein wird, und wir sind das Unternehmen, das diese Menschen zum Leben erweckt.“ Gegen Kritik, dass am Ende nur KI-Kitsch produziert wird, verwahrt sie sich vehement: Leute, die KI-generierte Inhalte als „KI-Müll“ (AI Slop) bezeichneten, seien bloß „faule Ludditen“. Dass eine erfahrene Medienmanagerin von Wondery, das erfolgreiche Formate wie die True-Crime-Serie „Dr. Death“ produziert hat und inzwischen zu Amazon gehört, ins Silicon Valley wechselt, sagt viel aus über den Wandel der Branche. Amazon ist selbst in das Geschäft eingestiegen und hat vergangenes Jahr eine KI-gestützte Audiofunktion lanciert: Mit dem Feature „Hear the highlights“ können sich Kunden von einem „AI host“ Produktinformationen ansagen lassen. Aus einer profanen Produktsuche wird ein Podcast. Shopping als Hörerlebnis. Auch deutsche Verlage experimentieren mit der Technologie: So lässt Burda die bunten Figuren seines Mädchenmagazins „Lissy Pony“ mithilfe von KI animieren und mit eigenen Stimmen ausstatten. Laut einem Bericht von Bloomberg sind mittlerweile 39 Prozent aller neuen Podcasts KI-generiert. Hört man in solche Podcasts rein, fällt auf, wie die KI typische ästhetische Muster des Audioformats reproduziert: Storytelling, Dramaturgie, Ansprache – die Machart ist von menschengemachten Podcasts kaum zu unterscheiden. Die KI-Podcasterin Lily Walker etwa spricht direkt ihre Zuhörer an („Schnapp dir also dein Lieblingsgetränk, mach es dir in deiner Bastelecke gemütlich!“) und erzählt im Plauderton über ihre Einkaufserlebnisse und ihren Bastelraum. Intimität wird simuliert. Und dann hat die KI beim Berühren von Wolle „Gänsehaut“ Wenn man bedenkt, wie metallisch und robotisch KI-Stimmen vor ein paar Jahren noch klangen, ist es für ein paar Minuten durchaus faszinierend, dem Parlando der Maschine zu lauschen. Die Episoden sind handwerklich durchaus gut gemacht. Doch auf Dauer werden das Geplapper, der Upspeak von Influencern, der die Stimme am Satzende wie bei einer Frage hebt, sowie die arg gekünstelte Begeisterung für das Sujet („Can you imagine?“, „Oh my goodness“) doch etwas ermüdend. Man nimmt es einer emotionslosen KI nicht ab, dass sie beim Berühren von Wolle „Gänsehaut“ bekommt und Stricken als „meditativ“ empfindet. Die Figur Lily Walker wirkt seltsam papieren und zweidimensional: Es gibt kein Lachen, Räuspern, Husten oder sonst irgendetwas, was menschlich erscheint. Alles ist perfekt durchchoreographiert. Auch die anderen KI-Charaktere von Inception Point bleiben blutleer am „Mikrofon“. Eine Verbindung wie zu einem Radiomoderator baut man nicht auf. Neben all dem generischen Material gibt es aber durchaus interessante Formate wie etwa den Podcast „The Epstein Files“: Der KI-generierte Dokumentations-Podcast erzählt in knapp 100 Folgen die Geschichte des Sexualstraftäters Jeffrey Epstein und seinem Netzwerk. In den 15- bis 30-minütigen Folgen bereiten zwei amerikanische Hosts – eine männliche und eine weibliche Stimme – das Material narrativ und dialogisch auf, was das Ganze lebendig und spannend macht. In einer Folge zum Beispiel stellen die Ko-Hosts die Privatinsel Little Saint James vor, die Epstein 1998 für rund acht Millionen Dollar erwarb und zum Zentrum seiner Sexpartys machte. In klaren, kurzen Sätzen decken die KI-Podcaster Faktum für Faktum auf und erzeugen durch eine geschickte Erzähltechnik Spannung. Inhalte werden zum Teil rekapituliert, was das Zuhören erleichtert. Der Podcast, der im Februar lanciert wurde, wurde inzwischen über drei Millionen Mal heruntergeladen und hat es in die Top 10 der Apple-Podcasts geschafft (bei Spotify rangiert er unter den Top 30). Kein Studio, kein Produktionsteam Entwickelt wurde das Format von Adam Levy: Der IT-Spezialist programmierte an einem Wochenende eine Software, eine Art automatisierte Pipeline, die er mit den Rohdaten der 3,5 Millionen Seiten der Epstein-Files fütterte und die aus den Dokumenten (darunter Gerichtsprotokolle, Bankunterlagen, Zeugenaussagen, Flugdaten) Texte extrahierte. Levy machte zunächst ein paar Vorgaben, welche Themen behandelt und welcher Ton angeschlagen werden sollte. Motto: „Emotionen raus, Spannung beibehalten“. Dann spuckte die Software ein Transkript aus, das schließlich von zwei computergenerierten Stimmen eingesprochen wurde. Fertig war der Podcast. Alles, was der Softwareingenieur dazu benötigte, waren ein Mac Mini und das Sprachmodell Claude. Kein Studio, kein Produktionsteam, nur KI. Levy, der zuvor einen Newsletter für Kryptothemen aufgebaut hatte, wollte die ganze Geschichte erzählen, ein „Wikipedia meets podcasts“ bauen. „Ein Journalist könnte Jahre damit verbringen und dennoch Dinge übersehen“, schreibt er auf seinem Substack-Kanal. „KI hat dieses Problem nicht. Sie kann all das gleichzeitig im Kontext erfassen.“ Das Beispiel zeigt, wie sich große Datenmengen mithilfe von KI aufbereiten und narrativ veredeln lassen – und fügt der Debatte über KI im Journalismus eine bemerkenswerte Facette hinzu. Die Journalismusprofessorin Emily Bell, Gründungsdirektorin des renommierten Tow Center for Digital Journalism an der Columbia University, zeigte sich von dem vollautomatischen Podcast jedoch wenig überzeugt: „Es lieferte eine hilfreiche forensische Analyse der Daten, aber es ist nichts, wofür ich mich anmelden oder was ich mir anhören würde – es sei denn, ich bearbeite die Dateien ohnehin gerade“, sagte sie gegenüber dem Magazin „Fast Company“. Levy berichtete, andere Podcaster hätten ihn dafür kritisiert, „die Kunst des Journalismus zu zerstören“. Doch dem Podcastproduzenten geht es nicht darum, Journalisten zu ersetzen, sondern zu entlasten: Die KI leiste etwas, das „für einen Menschen physisch unmöglich wäre: Tausende Dokumentenseiten gleichzeitig zu verarbeiten und die Zusammenhänge zwischen ihnen aufzudecken“, schreibt er. Neben investigativen Recherchen können KI-Tools auch genutzt werden, um wissenschaftliche Aufsätze in Podcasts umzuwandeln und so den Zugang zu erleichtern: Statt ein 20-seitiges, sperriges Paper zu lesen, kann man sich, etwa mit Googles Dienst Gemini Notebook, die wichtigsten Inhalte beim Spazierengehen anhören. Insofern kann KI durchaus ein Gewinn für Wissenschaft und kritische Öffentlichkeit sein – und damit auch für die Demokratie. Die Gefahr besteht allerdings darin, dass echte Podcaster in der Flut von KI-Erzeugnissen kaum noch rezipiert werden und ihnen automatisierte Content-Schleudern die Tantiemen und Werbeeinnahmen streitig machen. Laut einer Studie des Videobearbeitungsdiensts Kapwing ist inzwischen mehr als jedes fünfte von Youtube vorgeschlagene Video AI Slop. Die Videoplattform will daher stärker gegen diese „unauthentischen Videos“ vorgehen und diese im Zuge einer Richtlinienänderung von der Monetarisierung ausschließen. „Die Inhalte dürfen nicht in großen Mengen produziert, generisch oder manipulativ sein und sich nicht wiederholen“, heißt es bei Youtube. Nur: Was heißt „generisch“? Wie will man das feststellen? Wenn immer mehr KI-Avatare die Bühne erobern und ästhetische Standards setzen, könnte das Menschliche irgendwann selbst unauthentisch werden.