Anrufbeantworter und KI-Stimmen: Bitte sprechen Sie nach dem Signalton

00:00 Anrufbeantworter, 1991

00:03 Erzähler Nostalgie und KI. Jede Zukunft hat eine Vergangenheit. Folge 1: Bitte sprechen Sie nach dem Signalton. Von Stefan Margenfeld.

00:14 Produziert mit KI.

00:19 Ein Band aus einem Anrufbeantworter. Darauf die Stimme einer Mutter, die mit der Maschine nicht zurechtkommt.

00:26 Gisela Wie mach ich das jetzt aus? Werner, wie geht das aus …

00:30 Erzähler Ein Kaiser, der sich im Jahr 1901 höflich bei einem Apparat bedankt.

00:36 O-Ton [O-Ton: Kaiser Franz Joseph I., Wien 1901. Quelle: Wikimedia Commons]

00:39 O-Ton „… Erfindung hat mich sehr interessiert, und ich danke sehr für die Vorführung derselben.“

00:44 Erzähler Und eine junge Frau, deren Stimme am Telefon Termine zusagt, von denen sie selbst nichts weiß.

00:51 Lina-Klon Ich habe Sonntag, 13 Uhr, in den Kalender eingetragen. Bis dann, Papa!

00:56 Erzähler Diese Folge erzählt, wie der Anrufbeantworter zum Familienarchiv wurde, ohne dass es jemand geplant hätte. Und was aus diesem Archiv werden kann, seit wenige Sekunden Aufnahme reichen, um eine Stimme weitersprechen zu lassen.

01:21 Thomas Hier ist der Anschluss von Thomas Behrens. Ich bin gerade nicht da. Bitte sprechen Sie nach dem Signalton.

01:28 Gisela Ja … hallo? Thomas? Ach so. Das ist das Ding. Werner, das ist der Apparat. Ja. Also. Hier ist die Mama. Es ist Sonntag, kurz nach sechs. Ich wollte nur hören, ob du gut angekommen bist mit dem Umzug. Und ob der Herd jetzt geht.

01:45 Gisela Und ruf mal zurück, wenn du das hörst. Tschüss.

01:49 Gisela Wie mach ich das jetzt aus? Werner, wie geht das aus …

01:54 Erzähler In vielen Haushalten gibt es eine Schublade für die Dinge, die keiner mehr braucht und keiner wegwirft. Batterien mit unbekannter Restladung. Ein Schlüssel, zu dem kein Schloss mehr passt. Und manchmal eine kleine Kassette, kaum größer als eine Streichholzschachtel. Eine Mikrokassette aus einem Anrufbeantworter.

02:15 Was darauf ist, hat niemand für die Ewigkeit aufgenommen. Es sind Nachrichten aus dem Alltag. Wann der Zug ankommt. Ob der Herd geht. Dass man bitte zurückrufen soll. Gesprochen in Eile, oft mit einem Seufzer am Anfang, weil man mit einer Maschine reden musste und das nicht mochte.

02:33 Gerade deshalb sind diese Bänder heute so wertvoll. Auf ihnen sind Stimmen erhalten, wie sie im Leben klangen, ohne Pose und ohne zweiten Versuch. Wer eine solche Kassette findet, hält manchmal die einzige Aufnahme eines Menschen in der Hand, den es nicht mehr gibt.

02:50 Gedacht war der Anrufbeantworter als Bürogerät. Er sollte Aufträge und Termine festhalten, wenn niemand am Apparat saß. In den Wohnungen der 80er und 90er Jahre wurde aus ihm etwas anderes: ein Familienarchiv, das niemand angelegt hatte.

03:07 Diese Folge erzählt von diesem Archiv. Und davon, was heute aus ihm werden kann.

03:13 Die Stimme, die Sie gerade hören, gehört selbst zu dieser Geschichte. Sie klingt wie Stefan Margenfeld. Sie hat seinen Tonfall, seine Betonung, seine Pausen. Gesprochen hat er diese Sätze nie. Er hat seine Stimme eigens dafür aufgenommen, und eine Software hat daraus ein Modell gebaut. Dieses Modell liest nun einen Text, den es zum ersten Mal sieht.

03:37 Vor 35 Jahren brauchte man eine Kassette, um eine Stimme aufzubewahren. Heute reichen wenige Sekunden Aufnahme, um eine Stimme Dinge sagen zu lassen, die nie gesagt wurden. Zwischen diesen beiden Punkten spielt diese Folge.

03:52 Sie beginnt in einer Zweizimmerwohnung im Jahr 1991. Ein junger Mann ist gerade umgezogen. Er hat sein erstes eigenes Telefon. Und eine Maschine, die für ihn rangeht.

04:11 Jens Und das Ding geht jetzt für dich ans Telefon?

04:13 Thomas Wenn ich nicht da bin. Erst kommt meine Ansage, dann reden die anderen.

04:17 Jens Na dann. Sprich mal was Schönes drauf.

04:20 Thomas Taste gedrückt halten … und los.

04:24 Thomas Guten Tag. Dies ist der Anschluss von Thomas Behrens. Ich bin derzeit leider nicht er… nicht erreichbar.

04:32 Jens „Derzeit leider.“ Bist du jetzt eine Versicherung?

04:35 Thomas Ach, hör auf. Noch mal.

04:38 Thomas Hier ist der Anschluss von Thomas Behrens. Ich bin gerade nicht da. Bitte sprechen Sie nach dem Signalton.

04:45 Jens Na also. Jetzt bist du sogar erreichbar, wenn du gar nicht da bist.

04:51 Edison und das Familienregister

04:51 Erzähler Thomas Behrens hat die Ansage danach nie wieder neu aufgenommen. Sie blieb elf Jahre auf dem Band, bis das Gerät kaputtging. Die Familie Behrens ist erfunden. Die Szene kennt trotzdem fast jeder, der in dieser Zeit ein eigenes Telefon hatte.

05:06 Die Idee hinter dieser Maschine ist viel älter als die Maschine selbst. Im Dezember 1877 lässt Thomas Edison in seinem Labor in Menlo Park, New Jersey, einen Apparat bauen, der Schall in eine Folie aus Zinn ritzt und wieder abspielt. Was er als Erstes hineingesprochen hat, wissen wir nur aus seinen eigenen späteren Erzählungen: einen Kinderreim. 50 Jahre danach, 1927, hat er die Szene für eine Aufnahme noch einmal nachgestellt.

05:37 O-Ton [O-Ton: Thomas Edison, 1927. Quelle: Thomas Edison National Historical Park]

05:43 O-Ton „The first words I spoke in the original phonograph, a little piece of practical poetry. Mary had a little lamb, its fleece was white as snow, and everywhere that Mary went, the lamb was sure to go.“

05:53 Erzähler Ein Jahr nach der Erfindung, 1878, schreibt Edison in einer amerikanischen Zeitschrift auf, wofür sein Phonograph gut sein soll. Für Briefe, die man diktiert. Für Bücher, die zu Blinden sprechen. Für Musik, für Sprechunterricht und für das Bewahren der Aussprache von Sprachen. Und für etwas, das sich heute anders liest als damals. Edison nennt es ein Familienregister: Aussprüche und Erinnerungen der Familienmitglieder in ihren eigenen Stimmen. Und die letzten Worte von Sterbenden.

06:26 Schon im ersten Jahr der Tonaufnahme dachte ihr Erfinder also an die Stimme als Erinnerung.

06:34 Es gibt eine Aufnahme, die noch älter ist als Edisons Phonograph. Am 9. April 1860 singt in Paris jemand ein französisches Volkslied in einen Trichter. Das Gerät heißt Phonautograph, sein Erfinder ist der Schriftsetzer Édouard-Léon Scott de Martinville. Es schreibt den Schall als feine Linie auf berußtes Papier. Abspielen konnte Scott diese Linie nicht, und das war auch nie sein Plan. Er wollte Schall sichtbar machen.

07:03 Hörbar wurde die Aufnahme erst 148 Jahre später. 2008 scannten Forscher in den USA das Papier ein und ließen einen Computer aus der Linie wieder Klang errechnen. Heraus kam die Stimme einer jungen Frau, vielleicht eines Mädchens.

07:22 O-Ton [O-Ton: Scott de Martinville, 1860, Transfer 2008. Quelle: First Sounds]

07:26 O-Ton (Gesang: „Au clair de la lune“, doppelt so schnell abgespielt)

07:33 Erzähler Ein Jahr später stellte sich heraus, dass die Forscher die Aufnahme doppelt so schnell abgespielt hatten. In der richtigen Geschwindigkeit singt ein Mann, sehr langsam, wahrscheinlich Scott selbst.

07:45 O-Ton [O-Ton: Scott de Martinville, 1860, Transfer 2009. Quelle: First Sounds]

07:51 O-Ton (Gesang: „Au clair de la lune“, in richtiger Geschwindigkeit)

08:07 Erzähler Eine Maschine hat eine Stimme hörbar gemacht, die nie gehört werden sollte. Und sie hat ihr zuerst das falsche Gesicht gegeben.

08:17 Kaiser Franz Joseph, 1901

08:16 Erzähler Der direkte Vorfahr des Anrufbeantworters kommt aus Dänemark. Im Dezember 1898 meldet der Ingenieur Valdemar Poulsen ein Gerät zum Patent an, das Schall magnetisch auf einen Stahldraht schreibt. Er nennt es Telegraphon und hat einen klaren Zweck im Kopf: Telefongespräche aufzeichnen, auch wenn niemand abhebt. Auf der Weltausstellung in Paris im Jahr 1900 bekommt das Gerät einen Grand Prix. Ein Jahr später führt Poulsen es in Wien vor, und am 12. Oktober 1901 spricht Kaiser Franz Joseph hinein.

08:54 O-Ton [O-Ton: Kaiser Franz Joseph I., Wien 1901. Quelle: Wikimedia Commons]

08:57 O-Ton „… Erfindung hat mich sehr interessiert, und ich danke sehr für die Vorführung derselben.“

09:04 Erzähler Das ist die älteste erhaltene magnetische Tonaufnahme der Welt. Ein Kaiser spricht in eine Maschine und bedankt sich höflich. Es klingt fast wie eine Nachricht auf einem Anrufbeantworter.

09:16 Bis die Idee in den Wohnungen ankommt, vergehen Jahrzehnte. Am 30. August 1963 stellt Philips auf der Funkausstellung in Berlin die Kompaktkassette vor. Das Tonband wird klein, billig und für jeden bedienbar. Anrufbeantworter gibt es in der Bundesrepublik schon seit den 50er Jahren, aber sie sind teuer und stehen in Arztpraxen und Büros. Und das Telefon gehört der Bundespost. Was an die Leitung kommt, braucht eine Zulassung, der Apparat selbst kommt von der Post. Erst mit der Postreform von 1989 öffnet sich der Markt, am 1. Juli 1990 fällt auch das Monopol auf den Telefonapparat. In den 90er Jahren blinkt das rote Lämpchen dann in vielen Wohnungen, meist im Flur, neben dem Telefonbuch.

10:08 Beliebt war das Gerät nicht sofort. Viele Anrufer legten beim Signalton einfach auf. Andere redeten, als stünde neben dem Gerät jemand, der zuhört. Die Generation von Gisela Behrens kannte das noch. Als sie jung war, stellte eine Frau die Verbindung her, das Fräulein vom Amt. Die letzte handvermittelte Ortsvermittlung der Bundesrepublik, in Uetze bei Hannover, wurde erst 1966 umgestellt. Ferngespräche wählte man flächendeckend erst ab 1972 selbst. Die Vermittlerin wusste, wer mit wem sprach, und sie hätte mithören können. Verboten war es trotzdem.

10:46 Der Anrufbeantworter ersetzte das Zuhören durch ein Band. Er war die erste Maschine im Haushalt, mit der man sprechen musste, ohne dass sie antwortete. 35 Jahre später antworten die Maschinen.

11:01 2026. Thomas Behrens ist inzwischen 63 Jahre alt, seine Tochter Lina ist 19.

11:11 2026: Stimmklone und Synchronsprecher

11:12 Lina „Der Föhn bläst warme Luft über die Dünen.“ „Zwölf Boxkämpfer jagen Viktor quer über den großen Sylter Deich.“

11:19 Thomas Mit wem redest du da?

11:20 Lina Mit niemandem. Ich trainier meine Stimme. Für die Assistentin.

11:24 Thomas Welche Assistentin?

11:26 Lina Die geht ans Handy, wenn ich nicht kann. Mit meiner Stimme. Macht Termine, sagt Bescheid, wenn ich später komme.

11:31 Thomas Also ein Anrufbeantworter.

11:33 Lina Papa. Ein Anrufbeantworter redet nicht zurück. Bitte rufen Sie mich später noch einmal an.

11:39 Thomas Du klingst wie eine Versicherung.

11:40 Lina Wie bitte?

11:41 Thomas Nichts. Hat mal jemand zu mir gesagt.

11:44 Lina Fertig. Ruf mich an. Ich geh nicht ran.

11:50 Lina-Klon Hi Papa! Lina kann gerade nicht. Kann ich dir helfen?

11:54 Thomas Äh. Ja. Kommst du Sonntag zum Essen?

11:58 Lina-Klon Sonntag passt gut. Soll ich etwas mitbringen?

12:01 Lina Moment! Ich hab für Sonntag gar nicht zugesagt.

12:04 Thomas Deine Stimme schon.

12:05 Lina-Klon Ich habe Sonntag, 13 Uhr, in den Kalender eingetragen. Bis dann, Papa!

12:10 Thomas Bringst du einen Nachtisch mit?

12:12 Lina-Klon Sehr gern. Ich bringe einen Nachtisch mit.

12:14 Lina Leg auf.

12:18 Thomas Ein paar Sekunden, hast du gesagt?

12:20 Lina Für eine gute Stimme lieber ein paar Minuten. Aber ja. Ein paar Sekunden gehen.

12:25 Thomas Hm.

12:27 Erzähler Was Lina da eingerichtet hat, gibt es tatsächlich, und zwar seit wenigen Jahren in großer Zahl. Software für Stimmklone arbeitet in zwei Schritten. Zuerst lernt ein großes Modell an sehr vielen Stunden Sprache, wie Menschen überhaupt sprechen: wie Silben ineinander übergehen, wo man Luft holt, wie eine Frage am Ende nach oben geht. Danach genügt eine kurze Aufnahme einer bestimmten Person. Das Modell muss nicht mehr lernen, was Sprache ist, nur noch, wie dieser eine Mensch klingt.

12:59 Wie kurz diese Aufnahme sein kann, hat sich in wenigen Jahren dramatisch verändert. Anfang 2023 veröffentlichten Forschende von Microsoft ein System namens VALL-E, das eine Stimme aus einer Aufnahme von nur 3 Sekunden nachahmen soll. Öffentlich zugänglich gemacht hat Microsoft es nicht. Für eine Stimme, die einen ganzen Abend trägt, wie die, die Sie gerade hören, braucht es mehr Material und mehr Sorgfalt. Doch die Grenze ist längst überschritten, an der ein kurzer Mitschnitt reicht, um einen Menschen am Telefon täuschend echt klingen zu lassen.

13:35 Davon profitieren viele. Sprecher können ihre Stimme für Aufträge einsetzen, die sie nie selbst ins Mikrofon sprechen. Hörbücher entstehen in Sprachen, die der Autor nicht spricht. Menschen mit ALS wird geraten, ihre Stimme früh aufzunehmen, solange sie noch klar ist. Aus diesen Aufnahmen entsteht eine synthetische Stimme, mit der ihr Sprachcomputer später in ihrem eigenen Klang spricht.

13:59 Für die Menschen hinter den Stimmen hat diese Entwicklung eine zweite Seite. Anfang 2026 verweigern Hunderte deutsche Synchronsprecherinnen und Synchronsprecher ihre Unterschrift unter einen Vertrag von Netflix. Er soll dem Konzern erlauben, ihre Aufnahmen für das Training künstlicher Intelligenz zu nutzen, für mindestens 50 Jahre und ohne zusätzliches Honorar. Wer nicht unterschreibt, wird umbesetzt. Ein Rechtsgutachten im Auftrag des Verbands Deutscher Sprecherinnen und Sprecher hält zentrale Klauseln für unwirksam. Erste Serien erscheinen ohne deutsche Tonspur, im September 2026 schaltet der Verband das Bundeskartellamt ein. Eine Einigung ist nicht in Sicht. Und auch jenseits von Netflix sieht der Verband wachsende Konkurrenz durch KI-Stimmen, vor allem in der Werbung, im E-Learning und bei Hörbüchern.

14:54 Schockanrufe und Deadbots

14:53 Erzähler Die Kehrseite kennt inzwischen auch die Polizei. Bei Schockanrufen geben sich Betrüger als Angehörige in Not aus, und mit KI können sie deren Stimme nachahmen. Das Material dafür finden sie oft in sozialen Netzwerken. Polizei und Verbraucherzentralen raten Familien deshalb zu einem geheimen Kennwort, das nur sie kennen. Das ist ein seltsamer Rat. Eine Stimme war über Jahrtausende der sicherste Beweis dafür, wer spricht. Jetzt braucht sie ein Passwort.

15:24 Und dann ist da der Gedanke, den schon Edison hatte: das Familienregister. 2021 erzählte der San Francisco Chronicle die Geschichte des Kanadiers Joshua Barbeau. Seine Verlobte Jessica war 2012 gestorben. 8 Jahre später fütterte er ein Chatprogramm auf Basis von GPT-3 mit ihren alten Nachrichten, und das Programm antwortete in ihrem Ton. Was damals noch Text war, ist heute auch mit Stimme möglich. Mehrere Firmen bieten an, Verstorbene im Gespräch weiterleben zu lassen, auf Grundlage von Aufnahmen, Fotos und Nachrichten.

16:04 Eine Forscherin und ein Forscher der Universität Cambridge haben 2024 vor solchen Angeboten gewarnt. Sie nennen sie Deadbots. Eine ihrer Sorgen: Eine Stimme, die man liebt, kann auch etwas verkaufen. Sie könnte einen Lieferdienst empfehlen, im Tonfall der verstorbenen Großmutter. Sie kann Nachrichten schicken, die man nicht abbestellen mag, weil sie von der Mutter kommen. Die beiden fordern deshalb Wege, solche Bots würdevoll zu beenden, bis hin zu einer Art digitaler Beerdigung.

16:35 Seit dem 2. August 2026 verlangt der AI Act der Europäischen Union, dass täuschend echte KI-Stimmen, -Bilder und -Videos als solche offengelegt werden. Deshalb steht am Anfang dieser Folge der Satz, dass hier eine KI-Stimme liest.

16:53 Der Unterschied zwischen damals und heute lässt sich in einem Satz fassen. Der Anrufbeantworter bewahrte auf, was gesagt wurde. Ein Stimmklon sagt, was nie gesagt wurde. Edisons Familienregister hätte die letzten Worte eines Menschen festgehalten. Heute muss es keine letzten Worte mehr geben.

17:13 Die Kassette vom Dachboden

17:13 Lina Papa, was ist das? Das ist ja ein Ziegelstein mit Knöpfen.

17:18 Thomas Das ist mein Anrufbeantworter.

17:20 Lina Der mit deiner Ansage? Von dem du immer erzählst?

17:23 Thomas Ist noch eine Kassette drin.

17:24 Lina Geht der noch?

17:25 Thomas Gib mal das Kabel.

17:30 Thomas Hier ist der Anschluss von Thomas Behrens. Ich bin gerade nicht da. Bitte sprechen Sie nach dem Signalton.

17:38 Lina Papa! Das bist du? Du klingst wie zwölf.

17:42 Thomas Achtundzwanzig.

17:45 Gisela Ja … hallo? Thomas? Ach so. Das ist das Ding. Werner, das ist der Apparat. Ja. Also. Hier ist die Mama. Es ist Sonntag, kurz nach sechs.

17:58 Lina Ist das Oma?

18:00 Thomas Ja.

18:02 Lina Weißt du … da sind bestimmt noch mehr drauf. Das sind ein paar Minuten. Das würde reichen.

18:08 Thomas Wofür?

18:09 Lina Dass sie mal wieder anruft. Sonntags.

18:13 Thomas Sie hat nie gewusst, wie man das Ding ausmacht.

18:16 Lina Ist das ein Ja?

18:17 Thomas Spul noch mal zurück.

18:24 Gisela Und ruf mal zurück, wenn du das hörst. Tschüss.

18:28 Gisela Wie mach ich das jetzt aus? Werner, wie geht das aus …

18:34 Erzähler Ob Thomas Behrens die Stimme seiner Mutter nachbauen lässt, erzählt diese Folge nicht. Die Frage stellt sich inzwischen in vielen Familien, und sie hat keine richtige Antwort. Für die einen wäre es ein Trost, eine vertraute Stimme noch einmal zu hören, die nach dem Wetter fragt. Für die anderen wäre es eine Puppe, die mit der Stimme einer Toten spricht.

18:57 Nostalgie ist die Sehnsucht nach etwas, das vorbei ist. Ihre Kraft kommt daher, dass es vorbei ist. Die Mikrokassette in der Schublade hat ein Ende. Nach ein paar Minuten kommt das Rauschen, dann ein Klack. Mehr Sätze von Gisela Behrens gibt es nicht, und gerade deshalb hört man jeden einzelnen genau.

19:18 Ein Stimmklon hat kein Ende. Er kann jeden Sonntag anrufen, für immer, und er wird nie müde. Er wird auch nie fragen, ob der Herd jetzt geht. Davon weiß er nichts. Er weiß nur, wie sie klang.

19:31 Der Anrufbeantworter hat seine Benutzer 30 Jahre lang um etwas gebeten: Bitte sprechen Sie nach dem Signalton. Der Mensch sprach, die Maschine hörte zu. Heute hat sich die Reihenfolge umgedreht. Die Maschine spricht, und der Mensch muss entscheiden, ob er ihr zuhört.

19:49 Die Stimme dieses Features verstummt gleich. Stefan Margenfeld wird sie nicht vermissen, er kann sie jederzeit wieder einschalten. Das ist der eigentliche Wandel. Früher war eine Stimme etwas, das man verlieren konnte. Heute ist sie etwas, das man ausschalten muss.

20:11 Nostalgie und KI. Folge 1: Bitte sprechen Sie nach dem Signalton. Die Szenen dieser Folge sind nachgestellt, die Familie Behrens ist erfunden. Die historischen Angaben und ihre Quellen finden Sie in den Shownotes. Ein Feature von Stefan Margenfeld. Alle Stimmen sind KI-generiert, mit Ausnahme der historischen Originaltöne, die Produktion ist KI-gestützt. Die Aufnahme von 1860 stammt von First Sounds, firstsounds.org. Die Edison-Aufnahme stammt vom Thomas Edison National Historical Park. Die Aufnahme von Kaiser Franz Joseph stammt aus Wikimedia Commons. Sankt Wendel, Oktober 2026.

20:55 In der nächsten Folge: ein Elternabend. Thema: der Taschenrechner.