Die Idee
Ich wollte eine Feature-Reihe mit Hörspielszenen, dreißig Minuten je Folge, ich als Erzähler. Der Titel stand schon fest: „Nostalgie und KI“.
Jede Folge nimmt einen Gegenstand von früher und folgt ihm bis heute. Der Anrufbeantworter führt zur geklonten Stimme, der Walkman zum KI-Begleiter. Den Untertitel schlug die Assistenz vor, „Jede Zukunft hat eine Vergangenheit“, und ich habe ihn übernommen.
Nach ein paar Klärungen schrieb ich „okay - go for it. full shot. no risk no fun.“ Meine erste Regie zur ersten Fassung: Die Szenen haben Längen, ein Anrufbeantworter reicht.
Das Format
Erzähler ist mein Klon, die Brandvoice von ichbinsprecher.de, gesprochen über ElevenLabs Eleven v4. Meine erste Notiz zur Stimme galt ihrem Druck. Aus acht Testvarianten blieb eine Regieanweisung vor jedem Absatz, [relaxed, warm, understated], die die Tonlage senkt.
Die meisten Szenen spielt die Familie Behrens, und sie ist erfunden. Gisela, ihr Mann Werner, ihr Sohn Thomas und dessen Tochter Lina tragen die Reihe von 1972 bis 2026. Geplant war auch ein Fräulein vom Amt als feste Rahmenfigur. In der zweiten Notizrunde schrieb ich: „Fräulein raus… voll doof.“ Die Jahreszahlen sagt seitdem der Erzähler.
Mehrere Folgen spielen dieselbe Situation einmal damals und einmal heute.
Nach dem Titel sagt jede Folge beiläufig „Produziert mit KI.“, der Abspann sagt es ausführlich.
Acht Folgen, 32 Fassungen
| Folge | Fassungen | Länge | Was die Runden auslöste |
|---|---|---|---|
| 1 · Anrufbeantworter und KI-Stimmen | 10 | 21:10 | 31 Notizen in der ersten Abnahmerunde, eigene Musik, am Ende ein Satz |
| 2 · Taschenrechner und ChatGPT | 6 | 22:30 | v1 lief elf Minuten; zweite Recherche, Lehrkräfte, Wasserzeichen |
| 3 · Brockhaus, Wikipedia und KI-Antworten | 4 | 21:12 | Einordnung direkt nach der Szene, „ein Meter siebzig“ |
| 4 · Videothek, Netflix und KI-Filme | 4 | 23:04 | zwei Inhaltswünsche: eine Spielszene mehr, Fernsehen auf Abruf |
| 5 · Dia-Abend und KI-Fotos | 2 | 18:13 | drei Notizen |
| 6 · Quelle, Neckermann und KI-Agenten | 2 | 17:48 | fünf Notizen, ernste Musik bei der NS-Geschichte |
| 7 · Walkman, KI-Musik und KI-Begleiter | 2 | 20:32 | 18 Notizen: Walkman, Triggerwarnung, KI-Musik |
| 8 · Jahrtausendwende und KI-Prognosen | 2 | 18:43 | zwei Notizen |
Folge 1 brauchte zehn Fassungen, die Folgen 5 bis 8 je zwei. Dazwischen liegt ein Regelwerk. Nach der ersten Abnahme schrieb ich: „Mir ist wichtig, dass ich mich dem perfekten Podcast nähere“. Aus meinen 31 Notizen zu Folge 1 machte die Assistenz Regeln und eine Checkliste, an der jede neue Folge vor meiner Abnahme geprüft wird.
Mein Ziel waren dreißig Minuten, abgenommen habe ich achtzehn bis dreiundzwanzig. Länge entsteht durch Inhalt, nie durch Luft, steht im Regelwerk.
Die Wahrheit im Text
Sprachmodelle erzählen flüssig, auch dort, wo sie sich irren. Jedes Skript führt deshalb eine Quellentabelle, zusammen 340 Einträge.
Die Folgen 5 bis 8 gingen durch eine Faktenprüfung, bevor ich eine Zeile hörte. Sie lief über Prüfaufträge an die Assistenz, sogenannte Agenten. Je Folge prüften zwei die Fakten gegen Quellen im Netz und einer das Regelwerk. Jeden Faktenfund prüften zwei weitere gegen, so kamen 196 Agenten zusammen. Unter 560 geprüften Tatsachenbehauptungen fanden sie 83 Fehler. 29 waren falsch, 41 überzogen, 13 unbelegt. Im Skript zu Folge 6 stand, Neckermanns erste Liste sei von 1950. Sein Textilversand lief schon 1937/38, über die „arisierte“ Firma von Karl Joel.
Dann die echten Töne. In Folge 1 laufen Aufnahmen von 1860, 1901 und 1927. Die Idee, sie mit KI zu bereinigen, kam von mir. Die Assistenz baute eine bereinigte Fassung von 1860 ein. Ich hörte sie und schrieb: „Na - ganz offenbar hat die KI was neues erfunden hier… Wir streichen das Experiment“. Das Regelwerk hat dafür eine eigene Zeile. Keine Experimente, bei denen die KI etwas erfindet.
Die Abnahme
Für die Abnahme bestellte ich eine eigene Seite. Ein Player, an dessen Zeitleiste ich Notizen setze. Die Assistenz antwortet an derselben Stelle. 93 Notizen sind es geworden, 92 umgesetzt, eine verworfen.
In der großen Runde setzte ich zu allen acht Folgen 62 Notizen. 23 betrafen die Musik, meist ihre Blenden. Irgendwann schrieb ich nur noch ein Wort, „Blendenthematik“. 17 galten der Aussprache, acht Atmern und Schnitten, acht der Pause vor dem Abspann, fünf dem Inhalt. Eine war Lob.
Elf Notizen galten einem einzigen Wort. Mein Klon sagte „Wok-Man“. Bei der dritten Stelle schrieb ich „OMG WALKMAN NICHT WOK-MAN“. Von den Lösungen, die mir die Assistenz vorlegte, wählte ich seltener sagen und streng prüfen. Das Wort fällt jetzt neunmal statt sechzehnmal. Jede verbliebene Stelle muss in der Lautprüfung englisch klingen, in mindestens sieben von acht Messfenstern.
Ein weiteres Dauerthema waren Atmer. Zu einem Einatmer am Take-Ende notierte ich: „Das wirkt wie ein Schnittfehler.“ Auf meine Frage, ob man Atmer erkennen kann, baute die Assistenz einen Atmer-Prüfer. Er fand alle sieben Stellen, die ich markiert hatte, und zwei, die ich überhört hatte. Auf 682 Take-Grenzen gab er keinen Fehlalarm.
Die letzte Fassung von Folge 1 entstand für einen einzigen Satz. Im Ausblick hatte die Assistenz ein falsches Jahr aus dem Take geschnitten, danach fehlte dem Satz sein Schluss. Ich hörte es ganz am Ende, sonst nichts. Für v10 entstanden sechs neue Takes, gewählt nach Messwerten.
Die Prüfung, bevor ich höre
Einer meiner kürzesten Aufträge lautete „setz das alles um bitte vorher will ich nicht hören“. Danach richtete sich die Produktion. Bevor eine Fassung auf der Abnahmeseite landet, läuft eine Kette.
- Spracherkennung vergleicht jeden Take mit dem Skript.
- Eine Lautprüfung hört auf Namen und Problemwörter wie Margenfeld und Walkman.
- Ein Intensitäts-Check lässt ausreißende Takes neu erzeugen.
- Der Atmer-Prüfer sucht Einatmer ohne Anschluss.
- Ein Musikprüfer misst die Blenden und hält −16 LUFS. Alle acht Endfassungen bestehen ihn ohne Fehler.
Mischsoftware und Prüfprogramme der gemeinsamen Bibliothek umfassen gut 9.000 Zeilen Code.
Die Musik
Die Musik kommt ganz aus Suno. Opener und Abspann stammen aus meinem Klangbett-Set, dazu kommen sieben Reihenthemen. Klavier, Gesang, Bläser und alles Heroische sind ausgeschlossen.
Den Klang mochte ich, die Blenden wirkten unbeholfen. Als Maßstab nannte ich eine Doku-Reihe des Deutschlandfunks über OpenAI, die Assistenz vermaß sie intern. Dort liegt die Musik in Blöcken von gut einer Minute. In meinen Fassungen hob sie sich in jeder Satzpause, 9- bis 15-mal pro Minute.
Daraus entstand eine neue Mischsoftware in 15 Versionsständen. Die Richtung entschied ich blind, in sechs Hörvergleichen. Viermal wählte ich anders als vorgeschlagen: ein Musikbett je Kapitel statt Musik mit trockenen Strecken, ein präsenteres Bett, den ersten Absatz von „Was bleibt“ ohne Musik und das alte Ende. Das Bett liegt jetzt 17 LU unter der Stimme. Vorgesehen waren 23, die Referenz legte 20 nahe. In den Endfassungen hebt sich die Musik nur noch 0,7- bis 2,3-mal pro Minute.
Unter den Originaltönen im Teaser blendet die Musik seitdem nicht mehr aus, sie sinkt nur ab.
Wo es um Tod, Trauer, Suizid oder NS-Unrecht geht, schweigt die Musik. Bei der NS-Geschichte des Versandhandels habe ich die Regel gelockert: „wir dürfen schon Betten hier verwenden… halt kein lustiges.“ Folge 7 trägt nach meiner Notiz einen Hinweis auf Suizid im Opener, mit der Nummer der Telefonseelsorge.
Veröffentlichen und messen
Empfohlen war ein Start mit Trailer und drei Folgen. Nach meinem „GO GO GO“ gingen alle acht auf einmal online. Der KI-Hinweis steht auch maschinenlesbar im Feed. Auf den Folgenseiten sind die Quelleneinträge der Skripte zu 570 einzeln verlinkten Belegen aufgelöst. Gezählt wird ohne Cookies. Die erste Zählung ergab neun Downloads, sieben davon eigene Prüfabrufe.
Was noch nach Laientheater klingt
Zu den Szenen notierte ich einmal „etwas Laientheatermäßig“. Synchron-Niveau schaffen die Bibliotheksstimmen nur begrenzt, antwortete die Assistenz. Auch die dreißig Minuten habe ich nie erreicht. Gehalten wird die Reihe von etwas anderem. Ihre Fakten sind gegengeprüft, ihre Originaltöne unverändert.
Der Blick auf den Fall
Kann eine Maschine Geschichte so erzählen, dass man ihr glaubt? Nach dieser Staffel würde ich sagen, wenn sie sich selbst misstraut. Die Faktenfehler fanden Agenten, eine Gegenprüfung bestätigte jeden einzelnen. Was keine Prüfung kannte, fand das Ohr. Einen Wok-Man, einen Atmer zu viel, eine Blende zu kurz. Jede dieser Notizen wurde eine Regel, manche ein Prüfprogramm.
Zum API-Preis kosteten Konzept, Skripte und Faktenprüfung rund 344 Euro, Klang und Feinschliff danach rund 1.334 Euro. Die Wahrheit war billiger als der Klang. Bezahlt habe ich für die Assistenz rund 62 Euro, weil sie im Abo lief, mit Stimmen und Bildern rund 89 Euro.
Was das für eine Organisation heißt
Strategie. Der erste Entwurf ist billig geworden. Rund vier Fünftel der Assistenz-Kosten bis zur Abnahme fielen danach an. Ein Budget, das am ersten Entwurf gemessen wird, wäre hier fast fünfmal zu klein gewesen.
Rolle. Es braucht eine Gegenprüfung, und die darf eine Maschine übernehmen. Die Regeln, nach denen sie prüft, setzt ein Mensch. Hier waren es zwei: Jeder Faktenfund wird unabhängig gegengeprüft, und nichts wird erfunden, auch nicht zur Verbesserung. Die zweite stammt aus meiner eigenen, gestrichenen Idee.
Ablauf. Notiz, Regel, Prüfprogramm. Aus den Notizen zu Folge 1 wurde ein Regelwerk, aus den Atmer-Notizen ein Prüfprogramm. Was das Ohr einmal gefunden hat, sucht beim nächsten Mal die Maschine. Alle 159 Mischungen in den Produktionsordnern liegen noch da, auch die verworfenen.
Beim Menschen. Die Grenzen. Fräulein raus, KI-Restaurierung raus, Triggerwarnung rein, ernste Musik bei der NS-Geschichte, nichts nach draußen ohne Frage. Nach der ersten Abnahme wollte ich mich dem perfekten Podcast nähern. Drei Fassungen später schrieb ich „folge 1 nahezu perfekt“. Das Nahezu hört ein Mensch.