Katalog / Sprach- und Audio-KI / SPEECH-018

Assistive Sprache: Stimmbanking, Spracherkennung für atypische Sprache & AAC

Menschen mit Sprachbeeinträchtigungen (ALS/MND, Kehlkopfkrebs, Schlaganfall, Parkinson, Zerebralparese) erhalten über AAC-Geräte und Therapeuten eine persönliche synthetische Stimme und eine auf ihre eigene Sprache angepasste Spracherkennung.

Bausteine für den EigenbetriebSprachmodellSprache & AudioBildverarbeitung

Menschen, die ihre Sprache durch ALS/MND, Kehlkopfkrebs, Schlaganfall oder Parkinson verlieren oder mit einer Dysarthrie (Zerebralparese) geboren wurden, mussten lange zwischen Schweigen und einer generischen Roboterstimme wählen. Stimmbanking und neuronales Stimmklonen bauen heute aus wenigen Minuten Aufnahmen eine wiedererkennbar persönliche Stimme auf, die Erkennung atypischer Sprache sorgt dafür, dass Menschen und Geräte sie verstehen, und LLM-basierte Vorhersage beschleunigt AAC (Unterstützte Kommunikation, englisch: augmentative and alternative communication). Das Ergebnis ist Kommunikation, die Identität bewahrt – nicht nur Wörter.

Problem & Nutzen

  • Heute: Fortschreitende Erkrankungen bauen die Sprache über Monate bis Jahre ab. Die übliche Versorgung besteht aus der Überweisung an eine Logopädin bzw. einen Logopäden, einer AAC-Beurteilung und einem Kommunikationsgerät (Tablet oder Eye-Tracker) mit einer Standard-Kunststimme. Gängige Sprachassistenten und Spracherkennung scheitern an dysarthrischer Sprache und schließen diese Nutzer von Smart-Home-Steuerung und Diktat aus.
  • KI-Nutzen: (1) eine Stimme, die wie die Person klingt, vor dem Verlust bewahrt oder danach rekonstruiert; (2) auf den Einzelnen personalisierte Spracherkennung; (3) schnellere, natürlichere AAC durch Textvorhersage und kontextbezogene Phrasenvorschläge.
  • Warum der Zeitpunkt zählt: Aufnahmen müssen entstehen, solange die Sprache noch verständlich ist; Therapeuten und Kliniken sollten Banking bei der Diagnose anbieten, nicht später.

Varianten

  • Stimmbanking bei fortschreitender Erkrankung (ALS/MND, Parkinson, Kopf-Hals-Tumoren vor einer Laryngektomie): ein Skript aufnehmen, bevor die Sprache nachlässt; daraus eine persönliche Stimme für die AAC-Nutzung erzeugen.
  • Stimmrekonstruktion aus beeinträchtigtem oder historischem Audio: Wenn die Sprache bereits verloren ist, wird die Stimme aus Sprachnachrichten, Videos oder Aufnahmen eines Angehörigen aufgebaut; Qualität und Ethik erfordern besondere Sorgfalt.
  • Spracherkennung für atypische Sprache (Dysarthrie, Zerebralparese, Stottern, nach Schlaganfall): ein auf einen Nutzer oder eine Population angepasster Erkenner für Transkription, Gerätesteuerung und Live-Untertitelung dessen, was sie sagen.
  • AAC-Integration: Symbol-/Textraster, Blicksteuerung und Schalterzugang auf dedizierten Geräten (Tobii Dynavox und ähnliche) oder Tablets, mit persönlicher Sprachausgabe und KI-Satzvorhersage.

So funktioniert es

  1. Aufnahme (geführtes Skript, 15 Min.–Stunden; oder Archivaudio)
  2. Qualitätsprüfung + Entrauschen + Ausrichtung am Text
  3. Erstellung des Stimmmodells (Few-Shot-Klonen / Feintuning eines TTS-Modells)
  4. Einsatz auf dem AAC-Gerät (bevorzugt im Gerät) oder als Cloud-Stimme AAC-Eingabe (Blicksteuerung / Schalter / Touch / verbliebene Sprache)
  5. Textvorhersage (kleines LLM, persönlicher Phrasenverlauf, Kontext wie Ort/Person)
  6. TTS in der persönlichen Stimme
  7. Lautsprecher / Videoanruf Atypische Sprache: Sprache
  8. personalisierte ASR (angepasstes Akustikmodell / feingetuntes Whisper-Modell)
  9. Text, Befehl, Untertitel
  10. Rückfall bei geringer Konfidenz: Nutzer um Bestätigung bitten oder auf AAC wechseln
  • Atypische ASR: Anpassung eines allgemeinen Modells mit wenigen nutzerspezifischen Beispielen oder Training auf gesammelten Korpora gestörter Sprache. Die Anpassung an den Einzelnen übertrifft generische Modelle; die Genauigkeit schwankt mit dem Schweregrad und der Tagesform (Ermüdung).
  • AAC-Vorhersage: Kleine LLMs schlagen aus Teileingaben vollständige Äußerungen vor; diese müssen editierbar sein und dürfen nie ohne Auswahl durch den Nutzer in dessen Namen sprechen.
  • Mensch-in-der-Schleife (Human-in-the-Loop): Die Therapeutin bzw. der Therapeut beurteilt, wählt Skript und Gerät, passt das Vokabular an und überwacht die Passung; der Nutzer entscheidet stets, was gesprochen wird.

Datenaufbereitung

Die zentralen Daten sind die eigenen Stimmaufnahmen der Person (für das Stimmbanking) oder Aufnahmen atypischer Sprache mit Transkripten (für angepasste ASR). Sie liegen auf dem Smartphone des Nutzers, in der Therapiedokumentation, auf Dateifreigaben der Klinik oder auf Forschungsservern, oft unbeschriftet und verstreut.

Typische Lücken: wenige und uneinheitliche Aufnahmen, schlechte Mikrofone, fehlende oder falsche Transkripte, kein Einwilligungsnachweis und Aufnahmen, die erst entstanden, als sich die Stimme schon verschlechtert hatte. - Aufnahmeprotokoll: ruhiger Raum, dasselbe Mikrofon, Promptlisten des Werkzeugs; früh aufnehmen, solange die Sprache noch klar ist. - Transkripte: mit dem Sprecher oder der Betreuungsperson korrigieren; ein Gold-Standard-Testset aufbauen (PREP-018, PREP-016). - Persönliches Vokabular: Namen, Orte, Therapiebegriffe (PREP-015). - Schutz: Die Stimme ist biometrisches Datum und Gesundheitsdatum; Forschungssets pseudonymisieren (PREP-022) und Zweck und Rechtsgrundlage dokumentieren (PREP-025). - Werkzeuge: die Stimmbanking-Apps selbst, Audacity oder Ähnliches zum Schneiden, Whisper für Transkriptentwürfe.

Für private Nutzer ist der Aufwand gering (Stunden an Aufnahmen); für Entwickler und Kliniken, die angepasste Modelle bauen, ist er mittel und wird von der Transkriptkorrektur und der Einwilligungsverwaltung bestimmt.

Datenaufbereitung

Die zentralen Daten sind die eigenen Stimmaufnahmen der Person (für das Stimmbanking) oder Aufnahmen atypischer Sprache mit Transkripten (für angepasste ASR). Sie liegen auf dem Smartphone des Nutzers, in der Therapiedokumentation, auf Dateifreigaben der Klinik oder auf Forschungsservern, oft unbeschriftet und verstreut.

Typische Lücken: wenige und uneinheitliche Aufnahmen, schlechte Mikrofone, fehlende oder falsche Transkripte, kein Einwilligungsnachweis und Aufnahmen, die erst entstanden, als sich die Stimme schon verschlechtert hatte. - Aufnahmeprotokoll: ruhiger Raum, dasselbe Mikrofon, Promptlisten des Werkzeugs; früh aufnehmen, solange die Sprache noch klar ist. - Transkripte: mit dem Sprecher oder der Betreuungsperson korrigieren; ein Gold-Standard-Testset aufbauen (PREP-018, PREP-016). - Persönliches Vokabular: Namen, Orte, Therapiebegriffe (PREP-015). - Schutz: Die Stimme ist biometrisches Datum und Gesundheitsdatum; Forschungssets pseudonymisieren (PREP-022) und Zweck und Rechtsgrundlage dokumentieren (PREP-025). - Werkzeuge: die Stimmbanking-Apps selbst, Audacity oder Ähnliches zum Schneiden, Whisper für Transkriptentwürfe.

Für private Nutzer ist der Aufwand gering (Stunden an Aufnahmen); für Entwickler und Kliniken, die angepasste Modelle bauen, ist er mittel und wird von der Transkriptkorrektur und der Einwilligungsverwaltung bestimmt.

Datenaufbereitung

Die zentralen Daten sind die eigenen Stimmaufnahmen der Person (für das Stimmbanking) oder Aufnahmen atypischer Sprache mit Transkripten (für angepasste ASR). Sie liegen auf dem Smartphone des Nutzers, in der Therapiedokumentation, auf Dateifreigaben der Klinik oder auf Forschungsservern, oft unbeschriftet und verstreut.

Typische Lücken: wenige und uneinheitliche Aufnahmen, schlechte Mikrofone, fehlende oder falsche Transkripte, kein Einwilligungsnachweis und Aufnahmen, die erst entstanden, als sich die Stimme schon verschlechtert hatte. - Aufnahmeprotokoll: ruhiger Raum, dasselbe Mikrofon, Promptlisten des Werkzeugs; früh aufnehmen, solange die Sprache noch klar ist. - Transkripte: mit dem Sprecher oder der Betreuungsperson korrigieren; ein Gold-Standard-Testset aufbauen (PREP-018, PREP-016). - Persönliches Vokabular: Namen, Orte, Therapiebegriffe (PREP-015). - Schutz: Die Stimme ist biometrisches Datum und Gesundheitsdatum; Forschungssets pseudonymisieren (PREP-022) und Zweck und Rechtsgrundlage dokumentieren (PREP-025). - Werkzeuge: die Stimmbanking-Apps selbst, Audacity oder Ähnliches zum Schneiden, Whisper für Transkriptentwürfe.

Für private Nutzer ist der Aufwand gering (Stunden an Aufnahmen); für Entwickler und Kliniken, die angepasste Modelle bauen, ist er mittel und wird von der Transkriptkorrektur und der Einwilligungsverwaltung bestimmt.

Umsetzungswege

Welcher Weg für wen

  • Privat: Weg A. Etablierte Stimmbanking- und AAC-Apps funktionieren sofort und werden oft von Therapeuten und Kostenträgern getragen.
  • Unternehmen: Weg A. Kliniken, Reha-Anbieter und Pflegeorganisationen brauchen unterstützte, zertifizierte Werkzeuge und Therapieabläufe statt Eigenentwicklungen.
  • Entwickler: Weg C. Das Feintuning offener ASR-Modelle wie Whisper auf atypischer Sprache läuft auf HW1 und hält sensible Stimmdaten lokal.
  • Öffentliche Hand: Weg C. Behörden und gemeinnützige Organisationen verarbeiten sehr sensible Gesundheits- und Stimmdaten; selbst betriebene Open Source auf souveräner Infrastruktur vermeidet Beschaffungs- und Übermittlungsprobleme.

Welcher Weg für wen

  • Privat: Weg A. Etablierte Stimmbanking- und AAC-Apps funktionieren sofort und werden oft von Therapeuten und Kostenträgern getragen.
  • Unternehmen: Weg A. Kliniken, Reha-Anbieter und Pflegeorganisationen brauchen unterstützte, zertifizierte Werkzeuge und Therapieabläufe statt Eigenentwicklungen.
  • Entwickler: Weg C. Das Feintuning offener ASR-Modelle wie Whisper auf atypischer Sprache läuft auf HW1 und hält sensible Stimmdaten lokal.
  • Öffentliche Hand: Weg C. Behörden und gemeinnützige Organisationen verarbeiten sehr sensible Gesundheits- und Stimmdaten; selbst betriebene Open Source auf souveräner Infrastruktur vermeidet Beschaffungs- und Übermittlungsprobleme.

Welcher Weg für wen

  • Privat: Weg A. Etablierte Stimmbanking- und AAC-Apps funktionieren sofort und werden oft von Therapeuten und Kostenträgern getragen.
  • Unternehmen: Weg A. Kliniken, Reha-Anbieter und Pflegeorganisationen brauchen unterstützte, zertifizierte Werkzeuge und Therapieabläufe statt Eigenentwicklungen.
  • Entwickler: Weg C. Das Feintuning offener ASR-Modelle wie Whisper auf atypischer Sprache läuft auf HW1 und hält sensible Stimmdaten lokal.
  • Öffentliche Hand: Weg C. Behörden und gemeinnützige Organisationen verarbeiten sehr sensible Gesundheits- und Stimmdaten; selbst betriebene Open Source auf souveräner Infrastruktur vermeidet Beschaffungs- und Übermittlungsprobleme.

Weg A — Kaufen (Standardsoftware) (empfohlen)

  • Stimmbanking und persönliche Stimmen: Acapela „my-own-voice“ (Belgien/Frankreich, EU), enthalten in den AAC-Lösungen von Tobii Dynavox; ElevenLabs Impact Program (kostenloses Stimmklonen für berechtigte Personen mit ALS/MND und ähnlichen Erkrankungen) und Professional Voice Cloning; Apple Personal Voice + Live Speech (iOS/macOS, im Gerät, rund 15 Min. Prompts); Stimmen von Cereproc (UK); ModelTalker/Banking-Werkzeuge der MND Association in Großbritannien; SpeakUnique (UK).
  • ASR für atypische Sprache: Voiceitt (App und Integrationen für dysarthrische Sprache, auch für Unternehmens- und Pflegeumgebungen); Android-Bedienungshilfen (Googles Forschungs-App Project Relate ist möglicherweise nicht mehr verfügbar; prüfen); Apple Voice Control und die Funktion „Listen for Atypical Speech“ (eingeführt mit iOS 18).
  • AAC-Geräte und -Apps: Tobii Dynavox (SE), Smartbox Grid, Control Bionics, Liberator, Proloquo2Go (AssistiveWare, NL), Snap Core First, LAMP Words for Life; Eye-Tracking über Tobii.

Weg B — Auf Cloud-KI-Diensten aufbauen

  • TTS-/Klon-APIs: ElevenLabs (Instant und Professional Cloning), Azure AI Speech Custom Neural Voice (eingeschränkter Zugang, EU-Regionen), Google Cloud TTS Custom Voice, Cartesia, Mistral Voxtral (EU-Anbieter, offene Gewichte und API für Sprachverständnis).
  • ASR/Personalisierung: Azure Custom Speech, Google Chirp / Speech-to-Text mit Adaption, Deepgram, AssemblyAI, APIs der Whisper-Klasse von OpenAI; eigene Phrasenlisten helfen, beheben aber keine schwere Dysarthrie.
  • Satzvorhersage: jede LLM-API mit personalisiertem Prompt/Gedächtnis; EU-Regionen und kein Training mit Nutzerdaten bevorzugen.

Weg C — Selbst betreiben (Open Source)

  • TTS mit Klonen: Modelle mit offenen Gewichten wie XTTS-v2 (Coqui, Lizenzbeschränkungen), F5-TTS, Piper (klein, schnell, gut auf Hardware der Raspberry-Pi-Klasse), StyleTTS 2, Kokoro, OpenVoice; jede Lizenz auf zulässige Nutzung prüfen.
  • ASR: Whisper (large-v3/turbo), mit LoRA auf persönlichen oder gesammelten Daten gestörter Sprache feingetunt; faster-whisper oder whisper.cpp für die Inferenz im Gerät; Voxtral mit offenen Gewichten.
  • AAC-Stack: quelloffene AAC-Software wie Cboard (Web), AsTeRICS Grid (EU-gefördert, mit Unterstützung für Blicksteuerung und Schalter) und Open-AAC-Symbolsätze.
  • Hardware: HW1 für TTS/ASR im Gerät; HW2 nur für das Stimmtraining. Selbst betreiben eignet sich für datenschutzsensible Kliniken und Forschungsgruppen; der Produktivbetrieb braucht einen Therapeuten und einen Gerätepartner.

Weg D — Eigenes Training

Lohnt sich bei schwerer oder seltener Dysarthrie, bei nicht englischen oder dialektsprechenden Nutzern und in der klinischen Forschung. Erfordert die eigenen Aufnahmen des Nutzers (zehn Minuten bis Stunden), saubere Transkripte und eine eingewilligte Nutzung. Gesammelte Datensätze wie das Speech Accessibility Project (SAP) der University of Illinois liefern Daten gestörter Sprache für die Forschung im Rahmen einer Datennutzungsvereinbarung; beteiligte Technologieunternehmen haben von Modellverbesserungen durch SAP berichtet. Rechnen Sie mit einer klinischen Zusammenarbeit und einer IRB-/Ethikprüfung.

Stand der Technik (2026)

  • Few-Shot-Klonen liefert aus wenigen Minuten sauberem Audio überzeugende Stimmen; die Lücke liegt bei Ausdrucksstärke, Steuerung der Prosodie und Robustheit gegenüber verrauschten Quellaufnahmen.
  • Persönliche Stimmen im Gerät sind auf Smartphones Standard (Apple Personal Voice) und beseitigen die Cloud-Abhängigkeit.
  • Atypische ASR: Auf Korpora gestörter Sprache feingetunte Foundation-Modelle senken die Wortfehlerrate bei leichter bis mittlerer Dysarthrie erheblich; schwere Fälle, unverständliche Sprache und offenes Vokabular bleiben ungelöst. Persönliche Anpassung schlägt generische Modelle.
  • Grenzen: Die Stimme verschlechtert sich mit dem Fortschreiten der Erkrankung, daher ist frühes Banking wichtig; Klonen kann die emotionale Bandbreite nicht wiederherstellen; die ASR driftet mit Ermüdung und Krankheitsverlauf; synthetische Stimmen können missbraucht werden.

Gemeinsame Bausteine & Kombinationen

Aufwand, Kosten & Kennzahlen

  • Weg A: Tage bis Wochen, um eine Stimme zu bankieren; die Beurteilung von AAC-Gerät und -Software dauert Wochen; die Kosten reichen von kostenlos (einige Smartphone-Funktionen, ElevenLabs Impact Program für berechtigte Nutzer) bis zu Gerätepreisen im Bereich mehrerer tausend Euro, in der Regel als medizinisches Hilfsmittel finanziert.
  • Weg B: 1–3 Monate; Weg C/D: 3–9 Monate inkl. klinischer Validierung.
  • Kennzahlen: Verständlichkeitsbewertung durch Zuhörer, Wortfehlerrate bei der Sprache des Nutzers, Wörter pro Minute bei AAC, Stimmähnlichkeit laut Bewertung durch Nutzer und Familie, Abbruchquote bei der Gerätenutzung, Zeit von der Diagnose bis zur gebankten Stimme, Zufriedenheit von Nutzern und Betreuungspersonen.

Menschen & Veränderung

Beziehen Sie von Anfang an die Endnutzer selbst und die Kunden-Seite (Familie, Betreuungspersonen, Logopäden) ein, gemeinsam mit der Fachbereichsleitung (Therapie- oder Klinikleitung) und der Geschäftsleitung. Die/der Datenschutzbeauftragte und Recht/Compliance müssen vor der Aufnahme Einwilligung, AVV und Speicherort der Stimmdaten bestätigen; bei Gesundheits- und biometrischen Daten in größerem Umfang ist eine DSFA wahrscheinlich (GUIDE-005).

Betriebsrat: nein, weil die Nutzer Patienten oder Klienten sind. Nutzen Mitarbeitende wie Assistenzkräfte das Werkzeug und wird die Aktivität protokolliert, kann §87 Abs. 1 Nr. 6 BetrVG greifen; in Behörden der Personalrat.

KI-Kompetenz: Schulen Sie Therapeuten und Betreuungspersonen zu den Grenzen (Fehler, Missbrauch synthetischer Stimmen) als Unterstützungsmaßnahme nach Art. 4 KI-Verordnung (AI Act) (GUIDE-006). Vermitteln Sie, dass die Person die volle Kontrolle über ihre Stimme behält und sie löschen kann. Beginnen Sie mit einer kleinen Pilotgruppe, idealerweise einigen motivierten Nutzern mit therapeutischer Begleitung (GUIDE-008). Typische Sorgen: Identitätsverlust, Missbrauch der geklonten Stimme, Abhängigkeit von der App; begegnen Sie ihnen mit lokaler Speicherung, klarer Einwilligung und einem Rückfall auf manuelle AAC.

Menschen & Veränderung

Beziehen Sie von Anfang an die Endnutzer selbst und die Kunden-Seite (Familie, Betreuungspersonen, Logopäden) ein, gemeinsam mit der Fachbereichsleitung (Therapie- oder Klinikleitung) und der Geschäftsleitung. Die/der Datenschutzbeauftragte und Recht/Compliance müssen vor der Aufnahme Einwilligung, AVV und Speicherort der Stimmdaten bestätigen; bei Gesundheits- und biometrischen Daten in größerem Umfang ist eine DSFA wahrscheinlich (GUIDE-005).

Betriebsrat: nein, weil die Nutzer Patienten oder Klienten sind. Nutzen Mitarbeitende wie Assistenzkräfte das Werkzeug und wird die Aktivität protokolliert, kann §87 Abs. 1 Nr. 6 BetrVG greifen; in Behörden der Personalrat.

KI-Kompetenz: Schulen Sie Therapeuten und Betreuungspersonen zu den Grenzen (Fehler, Missbrauch synthetischer Stimmen) als Unterstützungsmaßnahme nach Art. 4 KI-Verordnung (AI Act) (GUIDE-006). Vermitteln Sie, dass die Person die volle Kontrolle über ihre Stimme behält und sie löschen kann. Beginnen Sie mit einer kleinen Pilotgruppe, idealerweise einigen motivierten Nutzern mit therapeutischer Begleitung (GUIDE-008). Typische Sorgen: Identitätsverlust, Missbrauch der geklonten Stimme, Abhängigkeit von der App; begegnen Sie ihnen mit lokaler Speicherung, klarer Einwilligung und einem Rückfall auf manuelle AAC.

Menschen & Veränderung

Beziehen Sie von Anfang an die Endnutzer selbst und die Kunden-Seite (Familie, Betreuungspersonen, Logopäden) ein, gemeinsam mit der Fachbereichsleitung (Therapie- oder Klinikleitung) und der Geschäftsleitung. Die/der Datenschutzbeauftragte und Recht/Compliance müssen vor der Aufnahme Einwilligung, AVV und Speicherort der Stimmdaten bestätigen; bei Gesundheits- und biometrischen Daten in größerem Umfang ist eine DSFA wahrscheinlich (GUIDE-005).

Betriebsrat: nein, weil die Nutzer Patienten oder Klienten sind. Nutzen Mitarbeitende wie Assistenzkräfte das Werkzeug und wird die Aktivität protokolliert, kann §87 Abs. 1 Nr. 6 BetrVG greifen; in Behörden der Personalrat.

KI-Kompetenz: Schulen Sie Therapeuten und Betreuungspersonen zu den Grenzen (Fehler, Missbrauch synthetischer Stimmen) als Unterstützungsmaßnahme nach Art. 4 KI-Verordnung (AI Act) (GUIDE-006). Vermitteln Sie, dass die Person die volle Kontrolle über ihre Stimme behält und sie löschen kann. Beginnen Sie mit einer kleinen Pilotgruppe, idealerweise einigen motivierten Nutzern mit therapeutischer Begleitung (GUIDE-008). Typische Sorgen: Identitätsverlust, Missbrauch der geklonten Stimme, Abhängigkeit von der App; begegnen Sie ihnen mit lokaler Speicherung, klarer Einwilligung und einem Rückfall auf manuelle AAC.

Risiken, Regulierung & Compliance

  • KI-Verordnung (AI Act): Assistive TTS/ASR gilt in der Regel als begrenztes oder minimales Risiko. Synthetische Sprache löst Transparenzpflichten nach Art. 50 aus (KI-generiertes Audio gegenüber Zuhörern offenlegen, wo es nicht offensichtlich ist); die persönliche Nutzung durch den Stimminhaber ist weitgehend eine Situation mit geringem Risiko. Emotionserkennung gehört nicht zu diesem Anwendungsfall (Art. 5 verbietet sie am Arbeitsplatz und in der Schule; nicht ergänzen). Produkte mit medizinischer Zweckbestimmung können als Medizinprodukte (MDR) reguliert sein, was nach der KI-Verordnung eine Behandlung als Hochrisiko nach Anhang I auslösen kann — Verantwortung des Anbieters.
  • DSGVO: Stimmaufnahmen sind personenbezogene Daten und können als zur Identifizierung nutzbarer Stimmabdruck biometrische/besondere Kategorien (Art. 9) von Daten sein, dazu Gesundheitsdaten. Ausdrückliche Einwilligung, Datenminimierung, Löschung des Stimmmodells auf Verlangen, Verarbeitung in der EU und DSFA. Geschäftsfähigkeit: Bei Kindern oder Menschen mit kognitiver Beeinträchtigung sind Betreuende einzubeziehen, ohne den eigenen Willen der Person zu übergehen.
  • Stimmidentität und Missbrauch: Die geklonte Stimme könnte für Betrug oder Deepfakes genutzt werden; den Export einschränken, Ausgaben nach Möglichkeit mit Wasserzeichen versehen und den Zugriff kontrollieren. Die Nutzung einer Stimme nach dem Tod sollte vorab vereinbart werden (Patientenverfügung oder Familienvereinbarung).
  • Finanzierung: In Deutschland sind AAC-Geräte Hilfsmittel (SGB V); ärztliche Verordnung, Antrag bei der Krankenkasse und Aufnahme im Hilfsmittelverzeichnis; andere EU-Länder haben andere Systeme.
  • Gegenmaßnahmen: Stimmmodelle im Besitz des Nutzers, lokale Speicherung, therapeutische Aufsicht, klarer Rückfall auf AAC ohne KI, Erwartungsmanagement zur Erkennungsgenauigkeit.

Erste Schritte

  1. Stimmbanking bei der Diagnose anbieten: eine Logopädin bzw. einen Logopäden einbinden, die erste Sitzung in einem ruhigen Raum mit gutem Mikrofon aufnehmen und das Originalaudio sicher aufbewahren.
  2. Zuerst die kostenlosen Optionen ausprobieren (persönliche Stimme des Smartphones, ein berechtigtes Stimmprogramm), während ein dediziertes AAC-Gerät beurteilt wird.
  3. Für die Erkennung eine App für atypische Sprache zwei Wochen mit dem Nutzer pilotieren und mit der Ausgangslage vergleichen.
  4. Einwilligung, Aufbewahrungs- und Löschregeln für Aufnahmen und Stimmmodelle dokumentieren; für Dienstleister eine DSFA durchführen.
  5. Den Finanzierungsantrag früh stellen; die Genehmigung von Geräten kann Wochen dauern.

Quellen

  1. Acapela Group — my-own-voice voice banking — https://www.acapela-group.com/
  2. Tobii Dynavox — AAC solutions and voice banking — https://www.tobiidynavox.com/
  3. ElevenLabs — Impact Program — https://elevenlabs.io/impact-program
  4. Apple — Personal Voice and Live Speech (iOS support) — https://support.apple.com/guide/iphone/create-a-personal-voice-iph0bf3f2f5e/ios
  5. Voiceitt — speech recognition for non-standard speech — https://voiceitt.com/
  6. University of Illinois — Speech Accessibility Project — https://speechaccessibilityproject.beckman.illinois.edu/
  7. Google — Project Relate — https://sites.research.google/relate/
  8. AsTeRICS Grid — open-source AAC — https://github.com/asterics/AsTeRICS-Grid
  9. Piper TTS — https://github.com/rhasspy/piper
  10. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
  11. Regulation (EU) 2016/679 (GDPR) — https://eur-lex.europa.eu/eli/reg/2016/679/oj