Einen KI-Avatar erstellen heißt: Du nimmst dich einmal kurz vor der Kamera auf, und danach entstehen Videos mit deinem Gesicht und deiner Stimme aus einem getippten Skript. Kein Licht aufbauen, kein zehnter Versuch, weil du dich beim letzten Satz versprochen hast. Für Inhaber, Coaches und Berater, die jede Woche dieselben Dinge erklären, ist das eine echte Entlastung.
Die Werkzeuge sind alltagstauglich. HeyGen braucht für sein aktuelles Modell laut eigener Seite nur noch einen Clip von 15 Sekunden. Es gibt aber Grenzen: Bei manchen Themen wirkt ein Avatar fehl am Platz, und dein digitales Ich braucht Schutz wie ein Bankzugang. Hier zeige ich dir Aufnahme, Kosten, Einsatzfälle und die Stellen, an denen ich lieber selbst vor die Kamera gehe.
Was ist ein KI-Avatar und was ist ein digitaler Zwilling?
Ein KI-Avatar ist eine digitale Person, die in einem Video einen Text spricht. Die Anbieter haben fertige Avatare im Angebot. Für dich interessant ist der eigene Avatar, bei HeyGen „Digital Twin“ genannt, also digitaler Zwilling. Er besteht aus zwei Teilen:
- Das Video-Ich. Aus einer kurzen Aufnahme lernt das Modell dein Gesicht und deine Mimik und erzeugt daraus neue Videos, in denen dein Avatar lippensynchron spricht.
- Die geklonte Stimme. Eine synthetische Version deiner Stimme liest jeden Text vor, den du eintippst, bei HeyGen und Synthesia auch in anderen Sprachen.
Manche brauchen nur die Stimme, etwa über einer Bildschirmaufnahme. Wenn du dich wirklich selbst klonen willst, also aussehen und klingen wie du, brauchst du beides.
Was du für die Aufnahme brauchst
Ein Studio brauchst du nicht, Smartphone oder Webcam reichen. Wie viel Material nötig ist, hängt vom Modell ab:
- HeyGen Avatar V. Ein Clip von 15 Sekunden. Die Verarbeitung dauert laut HeyGen meist 10 bis 15 Minuten.
- HeyGen Avatar IV. Für das Vorgängermodell empfiehlt das Hilfe-Center mindestens 2 und besser bis zu 5 Minuten, mindestens 1080p mit 30 Bildern pro Sekunde, als eine durchgehende Aufnahme ohne Schnitt.
- Synthesia. Empfohlen ist ein persönlicher Avatar aus einem einzigen Foto, idealerweise ab der Hüfte aufwärts vor ruhigem Hintergrund. Die ältere Variante aus Video braucht rund 2 Minuten vor der Webcam oder eine Aufnahme von 1 bis 5 Minuten.
- Stimme. HeyGen empfiehlt für den Stimmklon mindestens eine Minute gleichmäßiges Sprechen. ElevenLabs empfiehlt für den schnellen Klon 1 bis 2 Minuten und rät von mehr als 3 Minuten ab.
Meine Empfehlung: Nimm trotzdem zwei Minuten am Stück auf. Dann hast du genug sauberes Material für Bild und Stimme und musst nicht zweimal aufbauen.
So gelingt die Aufnahme
- Licht. Hell und gleichmäßig, ohne harte Schatten. Das Fenster vor dir, nicht hinter dir.
- Ton. Ruhiger Raum, kein Hall, ein externes Mikrofon ist erlaubt. Deine eigene Stimme muss zu hören sein, auch wenn du später eine andere nutzt, sonst leidet die Lippensynchronisation.
- Blick und Haltung. Direkt in die Linse, mittig, ruhige Bewegungen. Gesten ja, aber im Bild und nicht vor dem Gesicht.
- Kleidung. Einfarbig, ohne große Logos. Brille und Schmuck können laut HeyGen kleine Bildfehler verursachen.
- Pausen. Halte zwischen den Sätzen einen freundlichen Ausdruck. Daraus lernt das Modell, wie du aussiehst, wenn du nicht sprichst.
Die Einwilligung
Die Anbieter verlangen eine Einwilligung der Person, die geklont wird. Bei HeyGen liest du vor der Kamera einen vorgegebenen Text mit einem Code vor, höchstens 30 Sekunden lang. Abgelehnt wird das Video, wenn eine andere Person spricht, das Bild zu dunkel ist oder jemand einen Bildschirm abfilmt. Synthesia verlangt die Einwilligung live, ein vorher aufgenommenes Video zählt nicht. Legst du einen Avatar für eine Mitarbeiterin an, nimmt sie die Einwilligung selbst auf, bei HeyGen per QR-Code vom eigenen Handy.
HeyGen, Synthesia und ElevenLabs im Vergleich
Ich beschränke mich auf drei Werkzeuge: HeyGen und Synthesia für Avatar-Videos, ElevenLabs nur für die Stimme. Alle drei nennen ihre Preise in US-Dollar. Stand Oktober 2026, geprüft auf den Preisseiten der Anbieter:
| Werkzeug | Kostenlos | Einstieg | Nächste Stufe | Eigene Avatare |
|---|---|---|---|---|
| HeyGen | 3 Videos pro Monat, je bis 1 Minute, mit Wasserzeichen | Creator: 29 $ im Monat, 24 $ bei Jahreszahlung, 1080p | Pro: 49 $ im Monat, 4K | 1 schon im Gratis-Tarif, 5 im Business-Tarif (149 $) |
| Synthesia | Basic: 10 Minuten pro Monat, mit Wasserzeichen | Starter: 19 $ im Monat, 14 $ bei Jahreszahlung | Pro: 89 $ im Monat, 59 $ bei Jahreszahlung | keine im Gratis-Tarif, 3 bei Starter, 5 bei Pro |
| ElevenLabs (nur Stimme) | rund 10 Minuten Sprache, kein Stimmklon | Starter: 6 $ im Monat, schneller Stimmklon | Creator: 22 $ im Monat, professioneller Stimmklon | kein Video |
HeyGen: der schnellste Weg zum eigenen Avatar
Mit HeyGen rate ich Einsteigern anzufangen. Der kostenlose Tarif enthält schon einen digitalen Zwilling und einen Stimmklon, du testest also mit deinem eigenen Gesicht, bevor du zahlst. Ab Creator fällt das Wasserzeichen weg, Videos dürfen bis 30 Minuten lang sein. Das aktuelle Modell Avatar V ist dort aber nur begrenzt nutzbar, ab Pro ist es laut Preisseite regulär enthalten.
Zur Frage nach HeyGen auf Deutsch: Die geklonte Stimme spricht laut Anbieter mit Lippensynchronisation mehr als 175 Sprachen und Dialekte. Deutsch steht in der Sprachliste des Hilfe-Centers in drei Varianten: Deutschland, Österreich und Schweiz. So übersetzt du auch ein fertiges Video, mit deiner Stimme.
Synthesia: eher für Schulungsvideos im Team
Synthesia bietet Videos in mehr als 140 Sprachen und Gastzugänge für Kollegen. Den Avatar nimmst du laut Synthesia auf Englisch, Spanisch, Deutsch oder Französisch auf, die geklonte Stimme spricht danach 29 Sprachen. Der Haken beim empfohlenen Foto-Avatar steht in der eigenen Dokumentation: Die Bewegungen werden aus der Sprache erzeugt, nicht aus deinen Aufnahmen gelernt. Der Avatar sieht aus wie du, bewegt sich aber nicht unbedingt wie du.
Bei der Stimme sind die Angaben nicht einheitlich. Laut Hilfe-Center gibt es Stimmklone in allen Tarifen, in der Vergleichstabelle der Preisseite ist das weniger eindeutig. Ist dir die eigene Stimme wichtig, lass es dir vor dem Abschluss bestätigen.
ElevenLabs: wenn du nur die Stimme brauchst
ElevenLabs macht kein Video, sondern Stimmen. Das passt für Erklärvideos als Bildschirmaufnahme, Audiokurse oder wenn du nicht ins Bild willst. Der schnelle Klon ist ab Starter dabei und sofort nutzbar. Der genauere professionelle Klon ab Creator braucht mindestens 30 Minuten Sprachaufnahmen, eine Stimmprüfung und meist 3 bis 6 Stunden Training. Deutsch wird unterstützt.
8 Einsatzfälle für deinen KI-Video-Avatar im Betrieb
- Onboarding-Videos. Begrüßung neuer Mitarbeiter oder Kunden. Ändert sich ein Ansprechpartner, tauschst du einen Satz im Skript, statt neu zu drehen.
- Produkterklärungen. Ein bis zwei Minuten pro Leistung. Beispiel Handwerk: Der Inhaber erklärt, wie die Beratung zur neuen Heizung abläuft und was der Kunde vorbereiten soll.
- FAQ-Videos. Die zehn Fragen, die du jede Woche am Telefon beantwortest, als kurze Clips zum Verlinken.
- Social-Media-Clips. Hochformat, 30 bis 60 Sekunden, ein Gedanke pro Clip. Als Ergänzung zu echten Aufnahmen, nicht als Ersatz.
- Mehrsprachige Videos. Dasselbe Video auf Englisch oder Polnisch, mit deiner Stimme. Lass jede Fassung von jemandem prüfen, der die Sprache spricht. Warum, steht in Mehrsprachige Kommunikation mit KI.
- Kurs-Inhalte im Mitgliederbereich. Ändert sich ein Werkzeug oder eine Zahl, überarbeitest du die Lektion, ohne das Modul neu zu drehen.
- Personalisierte Vertriebsvideos. Ein kurzes Video mit Bezug auf das Anliegen des Interessenten, als Nachfassen nach dem Erstgespräch. Passt der Inhalt nicht wirklich, wirkt es wie Massenware.
- Interne Schulungen. Einweisung in eine neue Software, der Ablauf bei Reklamationen. Wie du Schulungen insgesamt aufbaust, beschreibt KI-Schulung, Workshop oder Weiterbildung.
Dein erstes Avatar-Video in 30 Minuten
So kommst du mit dem kostenlosen Tarif von HeyGen zu einem Testvideo. Die Zeiten sind Richtwerte.
- Konto anlegen (3 Minuten). Mit einer Firmenadresse, auf die du dauerhaft Zugriff hast, und einem eigenen, starken Passwort.
- Platz vorbereiten (5 Minuten). Handy auf ein Stativ, Gesicht zum Fenster, Mikrofon anstecken, Benachrichtigungen aus.
- Aufnehmen (5 Minuten). Ein bis zwei kurze Proben, dann die richtige Aufnahme. Sprich frei über ein Thema, das du gut kennst.
- Einwilligung aufnehmen (2 Minuten). Den vorgegebenen Text samt Code deutlich vorlesen.
- Skript schreiben, während der Avatar entsteht (10 bis 15 Minuten). Rund 130 Wörter ergeben etwa eine Minute, mehr erlaubt der Gratis-Tarif nicht. Nimm eine Frage, die dir Kunden jede Woche stellen.
- Video erzeugen und prüfen (5 Minuten). Stimme wählen, Skript einfügen, erzeugen. Schau es einmal ohne Ton an, dann siehst du, ob Lippen und Mimik passen.
Überzeugt dich das Ergebnis nicht, liegt es meist an Licht oder Ton. Nachbessern und den Avatar neu anlegen, laut HeyGen geht das einmal pro Monat und Avatar-Platz.
Qualitätstipps: Skript, kurze Sätze, Aussprache
Die meisten Avatar-Videos, die künstlich wirken, scheitern am Text, nicht am Bild.
- Für das Ohr schreiben. Ein Gedanke pro Satz, möglichst unter 15 Wörtern. Schachtelsätze klingen aus einem Avatar noch steifer als aus einem Menschen.
- Zahlen und Abkürzungen ausschreiben. „Zwanzig Prozent“ statt „20 %“, „zum Beispiel“ statt „z. B.“.
- Namen und Fachbegriffe testen. Firmennamen und englische Produktnamen sind die häufigsten Stolpersteine. Schreib sie notfalls so, wie sie gesprochen werden.
- Laut vorlesen. Wo du stolperst, stolpert die Stimme meist auch.
- Kurz bleiben. Ein bis drei Minuten pro Video, dazwischen Bildschirmaufnahmen oder Fotos. Das lenkt davon ab, dass sich Gesten wiederholen.
Wo KI-Avatare noch künstlich wirken
Im kurzen Clip fällt ein guter Avatar kaum auf. Bei längerem Hinsehen merken viele trotzdem, dass etwas nicht stimmt: Die Körpersprache bleibt neutral, wie Synthesia für den Foto-Avatar selbst schreibt. Freude, Betroffenheit oder Ironie kommen nur begrenzt rüber. Und Brillengläser, Schmuck und Hände sind die Stellen, an denen am ehesten Bildfehler entstehen.
Deshalb gehe ich in drei Situationen lieber selbst vor die Kamera:
- Wenn es um Vertrauen geht. Das erste Video, das ein möglicher Kunde von dir sieht, eine Entschuldigung nach einer Reklamation, schwierige Nachrichten ans Team.
- Wenn deine Persönlichkeit das Produkt ist. Coaches und Berater werden gebucht, weil man sie spürt. Ein Avatar transportiert Wissen, Nähe kaum.
- Wenn es spontan sein soll. Ein Blick in die Werkstatt, ein Messestand. Das schnelle Handyvideo ist hier glaubwürdiger.
Brauchst du Bewegtbild ganz ohne Sprecher, etwa Produktszenen, sind Videomodelle das bessere Werkzeug. Was die können, zeigt der Beitrag zu Seedance 2.5 von ByteDance.
Transparenz: Sag offen, dass es dein KI-Avatar ist
Meine klare Empfehlung: Kennzeichne Avatar-Videos. Ein Satz in der Beschreibung genügt, etwa „Dieses Video habe ich mit meinem KI-Avatar erstellt.“ Wer es selbst herausfindet, fühlt sich schnell getäuscht. Wer es vorher weiß, achtet auf den Inhalt.
Manche Plattformen fragen das selbst ab. In YouTube Studio wählst du beim Hochladen unter „Attribute“ und „KI-Nutzung“ Ja oder Nein. Bei Ja kann YouTube ein Label anzeigen, Zielgruppe und Monetarisierung schränkt das laut YouTube nicht ein.
Deinen Avatar und deine Stimme schützen
Wer Zugang zu deinem Konto hat, kann Videos erzeugen, in denen du Dinge sagst, die du nie gesagt hast. Behandle den Zugang deshalb wie dein Onlinebanking.
- Eigene Zugänge statt geteiltem Passwort. Aktiviere eine Zwei-Faktor-Anmeldung, wo der Anbieter sie anbietet. HeyGen bietet ab dem Business-Tarif einen gemeinsamen Arbeitsbereich mit eigenen Zugängen (20 $ pro Platz und Monat) und Single Sign-on.
- Wissen, wer den Avatar nutzen kann. Bei HeyGen bleibt der eigene Avatar laut Anbieter in deinem Konto und landet nicht in einer öffentlichen Bibliothek. Den Foto-Avatar bei Synthesia kann nur nutzen, wer ihn angelegt hat.
- Freigabe vor Veröffentlichung. Leg fest, wer Videos mit deinem Avatar erzeugen und veröffentlichen darf. Solche Regeln gehören in eure KI-Richtlinie.
- Avatare von Mitarbeitern. Sprecht vorher ab, wofür der Avatar genutzt wird und was passiert, wenn jemand das Unternehmen verlässt. Meist heißt das: Avatar und Stimme löschen.
- Zahlungen nie per Video. Vereinbare mit deiner Buchhaltung, dass eine Zahlungsanweisung nie allein per Sprachnachricht oder Video gilt, auch wenn sie nach dir klingt.
Häufige Fragen
Was kostet es, einen KI-Avatar zu erstellen?
Zum Testen nichts, HeyGen enthält schon im Gratis-Tarif einen eigenen Avatar. Für den Einsatz im Betrieb rechne mit rund 14 bis 89 Dollar im Monat, je nach Werkzeug, Tarif und Zahlweise. Stand Oktober 2026.
Kann ich einen KI-Avatar kostenlos erstellen?
Ja, bei HeyGen: ein digitaler Zwilling, ein Stimmklon und drei Videos im Monat mit bis zu einer Minute Länge, mit Wasserzeichen. Bei Synthesia gibt es eigene Avatare erst ab dem Starter-Tarif.
Wie lange dauert es, einen KI-Avatar zu erstellen?
Die Aufnahme dauert wenige Minuten. Bei HeyGen ist der Avatar laut Anbieter meist nach 10 bis 15 Minuten fertig, bei Synthesia der Foto-Avatar in der Regel nach wenigen Minuten. Die ältere Synthesia-Variante aus Video braucht etwa einen Werktag.
Spricht ein KI-Avatar gutes Deutsch?
HeyGen, Synthesia und ElevenLabs unterstützen Deutsch. Wie natürlich deine geklonte Stimme klingt, hängt stark von der Aufnahme ab. Teste mit einem Skript voller Fachbegriffe und Namen, bevor du einen Jahrestarif abschließt.
HeyGen oder Synthesia: Was passt besser?
Für Einstieg, Social Media und Vertrieb HeyGen: kostenlos testbar, eigener Avatar ab dem ersten Tag. Synthesia passt eher, wenn ein Team regelmäßig Schulungsvideos produziert. Brauchst du nur die Stimme, reicht ElevenLabs.
Fazit
Einen KI-Avatar zu erstellen ist keine Technikfrage mehr. Eine saubere Aufnahme, eine Einwilligung, und dein digitaler Zwilling übernimmt Onboarding, FAQ, Produkterklärungen und Schulungen. Mein Rat: Starte kostenlos mit HeyGen, mach ein Testvideo zu einer Frage, die dir jede Woche gestellt wird, und zeig es drei Kunden. Stolpert keiner, hast du deinen ersten Einsatzfall. Für Vertrauen, Emotion und Spontanes bleibst du selbst vor der Kamera, und jedes Avatar-Video bekommt einen Hinweis, dass es eins ist.
Wenn du Avatar-Videos in Abläufe einbinden willst, etwa als Begrüßungsvideo, das nach einer Buchung automatisch verschickt wird, ist das Teil meiner KI-Automatisierung. Welche Videos sich in deinem Betrieb lohnen, klären wir in einer KI-Beratung.
Quellen: HeyGen-Tarife, Preise, Avatar-Modelle und Team-Funktionen nach der Preisseite von HeyGen. Avatar V mit 15-Sekunden-Clip, Einwilligungscode, Verarbeitungszeit, Sichtbarkeit des Avatars und Sprachen nach HeyGens Seite Individueller Avatar-Generator und dem Beitrag April 2026 Product Updates. Aufnahmeanforderungen für Avatar IV nach dem Hilfe-Artikel Create your first Digital Twin, Einwilligungsvideo nach dem Hilfe-Artikel zur Einwilligung, Deutsch in drei Varianten nach Video Translation: Languages We Support, Länge der Stimmaufnahme nach der Seite AI Voice Cloning. Synthesia-Tarife, Preise, persönliche Avatare nach der Preisseite von Synthesia, Foto-Avatar nach der Dokumentation, Avatartypen nach Understanding Synthesia's avatar types, Video-Avatar und Einwilligung nach How do I create my personal avatar, Stimmklon nach How do I clone my voice, Aufnahmesprachen und 29 Sprachen der geklonten Stimme nach Custom AI Avatars. ElevenLabs-Preise nach der Preisseite, Stimmklone nach der Dokumentation zu Instant Voice Cloning und Professional Voice Cloning, Sprachen nach der Text-to-Speech-Dokumentation. KI-Kennzeichnung bei YouTube nach der YouTube-Hilfe. Zeitangaben im Schritt-für-Schritt-Teil und die Wortzahl pro Minute sind eigene Richtwerte. Alle Preise in US-Dollar, abgerufen am 29. Oktober 2026. Stand: Oktober 2026.