Die Stimme als Persönlichkeitsrecht: Das Tokio-Urteil zur KI-Sprachklonung

Am 30. September 2026 erkennt Tokio die Stimme an

Am 30. September 2026 hat das Bezirksgericht Tokio anerkannt, dass die Stimme einer Person in Japan zu den geschützten Persönlichkeitsrechten am eigenen Bild zählt. Richterin Aya Takahashi schrieb, die menschliche Stimme sei ein Symbol der individuellen Persönlichkeit, genau wie das Bild. Erstmals kommt ein japanisches Gericht zu diesem Ergebnis.

Dieselbe Entscheidung hat die Klage des Sprechers Kenjiro Tsuda abgewiesen, der von TikTok die Löschung von Videos mit einem von künstlicher Intelligenz erzeugten Stimmklon verlangte.

Die Klage war im November 2025 eingereicht worden und ist die erste in Japan zu einer mit generativer KI erzeugten Verletzung von Stimmrechten. Tsuda spricht Hauptrollen in Franchises wie «Jujutsu Kaisen». Das Urteil gilt für die japanische Jurisdiktion und ist seit dem 30. September wirksam.

Die Verschiebung: von Name und Bild zur Klangfarbe

Bis zu dieser Entscheidung deckten die Persönlichkeitsrechte am eigenen Bild in Japan den Namen und das äußere Erscheinungsbild bekannter Personen ab, mit dem Ziel, die kommerzielle Verwertung der Identität zu steuern. Das Rechtsgebiet hat sich vor allem in den Gerichtssälen geformt, Urteil für Urteil, und weniger durch ein eigenes Gesetz.

Die Stimme blieb außerhalb dieser Aufzählung und war auf indirekte Instrumente angewiesen: Verleumdung, unlauteren Wettbewerb, Urheberrecht an der Aufnahme.

Das Gericht in Tokio hat die Grenze verschoben. Die Klangfarbe einer Person fällt nun in den Bereich der geschützten kommerziellen Identität, und ihre Nutzung ohne Einwilligung wird zum unerlaubten Handeln. Die von Nikkei Asia^[1] übernommene Kyodo-Meldung ordnet das Urteil in die globale Debatte über Sprachklonung ein.

Für eine Organisation, die synthetische Stimmen erzeugt, wächst das Inventar der zu klärenden Rechte um eine Zeile: die Klangfarbe der imitierten Person.

Anerkanntes Recht, offener Rechtsbehelf

Der Löschungsantrag scheiterte aus einem prozessualen Grund: Die Videos waren bereits gelöscht. Die Kammer hat das Recht anerkannt und das Rechtsschutzinteresse an der Maßnahme für erledigt erklärt.

Das Ergebnis hinterlässt den Organisationen eine klare Regel und einen noch leeren Präzedenzfall zum Rechtsbehelf. Eine Plattform, die heute eine Unterlassungsaufforderung erhält, weiß, dass die Stimme geschützt ist; die Reichweite der Löschungsanordnung wartet auf ein weiteres Verfahren. MLex, ein Spezialdienst für Rechts- und Regulierungsinformationen, hat den Fall in seinem Kanal zum geistigen Eigentum^[2] begleitet.

Zwei Lesarten kursieren unter Beratern. Die erste betrachtet die Anerkennung als Teil der Urteilsbegründung, mit begrenzter Wirkung, solange keine andere Kammer sie auf eine tatsächliche Anordnung anwendet. Die zweite behandelt sie als Grundsatz, der sich sofort in Unterlassungsaufforderungen und Vertragsklauseln verwenden lässt.

Die Frage nach dem Recht hat eine Antwort gefunden. Eine zweite Frage hat sich geöffnet.

Die Zahlen, die das Board lesen muss

Der verklagte Account veröffentlichte 188 Videos, gesprochen von einer Stimme, die die des Schauspielers imitierte. Die Veröffentlichungen reichen von Juli 2024 bis September 2025. Das Profil zählte rund 210.000 Abonnenten bei durchschnittlich 1,47 Millionen Aufrufen pro Video, nach dem Bericht der Japan Times^[3].

Die geschätzten Einnahmen des Account-Betreibers bewegen sich zwischen 500.000 und 750.000 Yen pro Monat, im unteren Bereich rund 3.100 Dollar. Viele Abonnenten kommentierten, die Erzählstimme klinge wie die von Tsuda.

Diese Zahlen zählen im Aufsichtsrat aus einem bilanziellen Grund: Sie messen den wirtschaftlichen Wert, der über die Stimmidentität eines Dritten abgeschöpft wurde. Ein Risikoblatt zur Sprachklonung beginnt hier, bei der Schätzung des übertragenen Gewinns und der Dauer der Exposition.

Vierzehn Monate Veröffentlichungen und über eine Million durchschnittliche Aufrufe pro Video beschreiben eine industrielle Tätigkeit, weit entfernt vom Einzelfall.

Die Verteidigung der Plattform und die Schwelle der Erkennbarkeit

TikTok machte im Verfahren geltend, der Urheber der Videos habe das Modell mit der Stimme eines Freundes trainiert und das Ergebnis bleibe eine generische Männerstimme. Die Verteidigung berührt den technischen Kern der Sache: die Erkennbarkeit.

Die Schwelle der Erkennbarkeit entscheidet über die Reichweite der Regel. Eine synthetische Stimme, die an eine berühmte Klangfarbe erinnert, bleibt zulässig bis zu dem Punkt, an dem das Publikum diesen Klang einer bestimmten Person zuschreibt. Die Kommentare der Abonnenten, die den Namen des Schauspielers nannten, werden damit zum Beweis der Zuschreibung.

Diese Dynamik verschiebt die interne Beweislast. Wer synthetisches Audio produziert, sichert vor der Veröffentlichung den Nachweis der Herkunft der Stimmdaten, mit der unterschriebenen Einwilligung derjenigen Person, die die Stimme geliehen hat. Die Verteidigung mit der «generischen Klangfarbe» trägt so weit, wie die vorgelagerte Dokumentation trägt.

Die operative Lehre ist kurz: Der Schaden entsteht aus der Wahrnehmung des Publikums, noch vor dem Code des Modells.

Das Governance-Signal

Das Governance-Signal: Die Stimme wandert vom Feld des Geschmacks auf das Feld der zu klärenden Rechte, und die Due Diligence über die Stimmdaten wird zur Vertragsklausel. Wer synthetische Stimmen einkauft, kauft auch die vorgelagerte Kette der Einwilligungen.

Außerhalb Japans existiert ein Teil der Architektur bereits. Artikel 50 der europäischen Verordnung 2024/1689 schreibt die Transparenzpflicht für synthetische Inhalte vor, die reale Personen imitieren, und ist ab dem 2. August 2026 anwendbar. In den Vereinigten Staaten schützt der ELVIS Act in Tennessee seit dem 1. Juli 2024 Name, Stimme und Bild, mit einem einzelstaatlichen und fragmentierten Ansatz.

Die Fragmentierung ist das Modell, und das Tokio-Urteil dehnt sie auf Asien aus. Ein multinationaler Konzern steuert heute drei verschiedene Regime über dieselbe Audiospur: Kennzeichnung in Europa, einzelstaatliches Delikt in den Vereinigten Staaten, Persönlichkeitsrecht am eigenen Bild in Japan.

Die Kosten der Compliance sinken für diejenigen, die jetzt und in Ruhe die bereits produktiven Stimmen erfassen.

Drei Entscheidungen für das Board

Die japanische Entscheidung verschiebt die Sprachklonung von der ethischen auf die bilanzielle Ebene. Drei Punkte sind schriftlich zu schließen, mit einer benannten Rolle und einem Prüfdatum.

1. General Counsel und Chief Compliance Officer: Welche Einwilligungskette deckt jede synthetische Stimme in der Produktion ab, nach Vertrag, nach Datum und nach Jurisdiktion?
2. Chief Risk Officer: Führt das Risikoregister die Sprachklonung Dritter unter den Identitätsdelikten, mit einer in Währung geschätzten Exposition?
3. Board Audit & Risk Committee: Welche schriftlich benannte Rolle verantwortet vor der Veröffentlichung die Nutzung generierter Stimmen, und in welchem Protokoll erscheint sie?

Das Audit bleibt verpflichtend; der Umfang hat sich geändert. Eine Kontrolle, die auf das Urheberrecht an der Aufnahme kalibriert ist, fällt heute unpassend aus gegenüber der Klangfarbe einer lebenden Person.

Der CEO schließt einen Punkt: Welche Produktlinien nutzen synthetische Stimmen realer Personen, und mit welcher Lizenz. Ein Framework, das den Namen der verantwortlichen Führungskraft vermeidet, produziert Dokumentation; die Governance kommt aus dem Namen, der vor der Veröffentlichung geschrieben steht.

Regulatorischer Horizont

In Japan ist das Urteil seit dem 30. September 2026 wirksam und gilt als erste gerichtliche Anerkennung der Stimme unter den Persönlichkeitsrechten am eigenen Bild. Die Berufung liegt in den Händen der Parteien. Der Umfang des Rechtsbehelfs wartet auf einen Fall mit noch verfügbaren Inhalten.

In der Europäischen Union ist Artikel 50 der Verordnung 2024/1689 ab dem 2. August 2026 anwendbar. Die Pflichten für Hochrisikosysteme haben ein späteres Datum, verschoben auf Dezember 2027 durch das Vereinfachungspaket, das noch zwischen den Institutionen verhandelt wird.

In den Vereinigten Staaten läuft der Schutz der Stimme über die einzelstaatlichen Gesetze, mit Tennessee in Kraft seit dem 1. Juli 2024 und weiteren Staaten in der Warteschlange. Eine kohärente Bundesnorm bleibt fern, und der realistische Zeitplan blickt auf das Ende des Jahrzehnts.

Wer jetzt Einwilligungen, Lizenzen und benannte Rollen erfasst, verbucht den Vorsprung, den die Durchsetzung in achtzehn Monaten sichtbar machen wird.