Zeichnet die KI Ihre Stimme auf? (Sprachmodus, Assistenten, Stimmabdrücke)

Die ehrliche Antwort enthält eine Nuance. Meistens gilt: Ja, Ihre Stimme verlässt Ihr Gerät. Wenn Sie mit einem Sprachmodus oder einem Assistenten sprechen, wird das Audio an die Server des Anbieters gesendet. Dort wird es in Text transkribiert und anschließend verarbeitet. Sowohl das Audio als auch das Transkript können gespeichert werden. Je nach Ihren Einstellungen können Stichproben genutzt werden, um das Modell zu verbessern. Sie können sogar von Menschen überprüft werden. Doch das ist keine dauerhafte, heimliche Aufzeichnung. Und Sie verfügen über Einstellungen, um all dies zu begrenzen. Die CNIL und die ICO regeln dieses Thema.

So funktioniert der Sprachmodus: der Weg Ihrer Stimme

Die CNIL beschreibt den typischen Ablauf in wenigen Schritten. Zuerst aktiviert ein Aktivierungswort den Assistenten. Anschließend wird Ihre Anfrage erfasst. Dann wird sie an die Server des Anbieters gesendet. Dort wandelt eine Engine die Sprache in Text um. Der Sinn wird extrahiert, und eine gesprochene Antwort wird erzeugt. Die meisten Geräte verarbeiten nicht alles lokal. Nur eine Minderheit transkribiert auf dem Gerät selbst.

Der Kernpunkt ist einfach. Standardmäßig reist das Audio. Es bleibt nicht in Ihrer Tasche. Diese Reise in die Cloud ist die Regel, nicht die Ausnahme.

Was nach einer Anfrage gespeichert werden kann

Viele nehmen an, dass nur die Antwort gespeichert wird. Die CNIL zeigt das Gegenteil. Nach einer Anfrage kann ein Sprachassistent mehrere Dinge speichern.

• Den schriftlichen Transkriptverlauf Ihrer Anfragen.
• Die rohe Audioaufnahme der Anfrage selbst.
• Zugehörige Metadaten: Datum, Uhrzeit und Kontoname.

Also können sowohl das Audio als auch der Text gespeichert werden. Nicht nur die Antwort. Und was Sie laut aussprechen, enthält oft personenbezogene Daten. Einen Namen. Eine Nummer. Ein Gesundheitsdetail. Dieselben Informationen, die Sie auf einer Tastatur eintippen würden.

Die Episode von 2019: Menschen hörten mit

Eine nützliche Erinnerung stammt aus dem Jahr 2019. The Guardian berichtete zuerst über den Fall von Siri, dem Assistenten von Apple. Es kam heraus, dass Auftragnehmer und Mitarbeiter großer Anbieter Stichproben von Aufnahmen abhörten. Das erklärte Ziel war die Überprüfung von Qualität und Genauigkeit. Manchmal erfassten diese Ausschnitte intime oder sensible Momente. Manchmal war eine versehentliche Auslösung des Aktivierungsworts die Ursache. Und all das geschah ohne klare Aufklärung der Nutzer.

Dies betraf eine Stichprobe, nicht jede Aufnahme. Die Reaktion war heftig. Die Anbieter fügten Schutzmaßnahmen hinzu. Apple setzte sein Programm aus und ging dann zu einer ausdrücklichen Zustimmung über, mit der Möglichkeit, Siri-Aufnahmen zu löschen. Google führte die Überprüfung nur mit ausdrücklicher Einwilligung wieder ein. Amazon ließ Nutzer der Verwendung von Alexa-Aufnahmen für die menschliche Überprüfung widersprechen. Die heutigen Kontrollen stammen aus jenem Moment: Verlauf, Löschung, Opt-outs.

Ist Ihre Stimme eine „besondere Kategorie“ von Daten?

Das Gesetz fügt eine wichtige Nuance hinzu. Ihr Stimmabdruck ist ein biometrisches Datum. Nach der DSGVO erfasst Artikel 9 biometrische Daten, die „zum Zweck der eindeutigen Identifizierung einer natürlichen Person“ verarbeitet werden. Diese Daten bilden eine besondere Kategorie. Ihre Verarbeitung ist grundsätzlich untersagt, sofern keine Bedingung erfüllt ist. Die häufigste ist Ihre ausdrückliche Einwilligung. Die CNIL bestätigt es: einen Sprecher an seiner Stimme zu erkennen, gilt als sensible Daten.

Die Einstellungen existieren: nutzen Sie sie

Gute Nachricht: Sie behalten das Steuer. Die meisten Werkzeuge bieten Einstellungen. Sie können den Sprachverlauf ausschalten. Sie können Aufnahmen löschen. Sie können ablehnen, dass Ihre Eingaben verwendet werden, um „das Modell zu verbessern“. Die Anbieter veröffentlichen ihre eigenen Speicherregeln. OpenAI dokumentiert zum Beispiel seine Einstellungen für den Sprachmodus von ChatGPT. Diese Richtlinien ändern sich, prüfen Sie daher die aktuelle Einstellung in der App.

Die Lösung für sensible Inhalte

Die eigentliche Frage lautet nicht „ist meine Stimme biometrisch“. Sie lautet „was spreche ich laut aus“. Einen Kundennamen. Eine Kontonummer. Eine Diagnose. Diese Daten sind so wertvoll wie das, was Sie tippen. Die Regel ist einfach. Diktieren Sie bei sensiblen Inhalten keine rohen Kennungen in den Sprachmodus. Bevorzugen Sie anonymisierten Text oder entfernen Sie die Kennungen vor dem Senden.

Wenn Sie einen konkreten Fall einbeziehen müssen, anonymisieren Sie ihn zuerst. Ersetzen Sie jede Kennung durch ein Token. Die KI denkt über die Struktur Ihrer Situation nach. Sie sieht niemals die echten Werte. Sie stellen sie anschließend lokal wieder her.

1. 1Erkennen Sie, was Sie diktieren wollten: Namen, Nummern, Gesundheitsdaten.
2. 2Schreiben oder anonymisieren Sie den Text zuerst, im Browser.
3. 3Senden Sie nur den anonymisierten Text an das Modell.
4. 4Stellen Sie die echten Werte in der Antwort lokal wieder her.

Genau dafür ist ONYRI Sanitize da. Die Engine erkennt sensible Daten — Namen, Nummern, Gesundheitsdetails — und ersetzt sie vor dem Senden durch umkehrbare Token. Die Erkennung und das Mapping bleiben in Ihrem Browser. Nur anonymisierter Text erreicht das Modell. Ob Sie diesen Text tippen oder ihn anschließend diktieren, die KI sieht nur Token, niemals Ihre echten Werte.