Dein KI-Notizassistent zeichnet dich nicht nur auf. Er baut vielleicht einen Stimmabdruck von dir.

Im Dezember 2025 nahm eine Frau namens Katelin Cruz an einem ganz gewöhnlichen virtuellen Meeting teil. Sie hatte nie ein Fireflies.ai-Konto erstellt, nie dessen Nutzungsbedingungen akzeptiert, nie irgendetwas zugestimmt. Aber jemand anderes im Meeting hatte den Fireflies-Bot eingeladen — und laut der Sammelklage, die sie später einreichte, Cruz v. Fireflies.AI Corp., reichte das der Funktion "Speaker Recognition" des Unternehmens, um ein mathematisches Modell ihrer Stimme zu erzeugen: einen Stimmabdruck.

Ihr Fall ist kein Einzelfall. Er reiht sich ein neben Brewer v. Otter.ai, eingereicht im August 2025 von einer weiteren Nicht-Nutzerin, die während eines Zoom-Calls mitgeschnitten wurde. Im Februar 2026 verklagten fünf Einwohner:innen von Illinois Microsoft wegen der Live-Transkription in Teams. Und im Mai 2026 reichten sieben Rundfunkjournalist:innen und Synchronsprecher:innen ein koordiniertes Paket von neun Sammelklagen gegen Apple, Google, Meta, Amazon, Microsoft, NVIDIA, Adobe, Samsung und ElevenLabs ein — wegen Stimmabdrücken, die aus öffentlich verfügbarem Audiomaterial extrahiert wurden. Die Klagen unterscheiden sich in ihrer rechtlichen Argumentation, teilen aber eine Erkenntnis, die man auch ohne eigenen Gerichtstermin verstehen sollte: Das Problem ist nicht die Aufnahme. Das Problem ist, was aus der Aufnahme extrahiert wird.

Was ein Stimmabdruck eigentlich ist — und warum dein Transkript einen braucht

Jedes Meeting-Transkript, das Sprecher:innen benennt — "Sarah: Lass uns den Launch vorziehen" — basiert auf einem Prozess namens Sprecherdiarisierung: herausfinden, wer wann gesprochen hat. Dafür analysiert die Software die physikalischen Eigenschaften jeder Stimme: Tonhöhe, Formantfrequenzen (die Resonanzen, geformt durch die Größe von Rachen und Mundraum), Sprachmelodie, Sprechrhythmus. Sie komprimiert diese Merkmale zu einem numerischen Vektor und ordnet Audioabschnitte danach zu, zu welchem Vektor sie am besten passen.

Dieser Vektor ist ein Stimmabdruck. Er funktioniert genau wie eine Fingerabdruck-Vorlage: einzigartig genug, um dich zu identifizieren, stabil genug, um dich beim nächsten Mal wiederzuerkennen. Diese zweite Eigenschaft ist das Produktfeature — so kann Fireflies dich in einem Meeting namentlich beschriften, in dem du dich nie vorgestellt hast, weil deine Stimme gegen einen Abdruck aus einem früheren Call abgeglichen wurde. Und genau das ist auch das rechtliche Problem: Eine Vorlage, die eine Person biologisch identifiziert, ist kein "Audio" mehr. Es ist biometrische Daten — dieselbe Rechtskategorie wie Fingerabdrücke und Gesichtsscans.

Die Unterscheidung ist wichtig, weil du eine Aufnahme löschen kannst — deine Stimme aber nicht austauschbar ist. Ein geleaktes Passwort lässt sich zurücksetzen. Ein geleakter Stimmabdruck ist ein permanenter Generalschlüssel zu dir — nutzbar, in einer Ära von Stimmenklonen und stimmauthentifiziertem Telefon-Banking, auf eine Weise, wie es eine einfache MP3-Datei nie war. In der EU fällt ein Stimmabdruck deshalb unter die besonders geschützten Datenkategorien nach Art. 9 DSGVO, und heimliches Mitschneiden ohne Einwilligung ist in Deutschland nach § 201 StGB (Verletzung der Vertraulichkeit des Wortes) sogar eine Straftat. Datenschutzbehörden behandeln Biometrie genau deshalb als besondere Kategorie.

Die Klagewelle 2026, Fall für Fall

Der juristische Motor hinter den meisten dieser Fälle ist der Biometric Information Privacy Act (BIPA) des US-Bundesstaats Illinois, ein Gesetz aus dem Jahr 2008, das "Stimmabdrücke" ausdrücklich als geschützte biometrische Identifikatoren listet. BIPA hat ungewöhnlich scharfe Zähne: Es verlangt eine schriftliche Ankündigung vor der Erhebung eines biometrischen Merkmals, eine schriftliche Einwilligung der betroffenen Person und eine öffentliche Aufbewahrungs- und Löschrichtlinie — und es erlaubt Privatpersonen, bei fahrlässigen Verstößen bis zu 1.000 US-Dollar und bei vorsätzlichen bis zu 5.000 US-Dollar pro Verstoß einzuklagen. Multipliziert mit jeder teilnehmenden Person in jedem Meeting wird klar, warum Sammelklage-Kanzleien auf den Meeting-Bot-Boom aufmerksam wurden.

• Brewer v. Otter.ai (August 2025). Die klagende Person hatte kein Otter-Konto, nahm aber an einem Zoom-Call teil, in dem der Otter-Notizassistent einer anderen Person mitlief. Der Fall stützt sich neben den Stimmabdruck-Vorwürfen auch auf Abhörgesetze — die Aufnahme und Analyse einer Gesprächsteilnehmerin, die nie zugestimmt hatte.
• Cruz v. Fireflies.AI (Dezember 2025). Eine BIPA-Klage, die direkt auf der Speaker-Recognition-Funktion aufbaut: Die Klageschrift wirft Fireflies vor, Stimmabdrücke von Meeting-Teilnehmenden — auch Nicht-Nutzer:innen — ohne schriftliche Ankündigung, schriftliche Einwilligung oder veröffentlichte Aufbewahrungsrichtlinie erstellt zu haben.
• Der Microsoft-Teams-Fall (Februar 2026). Fünf Einwohner:innen von Illinois werfen Microsoft vor, dass die Live-Transkription von Teams — die Sprechererkennung, die täglich in Millionen Arbeitsmeetings genutzt wird — Stimmabdrücke ohne die von BIPA vorgeschriebene Einwilligung sammelt.
• Die koordinierten Klagen vom Mai 2026. Neun Sammelklagen professioneller Sprecher:innen werfen großen KI-Unternehmen vor, Stimmabdrücke aus öffentlich verfügbarem Audiomaterial extrahiert zu haben, um damit kommerzielle Sprachmodelle zu trainieren — die Theorie wird damit von Meetings auf das gesamte Audio-Internet ausgeweitet.

Keiner dieser Fälle hat bisher ein rechtskräftiges Urteil zur Kernfrage hervorgebracht — ob die Sprecher-Embeddings, die diese Tools erzeugen, rechtlich als "Stimmabdrücke" im Sinne von BIPA gelten. Aber die Richtung ist klar erkennbar, und die Vergleiche früherer BIPA-Wellen (Facebook zahlte 650 Millionen Dollar wegen Gesichts-Templates, Google 100 Millionen) legen nahe, dass die Anbieter diese Verfahren kaum bis zum Ende durchfechten werden. Mehrere Anbieter von Meeting-KI bieten inzwischen Einstellungen an, um die Sprechererkennung für Anrufer:innen aus Bundesstaaten mit Zwei-Parteien-Einwilligungspflicht abzuschalten.

Der unbequeme Teil: Das passiert in einem Drittel aller Meetings

Eine Umfrage vom Juli 2026 ergab, dass ein Drittel der berufstätigen Amerikaner:innen schon einmal einen KI-Notizassistenten in einem Arbeitsmeeting erlebt hat — und von diesen sagen nur rund 35%, sie seien immer vorher gefragt worden, bevor das Tool aufnahm oder transkribierte. Fast jede fünfte Person erfuhr erst im Nachhinein, dass ein Meeting aufgezeichnet worden war. Sollte sich die Theorie der Kläger:innen bestätigen, wurde in einem sehr großen Teil dieser Meetings biometrisch von Menschen erfasst, die dem nie zugestimmt hatten — nicht aus böser Absicht, sondern weil die Person, die auf "Notizassistent einladen" klickte, keine Ahnung hatte, dass die Sprecherbeschriftung im Transkript auf Stimmabdrücken beruht.

Das ist die praktische Konsequenz für alle, die Meetings leiten: Wer einen Cloud-Notizassistenten in einen Call holt, trifft womöglich biometrische Entscheidungen stellvertretend für alle im Raum. Die Anstandsfrage — sollte man vor der Aufnahme fragen? — ist still und leise zu einer Compliance-Frage geworden. Und wer unter strengeren Regelwerken wie den KI- und Datenschutzregeln der EU arbeitet, für den liegt die Latte noch höher.

Wie du gute Transkripte behältst, ohne die Stimme von irgendjemandem einzusammeln

Du musst nicht auf Meeting-Protokolle verzichten, um auf der sicheren Seite zu bleiben. Du musst nur ändern, wo die Verarbeitung stattfindet und was gespeichert wird. Eine praktische Checkliste:

1. Immer ankündigen und fragen — jedes Meeting, jede teilnehmende Person. Die Einwilligung zur Aufnahme ist das Minimum in Bundesstaaten mit Zwei-Parteien-Einwilligungspflicht wie Kalifornien und Illinois, und in Deutschland verpflichtet dich § 201 StGB ohnehin dazu. "Ich würde das gern aufnehmen, damit ich mir keine Notizen machen muss — ist das für alle okay?" dauert fünf Sekunden und ist die günstigste Versicherung, die es gibt.
2. On-Device-Transkription statt Cloud-Bots bevorzugen. Wird Audio lokal verarbeitet und nie hochgeladen, baut oder speichert kein Anbieter biometrische Vorlagen deiner Teilnehmenden. Die Datenschutzfrage schrumpft von "Was macht dieses Unternehmen mit den Stimmabdrücken aller?" auf "Wer kann mein Handy sehen?"
3. Wenn ein Cloud-Tool sein muss, die biometrischen Angaben lesen. Achte auf drei Dinge, die BIPA im Kern verlangt: eine ausdrückliche Ankündigung, dass Sprechererkennung Sprachmodelle erzeugt, einen schriftlichen Einwilligungsmechanismus, der auch Gäste erfasst (nicht nur die Kontoinhaberin oder den Kontoinhaber), und einen veröffentlichten Löschplan, der festlegt, wann Stimmabdrücke vernichtet werden.
4. Sprechererkennung ausschalten, wenn du sie nicht brauchst. Bei einem 1:1 oder einer Vorlesung weißt du ohnehin, wer spricht. Diarisierung ist die Funktion, die Stimmabdrücke erzeugt — sie zu deaktivieren entfernt die rechtlich heikelste Verarbeitung.
5. Zusammenfassungen nicht automatisch Audio oder Transkripte an Dritte weiterleiten lassen. Automatisch verschickte Recaps und CRM-Integrationen vervielfachen die Zahl der Systeme, die Daten speichern, die aus den Stimmen der Teilnehmenden abgeleitet wurden.

Wohin sich das entwickelt

BIPA ist das schärfste Gesetz, aber längst nicht mehr das einzige. Texas und Washington haben eigene Biometrie-Gesetze, Colorados Datenschutzgesetz erhielt 2025 biometrische Ergänzungen, und mehrere US-Bundesstaaten brachten nach den Klagen vom Mai 2026, die bundesweit Schlagzeilen machten, eigene Stimmabdruck-Gesetzentwürfe ein. Die realistische nahe Zukunft sieht so aus, dass Sprechererkennung dieselbe Einwilligungs-Zeremonie braucht wie ein Fingerabdruckscanner — was Cloud-Anbieter mit Klick-durch-Flows für Kontoinhaber:innen lösen werden und genau die Menschen als ungelöstes Problem zurücklässt, um die es in den Klagen eigentlich geht: Gäste, Kund:innen, Interviewpartner:innen, die andere Seite am Verhandlungstisch.

Die tiefere Lektion der Stimmabdruck-Welle ist dieselbe, die die Branche immer wieder neu lernt: Features, die sich beim Demo kostenlos anfühlen — "es beschriftet automatisch jede sprechende Person!" — haben oft Kosten, die still auf Menschen abgewälzt wurden, die nie zugestimmt hatten. Für Meeting-Protokolle gibt es eine Version der Technologie, in der diese Externalität schlicht nicht existiert: Die Transkription passiert auf deinem eigenen Gerät, die biometrische Mathematik berührt nie einen Server, und die einzige Person, die dein Meeting leaken kann, bist du selbst.

Häufig gestellte Fragen