Startseite > Lexikon > KI im Marketing > Prosodie

Bleistiftskizze: Kopf im Profil mit offenem Mund, aus dem eine orange Wellenlinie mit zwei Lücken fließt, darüber eine Note, als Bild für die Sprechmelodie
KI im Marketing

Prosodie

Zwei Stimmen lesen denselben Satz. Die eine klingt wie ein Mensch, die andere wie ein Navi von 2008. Der Unterschied liegt selten in den Wörtern, sondern in der Prosodie.

Auch bekannt alsSprechmelodie

5 Min

Lesezeit

21.11.2026

Letzte Aktualisierung

Was ist Prosodie?

Prosodie ist alles, was beim Sprechen über die reinen Laute hinausgeht. Der Duden nennt Akzent, Intonation und Pausen, also Erscheinungen, die die Rede gliedern. Einfacher gesagt: Prosodie ist die Sprechmelodie.

Dazu gehören sechs Stellschrauben:

  • Betonung: welches Wort Gewicht bekommt
  • Tonhöhe: ob die Stimme steigt oder fällt, etwa am Ende einer Frage
  • Tempo: wie schnell gesprochen wird
  • Lautstärke: laut, leise, flüsternd
  • Rhythmus: wie lange einzelne Silben dauern
  • Pausen: wo die Stimme Luft holt

„Du hast das Angebot gelesen?“ und „Du hast das Angebot gelesen.“ bestehen aus denselben Wörtern. Nur die Tonhöhe am Ende macht aus der Feststellung eine Frage.

Warum Prosodie bei KI-Stimmen zählt

Moderne Text-to-Speech-Stimmen treffen die Laute fast immer. Woran du sie trotzdem erkennst, ist die Melodie. Flache Tonhöhe, gleichmäßiges Tempo und Pausen an falschen Stellen klingen mechanisch.

Eine Studie des Max-Planck-Instituts für empirische Ästhetik von 2025 zeigt, wie viel das ausmacht. 75 Teilnehmende sollten heraushören, welches Gefühl eine Stimme ausdrückt. Bei menschlichen Stimmen lagen sie zu 86 Prozent richtig, bei KI-Stimmen nur zu 55 Prozent. Menschliche Stimmen galten im Schnitt auch als attraktiver.

So steuern die Anbieter die Prosodie

Der klassische Weg ist SSML, eine Auszeichnungssprache des W3C. Ihr Element „prosody“ regelt Tonhöhe, Tempo und Lautstärke. Neue generative Stimmen setzen dagegen auf einfache Regler oder auf Anweisungen in normaler Sprache. Die Spielräume beim Tempo, Stand November 2026:

Anbieter

Tempo

Amazon Polly

20 bis 200 %

Microsoft Azure

0,5- bis 2-fach

Google Chirp 3 HD

0,25 bis 2,0

ElevenLabs

0,7 bis 1,2

Wichtig: Nicht jede Stimme kann alles. Bei Amazon Polly lässt sich die Tonhöhe bei Neural- und Generative-Stimmen nicht ändern. Microsoft bietet Betonung einzelner Wörter laut eigener Doku nur für drei US-Stimmen. Dafür gibt es bei Azure Sprechstile wie „cheerful“ oder „newscast“, die Tonhöhe, Tempo und Betonung gebündelt verändern.

Bei ElevenLabs v3 und v4 funktionieren SSML-Pausen gar nicht mehr. Dort steuerst du mit Audio-Tags in eckigen Klammern, mit Satzzeichen und mit Großschreibung für mehr Betonung.

Häufige Fehler

Fehler 1 · Prosodie an einzelne Wörter hängen

Google empfiehlt, „prosody“ nur um ganze Sätze zu legen. Bei Amazons Generative-Stimmen wirkt es nur so. Microsoft schreibt, dass der Tonhöhenverlauf bei einzelnen Wörtern und kurzen Phrasen nicht greift. Ein einzelnes Wort langsamer zu machen, klingt meist schräg.

Fehler 2 · Mit Extremwerten Ausdruck erzwingen

Doppeltes Tempo und hohe Stimme machen einen Text nicht lebendiger, sondern komisch. ElevenLabs warnt, dass extreme Tempowerte die Qualität senken. Kleine Schritte von 5 bis 10 Prozent reichen meistens.

Fehler 3 · Pausen überall einbauen

Zu viele Pausen-Tags machen die Ausgabe laut ElevenLabs instabil. Die Stimme wird schneller oder bekommt Störgeräusche. Pausen gehören dahin, wo ein Mensch Luft holt: nach einem Gedanken, vor einer Pointe.

Fehler 4 · Erst am Markup schrauben, dann am Text

Lange Schachtelsätze kriegt keine Stimme gut betont. Kurze Sätze, klare Satzzeichen und ein Gedanke pro Satz verbessern die Prosodie stärker als jeder Regler.

So klingt deine KI-Stimme natürlicher

  • Für das Ohr schreiben: Sätze laut vorlesen, bevor die KI es tut. Wo du stolperst, stolpert sie auch.
  • Satzzeichen nutzen: Komma, Punkt und Gedankenpause sind die einfachsten Prosodie-Werkzeuge.
  • Stil vor Feintuning: Bei neuen Stimmen erst den Sprechstil oder eine Anweisung wie „ruhig und freundlich“ setzen, dann einzelne Stellen nachjustieren.
  • Anhören, nicht vertrauen: Nach jedem Wechsel von Stimme oder Modell die Ausgabe einmal ganz hören.

Häufige Fragen

Was bedeutet Prosodie einfach erklärt?

Prosodie ist die Sprechmelodie. Gemeint sind Betonung, Tonhöhe, Tempo, Lautstärke, Rhythmus und Pausen, also alles, was beim Sprechen über die reinen Wörter hinausgeht.

Warum klingt meine KI-Stimme monoton?

Meist liegt es an flacher Tonhöhe, gleichmäßigem Tempo oder fehlenden Pausen. Kürzere Sätze, klare Satzzeichen und ein passender Sprechstil helfen. Danach kannst du mit SSML oder Reglern nachjustieren.

Was ist der Unterschied zwischen Prosodie und Intonation?

Intonation ist nur der Tonhöhenverlauf, also ein Teil der Prosodie. Zur Prosodie gehören außerdem Betonung, Tempo, Lautstärke, Rhythmus und Pausen.

Erkennen Hörer, ob eine Stimme KI ist?

Oft an der Prosodie. In einer Studie des Max-Planck-Instituts erkannten Teilnehmende Gefühle in menschlichen Stimmen zu 86 Prozent richtig, in KI-Stimmen nur zu 55 Prozent. Die Studie war mit 75 Personen klein.

Kann ich bei KI-Stimmen das Sprechtempo ändern?

Ja, bei allen großen Anbietern. Die Spannen unterscheiden sich: Amazon Polly erlaubt 20 bis 200 Prozent, ElevenLabs 0,7 bis 1,2, Google Chirp 3 HD 0,25 bis 2,0.

Begriff teilenHat dir die Definition geholfen? Schick sie weiter.