Kurz zusammengefasst: Die AInauten haben für rund 80 € ein komplettes deutsches Hörbuch mit KI produziert. 20 Kapitel, über 8 Stunden Laufzeit. Die Idee und die Testergebnisse stammen also nicht von mir. Ich fand das ganze aber absolut interessant und möchte das ganze einordnen und feststellen, ob die Vorgehensweise für Einsteiger wirklich relevant ist. Also, meine eigenen Einschätzung zum Workflow und dem Aufwand.

Das Experiment im Überblick

Die Ausgangslage laut Ainauten: ein selbst geschriebenes Sachbuch mit 68.000 Wörtern. Daraus entstand ein komplettes Hörbuch: 8 Stunden und 27 Minuten, 20 Kapitel, nach Angaben fertig gemastert nach den technischen Vorgaben der Hörbuch-Handelsplattformen.

• Produktionszeit: etwa 2 Stunden für die reine Vertonung
• Studio: keins
• Sprecher: KI-Stimme
• Ergebnis: „wirklich schon gut brauchbar“

Spannend war weniger die Frage, ob KI-Hörbücher grundsätzlich möglich sind (dass das funktioniert ist inzwischen bekannt), sondern woran die Authentizität tatsächlich hängt und mit welchen Kosten zu rechnen ist. Zwei Erkenntnisse daraus lassen sich auf jedes ähnliche Audio-Projekt übertragen.

Lernpunkt 1: Das Modell entscheidet, nicht die Stimme

Für den Vergleich wurde ein Blindtest mit KI-Stimmen von ElevenLabs, MiniMax und Inworld durchgeführt. In zwei Runden wurden elf verschiedene Testvarianten anonymisiert miteinander verglichen, wobei jeweils dasselbe Kapitel als Grundlage diente.

Das Ergebnis: Der Unterschied zwischen „klingt nach Vorlese-Bot“ und „klingt nach Mensch“ lag nicht an der gewählten Stimme selbst, sondern am zugrunde liegenden Sprachmodell. Dabei wurde das Modell ElevenLabs v3 als das mit Abstand beste Modell im Test bewertet.

Lernpunkt 2: Die KI-Ausgabe mit einer zweiten KI kontrollieren

8,5 Stunden Audio hört niemand vollständig zur Korrektur ab. Als Lösung wurde ein automatischer Verifier eingesetzt: Jedes fertige Kapitel wird zurücktranskribiert (in diesem Fall mit der ElevenLabs Scribe API) und Wort für Wort mit dem Originalskript verglichen.

Damit wurden laut Quelle über 50 Stellen gefunden, an denen die Stimme Sonderzeichen falsch vorgelesen hatte – etwa „oben Schrägstrich unten“ statt „oben/unten“, weil genau so im Manuskript formatiert war. Solche Fehler fallen beim stichprobenartigen Reinhören erfahrungsgemäß kaum auf. Nach der Korrektur waren alle 20 Kapitel fehlerfrei, mit einer Wortfehlerrate zwischen 0 und 3,4 Prozent.

Tool-Stack und Kosten

• Claude Code/Cowork oder ChatGPT Work/Codex für die Vorbereitung
• fal.ai für die Audio-Modelle
• ElevenLabs v3 für die Vertonung, Scribe für die automatische Transkriptionskontrolle
• Gesamtkosten: knapp 80 €

Wichtig zu beachten ist dabei die Einschränkung, dass man im Endergebnis an einigen Stellen weiterhin hört, dass es sich im „KI-Aarbeit“ handeln muss. Audible nimmt reine KI-Hörbücher nach aktuellem Stand (August 2026) weiterhin nicht an, auch wenn der Anbieter offenbar an einer eigenen Lösung dafür arbeitet.

Meine Einschätzung: Lohnt sich der Aufwand für dich?

So spannend die Ergebnisse sind: Die technische Konfiguration und den Prozess selbst aufzubauen, ist für die meisten Beginner schlicht zu aufwendig. Auswahl und Bedienung mehrere Tools, ein selbst gebauter Verifier zur Wort-für-Wort-Kontrolle: Das ist das Ergebnis von Personen (oder Teams), die sich intensiv und wiederholt mit genau diesem Thema beschäftigt. Kein Nachmittagsprojekt neben einem Vollzeitjob oder Familie. Für die meisten vermutlich Trial and Error.

Der Kernpunkt bleibt trotzdem richtig und wichtig: KI-gestützte Hörbuchproduktion ist heute erschreckend günstig und schnell geworden, wenn man weiß, welche Tools und Modelle man nutzt. Man muss diesen Vorteil aber nicht zwingend über einen komplett selbst zusammengebauten Workflow erreichen.

Was heißt das für dich als Einsteiger?

Wenn du mit der Erstellung von Hörbüchern ein Business aufbauen möchtest, musst du nicht zwangsläufig einen eigenen komplexen Workflow entwickeln. KI-Modelle vergleichen, Stimmen testen, die Qualität kontrollieren und verschiedene Tools miteinander verbinden kann schnell aufwendig werden.

Genau hier setzt Audio Empire* an. Das Tool bündelt die wichtigsten Schritte der KI-Hörbuch-Erstellung in einem System: vom Skript über die Stimme bis hin zu Cover und Veröffentlichung.

Wenn du wissen möchtest, wie das in der Praxis funktioniert und für wen sich die Plattform eignet, findest du hier meinen ausführlichen Einschätzung zu Audio Empire.

Der DIY-Weg aus diesem Artikel lohnt sich eher, wenn du ohnehin gerne mit mehreren KI-Tools gleichzeitig experimentierst, laufend mehrere Hörbücher produzieren willst und dabei möglichst niedrige Kosten pro Titel anstrebst.

Häufige Fragen zu KI-Hörbüchern

Fazit

Das Experiment aus dem Newsletter zeigt eindrucksvoll, wie weit KI-gestützte Hörbuchproduktion inzwischen ist: ein komplettes, marktfertiges Hörbuch für rund 80 € und wenige Stunden Aufwand. Die beiden Learnings – das Modell entscheidet mehr als die Stimme, und KI-Ergebnisse sollten von einer zweiten KI kontrolliert werden – lassen sich auf viele Audio-Projekte übertragen. Für die meisten Einsteiger aus meiner Zielgruppe bleibt der komplette Eigenbau aber zu aufwendig – hier ist ein fertiges Tool meist der realistischere Einstieg.