In der Entwicklung von AAA-Titel-Rollenspielen sind die Kosten für Sprachaufnahmen ein entscheidender Faktor. Der CEO von Rebel Wolves, Konrad Tomaszkiewicz, hat nun einen ungewöhnlichen, aber pragmatischen Lösungsansatz für dieses Problem vorgestellt: den Einsatz von KI-generierten Stimmen als Platzhalter im frühen Entwicklungsprozess von „The Blood of Dawnwalker“. Dieser Schritt war jedoch nicht Teil des finalen Spiels, sondern diente ausschließlich als Werkzeug zur kosteneffizienten Iteration von Quests und Dialogstrukturen. Tomaszkiewicz, dessen Erfahrungen unter anderem aus der Arbeit an „The Witcher 3: Wild Hunt“ und „Cyberpunk 2077“ bei CD Projekt stammen, sieht diesen Workflow als eine entscheidende Lernstrategie, um fundamentale Designprobleme bereits vor den teuren Aufnahmen mit menschlichen Stimmen zu identifizieren.
Die pragmatische Begründung: KI-Stimmen als Entwicklungswerkzeug
Tomaszkiewicz erklärte in einem Interview mit „The Game Business“, dass das Lesen von Dialogtexten im Skript selten die gleichen Schwachstellen erkennen lässt, wie es das Hören der Dialoge im Spielkontext ermöglicht. Komplexe narrative RPGs wie „The Blood of Dawnwalker“ bergen immense logische und dramaturgische Herausforderungen. Indem das Team KI-generierte Stimmen für erste Prototypen nutzte, konnten sie das Spiel sehr früh im Prozess iterieren – die Dialoge hören, Quest-Logik testen und Probleme lokalisieren, bevor sie die professionellen Aufnahmen in acht verschiedenen Sprachen (einschließlich Englisch, Polnisch, Spanisch, Französisch, Deutsch und Japanisch) beauftragten. Dieser Schritt sei „eine gute Entscheidung“ gewesen, da die Aufnahmen selbst eine der größten Kostenblöcke in einem storygetriebenen RPG darstellen, insbesondere bei einem Umfang, der „ähnlich oder sogar größer“ als bei „The Witcher 3“ ist. Die KI-Stimmen fungierten somit als eine kostensparende Barriere gegen spätere, teure Nachaufnahmen, die notwendig geworden hätten, wenn Probleme erst nach den professionellen Recordings aufgedeckt worden waren.
Ein bekanntes Problem aus der Vergangenheit
Tomaszkiewicz betonte, dass die Notwendigkeit für dieses Verfahren direkt aus negativen Erfahrungen in früheren Projekten hervorgegangen ist. Bei CD Projekt sei es zu Situationen gekommen, in denen nach den finalen Aufnahmen noch Änderungen an Quests notwendig wurden – ein Prozess, der extrem kostspielig und zeitaufwendig ist, wenn man Sprachaufnahmen in multiplen Sprachen bereits fertiggestellt hat. Das frühe, iterative Testen mit KI-Placeholders zielt darauf ab, dieses Risiko zu minimieren. „Wenn du etwas aufnimmst, das Spiel startet und dann feststellst: ‚OK, ich muss einen Quest ändern, weil ich ihn jetzt höre und Probleme habe‘ – wie kostspielig das ist, diese Probleme zu fixieren. Wenn du diese Probleme bereits vorher fixierst, weil du KI-Stimmen verwendest, sparst du später Zeit. Und wir wussten das, weil wir dieses Problem bereits vorher in den Games hatten, die wir bei CD Projekt entwickelt haben“, so der CEO. Diese Aussage unterstreicht den rein utilitaristischen Charakter der KI-Nutzung in diesem spezifischen Kontext.
Die umstrittenen Leerstellen: Unbekannte Details und unionistische Bedenken
Während Tomaszkiewicz den prozessualen Vorteil klar darlegt, bleiben kritische Details im Dunkeln. Er hat nicht spezifiziert, welche generative KI-Technologie Rebel Wolves eingesetzt hat. Dieser Punkt ist von grundlegender Bedeutung: War es eine proprietäre, für diesen Zweck maßgeschneiderte Lösung oder eine der großen, kulturassimilierenden KI-Modelle von Tech-Giganten, deren Datensets oft ohne ausreichende Kompensation oder Zustimmung erstellt wurden? Es ist unbekannt, auf welchen Stimmen das Tool „trainiert“ wurde und ob die Originalsprecher für diese Nutzung bezahlt wurden. Die Branche hat in den letzten Jahren intensive Diskussionen über solche Praktiken geführt.
Die Frage der Normalisierung und des slippery slope
Voice Actor-Unionen, wie SAG-AFTRA und britische Vertretungen, haben jahrelang für Schutzmaßnahmen gegen die unautorisierte Nutzung von „digitalen Replikas“ gekämpft, die ihre Berufsgrundlage bedrohen. Der beschriebene, begrenzte Einsatz von Rebel Wolves könnte als ein harmloses, effizienzsteigerndes Werkzeug interpretiert werden. Doch Kritiker sehen die Gefahr der Normalisierung. Wenn eine renommierte Studio wie Rebel Wolves KI-Stimmen im Prozess akzeptiert, könnte dies andere Entwickler dazu ermutigen, die Technologie für weitaus problematischere Anwendungen zu nutzen – beispielsweise für den vollständigen Ersatz menschlicher Voice Actors, wie es bereits bei einigen Indie-Projekten versucht wurde. Der Schritt von einem „Placeholder“ zu einem „Final Product“ ist fließend, und die industrieübliche Akzeptanz könnte diese Grenze verwischen.
Alternative Methoden und die Grenzen der Scratch-Aufnahme
Abschließend stellt sich die Frage, ob es alternative, KI-freie Methoden gibt, um das gleiche Ziel – frühe, kostengünstige Iteration – zu erreichen. Entwickler können natürlich eigene „scratch vocals“ aufnehmen. Doch in einem Projekt der Größenordnung von „The Witcher 3“ ist dies praktisch kaum durchführbar, insbesondere wenn es multilingual ist. Die Horrorgeschichten von Studios, die nach teuren Hauptaufnahmen noch zusätzliche Recordings für neue Dungeon-Passagen oder geänderte Quest-Lines benötigten, verdeutlichen das existierende Problem. Der Ansatz von Rebel Wolves ist daher eine direkte Antwort auf eine reale, finanzielle und logistische Herausforderung der AAA-Produktion.
Die Debatte um KI in der Spieleentwicklung dreht sich nicht nur um die finale Produktqualität, sondern auch um die ethischen und ökonomischen Implikationen des Entwicklungsprozesses selbst. Tomaszkiewicz’ Argumentation ist ökonomisch rational und basiert auf konkreter Branchenerfahrung mit kostspieligen Fehlern. Sie legt jedoch auch unbeantwortete Fragen offen: die Herkunft der KI-Technologie, die Kompensation für ursprüngliche Stimmen und die langfristige Wirkung auf die Berufsbranche der Voice Actors. Die zentrale Idee bleibt, dass technologische Effizienzgewinne im Produktionsprozess nicht isoliert von ihren gesellschaftlichen und kreativen Kontexten betrachtet werden können. Das Ziel, großartige, narrative Spiele wie „The Blood of Dawnwalker“ zu erschaffen, darf nicht die Mittel rechtfertigen, die die Grundlagen der kreativen Zusammenarbeit unterminieren könnten. Die finale Entscheidung von Rebel Wolves, alle KI-Stimmen zu entfernen und nur menschliche Performances zu verwenden, ist ein wichtiges Signal, doch der Weg dorthin wird weiterhin kritisch diskutiert werden.
