In einem Feldtest kommerzieller Stimmstressanalyse mit festgenommenen Personen in einem Gefängnis markierten zwei verbreitete Programme nur etwa 15% der Lügen, die die Festgenommenen über kürzlichen Drogenkonsum erzählten, und ihre Gesamtgenauigkeit lag bei etwa 50% (National Institute of Justice, Feldtest zur Stimmstressanalyse, 2008). Menschliche Zuhörer schneiden kaum besser ab: Über 24.483 Beurteiler hinweg treffen Menschen im Durchschnitt 54% der Urteile zu Lüge oder Wahrheit richtig, kaum mehr als bei einem Münzwurf (Personality and Social Psychology Review, Accuracy of Deception Judgments, 2006). Der National Research Council stellte fest, dass die Forschung “wenig oder keine wissenschaftliche Grundlage für den Einsatz des computergestützten Stimmstress-Analysators” bietet (National Research Council, The Polygraph and Lie Detection, 2003). Dennoch behauptet der wichtigste Hersteller weiterhin Tausende von Polizeikunden, und reine Hörstudien aus den Jahren 2025 und 2026 stellen die Frage neu, ob die Stimme mehr Täuschungssignal trägt als das Gesicht, ein Thema, das sich mit der Forschung zur Genauigkeit der Sprach-Emotionserkennung überschneidet. Wir haben Daten aus dem Journal of Forensic Sciences, dem Täuschungs-Sprachkorpus der Columbia University, PLOS One, dem European Journal of Psychology Applied to Legal Context, dem US-Arbeitsministerium, der KI-Verordnung der EU und Unterlagen der britischen Regierung zusammengeführt.
TL;DR
- Stimmstress-Analysatoren erkannten etwa 15% der Lügen über Drogenkonsum, bei einer Gesamtgenauigkeit von etwa 50%, in einem Gefängnis-Feldtest mit 319 Festgenommenen (NIJ, Feldtest zur Stimmstressanalyse, 2008).
- Von NITV gestellte CVSA-Prüfer markierten in einem Labortest wahrheitsgemäße Sprache in 61% bis 70% der Fälle als täuschend (Journal of Forensic Sciences, Evaluation of the NITV CVSA, 2008).
- Die Forschung bietet “wenig oder keine wissenschaftliche Grundlage” für den computergestützten Stimmstress-Analysator (National Research Council, The Polygraph and Lie Detection, 2003).
- Menschen treffen im Durchschnitt 54% der Urteile zu Lüge oder Wahrheit richtig, über 206 Dokumente hinweg (Personality and Social Psychology Review, Accuracy of Deception Judgments, 2006).
- Menschliche Interviewer erreichten im Columbia-Täuschungskorpus 56,75%, während ein Sprachklassifikator auf einen F1-Wert von 72,77 kam (Columbia University, Interspeech 2018).
- Nur Audio zu hören ergab 61,7% Genauigkeit gegenüber 35% beim Ansehen von Video mit Ton, in einem Test mit 120 Teilnehmenden (European Journal of Psychology Applied to Legal Context, 2025).
- Ein Test von 2026 mit 246 Teilnehmenden fand keinen signifikanten Unterschied zwischen Urteilen nach Audio, Transkript und Audio mit Bild (PLOS One, 2026).
- Eine höhere Tonhöhe beim Lügen ist ein kleiner Effekt, d = 0,21, der bei motivierten Lügnern auf d = 0,59 steigt (Psychological Bulletin, Cues to Deception, 2003).
- Nur 1 von 12 britischen Kommunen, die Stimmrisikoanalyse bei der Prüfung von Leistungsanträgen einsetzten, meldete sie als Erfolg (DWP-Evaluation, berichtet von The Register, 2010).
- US-Recht behandelt Stimmstress-Analysatoren als Lügendetektoren (US-Arbeitsministerium, EPPA-Merkblatt Nr. 36), und die EU stuft KI-Werkzeuge zur Lügenerkennung für die Polizei als Hochrisiko ein (Verordnung (EU) 2024/1689).
1. Feldtests: Stimmstress-Analysatoren gegen überprüfte Wahrheit
Feldtests sind der einzige Ort, an dem die Stimmstressanalyse auf ein reales Ergebnis trifft, das sie nicht beeinflussen kann, etwa einen Urintest. In der vom NIJ finanzierten Studie im Gefängnis von Oklahoma County (Zusammenfassung des Feldtests im NIJ Journal, Abschlussbericht) beantworteten Festgenommene Fragen zu Drogenkonsum, und ihre Antworten wurden mit Urinuntersuchungen abgeglichen. Das LVA markierte 21% der täuschenden Antworten und das CVSA 8%, während beide Programme die meisten wahrheitsgemäßen Antworten richtig einstuften. Ein Werkzeug, das fast immer “wahr” sagt, wirkt bei ehrlichen Menschen genau und übersieht nahezu jeden Lügner. Der Abschlussbericht stellte außerdem fest, dass die Auswertung unzuverlässig war: Die Korrelationen zwischen unerfahrenen und erfahrenen Auswertern reichten je nach Droge von 0,11 bis 0,52.
Die interessanteste Zahl ist gar keine Genauigkeitsrate. Festgenommene, die glaubten, ein Stimmgerät überwache sie, logen deutlich weniger, ein Effekt eines vorgetäuschten Lügendetektors, in der Fachliteratur “Bogus Pipeline” genannt (Menschen sagen mehr die Wahrheit, wenn sie glauben, eine Maschine könne Lügen erkennen). Das Gerät kann vom Lügen abhalten, ohne Lügen zu erkennen.
| Metrik | Wert | Quelle |
|---|---|---|
| Gesamtgenauigkeit von CVSA und LVA beim Erkennen von Täuschung über kürzlichen Drogenkonsum (319 männliche Festgenommene im Gefängnis, Oklahoma County) | Etwa 50% | NIJ, Feldtest zur Stimmstressanalyse (NIJ Journal 259), 2008 |
| Täuschende Antworten, vom LVA korrekt als täuschend markiert | 21% | NIJ, Feldtest zur Stimmstressanalyse, 2008 |
| Täuschende Antworten, vom CVSA korrekt als täuschend markiert | 8% | NIJ, Feldtest zur Stimmstressanalyse, 2008 |
| Wahrheitsgemäße Antworten, korrekt als wahrheitsgemäß erkannt, Durchschnitt über fünf Drogen (LVA 95%, CVSA 90%) | 91,5% | NIJ, Feldtest zur Stimmstressanalyse, 2008 |
| Festgenommene, die über kürzlichen Drogenkonsum logen: Stimmstress-Studie gegenüber früherer ADAM-Drogenmonitoring-Studie in derselben Stadt | 14% gegenüber 40% | NIJ, Feldtest zur Stimmstressanalyse, 2008 |
| Feldaufnahmen aus dem militärischen Verhörtraining (SERE): täuschende Ja/Nein-Antworten, von den eigenen Prüfern des CVSA-Herstellers markiert, gegenüber fälschlich markierten wahrheitsgemäßen Antworten | 19% gegenüber 45% | Journal of Forensic Sciences, Evaluation of the NITV CVSA, 2008 |
| Dieselben Feldaufnahmen, von experimentellen Phonetikern ausgewertet: markierte täuschende Antworten gegenüber fälschlich markierten wahrheitsgemäßen Antworten | 38% gegenüber 49% | Journal of Forensic Sciences, Evaluation of the NITV CVSA, 2008 |
Kontext: Die frühere ADAM-Befragung dauerte etwa 20 Minuten und die Stimmstress-Befragung etwa 5 Minuten, daher ist die Lücke von 14% gegenüber 40% kein kontrolliertes Experiment. Aktuellste verfügbare Daten: NIJ, Bericht von 2007 und Artikel von 2008. Seitdem haben wir keinen vergleichbaren unabhängigen Feldtest gefunden.
2. Labortests von CVSA und LVA
Laborstudien geben den Geräten die bestmöglichen Bedingungen: klare Aufnahmen, bekannte Wahrheit und induzierten Stress. Sie versagten trotzdem. In den Evaluationen der University of Florida (CVSA-Studie, LVA-Studie) erzeugten 48 Sprecher 300 Proben unter folgenreichen Lügen und Stress. Die eigenen Prüfer des CVSA-Herstellers markierten wahrheitsgemäße Sprache in 61% bis 70% der Fälle als täuschend, ungefähr so oft, wie sie echte Lügen erkannten.
Das Sensitivitätsmaß erzählt dieselbe Geschichte. Das d-Prime ist ein Wert der Signalentdeckungstheorie, bei dem 0 bedeutet, dass zwei Kategorien nicht unterschieden werden können; die Autoren legten 1 als akzeptablen Mindestwert fest, und jedes Team lag weit darunter. Die Überprüfung durch den National Research Council ergänzt, dass das einzige perfekte Ergebnis, das sie fand, aus einem herstellernahen Artikel stammte, der nie beschrieb, wie er Diagramme auswertete oder die Wahrheit feststellte.
| Metrik | Wert | Quelle |
|---|---|---|
| CVSA-Labortest (48 Sprecher, 300 Proben): Trefferquote der von NITV gestellten Prüfer | 61% bis 65% | Journal of Forensic Sciences, Evaluation of the NITV CVSA, 2008 |
| CVSA-Labortest: Falsch-Positiv-Rate (wahrheitsgemäße oder stressarme Sprache markiert) der von NITV gestellten Prüfer | 61% bis 70% | Journal of Forensic Sciences, Evaluation of the NITV CVSA, 2008 |
| CVSA-Labortest: d-Prime-Sensitivität der von NITV gestellten Prüfer (akzeptabler Mindestwert auf 1 festgelegt) | -0,32 bis 0,13 | Journal of Forensic Sciences, Evaluation of the NITV CVSA, 2008 |
| LVA-Labortest: Trefferquoten über Bedingungen und Prüfer hinweg | 42% bis 56% | Journal of Forensic Sciences, Evaluating Layered Voice Analysis, 2009 |
| LVA-Labortest: Falsch-Positiv-Raten, oft über den Trefferquoten | 40% bis 65% | Journal of Forensic Sciences, Evaluating Layered Voice Analysis, 2009 |
| Übereinstimmung zwischen CVSA und Polygraf in einer herstellernahen Studie mit 54 Probanden auf Bewährung (Auswertungs- und Wahrheitskriterien nicht beschrieben) | 100% (herstellernahe Behauptung, als unbrauchbar eingestuft) | National Research Council, The Polygraph and Lie Detection, 2003 |
| Genauigkeit des CVSA gegenüber dem Polygrafen in Laborvergleichen des Department of Defense Polygraph Institute in den 1990er Jahren | Nie signifikant überlegen | National Research Council, The Polygraph and Lie Detection, 2003 |
| Ergebnisse eines Feldtests des Analysators von 1996 | Nahe am Zufallsniveau | National Research Council, The Polygraph and Lie Detection, 2003 |
Kontext: Dasselbe NRC-Kapitel berichtet, dass die Übereinstimmung zwischen unabhängigen Analysten, die dieselben Stimmstress-Diagramme lesen, “im Allgemeinen gering” ist, und dass eine Studie des Verteidigungsministeriums aus dem Jahr 2000 ergab, dass die Analysatorwerte akuten Stress, der mit herkömmlichen Methoden gemessen wurde, nicht widerspiegelten.
3. Wie genau Menschen Lügen beurteilen (meta-analytische Evidenz)
Wenn Maschinen Lügen nicht hören können, ist der naheliegende Ausweg ein geschultes Ohr. Die Evidenz sagt, dass Ohren nur geringfügig besser sind als Augen. Die Meta-Analyse von Bond und DePaulo bündelte 206 Dokumente und 24.483 Beurteiler. Menschen treffen im Durchschnitt 54% richtig, und sie erkennen Wahrheiten deutlich häufiger richtig als Lügen, weil die meisten Beurteiler dazu neigen, das Gehörte zu glauben (55,23% der Botschaften wurden als wahr beurteilt, gewichtet). Experten erzielten zwischen den Studien 54,51% gegenüber 53,31% bei Nicht-Experten, und der Unterschied verschwand nach statistischer Anpassung.
Der Vergleich der Medien ist für die Stimme der relevante. Stummes Video ist die schlechteste Bedingung, und Ton gleicht ein paar Punkte aus. Einen Lügner zu hören hilft ein wenig; es macht Zuhörer nicht zu Lügendetektoren.
| Metrik | Wert | Quelle |
|---|---|---|
| Durchschnittlich richtige Urteile zu Lüge oder Wahrheit (206 Dokumente, 24.483 Beurteiler) | 54% | Personality and Social Psychology Review, Accuracy of Deception Judgments, 2006 |
| Wahrheitsgemäße Botschaften, korrekt als wahr beurteilt | 61% | Personality and Social Psychology Review, Accuracy of Deception Judgments, 2006 |
| Täuschende Botschaften, korrekt als täuschend beurteilt | 47% | Personality and Social Psychology Review, Accuracy of Deception Judgments, 2006 |
| Richtige Urteile zu Lüge oder Wahrheit bei reinen Audio-Botschaften | 53,01% | Personality and Social Psychology Review, Accuracy of Deception Judgments, 2006 |
| Richtige Urteile zu Lüge oder Wahrheit bei reinen Botschaften in stummem Video | 50,52% | Personality and Social Psychology Review, Accuracy of Deception Judgments, 2006 |
| Richtige Urteile zu Lüge oder Wahrheit bei audiovisuellen Botschaften | 54,03% | Personality and Social Psychology Review, Accuracy of Deception Judgments, 2006 |
Aktuellste verfügbare Daten: Personality and Social Psychology Review, 2006. Sie bleibt die größte Synthese zur Genauigkeit menschlicher Lügenerkennung; Abschnitt 4 behandelt die neueren Hörexperimente.
4. Hörexperimente und Sprachklassifikatoren, 2018 bis 2026
Neuere Studien testen die Stimme direkt, und sie widersprechen sich. Ein Experiment der University of Portsmouth aus dem Jahr 2025 (European Journal of Psychology Applied to Legal Context) gab 120 Teilnehmenden entweder das Audio oder das vollständige Video eines Interviews mit einem simulierten Verdächtigen. Zuhörer lagen in 61,7% der Fälle richtig, während diejenigen, die zusahen und zuhörten, nur in 35% der Fälle richtig lagen, unter dem Zufallsniveau. Die Studie behandelte Zusehen plus Zuhören als Bedingung mit hoher kognitiver Belastung: Den Verdächtigen zu sehen fügte Informationen hinzu, die in diesem Test mehr schadeten als nützten. Ein größerer Test von 2026 (PLOS One) fand überhaupt keinen Modalitätseffekt, wobei Lügner unter allen Bedingungen überwiegend als wahrhaftig beurteilt wurden.
Auf Interviewsprache trainierte Maschinen schneiden bei denselben Aufnahmen besser ab als Menschen. Im Columbia-X-Cultural-Deception-Korpus (NAACL 2018, Interspeech 2018) gaben 340 Sprecher in Interviewdialogen wahrheitsgemäße und täuschende Antworten. Ein Klassifikator mit akustisch-prosodischen Merkmalen (Tonhöhe, Lautstärke und Timing) kam an einen auf Wortwahl gebauten heran. Das sind Lügen im Labor an einem einzigen Korpus, und sie bleiben weit hinter der Zuverlässigkeit zurück, die von Sprachsystemen mit gesicherter Referenzwahrheit erwartet wird, wie sie in Benchmarks zur Sprecherverifikation verfolgt werden.
| Metrik | Wert | Quelle |
|---|---|---|
| Genauigkeit menschlicher Interviewer bei Lüge oder Wahrheit im Columbia-X-Cultural-Deception-Korpus (340 Sprecher; Zufallsniveau = 50%) | 56,75% | Columbia University, NAACL 2018 (Levitan et al.) |
| Genauigkeit menschlicher Interviewer nur bei täuschenden Antworten | 47,93% | Columbia University, NAACL 2018 (Levitan et al.) |
| Bester Klassifikator mit Wortwahl-Merkmalen (lexikalisch), F1-Wert | 72,74 (Genauigkeit 72,78%) | Columbia University, NAACL 2018 (Levitan et al.) |
| Bester Klassifikator mit akustisch-prosodischen Merkmalen plus Geschlecht und Muttersprache der Sprecher, F1-Wert | 72,77 | Columbia University, Interspeech 2018 (Levitan et al.) |
| Gesamtgenauigkeit bei Lüge oder Wahrheit: nur Audio hören gegenüber Video mit Ton ansehen (120 Teilnehmende) | 61,7% gegenüber 35% | European Journal of Psychology Applied to Legal Context, 2025 (Giorgianni et al.) |
| Erkennung von Wahrheit: nur Audio gegenüber Video mit Ton | 53,33% gegenüber 20,00% (Chi-Quadrat(1, N = 60) = 7,18, p = 0,007) | European Journal of Psychology Applied to Legal Context, 2025 (Giorgianni et al.) |
| Bedingung nur Audio: wahrheitsgemäße Aussagen richtig beurteilt gegenüber täuschenden Aussagen richtig beurteilt (N = 246 insgesamt) | 60,71% gegenüber 39,29% | PLOS One, 2026 (Bogaard et al.) |
| Effekt der Modalität (nur Audio, Transkript, audiovisuell) auf die Genauigkeit bei Lüge oder Wahrheit | F(2, 243) = 0,45, p = 0,637 (nicht signifikant) | PLOS One, 2026 (Bogaard et al.) |
Kontext: In der Studie von 2025 war der Unterschied bei der Lügenerkennung zwischen den Bedingungen (70,00% gegenüber 50,00%) nicht signifikant (p = 0,114); der signifikante Gewinn kam aus dem Erkennen wahrhaftiger Verdächtiger.
5. Akustische und stimmliche Hinweise auf Lügen
Stimmstress-Geräte unterstellen, dass Lügen eine starke, universelle akustische Spur hinterlässt. Die meta-analytische Befundlage zeigt einige schwache Spuren. Die Meta-Analyse in Psychological Bulletin fasste 1.338 Effektstärken für 158 Hinweise aus 120 unabhängigen Stichproben zusammen. Die Tonhöhe stieg bei Lügnern insgesamt nur leicht (d = 0,21), sprang aber auf d = 0,59, wenn die Lügner motiviert waren, erfolgreich zu sein. Cohens d ist eine standardisierte Effektstärke, und Werte dieser Größe gelten konventionell als klein: Die meisten stimmlichen Hinweise überlappen stark zwischen ehrlichen und unehrlichen Sprechern.
Studien in einzelnen Sprachen zeigen, wie instabil die Hinweise sind. Bei 19 italienischen Muttersprachlern betrug die mittlere Tonhöhe beim Lügen 160,88 Hz gegenüber 160,67 Hz beim Wahrheitsagen (p = 0,927), aber das Sprechen wurde langsamer (Frontiers in Psychology). Bei 36 Mandarin-Sprechern, die 14 biografische Fragen beantworteten, verband eine Studie von 2024 mit 20 akustischen und 14 elektroglottografischen Merkmalen (die Elektroglottografie misst den Kontakt der Stimmlippen) Täuschung mit höherer mittlerer Tonhöhe und Intensität sowie geringerem Jitter, Shimmer und Harmonics-to-Noise-Verhältnis (Journal of Speech, Language, and Hearing Research). Das Columbia-Korpus zeigte bei täuschenden Antworten eine höhere maximale Tonhöhe und maximale Intensität. Hinweise wie diese sind dasselbe Rohmaterial wie in der paralinguistischen Stimmanalyse zur Burnout-Vorhersage, und sie teilen dieselbe Grenze: Sie beschreiben Gruppen, nicht Einzelpersonen.
| Metrik | Wert | Quelle |
|---|---|---|
| Höhere Tonhöhe beim Lügen, alle Studien (12 Schätzungen) | d = 0,21 (95-%-KI 0,08 bis 0,34) | Psychological Bulletin, Cues to Deception, 2003 |
| Stimmliche Anspannung beim Lügen (10 Schätzungen) | d = 0,26 (95-%-KI 0,13 bis 0,39) | Psychological Bulletin, Cues to Deception, 2003 |
| Lügner, die stimmlich unsicher klingen (10 Schätzungen) | d = 0,30 | Psychological Bulletin, Cues to Deception, 2003 |
| Sprechzeit von Lügnern gegenüber Wahrheitssagern (4 Schätzungen; negativ bedeutet, dass Lügner weniger sprechen) | d = -0,35 | Psychological Bulletin, Cues to Deception, 2003 |
| Gefüllte Pausen (um, uh) bei Lügen gegenüber Wahrheiten (16 Schätzungen) | d = 0,00 | Psychological Bulletin, Cues to Deception, 2003 |
| Tonhöheneffekt, wenn die Lügner motiviert waren, erfolgreich zu sein (6 Schätzungen) | d = 0,59 (95-%-KI 0,31 bis 0,88) | Psychological Bulletin, Cues to Deception, 2003 |
| Tonhöhe und Antwortlatenz, Meta-Analyse von 41 Studien zu neun Sprachhinweisen (beide beim Lügen höher) | d = 0,268 (Tonhöhe), d = 0,177 (Latenz) | Meta-Analyse in Applied Cognitive Psychology, 2006 (Sporer und Schwandt), wie berichtet in Frontiers in Psychology, 2012 |
| Sprechgeschwindigkeit beim Lügen gegenüber Wahrheitsagen, 19 italienische Muttersprachler | 1,95 gegenüber 2,10 Wörter pro Sekunde (d = 0,447, p = 0,025) | Frontiers in Psychology, Markers of Deception in Italian Speech, 2012 |
Kontext: Die Antwortlatenz ist der deutlichste Widerspruch zwischen den beiden Meta-Analysen. Die Synthese von 2006 berichtet eine verlässliche Zunahme, während die von 2003 über 32 Schätzungen einen Effekt nahe null ohne Signifikanz aufführt.
6. Einsatz durch Polizeibehörden, Regierungen und Versicherer
Die Verbreitung hat nie der Evidenz entsprochen. Die Verbreitungszahlen stammen fast vollständig vom Hersteller, und die behaupteten Gesamtzahlen sind gewachsen, seit unabhängige Tests Genauigkeit auf Zufallsniveau fanden. Eine am 4. Juni 2024 veröffentlichte Recherche des San Francisco Chronicle identifizierte 13 weitere kalifornische Strafverfolgungsbehörden, die das CVSA einsetzen, von denen drei es auch in Strafermittlungen verwendet hatten (San Francisco Chronicle).
Staatliche Versuche außerhalb der Polizeiarbeit endeten anders. Das britische Ministerium für Arbeit und Renten (DWP) führte Versuche mit “Stimmrisikoanalyse” bei telefonischen Leistungsanträgen durch; die meisten Kommunen, die Ergebnisse meldeten, nannten sie keinen Erfolg (The Register, 10. November 2010). Britische Versicherer wie esure testeten bereits 2003 die Stimmrisikoanalyse auf Schadenhotlines, und neuere Anbieter bieten heute Stimm-Screening vom Antrag bis zum Schadenfall an; so gibt Clearspeed auf seiner eigenen Website an, eine Validierungsevaluation des US-Verteidigungsministeriums habe seine Technologie mit über 97% Genauigkeit bewertet, eine Angabe des Anbieters selbst, für die wir keine veröffentlichte unabhängige Studie fanden. Versicherer, die bereits Sprachanalytik zur Stimmungserkennung einsetzen, stehen vor derselben Frage: Was wird eigentlich gemessen?
| Metrik | Wert | Quelle |
|---|---|---|
| US-Strafverfolgungsbehörden, die das CVSA nutzen, laut Hersteller (2008) | Mehr als 1.400 | NITV-Angabe, berichtet im NIJ Journal, 2008 (eigene Herstellerangabe) |
| Behörden, die das CVSA nutzen, laut Website des Herstellers (2026) | Über 3.000 US-Strafverfolgungsbehörden; über 3.600 weltweit | NITV-Website, 2026 (eigene Herstellerangabe) |
| Weitere kalifornische Strafverfolgungsbehörden, die als CVSA-Nutzer identifiziert wurden | 13 | Recherche des San Francisco Chronicle, 4. Juni 2024 |
| Von diesen Behörden die Zahl, die das CVSA auch in Strafermittlungen einsetzte | 3 | Recherche des San Francisco Chronicle, 4. Juni 2024 |
| Kosten der DWP-Versuche zur Stimmrisikoanalyse bei Leistungsanträgen im Vereinigten Königreich | £2,16 Mio. | DWP-Evaluation zur Stimmrisikoanalyse, berichtet von The Register, 10. November 2010 |
| Kommunalbehörden in der letzten Runde der DWP-Versuche und wie viele Ergebnisse meldeten | 24 (23 meldeten) | DWP-Evaluation zur Stimmrisikoanalyse, berichtet von The Register, 10. November 2010 |
| Kommunen, die Stimmrisikoanalyse bei der Prüfung von Leistungen einsetzten und sie als Erfolg meldeten | 1 von 12 | DWP-Evaluation zur Stimmrisikoanalyse, berichtet von The Register, 10. November 2010 |
| Kommunen, die sie bei Anrufen neuer Antragsteller einsetzten und sie als Erfolg meldeten | 3 von 9 | DWP-Evaluation zur Stimmrisikoanalyse, berichtet von The Register, 10. November 2010 |
Kontext: Die Website des Herstellers ist in sich widersprüchlich: Sie nennt an verschiedenen Stellen sowohl “über 3.000” Strafverfolgungsbehörden als auch “über 2.900 US-Organisationen”.
7. Wissenschaftliche und rechtliche Bewertungen
Das wissenschaftliche Urteil ist seit zwei Jahrzehnten stabil, und das Recht hat langsam aufgeholt. Der National Research Council kam 2003 zu dem Ergebnis, dass die Forschung zum Stimmstress “wenig oder keine wissenschaftliche Grundlage” für den computergestützten Stimmstress-Analysator bietet. In den Vereinigten Staaten trifft die stärkste Einschränkung die Arbeitgeber: Der Employee Polygraph Protection Act nennt den Stimmstress-Analysator als Lügendetektor, was die meisten privaten Arbeitgeber von seinem Einsatz ausschließt. Bundes-, Landes- und Kommunalbehörden sind ausgenommen, sodass Polizeibehörden außerhalb dieses Verbots stehen.
Die Europäische Union reguliert die neuere, KI-basierte Generation. Die KI-Verordnung stuft KI-Systeme, die von Strafverfolgungs- sowie Migrations- und Grenzbehörden “als Polygrafen oder ähnliche Instrumente” eingesetzt werden, als Hochrisiko ein, und ihre Erwägungsgründe fordern ein Verbot von KI, die Emotionen am Arbeitsplatz oder in Schulen erkennt. Das eigene Fazit der britischen Regierung kam 2011 in einer Antwort auf eine Informationsfreiheitsanfrage: Sie nutzte die Technologie nicht mehr.
| Metrik | Wert | Quelle |
|---|---|---|
| Wissenschaftliche Grundlage für den Einsatz des computergestützten Stimmstress-Analysators | ”Wenig oder keine wissenschaftliche Grundlage” | National Research Council, The Polygraph and Lie Detection, 2003 |
| Geräte, die unter die US-Rechtsdefinition eines Lügendetektors fallen | Polygraf, Deceptograph, Stimmstress-Analysator, psychologischer Stressbewerter oder ähnliches Gerät | US-Arbeitsministerium, EPPA-Merkblatt Nr. 36 |
| Lügendetektortests, die private Arbeitgeber weiterhin einsetzen dürfen, und in wie vielen begrenzten Situationen | Nur der Polygraf (kein anderer Lügendetektor), in 3 begrenzten Situationen | US-Arbeitsministerium, EPPA-Merkblatt Nr. 36 |
| Frist für Beschäftigte, bei einem EPPA-Verstoß Klage zu erheben | 3 Jahre | US-Arbeitsministerium, EPPA-Merkblatt Nr. 36 |
| EU-KI-Verordnung, Anhang III Nr. 6(b): KI, die von Strafverfolgungsbehörden als Polygrafen oder ähnliche Instrumente eingesetzt wird | Als Hochrisiko eingestuft | Verordnung (EU) 2024/1689 (KI-Verordnung) |
| EU-KI-Verordnung, Anhang III Nr. 7(a): KI, die von Migrations-, Asyl- und Grenzbehörden als Polygrafen oder ähnliche Instrumente eingesetzt wird | Als Hochrisiko eingestuft | Verordnung (EU) 2024/1689 (KI-Verordnung) |
| EU-KI-Verordnung, Erwägungsgrund 44: KI-Systeme, die den emotionalen Zustand von Menschen am Arbeitsplatz oder in der Bildung erkennen | Soll verboten werden | Verordnung (EU) 2024/1689 (KI-Verordnung) |
| Fazit des britischen DWP zur Stimmrisikoanalyse bei Leistungsanträgen | Konnte nicht schließen, dass sie wirksam und konsistent funktionierte; nicht im Einsatz | Antwort des DWP auf eine Informationsfreiheitsanfrage 3039/2011 |
Kontext: Der Text der EU-KI-Verordnung wurde am 13. Juni 2024 angenommen. Der EPPA wurde am 27. Juni 1988 unterzeichnet und trat am 27. Dezember 1988 in Kraft.
Zusammenfassung: Stimmstressanalyse und Lügenerkennung per Stimme in Zahlen
| Metrik | Wert | Quelle |
|---|---|---|
| Täuschende Antworten über Drogenkonsum, in einem Gefängnis-Feldtest markiert: LVA gegenüber CVSA | 21% gegenüber 8% | NIJ, Feldtest zur Stimmstressanalyse, 2008 |
| Militärische Feldaufnahmen: markierte täuschende Antworten gegenüber fälschlich markierten wahrheitsgemäßen Antworten durch die Prüfer des CVSA-Herstellers | 19% gegenüber 45% | Journal of Forensic Sciences, Evaluation of the NITV CVSA, 2008 |
| Wissenschaftliche Grundlage für den computergestützten Stimmstress-Analysator | ”Wenig oder keine wissenschaftliche Grundlage” | National Research Council, The Polygraph and Lie Detection, 2003 |
| Durchschnittliche menschliche Genauigkeit bei Lüge oder Wahrheit (24.483 Beurteiler) | 54% | Personality and Social Psychology Review, Accuracy of Deception Judgments, 2006 |
| Menschliche Interviewer im Columbia-Täuschungskorpus | 56,75% | Columbia University, NAACL 2018 (Levitan et al.) |
| Bester akustisch-prosodischer Klassifikator im selben Korpus, F1-Wert | 72,77 | Columbia University, Interspeech 2018 (Levitan et al.) |
| Genauigkeit beim Hören von nur Audio gegenüber dem Ansehen von Video mit Ton | 61,7% gegenüber 35% | European Journal of Psychology Applied to Legal Context, 2025 (Giorgianni et al.) |
| Effekt des Formats nur Audio gegenüber Transkript gegenüber audiovisuell auf die Genauigkeit | F(2, 243) = 0,45, p = 0,637 | PLOS One, 2026 (Bogaard et al.) |
| Urteile nur nach Audio: wahrheitsgemäße Aussagen richtig beurteilt gegenüber täuschenden Aussagen richtig beurteilt | 60,71% gegenüber 39,29% | PLOS One, 2026 (Bogaard et al.) |
| Höhere Tonhöhe, wenn Lügner motiviert sind, erfolgreich zu sein | d = 0,59 | Psychological Bulletin, Cues to Deception, 2003 |
| Tonhöheneffekt in einer Meta-Analyse von 41 Studien zu Sprachhinweisen | d = 0,268 | Meta-Analyse in Applied Cognitive Psychology, 2006 (Sporer und Schwandt), wie berichtet in Frontiers in Psychology, 2012 |
| Sprechgeschwindigkeit beim Lügen gegenüber Wahrheitsagen, 19 italienische Sprecher | 1,95 gegenüber 2,10 Wörter pro Sekunde | Frontiers in Psychology, Markers of Deception in Italian Speech, 2012 |
| Weitere kalifornische Behörden, die als CVSA-Nutzer identifiziert wurden | 13 | Recherche des San Francisco Chronicle, 4. Juni 2024 |
| Kosten der britischen Leistungsversuche zur Stimmrisikoanalyse | £2,16 Mio. | DWP-Evaluation zur Stimmrisikoanalyse, berichtet von The Register, 10. November 2010 |
| Kommunen, die Erfolg mit Stimmrisikoanalyse bei der Prüfung von Leistungen meldeten | 1 von 12 | DWP-Evaluation zur Stimmrisikoanalyse, berichtet von The Register, 10. November 2010 |
| Stimmstress-Analysator in der US-Rechtsdefinition eines Lügendetektors | Eingeschlossen | US-Arbeitsministerium, EPPA-Merkblatt Nr. 36 |
| KI, die von der Polizei als Polygrafen oder ähnliche Instrumente eingesetzt wird, in der EU | Hochrisiko (Anhang III Nr. 6(b)) | Verordnung (EU) 2024/1689 (KI-Verordnung) |
Methodik und Quellen
- National Institute of Justice: Voice Stress Analysis: Only 15 Percent of Lies About Drug Use Detected in Field Test (NIJ Journal 259, März 2008) und der Abschlussbericht, Assessing the Validity of Voice Stress Analysis Tools in a Jail Setting (Juni 2007).
- National Research Council: The Polygraph and Lie Detection, Kapitel 6, Alternative Techniques and Technologies (2003).
- Journal of Forensic Sciences (University of Florida): Evaluation of the NITV CVSA (2008) und Stress and Deception in Speech: Evaluating Layered Voice Analysis (2009).
- Personality and Social Psychology Review: Accuracy of Deception Judgments (Bond und DePaulo, 2006).
- Psychological Bulletin: Cues to Deception (2003).
- Frontiers in Psychology: Markers of Deception in Italian Speech (Spence, Villar und Arciuli, 2012), zugleich die Quelle, die wir für die Zahlen der Meta-Analyse in Applied Cognitive Psychology genutzt haben (Sporer und Schwandt, 2006).
- Sprachlabor der Columbia University: Linguistic Cues to Deception and Perceived Deception in Interview Dialogues (NAACL 2018) und Acoustic-Prosodic Indicators of Deception and Trust in Interview Dialogues (Interspeech 2018).
- European Journal of Psychology Applied to Legal Context: The Effect of the Interviewer’s Cognitive Load on the Quality of the Forensic Interview (2025).
- PLOS One: I Told You So! Verbal cue beliefs are associated with truth detection, but not lie detection (23. Januar 2026).
- Journal of Speech, Language, and Hearing Research: Uncovering Gender-Specific and Cross-Gender Features in Mandarin Deception: An Acoustic and Electroglottographic Approach (2024).
- US-Arbeitsministerium, Wage and Hour Division: Merkblatt Nr. 36, Employee Polygraph Protection Act.
- Europäische Union: Verordnung (EU) 2024/1689, die Verordnung über künstliche Intelligenz.
- Britisches Ministerium für Arbeit und Renten: Antwort auf eine Informationsfreiheitsanfrage 3039/2011; Versuchszahlen wie von The Register berichtet (10. November 2010), weil die ursprüngliche DWP-Evaluationsdatei online nicht mehr erreichbar ist.
- San Francisco Chronicle: Recherche zum CVSA-Einsatz durch kalifornische Strafverfolgungsbehörden (4. Juni 2024).
- Herstellerangaben (als solche gekennzeichnet, nicht verlinkt): NITV-Website (Behördenzahlen) und Clearspeed-Website (Validierungsgenauigkeit), beide im November 2026 abgerufen.
- Daten-Hinweis: Die wesentlichen unabhängigen Genauigkeitsdaten zu kommerziellen Stimmstress-Analysatoren sind 17 bis 23 Jahre alt (2003 bis 2009), und wir fanden keine neuere unabhängige Feldvalidierung; behandeln Sie Genauigkeits- und Verbreitungszahlen von Anbietern aus dem Jahr 2026 als ungeprüftes Marketing. Die beiden Sprach-Meta-Analysen in Abschnitt 5 widersprechen sich bei der Antwortlatenz. Studien mit maschinellem Lernen an kleinen Korpora berichten viel höhere Zahlen als die Columbia-Arbeit; ein Buchkapitel von 2025 zu 121 Gerichtsvideoclips gibt die Genauigkeit seines Audiomodells in einer Tabelle mit 93,57% und im Text mit 95,57% an, weshalb wir solche Ergebnisse aus den zentralen Tabellen ausgelassen haben. Die Hörstudien von 2025 und 2026 weisen in entgegengesetzte Richtungen, ob Urteile nur nach Audio besser sind als audiovisuelle, daher ist eine neue Meta-Analyse nötig, bevor man eine Schlussfolgerung zieht.
Zuletzt aktualisiert: 8. November 2026. Wir aktualisieren diese Zusammenstellung vierteljährlich, und die nächste Aktualisierung wird erwartet, wenn die nächste unabhängige Feldvalidierung eines kommerziellen Stimmstress-Analysators in einer begutachteten Fachzeitschrift veröffentlicht wird.