Immer weniger Menschen lesen journalistische Texte. Für Nachrichtenmedien ist Text sogar eine doppelte Herausforderung, denn weniger zahlende Leserinnen bedeuten auch weniger zahlende Anzeigen-Kunden. BotTalk – Gewinner-Startup des MTH Startup Demo Day 2026 – bietet Redaktionen eine Alternative in auditiver Form: Das Hamburger Team liefert Verlagen die Infrastruktur, um Artikel automatisch für Audio-Content zu vertonen, unter anderem mithilfe KI-geklonter Redaktionsstimmen. Mehr als 30 Verlage sind bereits Kunden, darunter auch die taz. 
 
Wir haben mit Gründer Andrey Esaulov und COO Josephin Peuten über Aufmerksamkeitsökonomie, das Klonen von Redakteur:innen und ihre Morgenroutinen beim News-Konsum gesprochen. 

MTH: Hi, Andrey und Josephin! Was ist eigentlich euer persönliches Comfort-Medium am Morgen: Radio, Podcast oder doch die Tages-Zeitung? 

[Josephin]: Das ist bei mir jeden Tag anders. Manchmal ist es einfach ein „Laber“-Podcast beim Zähneputzen, manchmal meine Lieblingsplaylist beim Frühstück. Radio höre ich nur im Auto. 

[Andrey]: Ein News-Podcast auf YouTube, der im Hintergrund läuft, während ich Kaffee mache. Ich bin ehrlich gesagt ein Extremfall: Ich komme auf ungefähr acht Stunden Audio am Tag. Vielleicht erklärt das auch ein bisschen, warum ich BotTalk gegründet habe. 

MTH: Im September seid ihr als Gewinner aus unserem Startup Demo Day 2026 hervorgangen, nachdem ihr eine Jury aus Investor:innen und Media-Professionals überzeugt habt. Wie habt ihr das Event erlebt – und was hat sich in der Zwischenzeit bei BotTalk verändert? 

[Josephin]: Ich hatte großen Spaß als Teilnehmerin. Durch die Vernetzung unterschiedlicher Branchen konnte ich Einblicke in eine für mich völlig neue Welt bekommen – die Filmindustrie. Wirklich abgefahren, was dort mittlerweile alles möglich ist und was die anderen Start-Ups für Ideen entwickeln. Mit unserem Audio-Player für Publisher haben wir trotzdem in die Runde gepasst und der Austausch mit anderen Start-Ups und Investoren war sehr interessant. Was sich bei uns verändert hat? Erstmal nicht so viel. Wir arbeiten gerade auf zwei große Messen hin und an unserem Ziel, an die 30 Publisher-Kunden noch eine 0 zu hängen!  

[Andrey]: Für mich war der Demo Day eine Premiere: Ich habe zum ersten Mal nicht selbst auf der Bühne gepitcht. Für mich als Gründer ist das ziemlich ungewohnt, und ich bin dabei ein gutes Stück aus meiner Komfortzone gegangen. Es war trotzdem die richtige Entscheidung. In der Vorbereitung mit Josi mussten wir unseren Pitch komplett auseinandernehmen und alles hinterfragen. Mit dem Ergebnis bin ich extrem zufrieden. Es war unser bester Pitch bisher. Ohne mich. 

MTH: Euer Startup beschreibt ihr unter anderem als „Audio-Kontrollschicht“ für Redaktionen. Was bedeutet das konkret und wie würdet ihr euer Geschäftsmodell klassischen Medienmacher:innen beschreiben? 

[Josephin]: Wir sorgen dafür, dass sie mit wenig Aufwand großartige Audios für Eure Texte und Artikel generieren können. Von A wie Automation-Rules – zum Beispiel wenn jeder Artikel im Sport-Teil von derselben Stimme gelesen werden soll, die Artikel im News-Feed aber von einer anderen Stimme – bis Z wie Zukunft. Mit unserem Player erreichen Publisher Stammkunden und neue Hörer statt Leser, ohne dafür selbst etwas entwickeln zu müssen oder das technische Knowhow inhouse zu brauchen.  

[Andrey]: Eine Redaktion ist eine extrem kontrollierte Umgebung. Und das muss sie auch sein. Die Welt draußen ist unübersichtlich genug, also wird in einem Newsroom alles geprüft, gegengelesen, korrigiert. Jetzt stellt euch vor, ihr baut KI in eure Artikel ein. Von 200 Artikeln am Tag sind 199 in Ordnung, aber in dem einen wichtigen Artikel irgendwo in der Mitte fängt das Modell an zu halluzinieren: Es schreit plötzlich, singt, erfindet Zahlen. Das ist kein Horrorszenario, das ist bei diesen Modellen Alltag. Genau dafür gibt es die Kontrollschicht. Das ist eine Gruppe von KI-Agenten, die sich jedes KI-Audio anhören, es korrigieren und das markieren, was sich nicht automatisch beheben lässt. Die Kontrollschicht ist euer Chefredakteur, nur für die KI.  
 
MTH: In Bezug auf die Aufmerksamkeitsökonomie stellt ihr eine provokante These auf: Journalismus sei tot. Woran genau macht ihr das fest – und was sollten Redaktionen ändern? 

[Josephin]: Ganz klar ihre Formate! Niemand setzt sich hin und scrollt durch lange Newsartikel auf dem Smartphone, Tablet oder Laptop. Die älteren Leser nutzen Print und steigen nach unseren Erfahrungen bereitwillig auf Audio um, weil es barriereärmer ist. Die jüngeren sind so an das Medium Podcast gewöhnt, dass der Umstieg zu News-Audio auch hier kein Problem darstellt.  

[Andrey]: Journalismus ist tot in der Aufmerksamkeitsökonomie. Auf dem Bildschirm, meine ich. Ein Text wird nie so verführerisch sein wie ein Reel. Und wer genug Reels geschaut hat, liest sehr wahrscheinlich keinen längeren Text mehr. Das ist ein globales Problem, und BotTalk kann es nicht lösen. Aber wir können den Verlagen eine Chance geben. In dem Moment, in dem der Nutzer das Handy weglegt, läuft Audio im Hintergrund weiter. Da hat eine lange Geschichte wieder Platz, und die Aufmerksamkeit ist noch da. Was Redaktionen ändern sollten? Aufhören, mit dem Text um den Bildschirm zu kämpfen. Diesen Kampf haben sie verloren. Die Ohren sind noch frei. 

MTH: Medienunternehmen und Verlage sind in Sachen Reichweite abhängig von Google, Meta und KI-Anbietern. Welche Bedeutung kommt Audio-Content in diesem Spannungsfeld zu? 

[Andrey]: Podcasts boomen, und die Nachfrage ist immer noch viel größer als das Angebot. Vor allem aber ist Audio der eine Kanal, auf dem Verlage noch direkt mit ihren Lesern sprechen. Zwischen einem Suchergebnis und dem Artikel steht Google. Zwischen einem Post und dem Artikel steht Meta. Zwischen dem Audio auf der eigenen Seite und dem Hörer steht niemand. Auch im Podcast-Player ist es noch die direkte Verbindung, und damit die direkte Bindung. Genau diese Beziehung haben Verlage auf dem Bildschirm Stück für Stück an die Plattformen abgegeben. Im Ohr gehört sie ihnen noch. 

MTH: Ihr habt unter anderem einen Audio-Rollout für die Tageszeitung taz begleitet und die Stimmen ihrer Journalist:innen geklont. Wie lief das genau ab? 

[Andrey]: Klonen ist ein iterativer Prozess. Am besten liest die Journalist:in eigene Texte ein – etwa zwei Stunden Material in einer kontrollierten Umgebung wie dem Podcast-Studio. Kleiner Tipp : Im Auto funktioniert es erstaunlich gut, der Innenraum ist akustisch fast perfekt. Mit diesem Material klonen wir die Stimme auf dem ElevenLabs-Modell, wir sind deren offizieller Partner in Deutschland. Danach justieren wir so lange nach, bis der Klon wirklich wie das Original klingt. Erst dann geht die Stimme in den Betrieb und liest die Artikel. Und 70 Prozent der App-Nutzer der taz sagen, ihr wichtigster Anwendungsfall ist inzwischen Hören, nicht Lesen. 

MTH: Habt ihr bei solchen Projekten auch Skepsis von Redakteur:innen oder Nutzer:innen erlebt? Wenn ja, wie geht ihr damit um? 

[Josephin]: Na klar, das erleben wir sogar fast immer. So groß die Begeisterung für die „neue Idee“ ist, so groß ist auch die Skepsis: Wie kompliziert wir die Integration in bestehende Websites und Apps? Wie viele User können wir tatsächlich für das Format gewinnen? Wir sind da sehr einfach gestrickt: Learning by doing. Mit einem Demo-Zugang können Redaktionen unverbindlich testen, wir stehen bei der Integration mit Rat und Tat zur Seite. Außerdem hat man mit unserem Statistik-Dashboard sehr schnell harte Zahlen“, die man seiner Geschäftsführung präsentieren kann. 

MTH: Ihr habt eine Audio-Werbeplattform entwickelt, die Medienhäuser angesichts sinkender Print-Werbeerlöse unterstützt. Inwiefern sind Akzeptanz und Erfolg von In-Audio-Werbung höher? 

[Andrey]: Das hat eigentlich wenig mit Technik zu tun. Es ist gelerntes Verhalten. Die Leute hören Werbung auf Spotify, sie hören und sehen Werbung auf YouTube, und sie akzeptieren das als Preis für den Inhalt. Niemand erwartet im Audio ein Banner, das man wegklickt. Ein Spot vor oder im Artikel fühlt sich für den Hörer an wie überall sonst in seinem Audio-Alltag. Für den Verlag heißt das: Er muss kein neues Werbeformat erklären, sondern nutzt eines, das seine Nutzer längst kennen. Das ist einfach die Realität der Mediennutzung heute. 

MTH: Seit dem 2. August 2026 gilt die Kennzeichnungspflicht für KI-generierte Inhalte nach dem EU AI Act. Was bedeutet das für euch und eure Kunden? Wie setzt ihr die Regelung um? 

[Josephin]: Unser Player heißt BOT-Talk – da ist es fast schon im Namen drin. Zusätzlich wird auf unserem Player-Widget ein KI-Hinweis angezeigt. Einige Publishher lassen ihre Stimmen auch vor oder nach dem eigentlichen Audio noch sagen: „Dieser Text wird/wurde von einer KI-generierten Stimme vorgelesen“.  

MTH: Andrey, du hast sechs Jahre bei Axel Springer gearbeitet – einem der größten Medienhäuser Deutschlands. Welche Erfahrungen aus dieser Zeit sind in die Gründung von BotTalk geflossen? 

[Andrey]: Ich habe bei meinestadt.de, einer Schwestergesellschaft von Axel Springer, die Mobile-Entwicklung geleitet. Die wichtigste Erfahrung aus dieser Zeit war, ein Team zu führen und mit Menschen zu arbeiten. Die zweite kam fast nebenbei: Als Führungskräfte waren wir oft im Hauptquartier von Axel Springer, und ich konnte die Redaktionen von innen sehen. Ich habe mit eigenen Augen beobachtet, wie Hunderte Menschen synchron an einem einzigen Stück Inhalt arbeiten. An diesem einen großen Artikel, dem Interview, der Recherche. Und auf dem Heimweg saß ich dann in der U-Bahn, und alle um mich herum starrten auf ihre Bildschirme. Nachrichten hat da niemand gelesen. Da habe ich mir gedacht: Egal, wie gut euer Journalismus ist, wenn der Artikel nicht gelesen wird, war alles umsonst. Das muss sich ändern. Aus dem Gedanken ist BotTalk geworden. 

MTH: Ihr seid Teil der zweiten Kohorte des MTH Accelerators 2026. Wie erlebt ihr das Ökosystem und worauf sind junge MediaTech Startups eurer Meinung nach am meisten angewiesen? 

[Andrey]: Für uns waren die Investment-Readiness-Drills das Wichtigste. Wir machen BotTalk schon eine ganze Weile und mit der Zeit schleicht sich eine gewisse Bequemlichkeit ein. Alles schon gesehen, alles schon gemacht. Ihr habt uns ziemlich deutlich gezeigt, wie wenig wir in Wirklichkeit wussten. Das Ökosystem ist hervorragend. Und was ich besonders schätze: Das Programm ist so aufgebaut, dass man nebenbei noch Zeit hat, sein Startup zu betreiben, statt nur über Startups zu lernen. Danke für diesen Raum. Worauf junge MediaTech-Startups am meisten angewiesen sind? Auf genau diese Mischung: ehrliches Feedback von Leuten, die die Branche kennen, Zugang zu Verlagen, und die Zeit, das Gelernte sofort auszuprobieren. 

MTH: Was sind eure nächsten Schritte? Kommen in Zukunft neue Sprachen, Märkte oder Features? 

[Andrey]: In den letzten drei Monaten haben wir mehr Features entwickelt und ausgeliefert als in den drei Jahren davor. Das komplette Interface in zwei Wochen neu zu gestalten, war eines dieser Dinge. Ich bin mir völlig sicher, dass wir die beste Lösung für Verlage sind, die KI-Audio wollen. Jetzt geht es nur noch ums Skalieren. In der DACH-Region stehen wir fest, und 2027 ist der Markteintritt in neuen Ländern unser Ziel Nummer eins. Neue Sprachen kommen damit automatisch. 

MTH: Wir danken für das Gespräch!