Für Temi Babs, Gründer und CEO des in Lagos ansässigen Voice-KI-Startups Spitch, ist die Gefahr, dass finanzstarke globale Akteure wie OpenAI oder ElevenLabs afrikanischen Sprachen plötzlich mehr Aufmerksamkeit schenken, kein Anlass zur Sorge. Auf die Frage, was passieren würde, wenn diese Unternehmen ernsthaft in die Sprachen des Kontinents investieren würden, antwortet er ohne Zögern: Sie müssten zuerst an ihm vorbei.

Das ist eine kühne Aussage für einen Gründer, der selbst einräumt, „sehr wenig Geld“ aufgenommen zu haben und noch nicht profitabel zu sein. Doch genau das ist die Position, die der Spitch-Gründer und CEO festhalten will: Bei Sprachinfrastruktur für die Sprachen des Kontinents sei Kapital nicht der Schutzgraben, den viele vermuten.

„Ich verstehe das so gut, weil wir uns bis hierher hochgebootstrapped haben“, sagte er Technext in einem Exklusivinterview. „Ich glaube nicht, dass Kapital allein hier den Ausschlag geben wird. Man könnte das ganze Kapital haben, aber wenn man nicht bauen kann…“

Er lässt den Satz bewusst offen und kommt dann zum Kern: Jeder gut finanzierte globale Konzern, der afrikanische Märkte bedienen wolle, brauche die Beziehungen, die Daten und das Verständnis für die Denkweise des durchschnittlichen Nigerianers, des durchschnittlichen Westafrikaners oder Ostafrikaners, die Spitch in zwei Jahren aufgebaut habe. „Das kann man nicht mit Milliarden von Dollar schlagen.“

Lehrende wechselten mitten im Satz zwischen Yoruba, Igbo und Englisch. Einige sprachen Pidgin. Einige mischten zwei Sprachen in einem Atemzug, vor dem Hintergrund von Klassenzimmerlärm, auf den kein sauberes Trainingsset vorbereitet gewesen war. „Es war unmöglich, dass dieser Anwendungsfall für dieses Produkt im afrikanischen Kontext tatsächlich funktionieren würde“, sagte Babs.

Statt das Projekt aufzugeben, deutete das Team das Scheitern als Signal. Wenn Transkription in Hörsälen so stark versagte, war das zugrunde liegende Problem – Maschinen so zu befähigen, afrikanische Sprachen zuverlässig zu hören, zu verstehen und zu sprechen – größer als Bildung.

Es war Infrastruktur.

Der Kurswechsel erfolgte so schnell, dass Spitch bereits eine Woche vor dem offiziellen Produktstart im Oktober 2024 einen zahlenden Kunden gewonnen hatte, ein Detail, das Babs sichtbar zufrieden macht. „Das hat uns die Validierung für die Produkte gegeben, die wir bauen.“

Zwei Jahre später beziffert Babs Spitchs Reichweite auf rund 1.800 Entwickler, vier Unternehmenskunden und fünfzehn mittelgroße Unternehmen, die ihre Kundenkommunikation über die Plattform abwickeln.

Zu den namentlich genannten Unternehmenskunden zählen Safaricom Ethiopia und die nigerianische Nachrichtenpublikation Leadership sowie mehrere kleinere B2B-Partnerschaften, wie Babs sie beschreibt. Die Anwendungsfälle seien, offen gesagt, nicht besonders exotisch: eingehender und ausgehender Kundensupport sowie die Bereitstellung von Inhalten in den jeweiligen Muttersprachen der Kunden.

„Nichts ist wirklich überraschend an dem, was wir gesehen haben“, sagte er, „solange man es mit den grundlegenden Kernbedürfnissen des Unternehmens verknüpft.“

Fragt man Babs, was daran tatsächlich schwierig ist, lautet die Antwort nicht die Modellarchitektur. Es sind die Daten. „Compute ist in hohem Maße dadurch begrenzt, wie viel Geld man hat“, erklärte er. „Aber bei Daten ist das eine andere Geschichte. Es gibt Richtlinien und regulatorische Rahmenbedingungen dafür, wie man Daten handhabt und verwaltet.“ Das mache die Beschaffung von Daten seiner Ansicht nach um „eine oder zwei Stufen“ schwieriger als das Rechenproblem.

Spitchs Ansatz zur Lösung entwickelte sich in drei Phasen: Das Gründungsteam nahm zunächst die eigenen Stimmen auf, um frühe Modelle zu trainieren, und lizenzierte dann gelabelte Datensätze von Partnern, die einzelne Sprachen wie Hausa, Igbo, Yoruba und Amharisch abdeckten. Das aktuelle Modell sieht vor, dass Spitch direkt mit Unternehmenskunden zusammenarbeitet und deren vorhandene Sprachdaten nutzt, um Modelle feinzujustieren, die anschließend wieder in den eigenen Umgebungen der Kunden eingesetzt werden.

Das Unternehmen kann technisch mehr als 400 Sprachen unterstützen, geerbt aus der breiteren Infrastruktur, auf der es aufbaut, trainiert und pflegt jedoch aktiv eine starke Unterstützung für rund fünfzehn bis zwanzig Sprachen in West- und Ostafrika.

Mit Nigerias Wahlen 2027 in Sicht und einem jüngsten Vorfall, bei dem ein Präsidentschaftssprecher ein sich später als KI-generiert herausstellendes Video verbreitete, ist die Ethik des Voice-Clonings für Spitch keine hypothetische Frage.

Babs sagte, jede vom System erzeugte Audiodatei werde kryptografisch signiert, sodass die Herkunft anhand jeder fraglichen Datei überprüft werden könne. Darüber hinaus setzt er auf Aufklärung: „Gehen Sie davon aus, dass alles, was Sie online sehen, gefälscht sein könnte; glauben Sie es nicht sofort, es sei denn, es kommt direkt von dieser Person.“

In Regulierungsfragen gibt sich Babs abwägend statt konfrontativ. Nigerias National AI Strategy und die entstehenden Datenschutzrahmen seien aus seiner Sicht bislang „ziemlich inklusiv“ gegenüber lokalen Entwicklern.

Seine Sorge gilt dem Timing: Regierungen würden Dinge „zu früh überentwickeln“ und Compliance-Anforderungen auf Unternehmen stapeln, bevor die Technologie oder die Schäden ausreichend verstanden seien.

Babs reagiert sichtbar ablehnend, wenn er als „das ElevenLabs Afrikas“ bezeichnet wird. Er argumentiert, dass die Einordnung eines Voice-KI-Unternehmens nach Geografie unterbewertet, was es tatsächlich tut: „Afrika kommuniziert mit dem Rest der Welt. Afrika ist nicht isoliert.“ Spitch sei in seiner Darstellung keine regionale Kopie auf der Jagd nach einem globalen Original, sondern Infrastruktur für Sprachen, die der Rest der Welt ignoriert habe – ohne Wenn und Aber.

Ob diese Einordnung einem kapitalstarken Wettbewerber standhält, der in den Markt eintritt, bleibt abzuwarten.

Babs macht jedoch keinen Hehl aus seinem Fünfjahresziel: Spitch soll an mindestens einem Drittel aller Sprachkommunikation in Afrika beteiligt sein. „Sprache ist nicht nur ein Mittel zur Kommunikation“, sagte er. „Sie ist unsere Identität, unsere Kultur. Sie ist die Art, wie wir leben.“