Wie wandelt KI gesprochene Sprache in Text um?

Das Problem

Sie tippen lange E-Mails mit zwei Fingern, obwohl Sie den Inhalt in einer Minute erzählen könnten. Nach Sitzungen sitzen Sie stundenlang an einem Protokoll. Und auf dem Smartphone erscheint ein Mikrofon-Symbol, das Sie noch nie benutzt haben, weil Sie nicht wissen, ob das zuverlässig ist.

Spracherkennung kann hier viel Zeit sparen. Gleichzeitig sind die Ergebnisse nicht perfekt. Ein falsch verstandenes Wort in einer Offerte oder ein verdrehter Name im Protokoll kann peinlich oder sogar teuer werden.

Wer weiss, wie die Technik arbeitet, nutzt sie dort, wo sie stark ist, und prüft dort, wo sie typischerweise Fehler macht.

So lösen Sie es mit KI – Schritt für Schritt

So probieren Sie Spracherkennung sicher aus:

1. Starten Sie mit der Diktierfunktion Ihres Geräts. In Word finden Sie unter «Start» die Schaltfläche «Diktieren», auf dem Smartphone das Mikrofon auf der Tastatur.
2. Sprechen Sie Hochdeutsch, ruhig und in ganzen Sätzen. Satzzeichen können Sie meist ansagen: «Komma», «Punkt», «neuer Absatz».
3. Wählen Sie eine ruhige Umgebung. Hintergrundgeräusche, Musik oder mehrere gleichzeitig Sprechende verschlechtern das Ergebnis stark.
4. Lesen Sie den Text sofort durch. Achten Sie besonders auf Namen, Zahlen, Beträge und Fachbegriffe.
5. Lassen Sie den Rohtext von einem KI-Chat glätten, mit der Vorlage unten. So werden Füllwörter entfernt und Sätze geordnet, ohne dass Inhalte verändert werden sollen.
6. Für längere Aufnahmen, etwa Sitzungen, nutzen Sie ein Transkriptionswerkzeug. Holen Sie vorher das Einverständnis aller Beteiligten ein.
7. Vergleichen Sie wichtige Stellen mit der Aufnahme, bevor Sie ein Protokoll verschicken.

Einfach erklärt

Wenn Sie sprechen, entsteht eine Schallwelle. Das Mikrofon macht daraus eine lange Reihe von Zahlen. Die Spracherkennung, englisch Speech-to-Text, zerlegt diese Zahlenreihe in sehr kurze Abschnitte, oft nur Bruchteile einer Sekunde lang, und erkennt darin typische Klangmuster.

Ein neuronales Netz, also ein KI-Rechenmodell mit vielen Schichten, hat an sehr vielen Stunden Sprachaufnahmen gelernt, welche Klangmuster zu welchen Lauten und Wörtern gehören. Dabei nutzt es auch den Zusammenhang: Ob Sie «Meer» oder «mehr» gesagt haben, entscheidet es anhand der umliegenden Wörter. Deshalb funktionieren ganze Sätze besser als einzelne Wörter.

Schweizerdeutsch ist eine besondere Herausforderung, weil es keine einheitliche Schreibweise gibt und weniger Trainingsmaterial vorhanden ist. Viele Werkzeuge übersetzen Mundart direkt in hochdeutschen Text, mit unterschiedlichem Erfolg. Mehr dazu unter KI und Schweizerdeutsch.

Vorlage zum Kopieren

Hier ist ein diktierter Rohtext. Er enthält Erkennungsfehler und Füllwörter.
Text: [diktierten Text einfügen]

Bitte:
- korrigiere Rechtschreibung, Satzzeichen und offensichtliche Erkennungsfehler,
- entferne Füllwörter wie «äh» und Wiederholungen,
- verändere den Inhalt nicht und erfinde nichts dazu,
- markiere Stellen, bei denen du unsicher bist, mit [prüfen],
- verwende Schweizer Rechtschreibung mit «ss».
Zweck des Textes: [z. B. E-Mail an einen Kunden].

Geben Sie den Zweck an, damit Ton und Form passen, und gehen Sie die mit [prüfen] markierten Stellen selbst durch.

Worauf Sie achten müssen

• Einverständnis bei Aufnahmen. Gespräche dürfen Sie nicht heimlich aufnehmen. Informieren Sie alle Beteiligten vorher und holen Sie ihr Einverständnis ein. Rechtliche Details behandelt Telefonaufnahmen und Transkription; im Einzelfall ist eine fachliche Prüfung sinnvoll.
• Datenschutz beachten. Stimme und Gesprochenes können Personendaten enthalten. Nach dem Schweizer Datenschutzgesetz müssen Sie wissen, wo ein Dienst die Aufnahmen verarbeitet und speichert.
• Online oder auf dem Gerät? Manche Diktierfunktionen arbeiten direkt auf dem Gerät, andere schicken die Aufnahme an einen Server. Das steht in den Einstellungen oder der Hilfe des Anbieters.
• Typische Fehlerquellen kennen: verwechselte Zahlen, falsch geschriebene Namen, fehlende Verneinungen. Eine Sammlung finden Sie unter Fehler bei der KI-Transkription.
• Vertrauliche Gespräche wie Personalgespräche oder Gespräche über Gesundheit gehören nicht in einen beliebigen Online-Dienst.

Ein Beispiel aus der Praxis

Ein Beispiel: Herr Gisler ist Schreinermeister in Altdorf und schreibt Offerten abends am Küchentisch.

Vorher: Für eine Offerte mit Begleitschreiben braucht er rund eine Stunde, weil er langsam tippt.

Nachher: Er diktiert das Begleitschreiben auf Hochdeutsch in Word und lässt den Rohtext mit der Vorlage glätten. Die Positionen und Preise tippt er weiterhin selbst, weil Zahlen beim Diktieren öfter falsch erkannt werden. Er liest alles einmal durch und korrigiert einen falsch geschriebenen Ortsnamen. Das Begleitschreiben ist jetzt in wenigen Minuten fertig.

So hilft Ihnen Alpasana

In der Kursreihe KI und IT für konkrete Arbeitsaufgaben auf absofort üben Sie den Einsatz von KI bei Bürokommunikation, E-Mails und Meetings, darunter auch Podcast- und Voiceover-Vorbereitung. Sie arbeiten an praktischen Aufgaben und lernen, Ergebnisse verantwortungsvoll zu prüfen.

Ein KI-Lerncoach unterstützt Sie, und der Abschluss ist verifizierbar. So wird das Mikrofon-Symbol vom Rätsel zum nützlichen Werkzeug.

Häufige Fragen

Kann ich auf Schweizerdeutsch diktieren?

Einige Werkzeuge verstehen Mundart inzwischen recht ordentlich und schreiben das Ergebnis auf Hochdeutsch. Die Qualität schwankt aber stark je nach Dialekt und Dienst. Für wichtige Texte ist Hochdeutsch beim Diktieren Stand Oktober 2026 meist noch zuverlässiger.

Erkennt die KI, wer gesprochen hat?

Viele Transkriptionswerkzeuge können verschiedene Stimmen unterscheiden und als «Sprecher 1», «Sprecher 2» kennzeichnen. Die Zuordnung ist aber nicht fehlerfrei, besonders bei ähnlichen Stimmen oder wenn Personen durcheinander reden.

Braucht Spracherkennung Internet?

Nicht immer. Einfache Diktierfunktionen laufen auf manchen Geräten auch ohne Verbindung. Leistungsfähige Transkriptionsdienste arbeiten aber meist über das Internet, was für den Datenschutz wichtig ist.