Welche KI schreibt deutsche Aufnahmen zuverlässig ab?

Das Problem

Nach der Vorstandssitzung liegt eine Aufnahme von 90 Minuten vor. Das Protokoll muss bis Freitag fertig sein. Von Hand abtippen dauert Stunden. Ein Interview für die Vereinszeitung, ein Kundengespräch, ein Diktat: Überall dasselbe Problem.

KI-Spracherkennung, also Software, die gesprochene Sprache in geschriebenen Text umwandelt, verspricht Abhilfe. Fachleute nennen das Ergebnis Transkript. Doch in der Praxis ist die Qualität sehr unterschiedlich. Mal stimmt fast alles, mal steht «Herr Bürgi» als «Herr Burgi», «Traktandum» als «Trakt an dem» oder ganze Sätze fehlen.

Wie viel Nacharbeit nötig ist, hängt stark vom Werkzeug, von der Aufnahme und von der Sprache ab, gerade in der Schweiz mit ihren Dialekten.

Welche Arten von Transkriptions-KI gibt es?

Die zugrunde liegenden Spracherkennungsmodelle unterscheiden sich vor allem bei Dialekt, Hintergrundlärm und Fachvokabular. Ein allgemeiner Testsieger hilft deshalb wenig: Entscheidend ist, wie das Werkzeug mit Ihren Aufnahmen umgeht.

So lösen Sie es mit KI – Schritt für Schritt

1. Sorgen Sie für eine gute Aufnahme. Mikrofon nahe bei den Sprechenden, ruhiger Raum, keine Kaffeemaschine daneben. Eine gute Aufnahme verbessert jedes Werkzeug stärker als jeder Modellwechsel.
2. Holen Sie das Einverständnis ein. Sagen Sie zu Beginn, dass aufgenommen und mit KI abgeschrieben wird. Ohne Einverständnis können Aufnahmen in der Schweiz strafbar sein; Details unter Telefonaufnahme und Transkription.
3. Erstellen Sie eine kurze Testaufnahme. Fünf Minuten aus einer typischen Sitzung, mit Namen, Fachbegriffen und Zahlen, ohne vertrauliche Inhalte.
4. Testen Sie zwei Werkzeuge mit derselben Aufnahme. In Word im Browser finden Sie die Funktion unter «Start», dann «Diktieren» und «Transkribieren», sofern Ihre Lizenz sie enthält. Bei einer Chat-KI laden Sie die Audiodatei hoch.
5. Zählen Sie die Fehler. Lesen Sie beide Transkripte mit dem Ton im Ohr. Markieren Sie falsche Wörter, fehlende Sätze und falsch zugeordnete Sprecher.
6. Geben Sie Fachwörter vor. Viele Werkzeuge lassen sich mit einer Liste von Namen und Begriffen verbessern. Wie das geht, zeigt Welche Audio-KI erkennt Namen und Fachbegriffe?.
7. Lassen Sie das Transkript danach weiterverarbeiten. Aus dem bereinigten Text erstellt eine Chat-KI ein Protokoll. Eine Vorlage dafür finden Sie unter Transkript in ein Protokoll umwandeln.

Vorlage zum Kopieren

Diese Vorlage hilft beim Bereinigen eines Roh-Transkripts in einer Chat-KI:

Hier ist ein automatisch erstelltes Transkript einer [Sitzung / eines Interviews] auf Deutsch:
[Transkript einfügen]

Korrekte Schreibweisen von Namen und Begriffen: [z. B. Frau Bürgi, Herr Rüegg, Traktandum, Gemeinderat Muri].
Bitte:
1. Korrigiere offensichtliche Erkennungsfehler, vor allem bei den genannten Namen und Begriffen.
2. Setze Satzzeichen und Absätze.
3. Verändere keine Aussagen und fasse nichts zusammen.
4. Markiere unverständliche oder unsichere Stellen mit [unklar].

Die Markierung «[unklar]» ist wichtig: An diesen Stellen hören Sie in der Aufnahme nach, statt der KI eine Vermutung zu überlassen.

Worauf Sie achten müssen

• Schweizerdeutsch: Viele Werkzeuge verstehen Mundart nur teilweise und schreiben dann sinngemäss auf Hochdeutsch. Dabei können Aussagen verändert werden. Mehr Hintergrund bietet Warum versteht KI Namen und Dialekt beim Diktieren falsch?.
• Erfundene Sätze: Bei Pausen, Lärm oder leiser Sprache kann eine Spracherkennung Text «halluzinieren», also Sätze einfügen, die niemand gesagt hat.
• Datenschutz: Sitzungsaufnahmen enthalten oft Personendaten. Nutzen Sie nur Dienste, die Ihr Betrieb freigegeben hat, oder ein lokales Modell.
• Speicherung: Klären Sie, wo Aufnahme und Transkript gespeichert werden und wann sie gelöscht werden.
• Zahlen und Beträge: «Fünfzehn» und «fünfzig» werden leicht verwechselt. Kontrollieren Sie jede Zahl.

Ein Beispiel aus der Praxis

Ein Beispiel: Die Gemeindeschreiberin einer Aargauer Gemeinde protokolliert die Gemeinderatssitzungen. Die Sitzungen werden mit Einverständnis aller aufgenommen.

Vorher: Sie hört die Aufnahme ab und tippt mit. Für eine zweistündige Sitzung braucht sie fast einen ganzen Arbeitstag.

Nachher: Sie testet zwei Werkzeuge mit derselben fünfminütigen Aufnahme. Das Werkzeug im freigegebenen Microsoft-365-Konto der Gemeinde schneidet bei Namen deutlich besser ab. Sie nutzt es für die ganze Sitzung, bereinigt das Ergebnis mit der Vorlage und einer Namensliste und hört nur die markierten Stellen nach. Für Voten in Mundart prüft sie die Aussage besonders genau gegen die Aufnahme.

So hilft Ihnen Alpasana

Aufnahmen abschreiben, Protokolle erstellen, Sitzungen nachbereiten: Das gehört zur Bürokommunikation. Die Kurse zu KI und IT für konkrete Arbeitsaufgaben auf absofort behandeln Meetings und E-Mails mit Copilot und Google Workspace sowie die Vorbereitung von Podcasts und Voiceovers.

Sie üben an praktischen Aufgaben, wie Sie KI-Ergebnisse prüfen und Daten verantwortungsvoll behandeln. Ein KI-Lerncoach begleitet Sie, und der Abschluss ist verifizierbar.

Häufige Fragen

Kann eine KI Schweizerdeutsch wörtlich abschreiben?

Meist nicht. Die verbreiteten Modelle geben Mundart Stand Oktober 2026 überwiegend als Hochdeutsch wieder, mit wechselnder Genauigkeit. Für wörtliche Mundart-Transkripte gibt es spezialisierte Lösungen, deren Qualität Sie mit eigenen Aufnahmen prüfen sollten.

Erkennt die KI, wer gerade spricht?

Viele Werkzeuge können Sprecherinnen und Sprecher unterscheiden, benennen sie aber nur als «Sprecher 1», «Sprecher 2». Die Zuordnung zu Namen müssen Sie meist selbst vornehmen. Bei Teams-Besprechungen werden Namen oft automatisch über die Anmeldung zugeordnet.

Wie lange darf eine Aufnahme sein?

Das hängt vom Werkzeug ab: Manche verarbeiten mehrere Stunden, andere nur kurze Dateien. Lange Aufnahmen können Sie mit einem Audioprogramm in Abschnitte teilen. Achten Sie beim Hochladen auch auf die maximale Dateigrösse.