Wie verarbeiten KI-Modelle lange Audio- und Videodateien?

Das Problem

Sie haben die Aufnahme einer zweistündigen Sitzung oder ein Schulungsvideo und möchten daraus ein Protokoll oder eine Zusammenfassung machen. Sie laden die Datei in ein KI-Programm, und es heisst: «Datei zu gross» oder die Zusammenfassung enthält nur den Anfang. Oder sie wirkt vollständig, lässt aber ganze Teile aus.

Audio und Video sind für KI aufwendiger als Text. Das liegt an der Datenmenge und daran, dass Gesprochenes zuerst in Text oder in eine andere Form übersetzt werden muss, bevor es ausgewertet werden kann.

Wer die Grundzüge kennt, kann längere Aufnahmen strukturiert verarbeiten und vermeidet Lücken.

So lösen Sie es mit KI – Schritt für Schritt

1. Zwei Wege unterscheiden: Entweder wird die Aufnahme zuerst von einer Spracherkennung in einen Text umgewandelt (Transkript), den ein Sprachmodell auswertet. Oder ein Modell verarbeitet Audio beziehungsweise Video direkt. Welchen Weg Ihr Programm nutzt, steht in dessen Beschreibung.
2. Grenzen des Programms prüfen: Anbieter geben maximale Dateigrössen und Aufnahmelängen an. Diese können je nach Tarif und Modell verschieden sein und sich ändern. Siehe Dateigrösse und Kontextfenster.
3. Einverständnis und Datenschutz klären: Bevor Sie ein Gespräch aufnehmen oder hochladen, brauchen Sie die Zustimmung der Beteiligten und die Erlaubnis Ihres Betriebs. Siehe Darf ich eine Besprechung für ein KI-Protokoll aufnehmen?.
4. Aufnahme vorbereiten: Gute Tonqualität verbessert das Transkript deutlich. Achten Sie auf ein gutes Mikrofon, wenig Hintergrundlärm und klare Sprecher.
5. Lange Aufnahmen teilen: Schneiden Sie eine zweistündige Aufnahme in Abschnitte von 15 bis 30 Minuten, am besten an Themenwechseln. Bearbeiten Sie jeden Abschnitt einzeln.
6. Transkript prüfen: Lesen Sie Stichproben mit, achten Sie auf Namen, Zahlen und Fachbegriffe. Fehler im Transkript setzen sich in der Zusammenfassung fort.
7. Gezielt zusammenfassen: Verlangen Sie pro Abschnitt Beschlüsse, offene Fragen und Aufgaben mit Verantwortlichen, statt eine allgemeine Zusammenfassung.
8. Ergebnis zusammenführen und prüfen: Fügen Sie die Teile zusammen und gleichen Sie sie mit Ihren Notizen ab. Wichtige Beschlüsse prüfen Sie im Originalton nach.

Verarbeitungswege im Vergleich

Vorlage zum Kopieren

Unten steht das Transkript eines Abschnitts einer Besprechung (Abschnitt [Nummer] von [Gesamtzahl], ca. [Minuten] Minuten).
Teilnehmende (Funktionen, ohne Namen): [Liste, z. B. Leitung, Sachbearbeitung, Bauleitung].
Aufgabe: Erstelle in einfacher Sprache eine Tabelle mit: Thema, getroffener Entscheid, offene Fragen, Aufgabe mit verantwortlicher Funktion und Termin.
Wenn etwas im Transkript unklar oder unverständlich ist, schreibe «unklar» und nenne die Stelle. Erfinde nichts hinzu.
[Transkript einfügen]

Verwenden Sie nur Transkripte, die Sie verwenden dürfen. Prüfen Sie das Ergebnis mit Ihren Notizen oder der Aufnahme.

Worauf Sie achten müssen

• Recht und Zustimmung: Das unerlaubte Aufnehmen nicht öffentlicher Gespräche kann strafbar sein. Holen Sie die Einwilligung aller Beteiligten ein und klären Sie interne Regeln.
• Datenschutz: Aufnahmen enthalten Stimmen und Inhalte von Personen. Laden Sie sie nur in freigegebene Programme hoch.
• Fehlerquellen: Dialekte, Fachwörter, mehrere gleichzeitig sprechende Personen und Hintergrundgeräusche verschlechtern die Erkennung.
• Sprecher zuordnen: Nicht jedes Programm erkennt zuverlässig, wer was gesagt hat. Prüfen Sie wichtige Zuordnungen.
• Veränderliche Grenzen: Maximale Längen und Dateigrössen werden von Anbietern angepasst. Prüfen Sie die aktuellen Angaben.

Ergebnisse sinnvoll weiterverwenden

Ein Protokoll aus Sprache ist ein Entwurf, den eine verantwortliche Person freigibt. Vereinbaren Sie, wer das Ergebnis prüft und bis wann. Bewahren Sie Aufnahme und Transkript nur so lange auf, wie Sie sie brauchen, und löschen Sie sie danach nachvollziehbar. Beschlüsse und Aufgaben übertragen Sie in Ihr normales Aufgabenverzeichnis, damit sie nicht in einem Dokument untergehen. So wird aus einer technischen Spielerei ein nützlicher Arbeitsschritt.

Ein Beispiel aus der Praxis

Ein Beispiel: Die Sekretärin eines Verwaltungsrats in Zofingen möchte aus einer zweieinhalbstündigen Aufnahme ein Protokoll erstellen. Vorher lädt sie die ganze Datei hoch. Das Programm lehnt sie ab, ein anderes liefert nur eine kurze, unvollständige Zusammenfassung.

Nachher holt sie die Zustimmung aller Mitglieder ein, teilt die Aufnahme in sechs Abschnitte nach Traktanden und lässt jeden transkribieren. Sie liest die Transkripte stichprobenartig, korrigiert Namen und Zahlen und lässt pro Traktandum Beschlüsse und Aufgaben herausziehen. Das Protokoll prüft der Präsident vor der Freigabe.

So hilft Ihnen Alpasana

Wenn Sie lernen möchten, Besprechungen und Dokumente mit KI sorgfältig aufzubereiten, finden Sie bei absofort die Kurse KI und IT für konkrete Arbeitsaufgaben. Beschrieben sind unter anderem Bürokommunikation mit E-Mails, Meetings und Präsentationen sowie KI-Bilder, Video-Teaser, Podcast- und Voiceover-Vorbereitung, mit Praxisaufgaben, KI-Lerncoach und verifizierbarem Abschluss.

Häufige Fragen

Wie lang darf eine Aufnahme sein?

Das hängt vom Programm und Tarif ab und ändert sich. Prüfen Sie die Angaben des Anbieters und teilen Sie lange Aufnahmen vorsorglich.

Kann die KI auch Videos «anschauen»?

Manche Programme können Videos auswerten, oft mit Einschränkungen bei Länge und Detailgenauigkeit. Prüfen Sie, welche Funktionen Ihr Programm bietet, und kontrollieren Sie die Ergebnisse.

Warum sind Namen im Transkript falsch?

Spracherkennung kennt ungewöhnliche Namen und Fachwörter oft nicht. Eine Wortliste oder nachträgliche Korrektur hilft, siehe Welche Audio-KI erkennt Namen und Fachbegriffe?.

Wie bewahre ich Aufnahmen auf?

Nur so lange wie nötig und mit Zugriffsbeschränkung. Legen Sie Aufbewahrung und Löschung vorab fest.