Sprachnachrichten statt Tippen: KI-Transkription im Betrieb

Die meisten Berichte, Protokolle und Notizen in einem Betrieb werden nicht geschrieben, weil Schreiben Zeit kostet. Der Monteur weiß nach dem Einsatz genau, was er gemacht hat. Aufgeschrieben wird es abends, gekürzt, oder gar nicht.

KI-Transkription dreht das um: Sprechen statt Tippen. Die Sprachnachricht von der Rückfahrt wird zum Einsatzbericht, das Kundengespräch zur Gesprächsnotiz, das Meeting zum Protokoll mit To-dos. Die Technik ist 2026 so gut, dass sie im Alltag funktioniert. Die Frage ist nur noch, wie man sie sauber einsetzt.

Was heute geht

Speech-to-Text-Modelle erkennen deutsche Sprache inzwischen zuverlässig – inklusive Dialekt, Fachbegriffen und Hintergrundlärm auf der Baustelle. Sie trennen Sprecher, setzen Satzzeichen und liefern ein Transkript, aus dem ein Sprachmodell die Struktur macht: Zusammenfassung, Entscheidungen, offene Punkte, wer macht was bis wann.

Drei Einsatzfälle, die in Betrieben tatsächlich laufen:

Einsatzberichte im Außendienst. Der Techniker spricht nach dem Termin zwei Minuten ins Handy. Das System erzeugt den Bericht im Firmenformat, zieht Kundendaten aus dem CRM, legt ihn zur Freigabe vor. Was früher abends 20 Minuten am Laptop kostete, dauert jetzt zwei Minuten im Auto.

Kundengespräche im Vertrieb. Nach dem Telefonat: kurze Sprachnotiz, daraus Gesprächsprotokoll und nächste Schritte im CRM. Kein Vertriebler tippt das gern, deshalb fehlt es meistens.

Meetings. Der Klassiker: Aufzeichnung, Transkript, Protokoll. Funktioniert – und ist gleichzeitig der Fall mit den meisten rechtlichen Fußangeln.

Was DSGVO und Betriebsrat dazu sagen

Hier wird es ernst, und zwar zu Recht.

Aufzeichnung braucht Einwilligung. Ein Gespräch ohne Wissen der Beteiligten aufzunehmen ist nach § 201 StGB strafbar – nicht nur ein Bußgeld, eine Straftat. Jeder im Raum muss wissen, dass aufgezeichnet wird, und zustimmen können. Beim Kundengespräch heißt das: vorher sagen, nicht hinterher.

Der Betriebsrat hat mitzubestimmen. Ein System, das Meetings aufzeichnet und Sprecher zuordnet, kann Leistung und Verhalten von Beschäftigten überwachen. Das löst nach § 87 BetrVG echte Mitbestimmung aus – ohne Betriebsvereinbarung darf es nicht eingeführt werden. Das gilt auch, wenn niemand überwachen will. Es reicht, dass das System es könnte.

Wo die Daten hingehen. Die Sprachaufnahme ist personenbezogen – Stimme, Inhalt, oft Kundennamen. Ein Dienst ohne Auftragsverarbeitungsvertrag oder mit Verarbeitung außerhalb der EU scheidet aus. Wir setzen für Transkription auf Mistral AI in Frankreich, mit AVV und ohne Training auf Kundendaten. Für sensible Branchen geht es auch komplett lokal – die offenen Modelle für Spracherkennung sind ebenso weit wie die für Text.

Die einfache Variante zuerst

Der Einsatzbericht per Sprachnachricht hat keines dieser Probleme: Der Mitarbeiter nimmt sich selbst auf, freiwillig, mit Inhalten, die er ohnehin dokumentieren müsste. Kein Betriebsrat, keine Einwilligung Dritter. Genau deshalb ist das der richtige Einstieg – nicht das Meeting-Protokoll.

Erst wenn das läuft und das Team es mag, kommt der nächste Schritt. Und der beginnt mit einem Gespräch mit dem Betriebsrat, nicht mit einem Tool-Kauf.

Was das kostet

Transkription ist billig geworden. Eine Stunde Audio kostet über die API je nach Anbieter zwischen wenigen Cent und einem Euro. Die Arbeit steckt in der Anbindung: Woher kommt die Aufnahme, wohin geht der Bericht, in welchem Format, wer gibt frei. Das ist ein Automatisierungsprojekt von zwei bis drei Wochen – und danach spart jeder Außendienstler eine Stunde am Tag.

Wenn Sie wissen wollen, wie das mit Ihren Systemen aussieht: Lassen Sie uns sprechen.