Transkript erstellen mit KI: Ablauf statt Rohtext
Transkript erstellen mit KI: welche Aufnahmen sich eignen, ein Ablauf mit Gegenprobe an Namen und Zahlen und wo Transkripte am ehesten danebenliegen.
Ein Transkript erstellen heißt heute meistens: Aufnahme in ein Werkzeug wie Otter, Whisper oder die Transkriptionsfunktion in Teams oder Zoom laden und den Text abholen. Das funktioniert überraschend gut — bis zu dem Punkt, an dem ein Fachbegriff, ein Name oder eine Zahl falsch verstanden wird und niemand es merkt, weil der restliche Satz flüssig und plausibel klingt.
Der Unterschied zwischen einem brauchbaren und einem falschen Transkript liegt fast nie an der Aufnahmequalität allein. Er liegt daran, ob jemand die kritischen Stellen — Eigennamen, Zahlen, Fachbegriffe — gegen die Originalaufnahme prüft, statt den Rohtext direkt weiterzureichen.
Wofür sich automatische Transkription eignet — und wo nicht
- Klare Tonqualität, ein Sprecher oder wenige, gut unterscheidbare Sprecher: Funktioniert zuverlässig und liefert in Minuten, wofür man von Hand eine Stunde bräuchte.
- Starke Dialekte, mehrere Personen, die durcheinanderreden, oder Hintergrundgeräusche: Die Fehlerquote steigt deutlich, ohne dass sich das im Ergebnis sofort zeigt — der Text liest sich trotzdem flüssig.
- Fachbegriffe, Produktnamen oder Eigennamen, die im Modell nicht vorkommen: Werden häufig durch ein ähnlich klingendes, aber falsches Wort ersetzt. Ein Glossar vorab mitzugeben senkt diese Fehlerquote spürbar.
- Vertrauliche Gespräche — Personalgespräche, unveröffentlichte Zahlen, Kundendaten: Nicht ungeprüft in ein cloudbasiertes Werkzeug laden, wenn keine klare Regelung dazu besteht.
Ein Ablauf für ein Transkript, dem du vertrauen kannst
- Prüfe die Aufnahme selbst kurz an, bevor du sie hochlädst — bei Hall, Nebengeräuschen oder mehreren gleichzeitig sprechenden Personen wird jedes Werkzeug schlechter, nicht nur eines.
- Gib bekannte Eigennamen, Produktnamen und Fachbegriffe vorab als Liste mit, wenn das Werkzeug das erlaubt. Das ersetzt keine Prüfung, senkt aber die Zahl der Fehler, die du hinterher korrigierst.
- Lass dir die Rohfassung mit Sprecherkennung ausgeben, statt eines einzigen Textblocks — sonst lässt sich später nicht mehr rekonstruieren, wer was gesagt hat.
- Höre die Aufnahme an markanten Stellen gegen: jede Zahl, jeder Name, jede Zusage. Das komplette Transkript Wort für Wort mitzuhören ist meistens nicht nötig — diese Stellen sind es, an denen ein falsches Transkript teuer wird.
- Erst nach dieser Prüfung formatierst oder kürzt du den Text — ein gekürztes Transkript mit einem falschen Namen ist genauso falsch wie ein langes.
Ein Beispiel von Anfang bis Ende
Schwacher Ablauf: eine Stunde Kundeninterview hochladen, den Rohtext eins zu eins als „Protokoll" verschicken. Ergebnis: ein Textblock ohne Sprecherzuordnung, mit mindestens einem falsch verstandenen Produktnamen, den niemand bemerkt, weil der Satz drumherum Sinn ergibt.
Besserer Ablauf: Vor dem Hochladen die drei Produktnamen aus dem Gespräch als Glossar notieren. Nach der Transkription gezielt an den Stellen gegenhören, an denen im Text eine Zahl oder ein Name steht — nicht das ganze Gespräch noch einmal von vorn. Beispiel-Korrektur: Der Rohtext liest „wir nutzen Korium seit drei Monaten", die Aufnahme sagt tatsächlich „Coursium" — ein Fehler, der ohne Gegenprobe unbemerkt in die Kundendokumentation gewandert wäre.
Ein Transkript, das sich flüssig liest, ist noch kein richtiges Transkript. Richtig ist es erst, wenn jeder Name und jede Zahl darin mit der Aufnahme übereinstimmt.
Wo die Werkzeuggrenzen liegen
Der eigentliche Fehler bei automatischer Transkription ist selten eine Lücke im Text — Modelle lassen selten etwas einfach weg. Häufiger ist eine plausibel klingende Ersetzung: ein unklar gesprochenes Wort wird durch ein ähnlich klingendes, grammatikalisch passendes ersetzt, ohne Kennzeichnung. Der Satz bleibt lesbar, der Inhalt stimmt nicht mehr.
Wie verbreitet der Einsatz solcher Werkzeuge im Arbeitsalltag inzwischen ist, zeigt der Bitkom in seinen Erhebungen zum KI-Einsatz in deutschen Unternehmen. Welche Aufgaben sich davon technisch grundsätzlich automatisieren lassen und welche weiterhin eine Prüfung durch eine Person brauchen, untersucht laufend das IAB.
Die OECD-Leitlinien zu KI nennen die menschliche Prüfung als festen Bestandteil eines verantwortungsvollen Einsatzes — bei einem Transkript heißt das konkret: die Stellen mit Namen und Zahlen gegenhören, bevor der Text weitergeht. Wie schnell sich die zugrundeliegenden Modelle weiterentwickeln, verfolgt der Stanford AI Index Jahr für Jahr — der Abstand zwischen einer flüssig klingenden und einer tatsächlich richtigen Ausgabe schließt sich, aber langsamer, als es sich beim ersten Ausprobieren anfühlt.
Genau diese Prüfroutine ist Teil dessen, wofür der Arbeitsmarkt laut PwC AI Jobs Barometer einen deutlichen Gehaltsaufschlag zahlt — nicht das Erzeugen eines Transkripts an sich, sondern die Fähigkeit zu erkennen, welche Stelle darin noch von Hand geprüft werden muss.
Was du am Montag ausprobierst
- Nimm eine Aufnahme, die du ohnehin transkribieren musst — nicht ein Testgespräch.
- Notiere vorab die Eigennamen und Fachbegriffe, die im Gespräch vorkommen werden.
- Lass dir die Rohfassung mit Sprecherkennung ausgeben, nicht als einen Textblock.
- Hör gezielt an jeder Stelle mit Name, Zahl oder Zusage gegen, bevor du das Transkript weiterreichst.
Soll aus dem geprüften Transkript später eine kurze Zusammenfassung werden, zeigt PDF mit KI zusammenfassen denselben Prüfschritt für ein langes Dokument statt für eine Aufnahme. Machst du dieselbe Art Interview oder Meeting jede Woche neu, spart Custom GPT erstellen die Arbeit, das Glossar jedes Mal neu zu erklären. Geht es nicht um ein einzelnes Transkript, sondern um einen wiederkehrenden Ablauf mit mehreren Schritten, zeigt Workflow-Automatisierung, wie sich das systematisch aufbauen lässt.
Der Prüfschritt selbst — eine Angabe gegen die Quelle nachprüfen, bevor sie weitergeht — ist derselbe wie bei jeder anderen Büroaufgabe mit KI, ausführlicher beschrieben in KI im Büro.
Genau diese Fähigkeit — ein Ergebnis nicht nur erzeugen zu lassen, sondern gezielt an den richtigen Stellen zu prüfen — vermittelt Coursium in kurzen Lektionen fürs Handy. Bleib der KI voraus mit Übungen an echten Aufgaben statt an Demo-Beispielen. Mehr zu diesem Ansatz steht über Coursium.