Diktat-Transkription ohne Cloud, auf Ihrem eigenen Rechner
Ich richte in Ihrem Büro eine Spracherkennung ein, die Diktate und Besprechungen abtippt, ohne dass eine Aufnahme das Haus verlässt. Für Kanzleien, Arztpraxen und Handwerksbetriebe in Hannover, Hildesheim, Sarstedt und Umgebung.
Warum ein Diktat nicht in die Cloud gehört
Die bequemen Diktat-Apps schicken jede Aufnahme an einen Server des Anbieters. Für Privatleute mag das in Ordnung sein. Wer als Anwalt, Steuerberaterin, Ärztin oder Therapeut Mandanten- und Patientendaten diktiert, braucht dafür einen Vertrag zur Auftragsverarbeitung nach Art. 28 DSGVO und muss die Schweigepflicht nach § 203 StGB auch beim Dienstleister absichern. Das ist machbar, aber Papierkram, und die Aufnahme liegt trotzdem auf fremden Rechnern.
Seit Spracherkennung wie whisper.cpp auf einem normalen Bürorechner läuft, geht es einfacher: Das Programm tippt das Diktat auf Ihrem eigenen Mac oder PC ab. Keine Aufnahme und kein Text verlässt das Büro, es gibt keinen Cloud-Anbieter, mit dem Sie einen Vertrag brauchen, und es fallen keine Monatsgebühren an.
So läuft die Einrichtung
- Kurzes Gespräch und ProbeSie schildern, wer was diktiert und wohin der Text soll. Mit einer unkritischen Testaufnahme messe ich auf Ihrem Rechner, wie schnell und wie genau es wird.
- Festpreis-AngebotSie bekommen vorher einen festen Preis für die Einrichtung. Abgerechnet wird nach Aufwand, mehr als das Angebot zahlen Sie nicht.
- InstallationIch installiere whisper.cpp mit dem Sprachmodell Whisper large-v3-turbo, beides unter der MIT-Lizenz. Auf Wunsch richte ich einen Ordner „Diktate“ ein: Wer dort eine Aufnahme ablegt, findet kurz darauf die Textdatei daneben.
- EinweisungIch zeige Ihrem Team, wie Aufnahmen hineinkommen, wo der Text landet und wie man ihn gegenliest. Danach läuft es ohne mich.
Was die Erkennung kann, und was nicht
Gemessen am 02.10.2026 auf einem Mac Studio mit M1 Max: Eine Minute deutsche Sprache war in gut drei Sekunden abgetippt. Bei einer sauberen Aufnahme wich von 90 Wörtern eines ab, mit Hall und Rauschen wie aus dem Auto zwei. Satzzeichen und Großschreibung setzt das Programm selbst, Zahlen schreibt es meist als Ziffern. Ein Diktiergerät oder ein ordentliches Headset bringt mehr als jede Einstellung.
Die Grenzen sage ich vorher: Eigennamen, seltene Fachbegriffe und Abkürzungen gehen am häufigsten daneben. Das Programm unterscheidet keine Sprecher, bei einer Besprechung steht alles in einem Text. Gegenlesen bleibt Pflicht. Wie das klingt, können Sie vorab mit einer unkritischen Aufnahme in unserem kostenlosen Werkzeug Sprachnachricht in Text prüfen. Das läuft allerdings auf unserem Server und ist deshalb nichts für echte Mandanten- oder Patientendaten.
Welcher Rechner reicht
Am besten eignet sich ein Mac mit Apple-Chip (M1 oder neuer) mit 16 GB Arbeitsspeicher; das Sprachmodell belegt beim Abtippen rund 2 GB. Auf einem Windows-PC nutzt das Programm eine Nvidia-Grafikkarte. Ohne Grafikkarte läuft es auch, aber deutlich langsamer; wie viel, messe ich bei der Probe. Ob das für Ihren Alltag reicht, sehen Sie bei der Probe, bevor Sie etwas bezahlen.
Für wen sich das lohnt
Kanzleien und Steuerbüros
Schriftsätze, Aktenvermerke und Gesprächsnotizen diktieren, ohne dass die Aufnahme einen Cloud-Dienst sieht. Zur laufenden Betreuung: IT-Service für Kanzleien.
Arztpraxen und Therapeuten
Arztbriefe und Befunde diktieren und als Text in die Praxissoftware übernehmen. Mehr zur Praxis-IT: IT-Service für Arztpraxen.
Handwerk und Außendienst
Aufmaß, Mängel und Baustellennotizen unterwegs ins Handy sprechen und im Büro als Text weiterverarbeiten, statt sie abends abzutippen.
Lassen Sie uns kurz sprechen
Das erste Gespräch kostet nichts. Danach wissen Sie, ob Ihr Rechner reicht und was die Einrichtung kostet.
Gerade keine Zeit? Name und Nummer genügen, ich rufe zurück.
Nur zur Kontaktaufnahme, keine Weitergabe. Datenschutz · Mo–Fr 09:00–19:00 Uhr
Häufige Fragen zur Diktat-Transkription
Braucht die Transkription eine Internetverbindung?
Nein. Programm und Sprachmodell liegen auf Ihrem Rechner. Internet brauchen nur die Einrichtung und spätere Updates, die Aufnahmen bleiben im Büro.
Welcher Rechner reicht?
Am besten ein Mac mit Apple-Chip (M1 oder neuer) und 16 GB Arbeitsspeicher, oder ein Windows-PC mit Nvidia-Grafikkarte. Ohne Grafikkarte geht es auch, dann dauert es deutlich länger. Ich messe das vorher mit einer Ihrer Aufnahmen auf Ihrem Gerät.
Wie gut erkennt die Software Fachbegriffe?
Alltagssprache fast fehlerfrei, Eigennamen, seltene Fachwörter und Abkürzungen am schlechtesten. Den fertigen Text muss jemand gegenlesen. Probieren Sie die Qualität mit einer unkritischen Aufnahme in unserem kostenlosen Werkzeug aus.
Was kostet das?
Die Einrichtung rechne ich nach Aufwand ab und nenne Ihnen vorher einen Festpreis. Für Programm und Sprachmodell fallen keine Lizenz- oder Monatsgebühren an, beide stehen unter der MIT-Lizenz.
Kann die Software mehrere Sprecher unterscheiden?
Nein, in der Grundeinrichtung nicht. Ein Diktat mit einer Stimme ist der Normalfall. Bei Besprechungen steht alles in einem Text, ohne Zuordnung zu Personen.