Automatische Transkription

Automatische Transkription ist die maschinelle Umwandlung von Audioaufnahmen in geschriebenen Text. Grundlage ist Spracherkennung, also Modelle, die aus dem Tonsignal Wörter ableiten. Moderne Systeme setzen Satzzeichen, unterscheiden Sprecher und erreichen bei deutscher Sprache auch unter mäßigen Aufnahmebedingungen brauchbare Ergebnisse.

Für Bau und Handwerk ist das die einfachste Form der Digitalisierung: Der Monteur spricht auf dem Weg vom Kunden zwei Minuten in sein Telefon, statt abends im Büro einen Bericht zu tippen. Aus der Sprachnotiz entsteht der Text für Bautagesbericht, Serviceprotokoll oder Regieaufwand. Auch Besprechungen lassen sich transkribieren, wenn die Voraussetzungen dafür stimmen.

Grenzen liegen in der Aufnahmesituation. Baustellen sind laut, Hall und Maschinen verschlechtern das Ergebnis spürbar. Fachbegriffe, Fabrikatsnamen und Mengenangaben werden häufig falsch geschrieben, insbesondere Zahlen mit Einheiten. Ein kurzer Kontrollblick auf den Text bleibt deshalb erforderlich.

Zu klären ist, wo die Verarbeitung stattfindet. Erfolgt sie auf dem Gerät, verlassen die Aufnahmen den Betrieb nicht. Läuft sie über einen Onlinedienst, sind Verarbeitungsort, Auftragsverarbeitung und Speicherdauer zu prüfen, weil in Diktaten regelmäßig Namen von Kunden und Beschäftigten fallen. Kostenfreie Dienste behalten Aufnahmen teils zur Weiterentwicklung, was für betriebliche Inhalte ungeeignet ist.

Praktisch bewährt hat sich, Diktate kurz zu halten und je Vorgang getrennt aufzunehmen. Eine Aufnahme, die drei Baustellen und zwei Kundengespräche in einem Stück enthält, muss nachträglich zerlegt werden, und genau dieser Schritt unterbleibt im Alltag. Getrennte Aufnahmen lassen sich unmittelbar dem richtigen Auftrag zuordnen.

Wo KI ansetzt

Über die reine Umwandlung hinaus strukturieren Sprachmodelle den Rohtext. Aus dem Diktat entsteht ein gegliederter Bericht mit Datum, Gewerk, ausgeführten Arbeiten und offenen Punkten, aus einer Besprechungsaufnahme eine Liste von Aufgaben. Betriebseigene Wortlisten mit Kundennamen, Baustellenbezeichnungen und Materialbegriffen verbessern die Erkennungsquote deutlich.

Rechtlich ist zwischen zwei Fällen zu trennen. Das eigene Diktat ist unproblematisch. Die Aufzeichnung eines Gesprächs mit anderen ist es nicht: Das nichtöffentlich gesprochene Wort darf nur mit Einverständnis aller Beteiligten aufgenommen werden. Diese Zustimmung muss vor der Aufnahme eingeholt und im Protokoll vermerkt werden. Beim Einsatz von Diensten, die Aufnahmen auf externe Server übertragen, kommen Datenschutzfragen hinzu; dazu gibt der Ratgeber KI und Datenschutz im Handwerk eine Einordnung.

Ein Beispiel aus dem Elektrohandwerk: Nach einem Serviceeinsatz diktiert der Monteur Fehlerbild, durchgeführte Prüfungen, getauschte Bauteile und die Empfehlung an den Kunden. Daraus entsteht der Bericht, der zugleich Grundlage für die Rechnung ist. Werden Bauteilbezeichnungen falsch erkannt und nicht korrigiert, entsteht ein Beleg, der zum verbauten Material nicht passt.

Praktischer Hinweis: Diktieren Sie in kurzen, vollständigen Sätzen und nennen Sie zu Beginn Datum, Baustelle und Gewerk. Der Aufwand von zehn Sekunden erspart der Software das Raten und Ihnen die Nachbearbeitung.