Sprache-zu-Text

Sprache-zu-Text, auch Transkription genannt, bezeichnet die automatische Umwandlung gesprochener Sprache in geschriebenen Text. Ein Modell verarbeitet die Tonaufnahme und gibt den Wortlaut aus, moderne Systeme setzen zusätzlich Satzzeichen, erkennen Sprecherwechsel und kommen mit Dialektfärbung und Hintergrundgeräuschen besser zurecht als frühere Spracherkennung.

Für Handwerks- und Baubetriebe ist das die naheliegendste Anwendung überhaupt, weil auf der Baustelle geredet und nicht getippt wird. Der Polier spricht nach dem Rundgang zwei Minuten in das Telefon: Witterung, anwesende Nachunternehmer, Behinderungen, erledigte Abschnitte. Daraus entsteht der Eintrag für das digitale Bautagebuch. Der Monteur diktiert nach der Wartung, welche Teile getauscht wurden, statt das abends aus dem Gedächtnis zu rekonstruieren. Auch Mängelnotizen bei der Abnahme und Rückmeldungen zu Aufmaßen lassen sich so erfassen.

Die Qualität hängt stark von den Bedingungen ab. Presslufthammer, Wind und Freisprechanlage im Transporter kosten Genauigkeit. Fachbegriffe und Produktnamen werden häufig falsch geschrieben, Eigennamen von Bauvorhaben und Nachunternehmern ebenso. Viele Systeme lassen sich mit einer betriebseigenen Wortliste ergänzen.

Für die Einführung ist die Gewöhnung der entscheidende Faktor. Diktieren ist ungewohnt, und wer den ersten Versuch mit einem langen, komplizierten Vorgang startet, kehrt schnell zum Notizzettel zurück. Bewährt hat sich der Einstieg über kurze, immer gleiche Meldungen: Anwesenheit auf der Baustelle, Materialbedarf für den Folgetag, Abschluss eines Bauabschnitts. Sobald diese Routine sitzt, kommen längere Einträge wie das Bautagebuch von selbst dazu, weil der Nutzen gegenüber dem abendlichen Schreiben unmittelbar spürbar ist.

Wo KI ansetzt

Der eigentliche Gewinn entsteht nach der Transkription. Ein Sprachmodell kann den rohen Wortlaut in eine feste Struktur bringen: Datum, Gewerk, Ereignisse, offene Punkte. Aus dem Diktat wird so kein Fließtext, sondern ein Eintrag mit Feldern, der in die Baustellendokumentation übernommen werden kann. Kombiniert mit Schadenserkennung per Foto entsteht aus Bild und gesprochenem Kommentar ein vollständiger Dokumentationseintrag ohne Büroarbeit.

Zu klären ist, wo die Aufnahme verarbeitet wird. Läuft die Umwandlung direkt auf dem Gerät, verlässt der Ton den Betrieb nicht; bei Cloud-Diensten gelten die üblichen Anforderungen an Auftragsverarbeitung und Datensparsamkeit. Diktate enthalten regelmäßig Namen von Beschäftigten und Kunden.

Auf der Baustelle sind die Bedingungen ungünstig: Maschinenlärm, Wind, Hall in Rohbauten und Dialekt beeinträchtigen die Erkennung. Praktisch hilft ein Headset oder ein kurzer Rückzug ins Fahrzeug. Ebenso hilft, Fachbegriffe und Eigennamen deutlich auszusprechen und Zahlen einzeln zu nennen, weil gerade Mengen- und Maßangaben die Stellen sind, an denen Erkennungsfehler teuer werden.

Praktischer Hinweis: Vor der Einführung sollte ein Monteur eine Woche lang unter realen Bedingungen diktieren. Die Trefferquote im Büro sagt wenig darüber aus, wie das System im Rohbau bei laufendem Estrichmischer arbeitet. Wie ein diktiertes Bautagebuch praktisch aufgebaut wird, zeigt unser Ratgeber zum Diktieren des Bautagebuchs.