Spracherkennung (Speech-to-Text)

Spracherkennung, im Englischen Speech-to-Text, wandelt gesprochene Sprache automatisch in geschriebenen Text um. Sie sprechen, und der Computer tippt mit. Aus einer kurzen Sprachnotiz wird so ein lesbarer Text, den Sie weiterverwenden, ablegen oder weiterbearbeiten können.

Es gibt zwei Betriebsarten mit unterschiedlichen Folgen für den Betrieb. Bei der Verarbeitung auf dem Gerät bleibt die Aufnahme lokal, die Erkennungsqualität ist etwas geringer und die Funktion arbeitet ohne Verbindung. Bei der Verarbeitung über einen Onlinedienst ist die Erkennung besser, die Aufnahme verlässt aber das Gerät. Für Baustellen ohne verlässliche Netzabdeckung und für Inhalte mit Personenbezug ist dieser Unterschied wesentlich.

Die häufigste Fehlerquelle liegt bei Zahlen und Eigennamen. Maße, Artikelnummern, Fabrikate und Ortsbezeichnungen werden deutlich schlechter erkannt als Fließtext, besonders bei Umgebungslärm. Praktisch hilft es, Zahlen langsam und einzeln zu sprechen und den erzeugten Text an genau diesen Stellen zu prüfen, statt ihn ungelesen zu übernehmen.

Wie aus Sprache Text wird

Moderne Spracherkennung beruht auf Machine Learning. Die Systeme wurden mit enormen Mengen an Sprachaufnahmen trainiert und erkennen dadurch auch Dialektfärbungen, Fachbegriffe und Hintergrundgeräusche recht zuverlässig. Anders als früher müssen Sie nicht mehr abgehackt und überdeutlich sprechen, normales Reden reicht meist aus.

Oft hört die Spracherkennung nicht beim reinen Mitschreiben auf. In Kombination mit einem Large Language Model lässt sich das Diktat direkt aufräumen, kürzen oder in einen sauberen Bericht umformen. Aus einer holprigen Sprachnotiz wird so ein vorzeigbarer Text.

Was das fürs Handwerk bedeutet

Für Handwerks- und Baubetriebe ist Spracherkennung eine der praktischsten KI-Anwendungen überhaupt, weil auf der Baustelle die Hände selten frei sind. Statt abends mühsam Notizen zu tippen, sprechen Sie unterwegs kurz ins Telefon, und der Text steht bereit. Das gilt für Baustellenberichte, Mängellisten, Aufmaße oder schnelle Gedächtnisstützen.

Ein Beispiel: Ein Monteur diktiert nach dem Termin in zwei Minuten, was gemacht wurde und was noch fehlt. Die Spracherkennung schreibt mit, eine KI formt daraus einen sauberen Bericht für die Akte. Was früher der lästige Papierkram am Feierabend war, ist damit unterwegs erledigt.

Zu beachten ist außerdem, wann eine Aufnahme andere Personen betrifft. Für die eigene Notiz stellt sich die Frage nicht; sobald ein Gespräch mit Kunden, Planern oder Kollegen aufgezeichnet wird, ist die Zustimmung aller Beteiligten erforderlich. Eine kurze betriebliche Regel dazu verhindert, dass eine im Grunde hilfreiche Funktion in Situationen eingesetzt wird, in denen sie unzulässig ist.

In Verbindung mit ChatGPT lässt sich die diktierte Notiz sogar direkt in ein Kundenanschreiben oder einen Angebotstext umwandeln. Wie Sie solche Abläufe einführen, zeigt unser Überblick zur Digitalisierung im Handwerk. Den praktischen Einstieg üben Sie am besten in einem KI-Workshop für das Handwerk.