Speech-to-Text 2026: Warum Transkription im DACH-Raum an Dialekt, Fachsprache und Nebengeräuschen scheitert

Wenn wir RECO bei einem neuen Kunden zum ersten Mal in einem echten Meeting mitlaufen lassen, passiert oft dasselbe. Die ersten fünf Minuten sind beeindruckend, dann kommt der Moment, in dem jemand ins Dialektale rutscht, zwei Personen gleichzeitig sprechen und ein interner Produktname fällt, den kein Modell dieser Welt je gehört hat. Genau dort entscheidet sich, ob Transkription im Alltag trägt oder nur in der Demo.

2026 liegen die Wortfehlerraten für sauberes, gut aufgenommenes Hochdeutsch bei guten Modellen im niedrigen einstelligen Prozentbereich, laut dem Open ASR Leaderboard bei rund 4,5 bis 5 Prozent. Das klingt nach einem gelösten Problem. Im österreichischen oder süddeutschen Besprechungsraum sieht die Realität anders aus, und das hat vier nüchterne Gründe.

Der erste ist Dialekt und Umgangssprache. Trainingsdaten für gesprochenes Deutsch stammen überproportional aus Medien, Podcasts und Vorträgen. Dort spricht kaum jemand so, wie in einer Werkshalle in der Steiermark gesprochen wird. Modelle raten dann auf das nächstliegende hochdeutsche Wort, und das Ergebnis liest sich flüssig, ist aber inhaltlich falsch. Flüssige Fehler sind gefährlicher als offensichtliche.

Der zweite ist Fachsprache. Erfahrungsgemäß hat praktisch jedes Unternehmen einige Dutzend bis wenige Hundert Begriffe, die in seiner Branche selbstverständlich und außerhalb bedeutungslos sind. Artikelnummern, Maschinenbezeichnungen, Kundenkürzel, interne Projektnamen. Ohne eine gepflegte Begriffsliste, die dem Modell mitgegeben wird, verschwinden genau die Wörter, wegen derer man das Protokoll später überhaupt sucht.

Der dritte ist die Sprecherzuordnung, also die Frage, wer was gesagt hat. Bei zwei Personen am Tisch funktioniert das gut. Bei sieben Personen, einem Freisprechmikrofon und einer hybriden Runde mit zwei Zugeschalteten wird es schnell unsauber. Für Protokolle ist das kritisch, weil eine falsch zugeordnete Zusage aus einer Information eine Verpflichtung macht.

Der vierte ist Akustik. Kein Modell kompensiert einen Konferenzraum mit Glaswänden vollständig. Ein Mikrofon in der Tischmitte und die Bitte, nicht durcheinanderzureden, bringen in der Praxis mehr Genauigkeit als ein Modellwechsel.

Worauf sollten KMUs bei der Auswahl achten?

Testen Sie nicht mit einer Beispieldatei des Anbieters, sondern mit drei echten Aufnahmen aus Ihrem Haus. Eine ruhige Zweierbesprechung, ein volles Teammeeting und ein Gespräch mit starkem Dialektanteil. Messen Sie danach nicht die Wortfehlerrate, sondern etwas Praxisnäheres: Wie viele der getroffenen Entscheidungen stehen korrekt im Ergebnis, wie viele Zuständigkeiten sind richtig zugeordnet, wie viele Fachbegriffe wurden erkannt. Das sind die drei Zahlen, an denen später die Akzeptanz im Team hängt.

Prüfen Sie außerdem, wo verarbeitet wird. Für Unternehmen im DACH-Raum ist die Frage nach Verarbeitung in der EU, Speicherdauer, Löschkonzept und Auftragsverarbeitungsvertrag kein Formalismus, sondern die Grundlage dafür, dass der Betriebsrat mitgeht. Wir haben mehrfach erlebt, dass ein technisch überlegenes Tool an genau dieser Stelle gescheitert ist. Welche Pflichten dabei wirklich gelten, ordnet unser Beitrag zum EU AI Act in der Praxis ein.

Und der wichtigste Punkt, den viele unterschätzen: Ein Transkript ist kein Ergebnis. Niemand liest achtzehn Seiten Rohtext. Der Wert entsteht erst in der Strukturierung, also darin, dass Entscheidungen, Begründungen, offene Punkte und Verantwortliche sauber getrennt vorliegen und in sechs Monaten noch auffindbar sind. Deshalb bauen wir RECO nicht als Transkriptionswerkzeug, sondern als Dokumentationsschicht darüber. Die Spracherkennung ist die Voraussetzung, nicht das Produkt.

Unser Rat für die Praxis lautet daher: Investieren Sie zwei Stunden in eine gepflegte Begriffsliste, ein besseres Mikrofon und eine klare Gesprächsdisziplin, bevor Sie das dritte Modell evaluieren. Der Genauigkeitsgewinn ist in fast allen Fällen größer, kostet weniger und wirkt sofort. Wenn Sie danach vergleichen wollen, hilft unsere Übersicht zum besten KI-Tool für Wissensmanagement.