KI vs. manuelle Transkription: Was Studien wirklich zeigen
30. Juni 2026 · 8 Min. Lesezeit
Geschwindigkeit, Genauigkeit, Kosten — die CISPA-Studie von 2024 im Kontext. Wann Whisper & Co. reichen und wann Menschen voraus sind.
KI-Transkription wird schneller und günstiger — aber ist sie gut genug? Forscher der CISPA Helmholtz-Zentrum für Informationssicherheit haben 2024 elf Anbieter (manuell und KI) systematisch verglichen. Ihre Ergebnisse passen zu dem, was Nutzer in der Praxis erleben: Tempo ja, Perfektion nicht immer.
Die CISPA-Studie in Kürze
Das Team um Jakub Mrowczynski verglich im Dezember 2022 elf Dienste — darunter Amberscript, Rev, GoTranscript sowie KI-Anbieter wie Amazon Transcribe, Google Cloud, Microsoft Azure und OpenAI Whisper. Bewertet wurden Word Error Rate (Abweichung vom Referenztext) und qualitative Fehler, die Bedeutung verfälschen konnten.
- Manuelle Dienste: insgesamt sehr gute Leistung, weniger Bedeutungsfehler
- KI-Dienste: häufiger sinnverändernde Abweichungen (Beispiel aus der Studie: „hashes“ → „ashes“)
- Unter den KI-Anbietern schnitt Whisper am besten ab
- Englisch wurde von den meisten Systemen besser verarbeitet als Deutsch
- Stand der Studie: Ende 2022 — neuere Modelle sind besser, Grundmuster bleibt ähnlich
Geschwindigkeit und Kosten
| Kriterium | KI-Transkription | Manuelle Transkription |
|---|---|---|
| Zeit pro 1 h Audio | ca. 5–10 Min. Verarbeitung | ca. 4–6 h Arbeit |
| Kosten | Cent-Bereich pro Minute | oft 1–3 € pro Minute |
| Genauigkeit (sauberes Audio) | ca. 90–96 % | 99 %+ möglich |
| Genauigkeit (lautes Umfeld) | stärkerer Abfall | deutlich robuster |
| Sprecherzuordnung | verbessert, nicht immer stabil | zuverlässiger |
Die Tabelle fasst Branchenvergleiche zusammen; exakte Werte hängen vom Anbieter und Material ab. Für Sprechverlauf gilt: Whisper-basierte Diarisierung ist stark bei klarer Sprache, Schwächen zeigen sich bei Überlappungen, Dialekten und Fachvokabular.
Praktische Empfehlung nach Anwendungsfall
- Vorlesung / Seminar — KI + 10–20 Min. Korrektur, Fachbegriffe prüfen
- Journalismus / Podcast — KI-Entwurf, Zitate manuell gegenhören
- Meeting-Notizen — KI oft ausreichend, internes Publikum
- Recht / Medizin — menschliche Transkription oder zertifizierter Workflow
- Forschung (qualitativ) — wörtliche Transkripte, ggf. Doppeltprüfung
Warum Sprechverlauf trotzdem sinnvoll ist
Sprechverlauf setzt auf aktuelle Whisper-Diarization über Replicate, Sprecherlabels, Zeitstempel und Export — ohne Account und ohne Minutenpreis. Es ersetzt keine gerichtsverwertbare Transkription, aber es senkt die Hürde für Studierende, Lehrende und Teams, die schnell ein durchsuchbares Transkript brauchen und Restfehler selbst korrigieren können.
Die Studienlage ist eindeutig: KI gewinnt bei Geschwindigkeit und Skalierung, Menschen bei Genauigkeit und Kontext. Wer beides kennt, wählt das passende Werkzeug — oder kombiniert sie.