Wissen · Lokale KI
Transkription lokal: Gespräche werden zu Text, die Aufnahme bleibt im Haus
Faktencheck: 3. September 2026 Fachlich verantwortlich: Daniel Bidoli Modell- und Hardwarequellen unten
Eine Stunde Sitzung, ein paar Minuten später das Transkript. Ohne Cloud, ohne Abo, ohne dass Audio den Betrieb verlässt.
Whisper, das freie Transkriptionsmodell, läuft auf erstaunlich bescheidener Hardware: Eine Grafikkarte mit 8 GB transkribiert schneller als Echtzeit, ein Apple-Rechner ist besonders gut bedient, und zur Not reicht die CPU. Zusammen mit einem kleinen Sprachmodell wird aus dem Transkript das fertige Protokoll.
Auf einen Blick
Was «Gespräche zu Text (Transkription)» an Hardware braucht
Dieselben Einstufungen wie im Hardware-Rechner, hier zum Nachlesen: Speicher, Anschaffen gegen Mieten, die passenden Modelle und die Befehle zum Ausprobieren.
Q4-Planungswerte aus unserer internen Ollama-Hardware-Matrix, geprüft am 3. September 2026.
Anschaffen
CHF 900–1'400 einmalig, passender PC; oft reicht der vorhandeneMieten
CHF 60–120 pro Monat, kleiner GPU-ServerWomit Sie starten können
Ab 8 GB Grafikspeicher läuft die grosse Whisper-Klasse flott; kleinere Varianten laufen sogar rein auf der CPU. Apple-Rechner sind hier besonders gut bedient (whisper.cpp). Für diesen Fall muss kaum ein Betrieb neue Hardware kaufen.
Tempo-Erwartung: Mit Grafikkarte schneller als Echtzeit: eine Stunde Sitzung ist in wenigen Minuten Text. Auf der CPU dauert es etwa so lang wie die Aufnahme.
So starten Sie: die Befehle zum Kopieren
Ollama installieren (kostenlos, ollama.com), dann im Terminal:
# Whisper läuft über freie Werkzeuge wie whisper.cpp # oder faster-whisper (beide auf GitHub), nicht über Ollama. # Für Zusammenfassung und Protokoll danach: ollama pull qwen3:8b ollama run qwen3:8b
Auf Apple-Rechnern teilen sich Modell und System den gemeinsamen Speicher, dort zählt die RAM-Angabe. Preise sind grobe Marktgrössenordnungen, keine Offerten.
Im Betrieb
Was damit möglich ist
Sitzungsprotokolle
Die Sitzung wird aufgenommen, Whisper macht daraus Text, das Sprachmodell strukturiert Traktanden, Beschlüsse und Pendenzen. Aus zwei Stunden Nacharbeit werden zehn Minuten Kontrolle.
Kundengespräche und Beratungen
Beratungsgespräche, Bauabnahmen, Telefonnotizen: Was besprochen wurde, steht schwarz auf weiss, durchsuchbar und im CRM ablegbar, ohne dass die Aufnahme je einen fremden Server sieht.
Diktate statt Tippen
Berichte, Gutachten, Rapporte unterwegs diktieren und im Büro als Text weiterverarbeiten. Der Klassiker aus Arzt- und Anwaltspraxen funktioniert heute mit freier Software im eigenen Haus.
Interviews und Schulungen
Aufgezeichnete Schulungen und Interviews werden als Text durchsuchbar: Wer wissen will, was zur Maschine X gesagt wurde, sucht statt zu spulen.
Ehrlich eingeordnet
Warum lokal, und wo die Grenzen liegen
Warum gerade hier lokal
Gesprächsaufnahmen sind heikle Daten par excellence: Stimmen sind biometrisch, Inhalte oft vertraulich bis hin zum Berufsgeheimnis. Ein Cloud-Transkriptionsdienst bedeutet, genau diese Aufnahmen einem Drittanbieter zu übergeben. Lokal betrieben verlässt kein Ton den Betrieb: Die Aufnahme wird auf der eigenen Maschine zu Text und kann danach gelöscht werden. Was bleibt, ist das Dokument, und über das bestimmen Sie.
Die ehrlichen Grenzen
Zwei ehrliche Einschränkungen. Erstens die Rechtslage: Lokale Verarbeitung löst das Übermittlungsproblem, aber nicht die Grundregel, dass Gesprächsaufnahmen die Einwilligung der Beteiligten brauchen; das gilt in der Schweiz sogar strafrechtlich. Zweitens die Sprache: Hochdeutsch transkribiert Whisper ausgezeichnet, Schweizerdeutsch deutlich schwächer, es übersetzt eher sinngemäss ins Hochdeutsche, als wörtlich mitzuschreiben. Für Mundart-Sitzungen heisst das: mit echten Aufnahmen testen, bevor man sich auf den Ablauf verlässt.
Der Weg
So kommt das in Ihren Betrieb
Die ersten Schritte kosten nichts ausser etwas Zeit; investiert wird erst, wenn der eigene Test den Nutzen belegt hat.
-
Gratis testen, mit einer echten Aufnahme
whisper.cpp oder faster-whisper installieren, eine typische Sitzungsaufnahme durchlaufen lassen, das Ergebnis gegen das eigene Gehör prüfen. Kostet nichts ausser einer halben Stunde.
-
Den zweiten Schritt anhängen
Ein kleines Sprachmodell wie Qwen3.5 4B macht aus dem Roh-Transkript das strukturierte Protokoll: Teilnehmer, Beschlüsse, Pendenzen. Erst diese Kette macht das Werkzeug alltagstauglich.
-
In den Ablauf einbauen
Aufnahmegerät, Ablageordner, automatischer Durchlauf, Ablage im richtigen System: Ab hier ist es Automatisierungsarbeit, und genau die ist unser Handwerk.
Häufige Fragen
FAQ: Transkription mit lokaler KI
Ist lokale Transkription datenschutzkonform?
Der lokale Betrieb löst die grösste Hürde: Es findet keine Übermittlung an einen Drittanbieter statt, die Aufnahme bleibt im Haus. Die übrigen Pflichten bleiben bestehen, allen voran die Einwilligung der Gesprächsteilnehmer, denn heimliche Aufnahmen sind in der Schweiz strafbar. Das ist eine Einordnung, keine Rechtsberatung; die saubere Ausgestaltung gehört ins Projekt.
Wie gut ist Whisper auf Deutsch und Schweizerdeutsch?
Hochdeutsch gehört zu Whispers stärksten Sprachen, auch bei Fachbegriffen und mässiger Aufnahmequalität. Schweizerdeutsch ist deutlich schwächer: Das Modell übersetzt Mundart eher sinngemäss ins Hochdeutsche, als wörtlich mitzuschreiben. Für Mundart-Sitzungen gilt darum: erst mit echten Aufnahmen testen, dann entscheiden.
Welche Hardware braucht Whisper?
Weniger als gedacht: Ab 8 GB Grafikspeicher transkribiert die grosse Whisper-Klasse schneller als Echtzeit, auf der CPU dauert es etwa so lang wie die Aufnahme. Apple-Rechner sind über whisper.cpp besonders gut bedient. Für die Protokoll-Zusammenfassung danach reicht dieselbe Maschine mit einem kleinen Sprachmodell.
Wie wird aus dem Transkript ein brauchbares Protokoll?
Mit einem zweiten Schritt: Ein lokales Sprachmodell bekommt das Roh-Transkript und eine feste Vorlage und liefert Teilnehmer, Traktanden, Beschlüsse und Pendenzen strukturiert zurück. Wichtig ist die menschliche Kontrolle am Schluss, das Protokoll bleibt ein Dokument mit Verbindlichkeit, und die letzte Prüfung gehört einem Menschen.
Quellen und Vertiefung
- whisper.cpp — Transkription lokal, auch auf CPU und Mac
- faster-whisper — die schnelle Whisper-Umsetzung für Grafikkarten
- Qwen3 in der Ollama-Bibliothek — das Modell für den Protokoll-Schritt
- Modellprofil: Qwen3 8B — alle Zahlen und Grenzen des empfohlenen Modells
Weitere Anwendungsfälle
Was lokale KI sonst noch kann
Alle neun Fälle aus dem Rechner
Fälle mit Pfeil öffnen den Rechner an der richtigen Stelle; die übrigen haben eine eigene Seite wie diese.
Nächster Schritt
Passt das zu Ihrem Betrieb?
Im kostenlosen Erstgespräch klären wir, ob «Transkription» bei Ihnen den Aufwand lohnt, welche Hardware wirklich nötig ist, und ob die ehrliche Antwort vielleicht «Cloud» oder «noch nicht» lautet. Wenn ja, folgt die Analyse zum Festpreis: Aufgabe abgrenzen, Modell testen, Absicherung planen. Erst messen, dann investieren.
Beschreiben Sie kurz, wo es hakt. Den Rest klären wir im Gespräch.
Sie schreiben uns, was Sie beschäftigt. Ihre Nachricht landet nicht in einem Ticketsystem, sondern direkt bei Daniel Bidoli, dem Inhaber.
-
Nachricht senden
Zwei Sätze reichen, das Eingrenzen ist unsere Arbeit.
-
Persönliche Antwort
Erste Einschätzung innerhalb von 24 Stunden.
-
Kostenloses Erstgespräch
Rund 30 Minuten: online, vor Ort oder flexibel am Abend. Danach entscheiden Sie.
Sehen wir keinen Nutzen, sagen wir es Ihnen offen.
Lieber direkt sprechen?
Ihre Anfrage
Was beschäftigt Sie? Eine kurze Beschreibung reicht, wir melden uns innerhalb von 24 Stunden.