Wenn Sie als Anwältin, Arzt oder Entwicklerin an proprietärem Code arbeiten, gelten für Sie womöglich Regeln dazu, wohin Informationen über Mandanten, Patienten oder das Unternehmen gelangen dürfen. Ihre Stimme zählt mit: Eine diktierte E-Mail enthält alles, was auch die E-Mail enthält.
Die erste Frage an jede Diktier-App ist daher einfach: Wohin geht mein Audio? Es gibt drei Antworten: zu einem Server in der Cloud, nirgendwohin (es bleibt auf Ihrem Gerät) oder eine Mischung aus beidem, und genau das ist mit hybrider Spracharchitektur gemeint.
Was mit Ihrer Stimme in einer Cloud-Diktier-App passiert#
Wenn Sie mit einem Cloud-Tool diktieren, wird Ihre Sprache aufgenommen, über das Internet an einen Server gesendet, von einem Spracherkennungsmodell transkribiert und als Text zurückgegeben. Viele Apps geben diesen Text anschließend zur Bereinigung an ein Sprachmodell weiter.
Was danach passiert, hängt von den Richtlinien des Anbieters ab: ob das Audio gespeichert wird und wie lange, ob Menschen oder Modelle es je zu sehen bekommen und welche anderen Unternehmen es verarbeiten. Das sind Zusagen, keine technischen Garantien. Lesen Sie sie also, und prüfen Sie, ob Ihre Organisation den Dienst bereits freigegeben hat.
Cloud-Verarbeitung hat echte Vorteile. Große Modelle laufen auf Server-Hardware schnell, ohne den Arbeitsspeicher oder Akku Ihres Laptops zu belasten, und die App verhält sich auf jedem Computer gleich. Die Kompromisse: Sie brauchen eine Verbindung, und Sie hängen davon ab, wie der Anbieter mit Ihren Daten umgeht.
Wo LumeVoice steht: LumeVoice ist eine Cloud-App. Die Sprache wird von Whisper large-v3-turbo transkribiert, betrieben von Groq (mit Voxtral von Mistral als Ausweichlösung), und ein Sprachmodell bereinigt den Text. Das Audio wird nach der Verarbeitung nicht gespeichert, Ihr Transkriptionsverlauf bleibt auf Ihrem Gerät, und nichts, was Sie sagen, wird zum Training eines Modells verwendet. Einen Offline-Modus gibt es nicht.
Was Apple Silicon für lokales Diktat verändert hat#
Die Chips der M-Serie von Apple haben lokale Spracherkennung auf einem Laptop praxistauglich gemacht. Sie kombinieren eine Neural Engine für maschinelles Lernen mit einer leistungsfähigen GPU und gemeinsam genutztem Arbeitsspeicher, was Modellen wie Whisper entgegenkommt.
Open-Source-Engines haben das genutzt: whisper.cpp (MIT-Lizenz) und WhisperKit von Argmax führen Whisper-Modelle direkt auf dem Mac aus. Apps wie MacWhisper, Superwhisper (mit lokalen Modellen), VoiceInk und Buzz transkribieren auf Ihrem eigenen Rechner, und die eingebaute Diktierfunktion von Apple kann Sprache auf Ihrem Mac verarbeiten (in den Tastatureinstellungen sehen Sie, welche Sprachen sie auf dem Gerät verarbeitet).
Findet die Transkription lokal statt, bleibt das Audio auf Ihrem Mac, und das Diktieren funktioniert auch bei ausgeschaltetem WLAN. Die Kompromisse sind eher praktischer Natur als eine Frage des Datenschutzes:
- Hardware. Größere Modelle brauchen mehr Arbeitsspeicher. Laut der eigenen Seite von MacWhisper brauchen die Whisper-Modelle Medium und Large einen Mac mit mehr als 8 GB RAM, um gut zu funktionieren.
- Tempo und Akku. Ein großes Modell zu betreiben kostet Energie, und ein älterer Mac kann spürbar langsamer sein als ein Server.
- Bereinigung. Lokale Apps unterscheiden sich darin, ob sie Füllwörter entfernen und Korrekturen übernehmen und ob auch dieser Schritt lokal läuft.
So funktioniert eine hybride Architektur#
Ein hybrides Design teilt das Diktieren in zwei Schichten auf:
- Die Transkriptionsschicht (auf Ihrem Gerät): Sie sprechen, und ein lokales Modell macht aus dem Audio rohen Text. Das Audio verlässt Ihren Computer nie.
- Die Verarbeitungsschicht (lokal oder in der Cloud): Der rohe Text, nicht das Audio, kann optional an ein leistungsfähigeres Sprachmodell gehen, das Füllwörter entfernt, die Formatierung korrigiert, Notizen gliedert oder übersetzt.
Sie haben den Regler in der Hand. Für ein Brainstorming schalten Sie vielleicht eine Verarbeitungsschicht in der Cloud für die bessere Bereinigung ein. Für Arbeit, die Ihren Rechner nie verlassen darf, halten Sie beide Schichten lokal oder nutzen ein vollständig lokales Tool.
Seien Sie sich im Klaren, was „hybrid“ nicht bedeutet: Sobald Text an ein Cloud-Modell geht, hat dieser Text Ihren Rechner verlassen, auch wenn das Audio es nicht hat. Eine diktierte Mandanten-E-Mail ist als Text genauso vertraulich wie als Audio.
| Design | Wohin Ihr Audio geht | Wohin Ihr Text geht | Funktioniert offline | Beispiele |
|---|---|---|---|---|
| Cloud | Zu einem Server | Zu einem Server | Nein | LumeVoice, Wispr Flow, Aqua Voice, Otter.ai |
| Lokal | Bleibt auf Ihrem Gerät | Bleibt auf Ihrem Gerät | Ja | MacWhisper, VoiceInk, Buzz, Apple-Diktierfunktion (für die Sprachen, die in den Tastatureinstellungen als auf dem Gerät verarbeitet aufgeführt sind) |
| Hybrid | Ihr Gerät, mit einem lokalen Modell | Ein Cloud-Modell, wenn Sie eines wählen | Teilweise | Superwhisper (lokale oder Cloud-Modelle), Spokenly (kostenlose lokale Modelle, Pro-Tarif in der Cloud), Amical (lokal zuerst, Cloud als Ausweichlösung) |
Wischen, um alle Spalten anzuzeigen
Fragen, die Sie vor der Wahl stellen sollten#
Unabhängig von der Architektur klären diese Fragen die meisten Datenschutzentscheidungen:
- Wo wird mein Audio verarbeitet: auf meinem Gerät oder auf einem Server?
- Wird das Audio nach der Verarbeitung gespeichert, und wenn ja, wie lange?
- Wird irgendetwas, das ich sage, zum Training von Modellen verwendet?
- Wohin geht der Text zur Bereinigung?
- Wo wird mein Verlauf aufbewahrt: auf meinem Gerät oder in einem Cloud-Konto?
- Funktioniert es offline?
- Erlauben es mein Arbeitgeber, meine Mandanten oder meine Aufsichtsbehörde? Bei regulierter Arbeit (HIPAA, DSGVO, anwaltliche Schweigepflicht) zählt diese Antwort mehr als alles andere.
Für LumeVoice lauten die Antworten: auf einem Server; nein; nein; an ein Sprachmodell in der Cloud; auf Ihrem Gerät; nein; und die letzte Frage entscheidet Ihre Organisation.
Für Arbeit, die Ihren Rechner rechtlich nicht verlassen darf, ist ein Tool die sichere Wahl, das auf dem Gerät transkribiert, etwa MacWhisper oder Superwhisper mit lokalen Modellen, wobei auch jede Bereinigung lokal bleiben sollte, denn keine Einstellung entfernt den Upload-Schritt aus einem Cloud-Transkriptionsdienst. Unser Ratgeber zu privatem Diktat für Recht und Medizin geht weiter ins Detail.
Cloud-Diktat, sorgfältig umgesetzt
LumeVoice arbeitet in der Cloud und sagt das offen. Ihr Audio wird von Whisper large-v3-turbo transkribiert und nach der Verarbeitung nicht gespeichert, Ihr Transkriptionsverlauf bleibt auf Ihrem Gerät, und nichts, was Sie sagen, wird zum Training eines Modells verwendet. Dafür erhalten Sie ein großes Whisper-Modell und automatische Bereinigung, ohne Ihren eigenen Rechner zu belasten, auf Mac, Windows, iPhone und Android.
LumeVoice kostenlos testen (3.000 kostenlose Wörter, ohne Kreditkarte) →
Weiterlesen#
- Was agentisches KI-Diktat ist und wie es funktioniert
- Privates Diktat für Recht und Medizin
- Funktioniert Wispr Flow offline?
- Die besten Open-Source-Whisper-Apps für den Mac
- Die genaueste Diktier-App für den Mac
- Die besten Diktier-Apps für zwei Sprachen 2026: Welche den Sprachwechsel für Sie übernehmen
- Die beste Speech-to-Text-API 2026: OpenAI, Deepgram, AssemblyAI, Google, Azure und AWS
- Sprache-zu-Text-Ratgeber: So funktioniert es und so wählen Sie das richtige Tool
- Spracherkennungssoftware: Was sie ist und welche Art Sie brauchen
