KI-Diktat-Genauigkeit 2026: Einflussfaktoren und Selbsttest

Warum sich Genauigkeitsangaben schwer vergleichen lassen#

Jede Diktier-App bezeichnet sich als genau. Nur wenige sagen, wie sie das gemessen haben, und wer Zahlen veröffentlicht, misst selten dasselbe.

Eine Fehlerrate bedeutet nur etwas im Zusammenhang mit den Aufnahmen, an denen sie gemessen wurde. Sauber vorgelesene Hörbücher ergeben niedrige Werte. Ein Laptopmikrofon in der Küche, ein starker Akzent oder ein Satz voller Produktnamen ergeben deutlich höhere. Zwei Apps, die an unterschiedlichen Aufnahmen getestet wurden, lassen sich nicht gegeneinander einordnen, selbst wenn beide Zahlen ehrlich sind.

Deshalb finden Sie hier keine Rangliste. Dieser Ratgeber erklärt, was die Genauigkeit beim Diktieren tatsächlich bestimmt, was die veröffentlichte Forschung dazu sagt und wie Sie einen fairen Vergleich mit Ihrer eigenen Stimme durchführen. Nur dieser Test sagt voraus, wie gut eine App für Sie funktioniert.

Offenlegung: Dieser Blog wird von LumeVoice herausgegeben, und LumeVoice ist eine der besprochenen Apps. Der Vergleich unten beschränkt sich auf das, was die Anbieter selbst dokumentieren, mit Links zum Nachprüfen.

Wie Genauigkeit gemessen wird#

Die Wortfehlerrate#

In der Spracherkennung misst man Genauigkeit mit der Wortfehlerrate: Man vergleicht das Transkript mit dem tatsächlich Gesagten, zählt die Fehler und teilt durch die Zahl der gesprochenen Wörter.

Wortfehlerrate = (ersetzte Wörter + fehlende Wörter + zusätzliche Wörter) ÷ tatsächlich gesprochene Wörter

Ein Beispiel: Haben Sie 100 Wörter gesprochen und enthält das Transkript zwei falsche, ein fehlendes und ein zusätzliches Wort, liegt die Wortfehlerrate bei 4 von 100, also bei 4 %.

Die meisten Benchmarks ignorieren Groß- und Kleinschreibung sowie Satzzeichen, und viele vereinheitlichen vor dem Zählen die Schreibweise, sodass etwa „Photo“ und „Foto“ als gleich gelten. Schon diese Entscheidungen können ein Ergebnis verschieben. Das Whisper-Paper von OpenAI beschreibt genau deshalb einen eigenen Textnormalisierer, und es ist ein weiterer Grund, warum Zahlen aus verschiedenen Quellen nicht zusammenpassen.

Was Benchmarks messen und was nicht#

Viele veröffentlichte Werte stammen aus öffentlichen Testdatensätzen. LibriSpeech, einer der bekanntesten, besteht aus Hörbuchaufnahmen: klare Stimmen, ruhiges Tempo, stille Räume. Echtes Diktieren ist unordentlicher. Sie denken beim Sprechen, fangen Sätze neu an, sagen „äh“ und verwenden Wörter, die in keinem Hörbuch vorkommen.

Für Diktier-Apps kommt eine zweite Lücke hinzu. Die Wortfehlerrate belohnt ein Transkript dafür, Ihre Rede exakt wiederzugeben, Füllwörter und Fehlstarts eingeschlossen. Viele Diktier-Apps entfernen aber inzwischen bewusst „äh“, streichen den Satzteil, den Sie zurückgenommen haben, und korrigieren die Grammatik. Gegenüber einer wortgetreuen Referenz zählt diese Bereinigung als Fehler, obwohl sie genau das ist, was Sie wollten. Beim Diktieren ist deshalb die nützlichere Frage: Wie viel Nacharbeit braucht der Text, bevor Sie ihn abschicken können?

Was die Diktiergenauigkeit beeinflusst#

Das Spracherkennungsmodell#

Das Modell, das Audio in Text umwandelt, setzt die Obergrenze. Die Whisper-Modelle von OpenAI, 2022 als Open Source veröffentlicht, stecken hinter vielen aktuellen Apps; andere nutzen zusätzlich Modelle wie Parakeet von NVIDIA oder Voxtral von Mistral. Innerhalb einer Modellfamilie sind größere Modelle in der Regel genauer, aber auch langsamer und speicherhungriger, wenn sie auf Ihrem eigenen Computer laufen.

Ihr Mikrofon#

Das eingebaute Mikrofon eines Laptops sitzt neben Tastatur und Lüfter und ein Stück von Ihrem Mund entfernt. Es hört den Raum fast so gut wie Sie. Ein Headset oder ein USB-Mikrofon eine Handbreit vor dem Mund kann mehr bewirken als ein Wechsel der App.

Der Raum#

Hintergrundgeräusche, Musik, andere Stimmen und Hall von harten Oberflächen zwingen das Modell zum Raten. Ein eingerichteter Raum ist leichter als ein leerer, und eine geschlossene Tür schlägt jedes Großraumbüro.

Akzente und Sprachen#

Die Genauigkeit ist nicht für alle Sprecher gleich. Laut dem Whisper-Paper von OpenAI hängt die Leistung des Modells in einer Sprache davon ab, wie viel Trainingsaudio es für diese Sprache gab. Das Paper misst Sprachen, nicht Akzente, aber die Lehre gilt auch hier: Gehen Sie nicht davon aus, dass eine App, die bei einer Kollegin gut funktioniert, bei Ihnen genauso gut funktioniert. Wenn Sie in einer Fremdsprache oder in einer weniger verbreiteten Sprache diktieren, testen Sie mit Ihrer eigenen Stimme, bevor Sie allgemeinen Aussagen vertrauen.

Wörter, die das Modell selten hört#

Namen, Produktnamen, Abkürzungen und Fachjargon bringen allgemeine Modelle oft ins Stolpern. Ein Modell, das „kubectl“ oder Ihre Kollegin Siobhán kaum kennt, schreibt etwas, das ähnlich klingt. Ein eigenes Vokabular (manche Apps nennen es Wörterbuch) sagt der App, welche Schreibweisen sie erwarten soll. Die Apple-Diktierfunktion hat kein eigenes Vokabular; viele spezialisierte Diktier-Apps schon.

Wie Sie sprechen#

Moderne Modelle erschließen ein unklares Wort aus den Wörtern drumherum. Wer in ganzen Sätzen und normalem Tempo spricht, erzielt deshalb meist bessere Ergebnisse als mit langsamem, übertrieben deutlichem Diktat. Halten Sie den Abstand zum Mikrofon konstant und machen Sie Pausen zwischen Gedanken, nicht mitten im Satz.

Bereinigung nach der Transkription#

Neuere Apps führen einen zweiten Schritt aus: Ein Sprachmodell liest das Transkript, entfernt Füllwörter, übernimmt Korrekturen, die Sie mitten im Satz gemacht haben, ergänzt Struktur und korrigiert die Grammatik. Das ändert nichts daran, was das Spracherkennungsmodell gehört hat, wohl aber daran, wie viel Nacharbeit übrig bleibt. Es bringt auch ein kleines Risiko mit: Ein Bereinigungsmodell kann gelegentlich etwas ändern, das Sie genau so gemeint haben. Lesen Sie wichtige Texte deshalb vor dem Absenden.

Was die veröffentlichte Forschung sagt#

Unabhängige, direkt vergleichbare Tests kommerzieller Diktier-Apps sind selten, und die Benchmarks der Anbieter lassen sich nicht überprüfen. Die nützlichsten öffentlichen Belege betreffen die zugrunde liegenden Modelle.

Whisper ist robust, aber nicht überall gleich gut. Das Paper von OpenAI aus dem Jahr 2022, Robust Speech Recognition via Large-Scale Weak Supervision, trainierte Modelle mit 680.000 Stunden Audio aus dem Internet. Die zentrale Erkenntnis: Ein Modell, das mit einer großen, vielfältigen Mischung aus Audio trainiert wurde, kommt mit unbekannten Aufnahmen besser zurecht als Modelle, die auf einen einzigen sauberen Benchmark abgestimmt sind. Außerdem zeigt es, dass größere Modelle besser abschneiden und die Genauigkeit von Sprache zu Sprache stark schwankt.

Fehler sind nicht immer klein. Im Abschnitt zu den Grenzen beschreibt das Paper Fehlerarten, die über ein falsch verstandenes Wort hinausgehen: Das Modell bleibt in Wiederholungen hängen, lässt die ersten oder letzten Wörter eines Abschnitts weg oder erzeugt gelegentlich Text, der in der Aufnahme gar nicht vorkommt. Ein guter Grund, wichtige Texte vor dem Absenden kurz zu prüfen.

Diktierfehler gegen Tippfehler abwägen. Eine Studie der Stanford University, der University of Washington und von Baidu aus dem Jahr 2016 ergab, dass Spracheingabe etwa dreimal schneller ist als das Tippen auf einer Smartphone-Tastatur, mit weniger Fehlern. Verglichen wurde Daumentippen mit der Spracherkennung von damals, nicht mit heutigen Desktop-Apps. Die Studie erinnert aber daran, dass die Alternative zum Diktieren kein perfekter Text ist, sondern Ihr eigenes Tippen, samt Tippfehlern.

Öffentliche Ranglisten vergleichen Modelle, nicht Apps. Das Open ASR Leaderboard von Hugging Face ordnet offene Spracherkennungsmodelle, darunter Whisper, nach Fehlerrate und Geschwindigkeit auf öffentlichen Testdatensätzen, mit Bereichen für Englisch, für mehrere Sprachen und für lange Aufnahmen. So sehen Sie gut, wie Modellfamilien im Vergleich abschneiden. Kommerzielle Diktier-Apps, ihre Bereinigungsschritte oder Ihr Mikrofon testet es nicht.

Benchmarks sind ein Ausgangspunkt. Ergebnisse auf öffentlichen Testdatensätzen zeigen, welche Modelle leistungsfähig sind. Sie verraten nicht, wie eine App mit Ihrem Mikrofon, Ihrem Raum und Ihrem Vokabular zurechtkommt. Dafür brauchen Sie Ihren eigenen Test.

So testen Sie Diktier-Apps selbst#

Für einen fairen Vergleich brauchen Sie keine besondere Ausrüstung. Sie brauchen eine Textvorlage, eine ruhige halbe Stunde und etwas Disziplin, damit die Bedingungen gleich bleiben.

1. Schreiben Sie drei kurze Texte mit jeweils etwa 100–150 Wörtern:

• Alltag: eine E-Mail oder Nachricht, die Sie wirklich verschicken würden.
• Ihr Vokabular: der Fachjargon, die Produktnamen und Abkürzungen, die Sie tatsächlich verwenden.
• Namen und Zahlen: Personen, Orte, Daten, Preise und Telefonnummern.

2. Halten Sie die Bedingungen gleich. Gleiches Mikrofon, gleicher Abstand, gleicher Raum, gleiche Tageszeit. Sprechen Sie in Ihrem normalen Tempo, so wie beim echten Schreiben.

3. Sprechen Sie jeden Text zweimal in jede App. Fügen Sie die Ergebnisse in ein Dokument neben Ihre Vorlage ein.

4. Zählen Sie bei jedem Ergebnis zwei Dinge:

• Fehler: ersetzte, fehlende und zusätzliche Wörter im Vergleich zur Vorlage. Teilen Sie durch die Wortzahl der Vorlage, und Sie haben Ihre eigene Wortfehlerrate.
• Korrekturen bis zum Versand: die Änderungen, die Sie vor dem Abschicken vornehmen würden. Diese Zahl entscheidet, ob Diktieren Ihnen Zeit spart.

5. Wiederholen Sie den schlechtesten Text, nachdem Sie Ihre Problemwörter in das eigene Vokabular der App eingetragen haben, sofern sie eines hat.

6. Ergänzen Sie eine Alltagsbedingung: einen lauteren Raum, einen längeren Text (eine Minute oder mehr am Stück) oder eine zweite Sprache, falls Sie eine nutzen.

Ein einfacher Bewertungsbogen:

Bei Apps, die aufgenommene Dateien transkribieren, etwa MacWhisper, geht es noch genauer: Nehmen Sie jeden Text einmal auf und geben Sie jeder App dieselbe Audiodatei. So ändert sich nur die Software.

Wenn Sie mit Python vertraut sind, berechnet die Open-Source-Bibliothek jiwer die Wortfehlerrate aus Ihrer Vorlage und einem Transkript, sodass Sie nicht von Hand zählen müssen.

Wie sich die Apps unterscheiden#

Ohne vertrauenswürdige direkte Vergleichszahlen ist das Sinnvollste, was jede App zu den Genauigkeitsfaktoren selbst dokumentiert.

Dragon, lange der Maßstab für juristisches und medizinisches Diktat, ist auf dem Mac keine Option mehr: Dragon für Mac wurde 2018 eingestellt, und Dragon Professional v16 läuft nur unter Windows.

Was die Tabelle in der Praxis bedeutet:

• Live-Diktat in jede App, mit Bereinigung: LumeVoice und Wispr Flow arbeiten beide in der Cloud, mit Wörterbuch und automatischer Bereinigung. Beide brauchen eine Internetverbindung.
• Audio, das Ihren Mac nicht verlassen darf: Superwhisper mit einem lokalen Modell oder MacWhisper verarbeiten offline. Die größten Modelle brauchen einen leistungsfähigen Mac; laut MacWhisper selbst benötigen die Whisper-Modelle Medium und Large mehr als 8 GB RAM, um gut zu laufen.
• Kurze Nachrichten ohne Kosten: Die Apple-Diktierfunktion ist integriert und kann Sprache auf Ihrem Mac verarbeiten (in den Tastatureinstellungen sehen Sie, welche Sprachen sie auf dem Gerät verarbeitet), aber Namen, Fachbegriffe und Füllwörter korrigieren Sie selbst.
• Juristisches und medizinisches Vokabular: Testen Sie hier am gründlichsten. Tragen Sie Ihre Begriffe ins eigene Vokabular ein und prüfen Sie jede wichtige Ausgabe; keine App macht die Kontrolle in diesen Bereichen überflüssig.

Grenzen jedes Genauigkeitsvergleichs#

1. Modelle ändern sich. Apps aktualisieren ihre Spracherkennungsmodelle und Bereinigungsschritte, oft ohne große Ankündigung. Jeder Vergleich ist eine Momentaufnahme. Testen Sie nach größeren Updates erneut.
2. Ihre Stimme ist nicht der Testdatensatz. Ergebnisse für einen Sprecher, einen Akzent oder ein Mikrofon lassen sich nicht zuverlässig auf andere übertragen.
3. Wortgetreu und bereinigt sind verschiedene Ziele. Ein Tool für wortgetreue Transkripte (Interviews, Untertitel) und eines für versandfertige Texte sollte man unterschiedlich beurteilen.
4. Live-Diktat lässt sich schwer fair testen. Niemand sagt etwas zweimal exakt gleich. Eine feste Vorlage zweimal pro App zu sprechen oder dateibasierten Tools dieselbe Aufnahme zu geben, verringert die Streuung, beseitigt sie aber nicht.

Quellen#

• Radford et al., Robust Speech Recognition via Large-Scale Weak Supervision, OpenAI, 2022.
• Hugging Face, Open ASR Leaderboard.
• Ruan et al., 2016, Stanford University, University of Washington und Baidu: Bericht der Stanford University zu Spracheingabe und Tippen auf dem Smartphone (Englisch).
• Funktionen laut den Websites der Anbieter, geprüft im Oktober 2026: Wispr Flow, Superwhisper, MacWhisper.

Weiterführende Artikel#

• Die genaueste Diktier-App für Mac
• Diktiergenauigkeit auf dem Mac verbessern
• Diktieren vs. Tippen: Wie viel schneller ist Sprechen?
• Die besten KI-Diktier-Apps für Mac
• Die besten Wispr-Flow-Alternativen
• MacWhisper im Überblick
• LumeVoice vs. Superwhisper
• Android-Spracheingabe funktioniert nicht? 9 Lösungen für Gboard und mehr
• Die besten Diktier-Apps für Android 2026 (Gboard und mehr)
• Die besten Alternativen zur Gboard-Spracheingabe 2026
• Windows-Spracheingabe funktioniert nicht? 10 Lösungen in der richtigen Reihenfolge