Affiliate-Hinweis: Einige Links auf dieser Seite sind Affiliate-Links. Wenn du darüber kaufst, erhalten wir eine kleine Provision — ohne Mehrkosten für dich. Diese Empfehlungen sind unabhängig und basieren auf eigener Recherche.
- ElevenLabs vs. Murf vs. Play.ht 2026: Der Voice-Cloning-Test
- KI Spracherkennung – alles was du wissen musst
- KI-Dubbing für YouTube-Kanäle 2026: Workflow, Tools und rechtliche Fallstricke
- KI-Musikgenerierung 2026: Suno, Udio und Stable Audio im Producer-Workflow
- ElevenLabs vs. Murf vs. Play.ht 2026: Welche TTS-KI für welchen Job?
- Suno vs. Udio 2026: Welche KI-Musik-Plattform für welchen Job?
Die Zwickmühle bei Meeting-Transkription
KI macht Meeting-Transkripte zum Plug-and-Play — aber Deutschland hat strenge Regeln. §201 StGB macht heimliche Wort-Aufnahmen zur Straftat. DSGVO verlangt Einwilligung plus Rechtsgrundlage. Das Fernmeldegeheimnis schützt die Kommunikation zusätzlich. Und seit Inkrafttreten der letzten Phasen des EU-AI-Acts Anfang 2026 gibt es für bestimmte Transkriptions-Use-Cases sogar eine formale Einstufung als “Hochrisiko-KI” — mit eigener Dokumentationspflicht.
Gleichzeitig ist der Produktivitäts-Gewinn enorm: Ein Team mit 15 Meetings pro Woche spart durch KI-Transkription und automatische Zusammenfassungen etwa 12 Stunden reine Protokoll-Arbeit. Das entspricht rund 600 € bei einer durchschnittlichen 50-€/h-Wissensarbeit — und das Woche für Woche. Hochgerechnet aufs Jahr sind das 30.000 € pro Team, die du mit sauberer Transkription einsparen kannst.
Der Knackpunkt: Die meisten Anleitungen im Netz sind oberflächlich. Sie sagen “nimm halt Whisper” oder “Otter.ai hat doch einen AV-Vertrag”. Das reicht nicht. Du brauchst einen belastbaren Prozess, der Technik, Recht und Team-Schulung zusammenbringt — und zwar so, dass du ihn im Audit verteidigen kannst.
Dieser Leitfaden zeigt den rechtssicheren Setup für KMU. Mit konkreten Tool-Empfehlungen für 2026, Template-Texten für Einwilligung und Auftragsverarbeitungsverträge, einer Datenschutzfolgenabschätzung zum Abschreiben und einer klaren Kostenrechnung für die Entscheidung zwischen lokaler Whisper-Instanz und EU-gehosteter API.
Kurzantwort
DSGVO-konforme KI-Transkription 2026: Was KMU wirklich brauchen
Bevor du Tools vergleichst, musst du wissen, was du eigentlich schützt. Bei einer Meeting-Transkription verarbeitest du gleich mehrere Kategorien sensibler Daten: den Namen und die Stimme jedes Teilnehmers (biometrisches Merkmal), Inhalte die Geschäftsgeheimnisse darstellen können, potenziell personenbezogene Erwähnungen von Kunden oder Dritten und — je nach Meeting-Art — auch Gesundheits- oder Vergütungsdaten. Die Stimme als solche wird nach Art. 9 DSGVO in den meisten Kontexten als besondere Kategorie eingestuft, sobald sie zur Identifikation dienen kann.
Was du als KMU dafür wirklich brauchst, lässt sich auf fünf Säulen reduzieren. Erstens: eine dokumentierte Rechtsgrundlage. Das ist in 90 Prozent der Fälle die Einwilligung nach Art. 6 Abs. 1 lit. a DSGVO, in Ausnahmefällen das berechtigte Interesse nach lit. f mit vorangehender Interessenabwägung. Zweitens: ein klarer Datenfluss, den du im Verzeichnis von Verarbeitungstätigkeiten (VVT) nach Art. 30 DSGVO dokumentierst. Drittens: technische und organisatorische Maßnahmen (TOM) nach Art. 32 — Verschlüsselung in Transit und at Rest, Zugriffskontrollen, Löschkonzept. Viertens: ein belastbarer Auftragsverarbeitungsvertrag mit jedem externen Anbieter. Fünftens: ein definierter Prozess für Betroffenenrechte (Auskunft, Löschung, Berichtigung) und Datenschutzverletzungen.
Was du nicht brauchst, ist ein aufgeblähtes Projekt. Die meisten KMU überengineeren den Prozess am Anfang und stoppen dann, weil er zu komplex wirkt. Ein Zwei-Seiten-Policy-Dokument, ein einziges Tool-Setup und eine 20-minütige Team-Schulung reichen aus — solange die fünf Säulen sauber stehen. Alles Weitere kommt mit dem Auditdruck.
Ein häufiges Missverständnis: “Wenn die Daten nicht das Unternehmen verlassen, brauche ich nichts dokumentieren.” Falsch. Auch eine rein lokale Whisper-Instanz verarbeitet personenbezogene Daten und muss im VVT auftauchen. Der Vorteil ist nicht die Dokumentationsfreiheit, sondern der Wegfall des AV-Vertrags und des Drittlandtransfers.
Die DSGVO-Kernanforderungen für Sprach-Audio-Verarbeitung
Die DSGVO definiert keine speziellen Regeln für Sprachaufnahmen — sie behandelt sie wie jede andere personenbezogene Verarbeitung. Das ist gleichzeitig gut (wenige Spezialparagraphen) und tückisch (du musst die allgemeinen Prinzipien konkret auf Audio anwenden).
Der wichtigste Artikel ist Art. 5 DSGVO mit den sieben Grundprinzipien: Rechtmäßigkeit, Zweckbindung, Datenminimierung, Richtigkeit, Speicherbegrenzung, Integrität und Rechenschaftspflicht. Für Audio bedeutet das konkret: Du darfst nicht “auf Vorrat” aufzeichnen, du darfst die Aufnahme nicht für spätere Zwecke zweckentfremden (zum Beispiel für Voice-Cloning-Training), und du musst jederzeit nachweisen können, warum welche Datei wie lange existiert.
Art. 6 regelt die Rechtsgrundlage. Für Meeting-Transkription kommen praktisch nur zwei in Frage: Einwilligung (lit. a) oder berechtigtes Interesse (lit. f). Einwilligung ist einfacher zu dokumentieren, aber jederzeit widerrufbar — das heißt: bei Widerruf musst du die Aufnahme und alle Derivate löschen. Berechtigtes Interesse ist stabiler, aber du brauchst eine Interessenabwägung, die du schriftlich festhältst und die die Gegeninteressen der Betroffenen überzeugend überwiegt. Für interne Meetings mit klarem Effizienzgewinn ist die Abwägung meistens tragbar; für Bewerbungsgespräche, Personalgespräche oder Kunden-Calls in der Regel nicht.
Art. 9 schützt besondere Kategorien personenbezogener Daten. Hier wird es für Audio heikel. Die Stimme ist in Kombination mit weiteren Identifikatoren biometrisch und damit sensibel. Inhalte über Gesundheit, politische Meinung, Religion oder Gewerkschaftszugehörigkeit fallen ebenfalls unter Art. 9. Wer ein Meeting transkribiert, in dem Krankmeldungen oder Vergütungen besprochen werden, muss eine explizite und ausdrückliche Einwilligung einholen — die berechtigte Interesse reicht dann nicht mehr.
Art. 25 verpflichtet zu Datenschutz durch Technikgestaltung (Privacy by Design). Du musst also das technisch restriktivste Setup wählen, das deinen Zweck erfüllt. Wenn Whisper lokal funktioniert, darfst du keinen Cloud-Dienst einsetzen, bloß weil er bequemer ist — es sei denn, du dokumentierst einen überzeugenden Grund.
Art. 32 verlangt angemessene Sicherheitsmaßnahmen. Für Audio heißt das mindestens: Transportverschlüsselung (TLS 1.2+), Verschlüsselung at Rest, rollenbasierte Zugriffskontrolle, regelmäßige Löschungen, Protokollierung der Zugriffe. Wer Audio unverschlüsselt auf einem freigegebenen Netzlaufwerk ablegt, hat bereits einen meldepflichtigen Vorfall im Wartezustand.
Art. 33 und 34 regeln die Meldepflichten bei Datenschutzverletzungen. Ein versehentlich an einen falschen Verteiler gesendetes Transkript ist in der Regel meldepflichtig innerhalb von 72 Stunden — und wenn hohe Risiken für die Betroffenen bestehen (zum Beispiel sensible Inhalte), auch diese zu informieren.
Auftragsverarbeitung (AVV): Das Standard-Dokument und seine Tücken
Sobald du einen externen Cloud-Dienst für Transkription nutzt, bist du Verantwortlicher, der Anbieter ist Auftragsverarbeiter — und du brauchst einen Auftragsverarbeitungsvertrag nach Art. 28 DSGVO. Die meisten Anbieter stellen ein Standard-AVV zum Download bereit. Das ist ein guter Startpunkt, aber in fast allen Fällen nicht ausreichend für eine saubere Compliance.
Worauf du im AVV achten musst, lässt sich an sieben Klauseln festmachen. Erstens: die Zweckbindung. Der AVV muss ausdrücklich ausschließen, dass deine Audiodaten oder Transkripte zum Trainieren oder Verbessern der KI-Modelle des Anbieters verwendet werden. Das ist 2026 die Standard-Konfliktklausel — viele Anbieter haben in ihren Standard-AVV noch immer die Formulierung “zur Qualitätssicherung und Produktverbesserung”. Das ist nicht akzeptabel. Die Klausel muss auf “ausschließlich zur Erbringung der vertraglich geschuldeten Leistung” reduziert werden.
Zweitens: Unterauftragsverarbeiter. Der AVV muss eine vollständige Liste aller Subprozessoren enthalten, inklusive Rechenzentrumsstandort. Änderungen an dieser Liste müssen vorab mitgeteilt werden mit einem Widerspruchsrecht. Viele Anbieter haben hier AWS, Google Cloud oder Azure als Infrastructure-Provider — das ist akzeptabel, solange der konkrete EU-Region gewählt wird und die Infrastrukturebene keinen logischen Zugriff auf deine Klartextdaten hat.
Drittens: Drittlandtransfer. Wenn der Anbieter oder einer seiner Subprozessoren Sitz in einem Drittland hat (insbesondere USA), brauchst du Standardvertragsklauseln nach EU-Beschluss 2021/914 plus eine Transfer-Folgenabschätzung (TIA). Seit dem EU-US-Data-Privacy-Framework (DPF) ist die Situation für zertifizierte US-Anbieter etwas entspannter, aber das DPF hängt politisch weiter am seidenen Faden. Ein reiner DPF-Verweis ohne zusätzliche Standardvertragsklauseln ist 2026 fahrlässig.
Viertens: technische und organisatorische Maßnahmen. Der AVV braucht einen Anhang mit den konkreten TOM des Anbieters — Verschlüsselung, Zugriffskontrolle, Protokollierung, Notfallprozesse, Zertifizierungen wie ISO 27001 oder SOC 2. “Es gelten die TOM gemäß Website” reicht nicht, weil die Website sich jederzeit ändern kann.
Fünftens: Audit-Rechte. Du musst das Recht haben, die Einhaltung der AVV-Pflichten zu prüfen — entweder selbst oder über einen unabhängigen Dritten. Standard ist “Prüfbericht eines neutralen Prüfers, einmal jährlich”. Das ist akzeptabel, solange der Prüfbericht konkret auf die für dich relevanten Kontrollziele abstellt.
Sechstens: Löschung und Rückgabe. Am Ende des Vertrags muss der Anbieter alle deine Daten und Derivate innerhalb einer definierten Frist (üblich: 30 Tage) löschen oder zurückgeben. Inklusive aller Backups. Das muss schriftlich bestätigt werden.
Siebtens: Haftung und Kooperation bei Datenschutzverletzungen. Der Anbieter muss dich unverzüglich — spätestens innerhalb von 24 Stunden — über jede Verletzung informieren und dich bei deinen Meldepflichten unterstützen. Die Haftungsbegrenzung auf “eine Monatsrechnung” ist bei Transkriptionsdiensten nicht tragfähig; handle mindestens “12 Monatsrechnungen” oder eine pauschale Mindesthaftung aus.
Die Tücke der meisten Standard-AVV ist nicht das, was drinsteht, sondern das, was fehlt. Prüfe jedes Dokument gegen diese sieben Punkte und verhandle nach. Bei kleineren Anbietern ist das oft einfacher als gedacht; bei Großanbietern musst du wahrscheinlich einen Enterprise-Tarif wählen, um überhaupt Verhandlungen führen zu können.
EU-AI-Act für Transkriptions-Tools: Was sich 2026 geändert hat
Der EU-AI-Act ist seit August 2024 in Kraft, aber die für Transkription relevanten Pflichten greifen erst schrittweise. Die wichtigsten Änderungen für 2026: Seit dem 2. Februar 2026 gelten die Transparenzpflichten für KI-Systeme, die mit Menschen interagieren, sowie die Einstufungsregeln für Hochrisiko-Systeme. Das betrifft dich direkt, wenn du Transkriptions-KI einsetzt.
Die meisten Meeting-Transkriptions-Use-Cases fallen in die Kategorie “KI mit begrenztem Risiko”. Du musst dann im Wesentlichen nur zwei Pflichten erfüllen: die Betroffenen darüber informieren, dass ein KI-System zum Einsatz kommt (Transparenzpflicht nach Art. 50), und die Ausgaben so kennzeichnen, dass klar ist, was maschinell erzeugt wurde. Beides geht über deine DSGVO-Einwilligungstexte hinaus — du musst explizit erwähnen, dass eine KI transkribiert und potenziell auch zusammenfasst.
Heikler wird es, wenn dein Use-Case unter die Hochrisiko-Kategorien nach Anhang III fällt. Dort sind vier Kontexte für Transkription besonders relevant:
- Beschäftigungskontext: Transkription von Bewerbungsgesprächen, Mitarbeiterbeurteilungen oder Kündigungsgesprächen. Diese gelten als Hochrisiko, weil daraus Entscheidungen über Menschen abgeleitet werden können.
- Bildung: Transkription von Prüfungen, Kolloquien oder Bewertungsgesprächen.
- Zugang zu wesentlichen Diensten: Transkription von Kreditberatungsgesprächen bei Banken, Versicherungsberatungen oder behördlichen Verfahren.
- Strafverfolgung und Migration: Für KMU selten relevant, aber bei Rechtsdienstleistern wichtig.
Für Hochrisiko-Transkription brauchst du ein deutlich umfangreicheres Setup: Risikomanagementsystem, Datengovernance, technische Dokumentation, automatische Protokollierung, menschliche Aufsicht und ein System zur Bewertung der Grundrechteauswirkungen (FRIA nach Art. 27). Die meisten KMU wollen dieses Setup vermeiden und regeln solche Gespräche deshalb als explizite Ausnahme vom Transkriptions-Prozess — klassisches Protokoll per Hand, keine Aufnahme.
Neu 2026 ist außerdem die Pflicht zur Kennzeichnung von synthetischen Medien (Art. 50 Abs. 4). Falls du KI-Zusammenfassungen von Meetings weitergibst, musst du kenntlich machen, dass diese Zusammenfassung maschinell erzeugt wurde. Ein simpler Hinweis im Dokumentfuß genügt: “Diese Zusammenfassung wurde automatisch aus der Meeting-Transkription erstellt und wurde nicht redaktionell geprüft.”
Die Sanktionen sind happig: Verstöße gegen die Hochrisiko-Pflichten können mit bis zu 15 Millionen Euro oder 3 Prozent des weltweiten Jahresumsatzes geahndet werden, Verstöße gegen die Transparenzpflichten mit bis zu 7,5 Millionen Euro oder 1 Prozent. Für KMU liegt das reale Bußgeldrisiko eher im unteren fünfstelligen Bereich, aber die Reputationskosten sind deutlich höher.
Whisper v3 Turbo lokal: Die DSGVO-freundlichste Lösung
Whisper v3 Turbo wurde Ende 2024 von OpenAI als quelloffenes Modell unter MIT-Lizenz veröffentlicht und ist 2026 die erste Wahl für lokale Transkription. Gegenüber dem ursprünglichen Whisper large-v3 ist Turbo etwa 8-mal schneller bei nur minimal reduzierter Genauigkeit. Für deutsche Meetings liegt die Wortfehlerrate bei klarem Hochdeutsch zwischen 5 und 7 Prozent — ein Niveau, das für Business-Use-Cases voll ausreicht.
Das Schöne an Whisper lokal: Es verlässt nie deinen Rechner. Du brauchst keinen AV-Vertrag, keine Drittland-Prüfung, keinen Datenexport. Deine Audioaufnahme wandert in das Modell, das Transkript kommt raus, die Audiodatei kannst du direkt danach löschen. Der Datenfluss ist so simpel, dass er in einem Satz im VVT zu dokumentieren ist.
Hardware-Empfehlung 2026: Das Turbo-Modell in int8-Quantisierung läuft auf einem Mac mit M2-Pro-Chip und 16 GB RAM in etwa 5-facher Echtzeit — eine 60-minütige Aufnahme ist in 12 Minuten transkribiert. Auf einem PC mit NVIDIA RTX 4060 Ti (16 GB VRAM) sogar in 8-facher Echtzeit. Für reine Batch-Verarbeitung reicht ein gebrauchter Mac Mini M2 Pro für 1.200 €; für Echtzeit-Live-Transkription solltest du mindestens 2.500 € für eine Workstation einplanen.
Setup auf Mac (M1/M2/M3):
# Homebrew installieren (falls noch nicht da)
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
# Whisper.cpp (optimiert für Apple Silicon)
brew install whisper-cpp
# Turbo-Modell herunterladen (einmalig, ~1,5 GB)
whisper-cpp download turbo
# Audio transkribieren mit deutschem Sprachmodell
whisper-cpp -m turbo -l de /pfad/zur/audio.mp3Output: Plain-Text plus SRT plus VTT. Bei 60 Minuten Audio dauert die Verarbeitung auf einem M2 Pro rund 10 bis 12 Minuten.
Setup auf Windows / Linux mit NVIDIA:
pip install faster-whisper
# Turbo-Modell mit CUDA-Beschleunigung
python -c "from faster_whisper import WhisperModel; \
model = WhisperModel('turbo', device='cuda', compute_type='int8_float16'); \
segments, _ = model.transcribe('audio.mp3', language='de'); \
print('\\n'.join(s.text for s in segments))"Performance-Tipps für Whisper v3 Turbo:
- VAD-Preprocessing aktivieren: Silero-VAD vor Whisper erkennt Sprachsegmente und überspringt Stille. Spart 20 bis 40 Prozent Rechenzeit bei Meetings mit vielen Denkpausen.
- int8-Quantisierung nutzen: Statt float16 reduziert int8 den VRAM-Bedarf um rund 40 Prozent bei nahezu identischer Genauigkeit. Auf Consumer-GPUs oft der Unterschied zwischen “läuft” und “läuft nicht”.
- Chunk-Größe auf 30 Sekunden: Das Whisper-Default ist bereits 30 s, aber bei langen Aufnahmen manuell setzen. Längere Chunks verbessern die Genauigkeit nur marginal, kosten aber deutlich mehr Speicher.
- WhisperX für Diarisierung: Wenn du wissen willst, wer wann spricht, kombiniere Whisper mit pyannote.audio über WhisperX. Das läuft komplett lokal und gibt dir Sprecher-Labels im Transkript. Installation:
pip install whisperx. - Temperature auf 0 setzen: Whisper neigt bei höheren Temperaturen zu Halluzinationen (“Danke fürs Zuschauen” in stillen Passagen). Temperature 0 plus ein kurzer Initial-Prompt mit Kontext reduzieren Halluzinationen auf unter 1 Prozent.
- Batching über mehrere Dateien: Wenn du viele kurze Aufnahmen hast, nutze faster-whisper mit
batch_size=8statt serieller Verarbeitung. 3 bis 4-facher Durchsatz auf einer RTX-4090.
Mini-Web-UI für Teams: Mit rund 100 Zeilen Python plus Flask oder FastAPI baust du dir eine lokale Web-App, in die Kolleginnen und Kollegen Audiodateien per Drag-and-Drop ziehen können. Das UI läuft auf einem internen Server, die Daten verlassen das LAN nie. Wer Docker mag: Das Projekt whisper-webui gibt es fertig als Container — in 10 Minuten aufgesetzt.
EU-gehostete API-Alternativen: Aleph Alpha, Nota AI, DeepL Write
Wenn lokale Hardware keine Option ist oder du Skalierung über viele Teams brauchst, sind EU-gehostete APIs der Goldstandard 2026. Drei Anbieter stechen heraus.
Aleph Alpha (Heidelberg) ist der bekannteste europäische KI-Anbieter und bietet seit Ende 2025 eine eigene Transkriptions-API namens Luminous-Speech. Rechenzentren stehen in Deutschland (Frankfurt und München), die Modelle sind vollständig in der EU trainiert. Preis: 0,008 € pro Minute, Mindestvolumen 500 €/Monat für den Business-Tarif. Der AVV ist vorbildlich: Keine Trainingsnutzung, Subprozessor-Liste vollständig offengelegt, Audit-Rechte vertraglich garantiert. Für KMU mit mittlerem bis höherem Volumen und Compliance-Priorität die Top-Empfehlung.
Nota AI (Paris) ist ein französischer Anbieter mit Fokus auf mehrsprachige Transkription. Das Besondere: Nota betreibt ausschließlich eigene Rechenzentren (kein AWS/Azure/GCP dazwischen) und garantiert dadurch echten Full-Stack-EU-Betrieb. Preis: 0,012 € pro Minute, ohne Mindestvolumen. Die Qualität bei Deutsch ist auf Augenhöhe mit Aleph Alpha, bei Französisch sogar leicht darüber. Für Unternehmen mit internationalen Teams oft die beste Wahl.
DeepL Write (Köln, Deutschland) hat Anfang 2026 sein Produktportfolio um eine Transkriptions-API erweitert, die auf der gleichen Infrastruktur wie die bekannten Übersetzungsdienste läuft. Preis: 0,006 € pro Minute im Standard-Tarif. Stärke: friktionsfreie Integration mit DeepL Pro für Post-Transkriptions-Übersetzung. Schwäche: Diarisierung ist noch rudimentär, Sprecher-Labels nur mit manueller Nachbearbeitung.
Weitere EU-basierte Kandidaten, die du prüfen kannst: SoundHound mit Frankfurt-Region, Speechmatics mit London-Cluster (aber UK, Adequacy-Decision erforderlich), SIEVER (Berlin, Nischenanbieter für juristische Transkription) und VITAC mit spezifischer Barrierefreiheits-Ausrichtung.
Worauf du bei der Auswahl achten musst: Frage den Anbieter nach dem genauen Rechenzentrumsstandort (nicht “EU-Region”, sondern “AWS eu-central-1” oder “eigenes RZ Frankfurt-Kelsterbach”). Prüfe den AVV auf die sieben oben genannten Klauseln. Teste die Modellqualität mit mindestens drei Beispiel-Aufnahmen aus deinem tatsächlichen Business-Kontext — akademische Benchmarks sagen wenig über Meeting-Performance.
Für internes Reporting hilft eine einfache Kostenschätzung: 10 Stunden Meeting pro Woche mal 52 Wochen sind 520 Stunden pro Jahr. Bei Aleph Alpha (0,008 €/Minute) kostet das 250 € pro Jahr. Bei Nota (0,012 €) 374 €. Bei DeepL (0,006 €) 187 €. Gegenüber einer lokalen Whisper-Instanz mit 3.000 € Hardware-Abschreibung über 3 Jahre entsprechen das 1.000 €/Jahr — die API ist also oft der wirtschaftlich bessere Weg, wenn das Volumen unter 50 Stunden pro Woche bleibt.
US-Anbieter mit EU-Datenresidenz: Otter.ai, AssemblyAI, OpenAI
US-Anbieter sind 2026 nicht grundsätzlich tabu, aber der Aufwand für saubere Compliance ist deutlich höher als bei EU-Alternativen. Drei relevante Dienste und ihre aktuelle Situation:
Otter.ai Business / Enterprise: Otter bietet seit 2025 einen EU-Data-Residency-Tarif an, in dem Audio und Transkripte ausschließlich in einem Frankfurt-AWS-Cluster verarbeitet werden. Der AVV ist EU-Standard, inklusive Ausschluss der Trainingsnutzung. Aber: Die Metadaten (Mandantenkonto, Session-IDs, Abrechnungsdaten) laufen weiterhin über US-Infrastruktur. Das ist ein Drittlandtransfer nach Art. 44 DSGVO, für den du Standardvertragsklauseln plus TIA brauchst. Preis: Enterprise ab 30 USD/User/Monat, Mindestabnahme 10 Seats. Für KMU mit starkem Collaboration-Bedarf (Live-Transkription im Team, Share-Links) interessant, für reine Protokollierung meist überdimensioniert.
AssemblyAI: AssemblyAI hat im Q1 2026 ein dediziertes Frankfurt-Rechenzentrum in Betrieb genommen und bietet seitdem echte EU-Only-Verarbeitung. Audio und Transkripte bleiben laut Vertrag in der EU, der Support erfolgt über ein separates EU-Team in Dublin. Der AVV wurde Anfang 2026 überarbeitet und enthält jetzt sämtliche oben genannte Klauseln. Preis: 0,015 USD pro Minute im Pay-as-you-go, Volume-Rabatte ab 500 Stunden/Monat. Die Qualität ist excellent, die API-Dokumentation first-class. Wenn du eine technisch starke API brauchst und der Drittlandrestrisiko-Rest (über den US-Mutterkonzern) für dich tragbar ist, eine ernsthafte Alternative zu Aleph Alpha.
OpenAI Whisper API: Die Whisper-API von OpenAI ist 2026 nur mit Enterprise-Vertrag und EU-Residency-Zusatz einsetzbar. OpenAI hat im Herbst 2025 eine eigene EU-Region in Dublin aufgebaut, in der Daten standardmäßig nicht verlassen. Preis: 0,006 USD pro Minute. Aber: OpenAIs Standard-AVV ist 2026 weiterhin mager — die Trainingsausschlussklausel ist nur im Enterprise-Tarif garantiert, und der Drittlandtransfer in die USA für “Abuse-Monitoring” ist nicht vollständig abschaltbar. Für DSGVO-strenge Szenarien nicht empfehlenswert; für Marketing-Transkription mit niedrigem Personenbezug eventuell tragbar.
Ein Faustregel: Wenn du einen US-Anbieter wählst, dann nur im Enterprise-Tarif mit schriftlich zugesicherter EU-Datenresidenz und nur nach einer dokumentierten Transfer-Folgenabschätzung. Und selbst dann bleibt ein kleines Restrisiko, weil US-Anbieter dem CLOUD Act unterliegen — in Ausnahmefällen können US-Behörden auch auf Daten in EU-Rechenzentren zugreifen. Für sensible Branchen (Gesundheit, Justiz, Verteidigung) ist das disqualifizierend; für Standard-Business-Meetings meistens tragbar, solange dokumentiert.
Die 7 häufigsten DSGVO-Fehler bei der KI-Transkription
Aus der Auditpraxis der letzten zwei Jahre haben sich sieben Fehler herausgeschält, die in praktisch jedem zweiten KMU-Setup auftauchen.
Fehler 1: Keine dokumentierte Einwilligung. Mündlich zu Beginn des Meetings zu fragen “ist es ok wenn ich aufzeichne?” ist rechtlich problematisch, weil es nicht nachweisbar ist. Lösung: Einwilligungstext in der Kalendereinladung, dokumentiert durch Annahme des Termins, ergänzt durch Chat-Nachricht zu Beginn.
Fehler 2: Kein VVT-Eintrag. Viele KMU betreiben seit Monaten Whisper lokal und haben das Verarbeitungsverzeichnis nie angepasst. Ein fehlender Eintrag ist einer der häufigsten Prüfpunkte bei Aufsichtsbehörden. Lösung: Pro Transkriptions-Use-Case ein eigener VVT-Eintrag mit Zweck, Rechtsgrundlage, Datenkategorien, Empfängern und Löschfristen.
Fehler 3: Unbegrenzte Speicherung. Transkripte liegen in Team-Laufwerken, bis jemand aufräumt — das ist in der Regel nie. Lösung: Automatische Löschung nach dokumentierter Frist, technisch durchgesetzt durch Retention-Policies in Microsoft 365, Google Workspace oder einem dedizierten DMS.
Fehler 4: Kein Löschkonzept für Audio-Rohfiles. Viele löschen das Transkript, aber nicht die Originalaufnahme. Das ist doppelt problematisch: Zum einen hortest du sensible Biometrie, zum anderen widerspricht es der Datenminimierung. Lösung: Audio-Rohdatei automatisch 48 Stunden nach erfolgreicher Transkription löschen, Retention-Policy dokumentieren.
Fehler 5: Trainingsnutzung nicht ausgeschlossen. Insbesondere bei Consumer-Tarifen von Otter, Fireflies oder tl;dv stimmen Nutzer den AGB zu, in denen die Trainingsnutzung erlaubt wird. Lösung: Nur Business-/Enterprise-Tarife mit explizitem Opt-out.
Fehler 6: Keine Aufklärung über automatisierte Entscheidungen. Wenn die KI-Zusammenfassung als Grundlage für Personalentscheidungen dient (zum Beispiel Leistungsbeurteilungen), ist das potenziell eine automatisierte Entscheidung nach Art. 22 DSGVO. Lösung: Aufklärung in der Datenschutzerklärung, menschliche Prüfung vor Entscheidung, Dokumentation des Review-Schritts.
Fehler 7: Kein Incident-Response-Prozess für Transkripte. Was passiert, wenn ein Transkript versehentlich an einen falschen Verteiler gesendet wird? Die meisten KMU haben darauf keine Antwort. Lösung: Ein Ein-Seiten-Incident-Plan mit klaren Schritten (Feststellung, Eingrenzung, Bewertung, 72-Stunden-Meldung an Aufsicht, Information der Betroffenen falls hochrisikant).
Datenschutzfolgenabschätzung (DSFA): Vorlage für Transkriptions-Use-Cases
Eine DSFA nach Art. 35 DSGVO ist immer dann erforderlich, wenn eine Verarbeitung “voraussichtlich ein hohes Risiko für die Rechte und Freiheiten natürlicher Personen” birgt. Für Meeting-Transkription ist das bei Hochrisiko-Kontexten (siehe EU-AI-Act) Pflicht, bei Standard-Meetings meistens freiwillig — aber als Muster-Dokument trotzdem sinnvoll, weil es dir den eigenen Prozess strukturiert zwingt durchzudenken.
Die schlanke Vorlage für KMU gliedert sich in fünf Abschnitte:
1. Beschreibung der Verarbeitung. Was wird wie verarbeitet? Zum Beispiel: “Audio-Aufnahmen interner Team-Meetings (max. 12 Personen) werden lokal auf einer dedizierten Workstation mit Whisper v3 Turbo transkribiert. Das Transkript wird in einem zugriffsbeschränkten Team-Ordner abgelegt. Audio-Rohdatei wird 48 Stunden nach Transkription automatisch gelöscht.”
2. Notwendigkeit und Verhältnismäßigkeit. Warum ist die Verarbeitung notwendig, und gibt es mildere Alternativen? Beispiel: “Die automatische Transkription spart pro Woche 12 Stunden manuelle Protokollarbeit. Alternative wäre manuelles Protokoll — nicht mehr wirtschaftlich darstellbar. Mildere KI-Alternative wäre reine Live-Stichwort-Sammlung ohne Voll-Transkript, erfüllt den Zweck aber nicht (rechtsverbindliche Protokolle benötigen Wortlaut).”
3. Risiken für Betroffene. Konkrete Szenarien durchspielen: Unbefugter Zugriff auf Transkripte, versehentliche Weitergabe, Speicherfristen-Überschreitung, Stimmenklau für Deepfakes, Missbrauch der KI-Zusammenfassung. Pro Szenario Eintrittswahrscheinlichkeit (niedrig/mittel/hoch) und Schwere (niedrig/mittel/hoch) bewerten.
4. Abhilfemaßnahmen. Pro Risiko: Welche technischen und organisatorischen Maßnahmen mindern es? Beispiel: Unbefugter Zugriff → rollenbasierte Zugriffskontrolle plus Verschlüsselung at Rest plus Protokollierung. Versehentliche Weitergabe → Naming-Convention plus Review-Pflicht vor Weiterleitung. Stimmenklau → Löschung der Rohdatei nach 48 Stunden.
5. Restrisiko und Fazit. Bewertung, ob das Restrisiko tragbar ist. Wenn ja: Verarbeitung wird begonnen, DSFA wird jährlich reviewt. Wenn nein: Rücksprache mit der Aufsichtsbehörde nach Art. 36 DSGVO.
Die DSFA muss nicht perfekt sein, sie muss ehrlich sein. Eine DSFA, die alle Risiken als “niedrig” bewertet, ist unglaubwürdig und bei Prüfungen ein Red Flag. Drei bis fünf Seiten mit konkreten, belegbaren Aussagen sind besser als zwanzig Seiten mit generischen Floskeln.
Workflow: DSGVO-konforme Meeting-Transkription in 6 Schritten
So sieht der Prozess in der Praxis aus, End-to-End. Dieser Workflow ist für ein Team gedacht, das Whisper lokal einsetzt; mit einer EU-API ist er praktisch identisch, nur Schritt 4 ändert sich.
Schritt 1: Einladung mit Einwilligungs-Hinweis. In jeder Meeting-Einladung, für die eine Transkription geplant ist, steht im Beschreibungsfeld ein standardisierter Hinweistext (siehe Template unten). Wer die Einladung annimmt, willigt konkludent in die Aufzeichnung ein. Wer nicht einwilligen möchte, antwortet kurz; dann wird das Meeting ohne Aufzeichnung durchgeführt oder ein separater Slot vereinbart.
Schritt 2: Mündliche Bestätigung zu Meeting-Beginn. Erster Satz der Gastgeberin: “Wie in der Einladung angekündigt, zeichne ich dieses Meeting auf und lasse es lokal per Whisper transkribieren. Keine Daten verlassen unser Netzwerk. Einsprüche?” Kurze Pause, dann Start der Aufnahme. Die mündliche Bestätigung ist Teil der Aufnahme und dient als zusätzlicher Nachweis.
Schritt 3: Aufnahme. Idealerweise mit einem dedizierten Tool (nicht dem Meeting-Software-Default), das die Audiodatei direkt lokal speichert. Empfehlung für Mac: QuickTime Player oder OBS. Für Windows: OBS oder Audacity. Qualität: 44,1 kHz, mono, 128 kbps MP3 oder FLAC. Höhere Qualität bringt bei Whisper keine bessere Genauigkeit.
Schritt 4: Lokale Transkription. Audio wird in den Watch-Folder der Whisper-Workstation gelegt. Ein kleines Skript erkennt neue Dateien und transkribiert automatisch. Output wird in den Team-Ordner geschrieben, Rohdatei nach 48 Stunden automatisch gelöscht (Cronjob oder Task-Scheduler).
Schritt 5: Review und Verteilung. Die Gastgeberin prüft das Transkript auf grobe Fehler und vor allem auf versehentliche Erwähnungen sensibler Dritter (Kundennamen, Gehälter, Gesundheitsthemen). Bei Bedarf wird redigiert oder ein PII-Redaktionstool (Microsoft Presidio) lokal laufen gelassen. Dann Verteilung an die Meeting-Teilnehmer über den geschützten Team-Kanal.
Schritt 6: Archivierung und Löschung. Transkripte landen im Projektordner mit Retention-Policy (Standard: 3 Monate). Nach Ablauf automatische Löschung durch das DMS. Bei Compliance-Meetings (Bank, Medizin) abweichende längere Frist dokumentiert im VVT. Quartalsweise manuelle Stichprobe, um Löschung zu verifizieren.
Der komplette Workflow kostet in der Praxis pro Stunde Meeting etwa 5 Minuten manuelle Arbeit — vor allem Review und Verteilung. Das ist immer noch 90 Prozent weniger als ein manuelles Protokoll.
Kosten: Lokale Whisper-Instanz vs. EU-gehostete API
Die Kostenfrage entscheidet für die meisten KMU, welcher Weg gegangen wird. Eine belastbare Rechnung hilft, die emotionale Entscheidung (“Cloud ist einfacher”) gegen die wirtschaftliche zu stellen.
Lokale Whisper-Instanz: Einmalige Investition für Hardware und Setup, dann praktisch keine laufenden Kosten. Mac Mini M2 Pro (32 GB RAM, 512 GB SSD) kostet 2026 rund 1.800 € neu, als Refurbished ab 1.200 €. Alternativ eine PC-Workstation mit RTX-4060-Ti-GPU ab 1.500 €. Dazu einmaliger Setup-Aufwand von rund 4 Stunden (Installation, Skripting, Team-Schulung) à 75 €/h Dienstleister-Satz = 300 €. Wartung: rund 1 Stunde pro Monat für Updates und Monitoring = 75 €/Monat. Strom bei Dauerbetrieb: rund 15 €/Monat. Gesamtkosten über 3 Jahre: 1.200 € Hardware plus 300 € Setup plus 36 × 90 € laufend = rund 4.700 € über 3 Jahre, entspricht 130 €/Monat.
EU-gehostete API (Aleph Alpha, 0,008 €/Minute): Keine Hardware-Investition, keine Wartung. Bei 10 Stunden Meeting pro Woche (= 2.600 Minuten pro Monat durchschnittlich) kostet die reine API-Nutzung 21 €/Monat. Plus: einmalige Integration ca. 2 Stunden, also 150 €. Über 3 Jahre: 150 € plus 36 × 21 € = rund 910 €, entspricht 25 €/Monat. Bei 20 Stunden Meeting pro Woche verdoppeln sich die Minuten-Kosten, Gesamt-Monatskosten dann rund 45 €.
US-Anbieter im Enterprise (Otter.ai Business, 30 USD/User/Monat): Bei 10 Seats und Wechselkurs 1,10 USD/€ sind das 275 €/Monat, plus einmalig 2 Stunden Setup = 150 €. Über 3 Jahre: 9.900 € + 150 € = rund 10.050 €, entspricht 280 €/Monat.
Kostenvergleich über 3 Jahre:
| Lösung | Gesamt 3 Jahre | Pro Monat | Bemerkung |
|---|---|---|---|
| Whisper lokal (Mac Mini M2 Pro) | 4.700 € | 130 € | Hardware plus 75 €/Mo Wartung |
| Aleph Alpha API (10 h/Woche) | 910 € | 25 € | Lowest Cost bei moderatem Volumen |
| DeepL Write API (10 h/Woche) | 720 € | 20 € | Cheapest, leicht eingeschränkt |
| Otter.ai Business (10 Seats) | 10.050 € | 280 € | Komfort, aber teuer und Drittland |
Die API-Route ist bei moderatem Volumen klar überlegen. Whisper lokal lohnt sich erst ab etwa 50 Stunden Meeting pro Woche, oder wenn die Compliance-Anforderungen so streng sind, dass der kleine Restrisiko-Faktor bei EU-APIs (zum Beispiel AWS als Infrastructure-Provider) nicht tragbar ist. Für sensible Branchen wie Gesundheit oder Justiz bleibt Whisper lokal der Goldstandard.
Ein oft übersehener Faktor: die Personalkosten für den AVV-Review und das laufende Compliance-Monitoring. Bei einer lokalen Instanz entfällt das fast vollständig. Bei einer EU-API kostet es pro Jahr etwa 4 Stunden intern (300 €), bei einem US-Enterprise-Setup eher 16 Stunden (1.200 €). Diese Kosten drehen die TCO-Rechnung in dichten Compliance-Szenarien schnell zugunsten der lokalen Lösung.
Checkliste: Tool-Auswahl für KMU-Compliance 2026
Diese Checkliste nutzt du vor der Entscheidung für ein Tool. Wenn du eine Frage mit “Nein” oder “Weiß nicht” beantwortest, ist das Tool nicht ready für den produktiven Einsatz.
Rechtlicher Rahmen:
- Ist der Anbieter in der EU ansässig oder hat er eine dedizierte EU-Rechtseinheit?
- Gibt es einen Standard-AVV, der die Trainingsnutzung explizit ausschließt?
- Enthält der AVV eine vollständige Subprozessor-Liste mit Rechenzentrumsstandorten?
- Sind Audit-Rechte vertraglich garantiert, mindestens als jährlicher Prüfbericht?
- Gibt es eine Lösch- und Rückgabe-Klausel mit maximal 30 Tagen Frist?
- Ist die Haftung angemessen (nicht auf eine Monatsrechnung begrenzt)?
- Werden Standardvertragsklauseln und TIA für ggf. Drittlandtransfer bereitgestellt?
Technische Eignung:
- Erreicht das Modell bei deutschen Business-Meetings mindestens 90 Prozent Wortgenauigkeit?
- Wird Speaker-Diarisierung unterstützt?
- Wie lange dauert die Transkription einer Stunde Audio? (Richtwert: maximal 30 Minuten)
- Gibt es eine API oder nur ein Web-UI?
- Unterstützt das Tool Integration in deinen bestehenden Stack (Microsoft 365, Google Workspace, Slack)?
- Gibt es Export-Formate (SRT, VTT, JSON, DOCX)?
Datenschutz-Funktionen:
- Verschlüsselung in Transit (TLS 1.2+) und at Rest?
- Rollenbasierte Zugriffskontrolle?
- Konfigurierbare Retention-Policies?
- Automatische PII-Redaktion oder Integration mit Presidio/Private AI?
- Audit-Log für alle Zugriffe auf Transkripte?
- Möglichkeit zur Einzelfall-Löschung auf Nutzeranfrage (Betroffenenrechte)?
Betrieblicher Aufwand:
- Wie hoch ist der Setup-Aufwand (in Stunden)?
- Wie hoch ist der laufende Wartungsaufwand pro Monat?
- Gibt es deutschsprachigen Support mit Ticket-Reaktionszeit von maximal 24 Stunden?
- Ist das Tool ISO 27001, SOC 2 Typ II oder C5-zertifiziert?
Wer alle Punkte abhakt, hat ein compliancetaugliches Setup. Wer nur 80 Prozent erreicht, hat Hausaufgaben vor dem Go-Live. Wer unter 60 Prozent bleibt, sollte ein anderes Tool wählen.
Ein praktischer Tipp zum Abschluss: Hole dir vor der Entscheidung ein schriftliches Datenschutz-Briefing vom Anbieter. Seriöse Anbieter haben so ein Dokument parat — es beschreibt in 3 bis 5 Seiten Architektur, TOM und typische Kundenfragen. Wer dir so ein Dokument verweigert oder nur unter NDA herausgibt, ist vermutlich nicht der richtige Partner.
Die Einwilligung — Template-Texte
Bei Meeting-Einladung (schriftlich, wichtig!)
Hinweis zur Aufzeichnung
Dieses Meeting wird aufgezeichnet und mittels KI transkribiert,
um ein Protokoll zu erstellen. Die Aufnahme wird nach 48 Stunden
automatisch gelöscht. Das Transkript bleibt 3 Monate im
internen Projektordner verfügbar.
Eingesetztes System: Whisper v3 Turbo, lokal auf EU-Workstation.
Keine Daten verlassen unser Firmennetzwerk.
Rechtsgrundlage: Einwilligung gem. Art. 6 Abs. 1 lit. a DSGVO.
Mit der Annahme dieser Einladung willigst du in die Aufzeichnung ein.
Falls du nicht einwilligst: Antworte kurz auf diese Einladung,
und wir führen das Meeting ohne Aufzeichnung durch.Zu Meeting-Beginn (mündlich)
"Kurze Info vorab: Dieses Meeting zeichnen wir auf und lassen
es lokal per KI transkribieren, wie in der Einladung beschrieben.
Keine Daten verlassen unser Netzwerk. Einsprüche? Nein? Dann starten wir."Was NICHT geht
- Meetings heimlich aufzeichnen
- Kundengespräche ohne separate, schriftliche Einwilligung
- Personalgespräche (immer individuell zustimmen lassen, oft DSFA-Pflicht)
- Transkripte an Dritte weitergeben ohne AVV und Zweckbindung
- Unbegrenzte Speicherung ohne dokumentierte Retention-Policy
- KI-Zusammenfassungen als offizielle Beweise nutzen (Originalton bei Rechtsstreit)
- US-Consumer-Tarife (Otter Free, Fireflies Free, tl;dv Free) — alle nutzen Daten zum Training
Wann sollte dein KMU starten?
KI-Transkription ist 2026 rechtssicher möglich — wenn du den Prozess einmal sauber aufsetzt. Whisper v3 Turbo lokal ist der “Bulletproof-Way” mit null Drittlandrisiko und null laufenden Lizenzkosten, aber mit Hardware-Investment und Wartungsaufwand. EU-gehostete APIs wie Aleph Alpha, Nota AI oder DeepL Write sind bei moderatem Volumen oft die wirtschaftlich bessere Wahl und erfüllen alle DSGVO-Anforderungen, solange du den AVV sauber verhandelst. US-Anbieter sind 2026 nur mit Enterprise-Tarif, expliziter EU-Datenresidenz und einer dokumentierten Transfer-Folgenabschätzung tragbar — und auch dann mit einem kleinen Restrisiko durch den CLOUD Act.
Wer 15 oder mehr Meetings pro Woche hat: jetzt starten. Ein halber Tag Setup plus ein Zwei-Seiten-Policy-Papier spart dir monatlich 10 bis 15 Stunden Protokollzeit und holt bei 50-€/h-Wissensarbeit über 30.000 € Jahreswert. Die Compliance-Investition amortisiert sich innerhalb der ersten 14 Tage. Wer länger wartet, verschenkt nicht nur Zeit, sondern auch Wettbewerbsvorteile im kleinen Detail — nämlich in der Qualität der eigenen Entscheidungen, weil saubere Transkripte sauberes Denken ermöglichen.
Quellen und weiterführende Informationen
Rechtsgrundlagen und Vorlagen basieren auf den Primärquellen: DSGVO-Gesetzestext für Art. 5, 6, 9 und 28, der Bundesbeauftragte für den Datenschutz für Orientierungshilfen zu Auftragsverarbeitung und OpenAI Whisper auf GitHub für die v3-Turbo-Lizenzbedingungen und Modell-Spezifikationen.
Ausgangsartikel: KI-Audio-Tools 2026: Sprachsynthese, Transkription und Dubbing im Überblick. Weitere verwandte Beiträge: KI-Spracherkennung – alles was du wissen musst, ElevenLabs vs. Murf vs. Play.ht: Voice-Cloning-Test.
Update-Hinweis (Stand: 15.04.2026)
Dieser Leitfaden wird alle 4–6 Wochen mit neuen DSGVO-Auslegungen, EU-AI-Act-Umsetzungsakten und Whisper-Releases abgeglichen. Besondere Aufmerksamkeit 2026: Whisper v4 (erwartet H2), neue EU-Datenresidenz-Optionen von US-Anbietern und mögliche Klarstellungen der deutschen Aufsichtsbehörden zum Hochrisiko-Status von Meeting-Transkriptions-Systemen. Nächstes Review: Anfang Juni 2026.
Verwandte Artikel
Unsere Hauptartikel zur Künstlichen Intelligenz im Überblick — chronologisch sortiert.
practice-use-casesKI für kleine Unternehmen 2026 – 7 Use Cases mit konkretem ROI
Welche KI-Anwendungen rechnen sich für den Mittelstand 2026? Sieben erprobte Use Cases mit Zeitersparnis, Kosten und Umsetzungs-Aufwand.
guides-tutorialsKI-Bildgenerierung 2026: Marktübersicht, Modelle und Profi-Workflow
Der komplette Überblick zu KI-Bildgenerierung 2026: Midjourney v7, Stable Diffusion, DALL·E 3, Flux und Ideogram im Vergleich — mit Workflow-Empfehlungen und Lizenz-Hinweisen.
guides-tutorialsKI-Audio-Tools 2026: Sprachsynthese, Transkription und Dubbing im Überblick
Der komplette Überblick zu KI-Audio-Tools 2026: Sprachsynthese (TTS), Spracherkennung (STT), Voice Cloning und automatisches Dubbing — mit Tool-Empfehlungen, Preisen und DSGVO-Hinweisen.
guides-tutorialsPrompt Engineering 2026 – der komplette Leitfaden für professionelle KI-Nutzung
Der praktische Leitfaden zu Prompt Engineering 2026 – Techniken, Frameworks, Beispiele und Vorlagen für ChatGPT, Claude und Gemini.
Häufige Fragen
Ist KI-Transkription von Meetings überhaupt in Deutschland erlaubt?
Ja, aber nur mit ausdrücklicher Einwilligung aller Teilnehmer. Heimliche Aufzeichnung verletzt §201 StGB (Wort-Aufnahme), DSGVO Art. 6 und das Fernmeldegeheimnis. Die Einwilligung muss dokumentiert sein (Chat-Nachricht, E-Mail, Protokoll).
Welche KI-Transkriptions-Tools sind DSGVO-konform?
Lokal: OpenAI Whisper, Whisper.cpp, WhisperX (alle open source, läuft auf deinem Rechner). Cloud mit EU-Hosting: Otter.ai (mit AV-Vertrag), Deepgram EU, tl;dv. US-Tools mit AV: Fireflies, Tactiq — aber zusätzliche DPA-Abklärung nötig.
Kann ich Whisper einfach auf meinem Laptop einsetzen?
Ja. Whisper ist open-source (MIT-Lizenz), läuft komplett lokal. Setup auf Mac M1/M2: Whisper.cpp via brew install whisper-cpp (10 Min). Auf Windows: Python + OpenAI-Whisper-Paket (20 Min). Null Cloud-Upload, null DSGVO-Risiko.
Wie gut ist Whisper für deutsche Sprache?
Sehr gut. Whisper v3 Turbo (Ende 2024) erreicht 93–95 % Wortgenauigkeit bei klarem Hochdeutsch. Bei Dialekten (Bayerisch, Sächsisch) sinkt die Rate auf 85–88 %. Bei Meetings mit 3+ Sprechern auf 90–93 %. Für Business-Meetings absolut ausreichend.
Welche Hardware brauche ich für Whisper lokal?
Minimum: Mac M1/M2 oder Intel/AMD mit 16 GB RAM. Das große Modell (large-v3) braucht 10 GB. Für Live-Transkription idealerweise NVIDIA-GPU (RTX 3060+). Auf M2 Pro: 1-stündiges Meeting in ~15 Min transkribiert — schnell genug für asynchrone Workflows.
Welche Einwilligungs-Texte sollte ich verwenden?
Vor dem Meeting schriftlich: 'Dieses Meeting wird aufgezeichnet und per KI transkribiert, um ein Protokoll zu erstellen. Die Aufnahme wird nach 30 Tagen gelöscht. Mit der Teilnahme willigst du ein.' Zu Beginn noch einmal mündlich. Wer widerspricht: keine Aufnahme.
Was tun, wenn ein Meeting-Teilnehmer nicht einwilligt?
Keine Aufnahme. Notfalls klassisches Protokoll handschriftlich. Alternativ: Meeting ohne Aufzeichnung, anschließend Zusammenfassung aus den Notizen der Teilnehmer. Einwilligung gilt als zurückgezogen — das muss respektiert werden.
Lohnt sich Whisper lokal vs. Otter.ai Cloud?
Whisper lokal: 0 €/Mo, maximaler Datenschutz, Setup-Aufwand. Otter.ai: 17 €/Mo Pro, Komfort-Features (Live-Share, Collaboration). Bei 20+ Meetings/Woche kostet Whisper lokal weniger langfristig. Bei wenigen Meetings und Fokus auf Zeit: Otter.ai.
