Mit der Software sprechen statt tippen: was heute geht

Stand: August 2026

Sprachbedienung klingt nach Spielerei, bis man an einen Arbeitsplatz kommt, an dem beide Hände beschäftigt sind. Auf der Baustelle, im Lieferwagen, in der Werkstatt: Dort ist Tippen nicht unbequem, sondern unmöglich. Und genau dort geht die meiste Information verloren.

Wo Sprache tatsächlich schneller ist

Beim Erfassen. Ein Satz gesprochen dauert fünf Sekunden, getippt eine Minute – und wird deshalb im Zweifel gar nicht getippt. Deshalb fehlen in vielen Betrieben genau die Notizen, die später gebraucht werden: was beim Kunden besprochen wurde, was nachgeliefert werden muss, welche Zusage gemacht wurde.

Beim Nachfragen ist Sprache ebenfalls überlegen, weil sich eine Frage mündlich präziser stellen lässt, als man sie in ein Suchfeld tippt. „Was steht bei Krause noch offen" ist ein Satz, kein Suchbegriff.

Nicht schneller ist Sprache beim Vergleichen und Prüfen. Zahlen nebeneinanderlegen geht mit den Augen besser als mit den Ohren – das bleibt so.

Die Grenzen, die man kennen sollte

Spracherkennung hört Namen falsch. Eigennamen, Firmennamen und Ortsnamen sind der schwächste Punkt jeder Erkennung, weil sie in keinem Wörterbuch stehen. Rechnen Sie damit und prüfen Sie diese Angaben immer nach.

Zahlen sind der zweite Schwachpunkt, vor allem am Telefon. „Zwei" und „drei" klingen auf einer schlechten Leitung ähnlich, und „null" wird gern als Wort geliefert statt als Ziffer. Eine gute Umsetzung erkennt beides – ausgesprochene Zahlwörter genauso wie Ziffern.

Und Lärm bleibt Lärm. In einer lauten Halle ist keine Erkennung zuverlässig. Dort hilft ein Headset mehr als jede Software.

Freigaben per Stimme: hier ist Vorsicht angebracht

Ein gesprochenes „Ja" ist kein guter Auslöser für etwas, das sich nicht zurückholen lässt. Es kann verhört werden, es kann von jemand anderem im Raum kommen, und es lässt sich nachträglich schwer beweisen.

Sinnvoll ist Sprache für Vorgänge ohne Außenwirkung – eine Notiz anlegen, eine Aufgabe erfassen, sich etwas vorlesen lassen. Für alles, was den Betrieb verlässt, sollte eine zweite, bewusste Handlung dazukommen: ein Knopf, eine Bestätigung, ein Blick auf den Text.

Wenn eine Software gesprochene Freigaben anbietet, sollte sie mindestens vorlesen, was genau freigegeben wird, und einen ausdrücklichen zweiten Schritt verlangen. Alles andere ist bequem und riskant zugleich.

Anrufe in die Software: was dabei geregelt sein muss

Der nächste Schritt nach der Sprachbedienung am Gerät ist der Anruf: Sie rufen Ihre eigene Software an und lassen sich den Stand berichten. Praktisch – und sicherheitstechnisch der heikelste Teil des ganzen Themas.

Eine Rufnummer allein genügt als Ausweis nicht, denn Rufnummern lassen sich fälschen. Es braucht eine zweite Sperre, üblicherweise eine gesprochene Geheimzahl, und die braucht eine Begrenzung der Fehlversuche. Ohne Begrenzung probiert ein Angreifer in einer Nacht alle vierstelligen Zahlen durch.

Ebenso wichtig: Jeder Versuch von einer fremden Nummer sollte vermerkt werden. Wenn Sie erst nach dem Schaden erfahren, dass jemand es versucht hat, ist der Vermerk wertlos.

Was Sie vor der Einführung klären sollten

Wo wird das Gesprochene verarbeitet? Läuft die Erkennung auf einem Server außerhalb der EU, ist das eine Datenübermittlung, die Sie dokumentieren und begründen müssen – erst recht, wenn dabei Kundennamen fallen.

Wird mitgeschnitten? Ein Sprachmitschnitt ist ein personenbezogenes Datum, und bei Gesprächen mit Dritten kommt die Frage der Einwilligung hinzu. Klären Sie vorab, ob nur der erkannte Text gespeichert wird oder auch die Aufnahme.

Und ganz praktisch: Gibt es einen Probemodus, in dem man die Bedienung durchspielen kann, ohne dass etwas geschrieben wird? Ohne den traut sich niemand, es das erste Mal auszuprobieren.

Wichtiger Hinweis: Dieser Text ist keine Rechtsberatung. Das Mitschneiden von Gesprächen, die Verarbeitung von Sprachdaten und der Einsatz von Spracherkennung im Beschäftigungsverhältnis unterliegen eigenen Regeln – unter anderem aus dem Datenschutzrecht und, bei bestehendem Betriebsrat, der Mitbestimmung. Lassen Sie das für Ihren Fall prüfen.

Häufige Fragen

Funktioniert Spracherkennung auch mit Dialekt?

Meist ja, aber schlechter als bei Hochdeutsch – und Eigennamen bleiben in jedem Fall die schwächste Stelle. Rechnen Sie damit, dass Namen nachgebessert werden müssen, und prüfen Sie sie, bevor etwas darauf aufbaut.

Kann ich per Sprache eine Rechnung freigeben?

Technisch ließe sich das bauen, sinnvoll ist es nicht. Für alles, was Geld bewegt oder den Betrieb verlässt, sollte eine bewusste zweite Handlung stehen – ein Blick auf den Betrag und ein Knopfdruck.

Braucht Sprachbedienung eine Internetverbindung?

In aller Regel ja, weil die Erkennung auf Servern läuft. Auf der Baustelle mit schlechtem Empfang ist das die eigentliche Einschränkung – nicht die Erkennungsqualität.

Was ist mit Mitarbeitern, die das nicht wollen?

Sprachbedienung sollte eine Möglichkeit sein, keine Pflicht. Wo sie zur einzigen Bedienart wird, entsteht Druck – und bei bestehendem Betriebsrat zusätzlich eine Mitbestimmungsfrage.

Wie DocShock dabei hilft

DocShock lässt sich per Sprache bedienen: zuhören, vorlesen, Aufgaben aufnehmen. Alles, was nach außen geht, verlangt zusätzlich eine bewusste Bestätigung – ein gesprochenes Wort allein löst keine Nachricht an Dritte aus. Für die Telefonzentrale gilt eine gesprochene Geheimzahl mit Sperre nach mehreren Fehlversuchen, und ein Probeanruf zeigt den Ablauf, ohne dass dabei etwas gespeichert wird.

Mehr dazu 30 Minuten am Telefon