Diktat und Transkription mit KI

Zwei Arbeitsweisen

• Diktat mit Spracherkennung (Front-End). Der Text entsteht beim Sprechen direkt im Dokument. Korrekturen erfolgen sofort.
• Transkription (Back-End). Eine Aufnahme wird später in Text umgewandelt, etwa ein Diktat vom Diktiergerät oder – mit den unten genannten Einschränkungen – eine Besprechung.

Nuance bewirbt Dragon Legal v16 ausdrücklich für beide Arbeitsweisen, das Live-Diktat (Front-End) und die Transkription von Audiodateien (Back-End).

Dragon Legal

Dragon Legal ist eine Spracherkennungssoftware von Nuance für den Rechtsbereich. Der Hersteller macht dazu folgende Angaben.

• Dragon Legal v16 läuft unter Windows 10 und 11 sowie Windows Server 2016, 2019 und 2022. Das deutsche Datenblatt nennt mindestens 4 GB Arbeitsspeicher und 8 GB freien Speicherplatz. Audiodateien können automatisch in ein ausgewähltes Verzeichnis transkribiert werden.
• Dragon Legal Anywhere wird im deutschen Datenblatt als Spracherkennungslösung beschrieben, die lokal installiert oder von einem Partner von Nuance gehostet wird. Clients verbinden sich mit einer Serverkomponente. Daten werden nach Herstellerangabe bei der Übertragung und bei der Speicherung mit 256-Bit-Verschlüsselung geschützt.

KI-Transkription mit offenen Modellen

Whisper ist ein von OpenAI veröffentlichtes Spracherkennungsmodell. Nach dem GitHub-Repository ist es ein „general-purpose speech recognition model“ für mehrsprachige Spracherkennung, Übersetzung gesprochener Sprache und Erkennung der gesprochenen Sprache. Code und Modellgewichte stehen unter der MIT-Lizenz. Whisper läuft lokal in Python. Die Modelle reichen von 39 Millionen bis 1,55 Milliarden Parametern. Der benötigte Grafikspeicher liegt nach der Tabelle im Repository zwischen etwa 1 GB und etwa 10 GB.

Auch Transkription kann halluzinieren

Eine auf der Konferenz FAccT 2024 vorgestellte Studie („Careless Whisper“) untersuchte Whisper-Transkripte und fand in rund 1 Prozent der Transkriptionen Textpassagen, die in der Aufnahme nicht vorkamen. Von diesen erfundenen Passagen enthielten nach den Autoren 38 Prozent ausdrücklich schädliche Inhalte. Besonders häufig traten solche Halluzinationen bei Sprechern mit längeren Sprechpausen auf. Für die Rechtspraxis heißt das, dass ein KI-Transkript ein Arbeitsmittel ist und kein Wortprotokoll. Zitate daraus werden gegen die Aufnahme geprüft.

Datenschutz bei Cloud-Transkription

Diktate enthalten typischerweise Mandatsgeheimnisse und personenbezogene Daten von Mandanten, Gegnern und Zeugen. Wird die Spracherkennung als Cloud-Dienst genutzt, verarbeitet ein Dritter diese Inhalte.

• Datenschutzrecht. Erforderlich ist regelmäßig ein Vertrag zur Auftragsverarbeitung nach Art. 28 DSGVO. Bei Verarbeitung außerhalb der EU kommen die Regeln zur Drittlandübermittlung hinzu.
• Berufsrecht. Nach § 43e Abs. 3 BRAO bedarf der Vertrag mit dem Dienstleister der Textform und muss eine Verschwiegenheitsverpflichtung enthalten. Bei Diensten im Ausland muss der dortige Geheimnisschutz nach § 43e Abs. 4 BRAO dem inländischen vergleichbar sein.
• Strafrecht. § 203 Abs. 3 Satz 2 StGB erlaubt die Offenbarung gegenüber mitwirkenden Personen nur, soweit dies für deren Tätigkeit erforderlich ist. Nach § 203 Abs. 4 Satz 2 Nr. 1 StGB macht sich auch strafbar, wer nicht dafür Sorge getragen hat, dass eine sonstige mitwirkende Person zur Geheimhaltung verpflichtet wurde, wenn diese das Geheimnis unbefugt offenbart.
• Training und Speicherung. Zu klären ist, ob Audiodateien und Texte beim Anbieter gespeichert und ob sie zur Verbesserung der Modelle verwendet werden.

Lokale Lösungen – eine lokal installierte Diktiersoftware oder ein lokal betriebenes Modell wie Whisper – vermeiden die Übertragung an Dritte. Mehr dazu unter Lokale KI in der Kanzlei und KI und Datenschutz.

Stand Oktober 2026