Transkription auf dem Gerät oder in der Cloud

Transkription auf dem Gerät heißt, dass das Sprachmodell auf deinem eigenen Mac oder iPhone läuft und das Audio dort transkribiert wird, statt es zu einem Transkriptionsdienst hochzuladen. Cloud-Transkription heißt, dass das Audio auf einen Server hochgeladen, dort verarbeitet und der Text zurückgeschickt wird. Die Wahl entscheidet, wer deine Aufnahmen hören kann, was du pro Stunde Audio zahlst und ob es im Flugzeug funktioniert.

Dieser Artikel erklärt, wie beides funktioniert, rechnet die Kosten ehrlich durch, nennt die Fälle, in denen die Cloud weiterhin das bessere Werkzeug ist, und endet mit einer Checkliste, mit der du prüfst, ob eine App wirklich auf dem Gerät transkribiert.

Was "auf dem Gerät" technisch bedeutet

Ein Spracherkennungssystem hat zwei Teile: das Modell, eine große Datei mit gelernten Gewichten, und die Laufzeitumgebung, die Audio durch diese Gewichte schickt und daraus Text macht. Bei einem Cloud-Dienst liegt beides im Rechenzentrum. Bei einer App auf dem Gerät liegt beides auf deiner Hardware.

Konkret macht eine App, die auf dem Gerät transkribiert, Folgendes:

1. Sie lädt die Modellgewichte einmal, meist beim ersten Start oder bald danach im Hintergrund. Das ist das einzige Mal, dass sie für die Kernaufgabe das Netz braucht.
2. Sie speichert sie auf dem Gerät, typischerweise einige hundert Megabyte bis wenige Gigabyte pro Modell.
3. Sie führt das Modell auf dem Chip des Geräts aus. Apple Silicon hat Hardware genau für diese Art Arbeit, deshalb ist Transkription auf dem Gerät auch auf Telefonen praktikabel geworden.
4. Sie schreibt den Text in den Speicher des Geräts. Das Audio wird dabei nicht an einen Transkriptionsserver geschickt.

Der praktische Test ist einfach. Schalte den Flugmodus ein oder das WLAN aus und transkribiere etwas. Funktioniert es, findet die Erkennung auf dem Gerät statt. Zeigt die App einen Ladekreis oder einen Fehler, dann nicht, was auch immer das Marketing sagt.

Zwei Formulierungen werden oft mit Verarbeitung auf dem Gerät verwechselt:

• "Bei der Übertragung verschlüsselt" heißt, dass der Upload unterwegs vor Mithörern geschützt ist. Der Server entschlüsselt ihn trotzdem und verarbeitet alles.
• "Wir speichern dein Audio nicht" beschreibt die Aufbewahrung, nicht den Ort. Das Audio wurde trotzdem auf einem Rechner verarbeitet, den du nicht kontrollierst, von einer Firma, die es, wenn auch kurz, hatte.

Apples eigenes Diktieren ist ein guter Vergleichspunkt: Für manche Sprachen und Geräte läuft es auf dem Gerät, für andere schickt es Audio an Apples Server. Dieselbe Funktion, zwei verschiedene Datenschutzgeschichten, und genau deshalb lohnt sich die Frage bei jedem Werkzeug.

Was Cloud-Transkriptionsdienste mit deinem Audio machen

Ein Cloud-Dienst muss Folgendes tun, und jeder Schritt ist eine Stelle, an der eine Richtlinie greift:

• Das Audio entgegennehmen. Es liegt jetzt auf seiner Infrastruktur, oft auch auf der eines Hosting-Anbieters darunter, manchmal in einem anderen Land.
• Es verarbeiten. Größere Anbieter geben Arbeit an Unterauftragsverarbeiter weiter, die, wenn überhaupt, tief in einem Auftragsverarbeitungsvertrag aufgelistet sind.
• Den Text zurückgeben und oft beides aufbewahren, eine Zeit lang: für erneutes Herunterladen, zur Fehlersuche oder zur "Verbesserung des Dienstes". Training mit Kundendaten ist bei bezahlten Tarifen meist abschaltbar oder aus, aber die Voreinstellung unterscheidet sich je nach Produkt und ändert sich mit der Zeit.
• Irgendwann löschen. Aufbewahrungsfristen in Verbraucher-Apps reichen von sofort bis unbegrenzt.

Nichts davon ist finster. Es ist die normale Form eines Cloud-Produkts, und seriöse Dienste dokumentieren es. Aber die Frage "ist mein Transkript privat" wird damit zu einer Frage über die Richtlinie eines Anbieters, seine Unterauftragsverarbeiter, seine Vorfälle und seine Rechtsordnung. Bei Transkription auf dem Gerät stellt sich diese Kette von Fragen für die Transkription selbst nicht, weil kein Transkriptionsanbieter das Audio erhält. Für Berufe mit Schweigepflicht ist genau das der Punkt; vertrauliches Diktieren in Medizin und Recht (englischsprachig) geht ins Detail.

Die Rechnung pro Minute

Cloud-Transkription wird nach Verbrauch abgerechnet, weil jede Minute Audio den Anbieter Rechenleistung kostet. Bei dir kommt das als Minutenpreis einer API an oder als Monatstarif mit Minutenkontingent.

Reine APIs sind pro Minute günstig: grob ein Bruchteil eines Cents bis zwei Cent, und die Kosten von Cloud-Transkriptions-APIs (englischsprachig) rechnet das durch. Verbraucher-Apps, die darauf aufsetzen, verlangen mehr und geben ein monatliches Kontingent. Zum Vergleich rechnest du am besten in Stunden Audio pro Monat:

Audio pro Monat	Bei 0,01 $ pro Minute	Bei 0,02 $ pro Minute
5 Stunden	3 $	6 $
20 Stunden	12 $	24 $
40 Stunden	24 $	48 $
100 Stunden	60 $	120 $

Wer zwei Meetings pro Woche transkribiert, liegt bei 5 bis 10 Stunden, und da ist die Cloud wirklich günstig. Wer jedes Gespräch, jede Vorlesung oder jedes Interview transkribiert, liegt bei 40 bis 100 Stunden, und dann zählt der Zähler, und ein Tarif mit Kontingent erzwingt meist ein Upgrade.

Transkription auf dem Gerät hat keinen Minutenzähler, weil die Rechenleistung deine ist. Apps berechnen stattdessen die Software, per Abo oder Einmalkauf, sodass die hundertste Stunde so viel kostet wie die erste. Bei kleinen Mengen kann ein günstiger Dienst mit Zähler weniger kosten, und das darf man ehrlich sagen.

Latenz, Tempo und Offline-Arbeit

Eine Datei in der Cloud zu transkribieren heißt, sie zuerst hochzuladen. Eine einstündige Aufnahme hat Dutzende Megabyte; im Hotel-WLAN kann der Upload länger dauern als die Transkription. Live-Untertitel aus der Cloud brauchen für jede Phrase einen Hin- und Rückweg, deshalb wirkt Cloud-Diktat oft einen Takt hinter deiner Stimme.

Transkription auf dem Gerät beginnt sofort und läuft so schnell, wie der Chip es erlaubt. Auf aktuellem Apple Silicon transkribieren moderne Sprachmodelle weit schneller als Echtzeit, eine Stunde Audio ist in Minuten fertig, ganz ohne Upload. Offline-Spracherkennung auf dem iPhone (englischsprachig) erklärt, wie das auf einem Telefon funktioniert.

Und dann gibt es Orte ganz ohne Netz: Züge, Flugzeuge, Krankenhäuser, Gerichtssäle, Keller, Außeneinsätze, das Büro eines Mandanten, in dessen Gast-WLAN du dich nicht einwählen willst. Auf dem Gerät funktioniert es überall dort. Die Cloud nicht, und später hochladen ist ein Umweg, keine Lösung.

Wo die Cloud weiterhin gewinnt

Ehrlich sein nützt hier mehr als das Gegenteil.

• Schwache Hardware. Auf einem alten Laptop oder einem Telefon mit wenig Arbeitsspeicher läuft ein großes Modell vielleicht nicht oder so langsam, dass es nervt. Einem Rechenzentrum ist egal, was du besitzt.
• Riesige Mengen. Tausend Stunden Archivaudio auf einmal sind eine Aufgabe für viele Server parallel.
• Gemeinsame Arbeitsbereiche. Wenn ein Team dieselben Transkripte, Kommentare und die Suche an einem Ort im Web braucht, liefert ein Cloud-Produkt das von Haus aus. Eine App auf dem Gerät kann zwischen deinen eigenen Geräten synchronisieren, ist aber kein Kollaborationsserver.
• Manche Sprachen und Akzente. Die größten Cloud-Modelle liegen bei selten vertretenen Sprachen und sehr starken Akzenten noch vorn. Für Englisch und die großen europäischen und asiatischen Sprachen ist der Abstand so klein geworden, dass die meisten ihn nicht bemerken.
• Andere Plattformen und große Events. Unter Windows oder Android sind die Optionen auf dem Gerät dünner, und Live-Untertitel für Hunderte Zuschauer gehören auf einen Server.

Wenn du zu einer dieser Gruppen gehörst, nutze die Cloud mit offenen Augen: Lies die Aufbewahrungsrichtlinie, schalte Training ab, wo es geht, und lade nichts hoch, was du nicht auch per E-Mail verschicken würdest.

So erkennst du, ob eine App wirklich auf dem Gerät arbeitet

Eine kurze Checkliste für jede Transkriptions-App:

1. Funktioniert sie nach der Einrichtung im Flugmodus? Das ist der Test, der zählt.
2. Verlangt sie ein Konto? Eine App, die auf deinem Gerät transkribiert, hat wenig Grund zu wissen, wer du bist.
3. Was steht im Datenschutz-Etikett im App Store? Vergleiche es mit dem, was die App sagt, und prüfe, ob Diagnosedaten optional sind.
4. Sagt sie klar, wo jede Funktion läuft? Manche Apps transkribieren auf dem Gerät, schicken den Text aber für Zusammenfassungen an ein Cloud-Modell oder nutzen Funktionen der Plattform. Eine klare App sagt, was wo passiert.
5. Gibt es einen Minutenzähler? Ein Minutenkontingent heißt fast immer, dass fremde Server die Arbeit machen.

So prüfst du ThinkScribe mit der Checkliste

ThinkScribe transkribiert und trennt Sprecher auf deinem Gerät. So prüfst du das selbst auf iPhone, iPad oder Mac:

1. Öffne ThinkScribe einmal mit Verbindung, damit einmalige Downloads fertig werden, auch ThinkScribe AI, wenn du es in den KI-Einstellungen wählst.
2. Schalte den Flugmodus ein.
3. Nimm eine Minute Sprache auf und stoppe. Transkript und Sprecherbezeichnungen entstehen auf dem Gerät, ohne Verbindung.
4. Lass die Aufnahme zusammenfassen. Mit ThinkScribe AI laufen auch Zusammenfassungen auf deinem Gerät. Wählst du stattdessen Apple Intelligence, wird diese Funktion von Apple bereitgestellt.
5. Merk dir, welche Teile Apple bereitstellt: Apple Intelligence, wenn du es wählst, und die iCloud-Synchronisierung, die standardmäßig aus ist und über dein eigenes iCloud-Konto läuft.

Es gibt kein Konto, und deine Aufnahmen und Transkripte werden nie an uns gesendet. Die App sendet uns nur Absturzberichte und Nutzungszahlen, nie dein Audio, deine Transkripte oder andere Inhalte, und du kannst das in den Einstellungen ausschalten. Der vollständige Leitfaden zu Sprache zu Text (englischsprachig) und die Seite Audio in Text umwandeln zeigen den Rest.

Häufig gestellte Fragen

Ist Transkription auf dem Gerät so genau wie in der Cloud?

Für Englisch und die großen Weltsprachen sind aktuelle Modelle auf dem Gerät so nah an Cloud-Diensten, dass der Unterschied bei alltäglichen Aufnahmen selten auffällt. Cloud-Modelle haben bei selten vertretenen Sprachen und sehr starken Akzenten einen Vorsprung, und die größten Modelle kommen mit sehr lautem Audio noch besser zurecht.

Heißt Offline-Transkription, dass mein Audio privat ist?

Es heißt, dass die Transkription auf deinem Gerät stattfindet und das Audio nicht zu einem Transkriptionsdienst hochgeladen wird. Der Test ist, ob die Transkription ohne Netz funktioniert. Was bleibt, ist die Sicherheit deines eigenen Geräts, deine Backups und alle Funktionen, die du bei einer anderen Firma nutzt, etwa Cloud-Synchronisierung.

Was kostet Cloud-Transkription pro Stunde?

Reine API-Preise liegen grob bei 0,40 bis 1,50 $ pro Stunde Audio, und Verbraucher-Apps bündeln meist ein Monatskontingent zu einem höheren effektiven Preis. Bei 20 Stunden im Monat sind das etwa 12 bis 30 $. Eine App auf dem Gerät berechnet die Software, nicht die Minuten.

Funktioniert Transkription auf dem Gerät ohne Internet?

Ja, das ist ihre entscheidende Eigenschaft. Nach einmaligen Downloads funktionieren die Erkennung und, in Apps, die auch ihre KI auf dem Gerät ausführen, die Zusammenfassungen ganz ohne Verbindung: im Flugmodus, im Keller oder in einem Gebäude, in dessen WLAN du dich nicht einwählen wirst.