Überall diktieren statt tippen: So spare ich rund 70% Zeit beim Schreiben
Du sitzt abends noch am Schreibtisch und tippst Mails, Kundenanfragen oder Notizen ab, die du tagsüber im Kopf schon fertig hattest? Reden geht schneller als Tippen. Ich habe mir deshalb eine kleine Diktier-App gebaut: Taste drücken, sprechen, loslassen, und der Text steht da, wo mein Cursor blinkt. In jedem Programm, ohne Internet und ohne Abo.
Hier zeige ich dir, was es mir bringt und wie du in deinem Betrieb ohne eine Zeile Programmierung starten kannst.
Die Ausgangssituation: Spracheingabe gab es, aber nie da, wo ich sie brauchte
Ein großer Teil meines Arbeitstags besteht aus Text: Mails an Kunden, Antworten auf Anfragen, WhatsApp-Nachrichten, lose Gedanken für neue Ideen und Anweisungen an die KI. Ich bin eigentlich ein schneller Schreiber. Das Zehnfingersystem habe ich allerdings nie gelernt. (Ja, ich weiß.)
Spracheingabe an sich ist nichts Neues. Viele Programme bieten sie inzwischen an, auch die KI-Werkzeuge, mit denen ich jeden Tag arbeite. Der Haken: Sie funktioniert immer nur im jeweiligen Programm. In der Mail ging es nicht, im Word-Dokument nicht und in meinem Buchhaltungsprogramm schon gar nicht. Ich wollte eine Spracheingabe, die überall in Windows funktioniert. Egal, in welchem Fenster ich gerade bin.
Warum die üblichen Lösungen nicht gepasst haben
Die Spracheingabe von Windows war meine erste Wahl. Du startest sie mit der Windows-Taste + H. Kostenlos und schon da. Aber die Erkennung ist mit dem, was moderne KI-Modelle können, einfach nicht vergleichbar. Ich habe mehr Zeit mit Korrigieren verbracht als mit Sprechen. Dazu kommt: Laut Microsoft brauchst du eine Internetverbindung, die Erkennung läuft über die Cloud von Microsoft.
Wispr Flow ist eine der bekanntesten Diktier-Apps. Bis 2.000 Wörter pro Woche kostenlos, danach 15 Dollar im Monat bzw. 12 Dollar bei Jahreszahlung. Laut eigener Datenschutzseite läuft die Erkennung immer in der Cloud.
Ich arbeite aber mit Kundendaten, und genau diese Frage höre ich auch von vielen Inhabern: „Wo landen eigentlich meine Daten?“ Also habe ich mir die Frage anders gestellt: Geht das auch komplett auf dem eigenen Rechner?
Was heißt „lokal“ oder „offline“?
Die KI läuft auf deinem eigenen Computer, nicht bei einem Anbieter im Internet. Stell dir den Unterschied so vor: Bei der Cloud schickst du deinen Brief zum Abtippen in ein fremdes Büro. Lokal sitzt die Schreibkraft bei dir im Zimmer. Nach dem einmaligen Herunterladen brauchst du kein Internet mehr, und nichts verlässt deinen Rechner.
Der Weg: Meine eigene Diktier-App „PixxelSpeak“
Die Idee habe ich mir bei einer Diktier-App für den Mac abgeschaut. Die gibt es aber nicht für Windows, und ihr Code ist nicht frei verfügbar. Also habe ich mit KI-Unterstützung eine eigene Version gebaut. Die erste lauffähige Version stand nach rund 20 Minuten. Kein Witz.
So funktioniert sie im Alltag:
- Halten, sprechen, loslassen: Ich halte die rechte Strg-Taste, spreche und lasse los. Ein, zwei Sekunden später steht der Text im aktiven Fenster.
- Überall: in Outlook, im Word-Dokument, im ChatGPT-Fenster, in WhatsApp im Browser, sogar in den Eingabefeldern meiner Buchhaltung. Jedes Feld, in das ich tippen kann, kann ich auch besprechen.
- Freihändig: Zweimal schnell tippen, dann kann ich in Ruhe ein längeres Stück diktieren. Einmal tippen beendet es.
- Abbrechen: Esc, und nichts wird eingefügt.
- Ein kleines Symbol unten rechts zeigt mir, was gerade passiert: Grün heißt bereit, Rot heißt, die App hört zu.
Die Spracherkennung macht ein frei verfügbares KI-Modell von NVIDIA. Und die ist richtig gut. Die App erkennt ganze Sätze samt Satzbau und setzt die Satzzeichen an die richtige Stelle. Ich arbeite danach nur noch minimal nach.
Das Modell lädt die App einmal herunter, danach läuft alles ohne Internet. Aufnahmen werden nie gespeichert, sie existieren nur so lange im Arbeitsspeicher, bis der Text fertig ist.
Kein leichter Weg: Buchstabensalat und plötzliches Englisch
Ganz glatt lief es natürlich nicht:
Abkürzungen. Buchstaben, die ähnlich klingen, verwechselt die Erkennung gern. Bei Abkürzungen spreche ich deshalb jeden Buchstaben deutlich aus bzw. buchstabiere ihn. Dann klappt es.
Englisch statt Deutsch. Bei kurzen deutschen Sätzen ist die Erkennung anfangs gern mal ins Englische gekippt und hat gleich mitübersetzt. Aus „Wow, das ist gut“ wurde „Well, that’s good“. Die Lösung: Erkennt die App so einen Ausreißer, schickt sie dieselbe Aufnahme noch einmal durch ein zweites, gründlicheres Modell, das fest auf Deutsch eingestellt ist. Das kostet in diesen Fällen ein bis zwei Sekunden extra. Dafür stimmt die Sprache.
Das Ergebnis: rund 70 % weniger Zeit fürs Schreiben
Grob geschätzt spare ich bei der Texteingabe etwa 70 % Zeit. Und das, obwohl ich ohnehin schnell tippe. Wer sauber mit zehn Fingern schreibt, spart nach meiner Einschätzung immer noch 50 bis 60 %.
Am meisten merke ich das bei:
- Antworten auf Mails und Kundenanfragen
- WhatsApp-Nachrichten und Chats
- losen Gedanken, die ich sonst gar nicht erst aufgeschrieben hätte
- Anweisungen an die KI, die gesprochen oft genauer werden als getippt
Der letzte Punkt hat mich überrascht: Gesprochen drücke ich mich genauer aus, und die KI liefert bessere Ergebnisse.
Rechne dir das ruhig mal für deinen Betrieb hoch: Wenn du jeden Tag eine halbe Stunde Mails und Nachrichten schreibst und davon nur die Hälfte sparst, sind das 15 Minuten am Tag. Bei fünf Arbeitstagen gut eine Stunde pro Woche.
Sprich so, wie du einem Kollegen etwas erklärst, und lies einmal kurz drüber. Satzbau und Satzzeichen stimmen fast immer. Nur bei Abkürzungen buchstabiere ich: Ähnlich klingende Buchstaben sind die häufigste Fehlerquelle.
Was heißt das für deinen Betrieb?
Du musst nicht programmieren, um davon zu profitieren. Drei Beispiele aus dem Alltag:
- Im Handwerk: Thomas, Elektromeister mit acht Leuten, schreibt seine Angebote abends. Mit Diktat spricht er die Hinweise und die Mail an den Kunden einfach ein, statt sie zu tippen. Die Kalkulation macht weiter seine Software, der Text drumherum ist in Nullkommanix fertig.
- In der Praxis: Sandra führt eine Physiotherapie-Praxis. Die Dokumentation nach der Behandlung ist lästig und wird gern verschoben. Gerade hier zählt, dass nichts in die Cloud geht, denn es sind Gesundheitsdaten. Eine lokale Lösung ist dafür der saubere Weg.
- Im Büro: Rückrufnotizen, Antworten auf Anfragen, interne Kurzinfos. Wie du Besprechungen mit KI festhältst, habe ich übrigens schon in meinem Artikel zu Protokollen von Meetings mit KI gezeigt.
Muss ich mir das selbst bauen? Drei Wege für dich
Nein. Je nachdem, wie sensibel deine Texte sind, gibt es drei Wege:
Weg | Kosten | Wo läuft die Erkennung? | Passt für |
|---|---|---|---|
Windows-Spracheingabe (Windows-Taste + H) | kostenlos | Cloud (Microsoft), Internet nötig | erster Test, Texte ohne Kundendaten. Erkennung nach meiner Erfahrung deutlich schwächer |
Wispr Flow | Gratis bis 2.000 Wörter/Woche, sonst 12–15 $ pro Monat | Cloud (Anbieter) | Vieldiktierer, die sich das Datenschutz-Thema genau anschauen |
Lokale Lösung wie PixxelSpeak | Software 0 €, einmalige Einrichtung | auf deinem Rechner | Kundendaten, Praxen, Kanzleien |
Stand der Preise: Oktober 2026.
Tipp: Fang mit Windows-Taste + H an, und zwar mit einer Mail ohne Kundendaten. Dann merkst du in fünf Minuten, ob dir Diktieren liegt.
Darf ich das? Datenschutz beim Diktieren
Beim Diktieren gibst du deine Worte an eine KI. Bei Cloud-Diensten heißt das: Deine Sprache geht zu einem Anbieter. Das ist nicht verboten, aber du solltest wissen, was du einsprichst.
Achtung
Sprichst du Namen, Adressen oder Gesundheitsdaten deiner Kunden ein, gelten die Regeln der DSGVO. Bei Cloud-Diensten brauchst du dann in der Regel einen Vertrag zur Auftragsverarbeitung mit dem Anbieter. Ärzte, Therapeuten, Anwälte und Steuerberater haben zusätzlich eine Schweigepflicht. Hier ist eine lokale Lösung der sicherste Weg. Das ersetzt natürlich keine Rechtsberatung.
Bei meiner Lösung ist das einfach: Die Erkennung läuft auf meinem Rechner, Aufnahmen werden nie gespeichert, und auch das Protokoll der App enthält keine diktierten Inhalte. Wie du deine Website datenschutzseitig aufstellst, steht in meiner DSGVO-Checkliste für deine Website.
Wo spart KI in deinem Betrieb Zeit?
Im KI-Check schauen wir uns gemeinsam deinen Arbeitsalltag an: Welche Aufgaben fressen am meisten Zeit, und was davon kannst du an KI abgeben? Du bekommst konkrete Vorschläge, die zu deinem Betrieb passen, inklusive ehrlicher Antwort auf die Frage „Darf ich das überhaupt?“. Verständlich und ohne Fachchinesisch.
Was steht als Nächstes an?
Als Nächstes bekommt PixxelSpeak eine zweite kleine KI, die ebenfalls auf meinem Rechner läuft. Sie soll den Text feinschleifen: Verhaspler, Stotterer und Füllwörter raus, Selbstkorrekturen auflösen („Dienstag, nein Mittwoch“ wird zu „Mittwoch“) und auf Wunsch aus dem Diktat eine fertige Mail mit Anrede und Absätzen machen. Dazu kommt ein Wörterbuch für Namen und Abkürzungen. Dann landet „Pixxelpassion“ endlich auch mit Doppel-x im Text, und das Buchstabieren hat ein Ende.
Ob die kleine KI auf meinem Laptop schnell genug ist? Es bleibt spannend. Wie du mit KI Texte für deine Website schneller schreibst, zeige ich dir übrigens in meinem ChatGPT-Tutorial für Landingpages.
Fazit
Diktieren statt tippen spart Zeit, bei mir grob geschätzt rund 70 % bei der Texteingabe. Ich bin dadurch im Alltag viel schneller, vor allem bei Mails, Nachrichten und losen Gedanken. Für einen ersten Test reicht die Spracheingabe von Windows, mit mehr Nacharbeit. Sobald Kundendaten ins Spiel kommen, lohnt sich ein genauer Blick, wo deine Sprache verarbeitet wird. Für mich war die Antwort klar: auf meinem eigenen Rechner.
Für wen passt das nicht? Wenn du kaum Texte schreibst oder in einem Großraumbüro sitzt, in dem jeder mithört, bringt dir Diktat wenig.
Häufige Fragen
Funktioniert das wirklich in jedem Programm?
Bei mir in jedem Eingabefeld, in das ich auch tippen kann: Mail, Word, Browser, ChatGPT, Buchhaltung. Die einzige Ausnahme sind Fenster, die mit Administratorrechten laufen. Da lässt Windows aus Sicherheitsgründen keine fremden Eingaben zu.
Brauche ich ein besonderes Mikrofon?
Nein. Ich diktiere entweder mit einem USB-Mikrofon von Fifine oder mit meinem Jabra-Headset. Wichtiger als das Mikrofon ist eine ruhige Umgebung. Ein gutes Headset, das du für Videocalls ohnehin hast, reicht völlig.
Kann ich PixxelSpeak kaufen?
Nicht als fertiges Produkt von der Stange. Aber ich richte dir eine lokale Diktier-Lösung auf den Rechnern in deinem Betrieb ein, inklusive kurzer Einweisung. Sprich mich einfach an.
Ist Diktieren mit der Windows-Taste + H datenschutzkonform?
Die Erkennung läuft über die Cloud von Microsoft. Für Texte ohne personenbezogene Daten ist das unkritisch. Bei Kundendaten solltest du prüfen, ob dein Microsoft-Vertrag das abdeckt, oder auf eine lokale Lösung setzen.
PixxelSpeak auf einen Blick
Frage | Antwort |
|---|---|
Was du brauchst | einen Windows-PC mit 16 GB Arbeitsspeicher und ein Mikrofon oder Headset |
Kosten | 0 € für die Software, nur die einmalige Einrichtung |
Internet | nur einmal beim Einrichten, danach läuft alles offline |
Datenschutz | Die Erkennung läuft auf deinem Rechner, Aufnahmen werden nie gespeichert. |
Sprachen | Deutsch und Englisch, dazu weitere europäische Sprachen |
Tempo | Der Text steht ein bis zwei Sekunden nach dem Sprechen da. |
Funktioniert in | jedem Programm, in das du tippen kannst: Mail, Word, Browser, Buchhaltung |
Erste Version gebaut in | rund 20 Minuten, mit KI-Unterstützung |
Recherche und Entwurf mit KI-Unterstützung, Erfahrung und Redaktion: Chris.
Aktualisierungen dieses Artikels
- 22.10.2026: Erstveröffentlichung
Quellen
- Microsoft Support: Spracheingabe zum Sprechen statt Tippen verwenden
- Wispr Flow: Preise (Stand 08.10.2026)
- Wispr Flow: Datenschutz (Stand 08.10.2026)
- NVIDIA Parakeet TDT 0.6B v3, Modellkarte
