Kurzfassung

Wer unter Schweigepflicht arbeitet, will beim Diktieren wissen, wohin der Ton geht. Unter Windows gibt es zwei eingebaute Wege mit sehr unterschiedlichem Verhalten, dazu offene Modelle wie Whisper, die auch auf Laptops ohne NVIDIA-Karte laufen. Die eigentlichen Hürden liegen woanders: bei erfundenen Textstellen, Fachbegriffen und der Frage, wie du nachweist, dass wirklich nichts das Gerät verlässt.

Seit ich NotesScript baue, bekomme ich eine Frage immer wieder: „Gibt es das auch für Windows?“

Die ehrliche Antwort: Von mir nicht. Ich baue NotesScript Translate fürs iPhone, die Spracherkennung läuft dort auf dem Gerät, auch im Flugmodus. Die iPhone-Beta ist seit dem 15. September 2026 offen und kostenlos[10]. Eine Windows-Fassung gibt es nicht.

Die Frage kommt aber fast immer von denselben Leuten: aus Kanzleien, Praxen und Steuerbüros. Dort steht der Rechner mit Windows auf dem Schreibtisch, nicht das iPhone. Also habe ich nachgesehen, was unter Windows heute geht, und dabei nur das aufgeschrieben, was die Hersteller und Projekte selbst dokumentieren.

Wenn dir der Unterschied zwischen lokal und Cloud noch nicht ganz klar ist, lies zuerst Diktieren, ohne dass jemand mithört oder Was zwischen Sprechen und fertigem Text passiert.

Warum die Frage für Berufsgeheimnisträger so wichtig ist

§ 203 StGB stellt das unbefugte Offenbaren fremder Geheimnisse unter Strafe, bis zu einem Jahr Freiheitsstrafe oder Geldstrafe[8]. Genannt werden unter anderem Ärztinnen und Ärzte, Apotheker, Berufspsychologen, Rechtsanwälte, Notare, Patentanwälte, Wirtschaftsprüfer, Steuerberater sowie Berater in anerkannten Beratungsstellen.

Das Gesetz verbietet externe Dienstleister nicht grundsätzlich. Nach § 203 Abs. 3 dürfen Geheimnisse gegenüber Personen offenbart werden, die an der beruflichen Tätigkeit mitwirken, soweit das erforderlich ist. Abs. 4 macht aber strafbar, wer nicht dafür sorgt, dass diese mitwirkenden Personen zur Geheimhaltung verpflichtet wurden[8].

Dazu kommt der Datenschutz. Verarbeitet ein Dienst die Aufnahme in deinem Auftrag, verlangt die DSGVO dafür in Art. 28 einen Vertrag mit festgelegten Pflichten. Art. 32 verlangt unabhängig davon angemessene technische und organisatorische Maßnahmen zur Sicherheit der Verarbeitung[9].

Meine Einschätzung, keine Rechtsberatung: Ein Cloud-Diktat ist für Berufsgeheimnisträger nicht automatisch verboten. Es zieht aber Verträge, Verpflichtungen und Prüfungen nach sich. Bleibt die Aufnahme auf dem Gerät, fällt ein großer Teil davon weg. Die Pflicht, das eigene Gerät abzusichern, bleibt.

Was Windows selbst mitbringt

Hier lohnt der genaue Blick, denn Windows hat zwei Diktierwege, die sich grundlegend unterscheiden.

FunktionWo erkannt wirdWas Microsoft dazu schreibt
Spracheingabe (Windows-Taste + H)OnlineNutzt die Online-Spracherkennung, unterstützt von Azure-Sprachdiensten. Internetverbindung erforderlich. Deutsch wird unterstützt[1].
Sprachzugriff (Windows 11 ab 22H2)Auf dem GerätBei der Einrichtung werden Sprachdateien für die Spracherkennung auf dem Gerät geladen, danach geht es ohne Internet. Deutsch (Deutschland) wird unterstützt[3].
Flüssiges DiktatAuf dem GerätKleine Sprachmodelle auf dem Gerät, laut Microsoft nur auf Copilot+ PCs und nur auf Englisch[1].

Zur Online-Spracherkennung schreibt Microsoft, dass Sprachdaten nur gesendet werden, um den Dienst bereitzustellen und Text zu erzeugen. Bei der gerätebasierten Erkennung werden laut Microsoft keine Sprachdaten an Microsoft gesendet. Die Online-Spracherkennung lässt sich in den Datenschutzeinstellungen von Windows abschalten (Microsofts englische Anleitung nennt den Pfad Privacy & security → Speech); danach stehen in Windows 11 nur noch gerätebasierte Funktionen zur Verfügung[2]. Für eine Funktion des Sprachzugriffs, die die Erkennung an deine Stimme anpasst, schreibt Microsoft ausdrücklich, dass die gesamte Verarbeitung auf dem Gerät stattfindet[4].

Heißt für dich: Das bekannte Windows-Taste + H ist nach Microsofts eigener Beschreibung ein Online-Dienst. Wer unter Windows ohne Cloud diktieren will, findet beim Sprachzugriff einen eingebauten Weg. Ob er für lange Schriftsätze bequem genug ist, musst du selbst ausprobieren.

Whisper: ein offenes Modell für den eigenen Rechner

Der zweite Weg sind offene Modelle. Das bekannteste ist Whisper von OpenAI. Code und Modellgewichte stehen unter der MIT-Lizenz, es gibt sechs Modellgrößen[5]. Die schlanke Umsetzung whisper.cpp läuft unter Windows und nennt für jedes Modell den Speicherbedarf[7]:

ModellParameterSpeicherbedarf in whisper.cpp
tiny39 Mio.ca. 273 MB
base74 Mio.ca. 388 MB
small244 Mio.ca. 852 MB
medium769 Mio.ca. 2,1 GB
large1.550 Mio.ca. 3,9 GB

Parameter laut OpenAI[5], Speicherbedarf laut whisper.cpp[7]. Wichtig: Laut OpenAI schwankt die Qualität von Whisper stark je nach Sprache[5].

Und auf einem Laptop ohne NVIDIA-Karte?

Die meisten Büro-Laptops haben keine eigene Grafikkarte, sondern eine im Prozessor integrierte Intel-Grafik. Das ist kein Ausschlusskriterium. whisper.cpp unterstützt reine CPU-Berechnung. Über Intels OpenVINO kann zusätzlich der Encoder, also ein Teil des Modells, auf x86-Prozessoren und Intel-Grafik ausgeführt werden, ausdrücklich auch auf integrierter Grafik. Der erste Lauf auf einem Gerät dauert länger, weil das Modell dafür einmal übersetzt und dann zwischengespeichert wird[7].

Was ich nicht habe: eigene Messungen auf solchen Laptops mit deutschen Fachtexten. Meine Einschätzung ist, dass die kleinen und mittleren Modelle dort am ehesten alltagstauglich sind und die großen spürbar warten lassen. Belastbar ist das erst, wenn du es auf deinem Gerät mit deinen eigenen Diktaten testest.

Die eigentlichen Hürden

1. Text, der nie gesagt wurde

OpenAI schreibt in der Modellbeschreibung selbst, dass Whisper Text ausgeben kann, der in der Aufnahme gar nicht gesprochen wurde. Von einem Einsatz in Hochrisiko-Bereichen wie Entscheidungssituationen rät OpenAI ab[6]. Für einen Schriftsatz, einen Befund oder ein Gutachten heißt das: Kein erkannter Text sollte ungelesen übernommen werden.

2. Fachbegriffe und Namen

Aktenzeichen, Paragrafen, Medikamente, Mandantennamen. Hier stolpert jede Spracherkennung. Ein Werkzeug für den Berufsalltag braucht deshalb eine Möglichkeit, eigene Begriffe einmal zu korrigieren und wiederzuverwenden.

3. „Offline“ muss prüfbar sein

Ein Werbeversprechen reicht dir nicht, und deinem Datenschutzbeauftragten auch nicht. Der einfachste Test: Netzwerk trennen und diktieren. Gründlicher ist ein Blick in die Firewall, ob das Programm Verbindungen aufbaut, und in die Einstellungen, ob Zusatzfunktionen wie Zusammenfassungen doch einen Server nutzen.

4. Das Gerät selbst

Lokal verlagert die Verantwortung auf deinen Rechner. Wenn Diktate als Datei oder in der Zwischenablage liegen, gehört das in dein Sicherheitskonzept: Verschlüsselung, Sperrbildschirm, Datensicherung. Das ist der Teil, den Art. 32 DSGVO meint[9].

Vier Fragen vor dem ersten Diktat

  1. Wo wird erkannt? Steht in der Dokumentation, dass die Erkennung auf dem Gerät läuft, oder nur „sicher“ und „verschlüsselt“?
  2. Funktioniert es ohne Netz? Einmal mit getrennter Verbindung ausprobieren.
  3. Was passiert danach? Gehen Text, Zusammenfassung oder Übersetzung irgendwohin?
  4. Wie prüfst du den Text? Gibt es einen Schritt, in dem du gegenliest, bevor der Text im Schriftsatz landet?

Wie ich lokale Transkription grundsätzlich beurteile, steht ausführlicher in Lokale Transkription richtig gemacht.

Mein Fazit

Lokale Spracherkennung unter Windows ist kein Zukunftsthema mehr. Windows bringt mit dem Sprachzugriff einen Weg auf dem Gerät mit, und offene Modelle wie Whisper laufen auch auf Laptops ohne NVIDIA-Karte. Die Technik ist nicht die größte Hürde. Schwieriger sind die Fragen, die bei jeder Spracherkennung bleiben: Stimmt der Text, und kannst du belegen, dass er dein Gerät nie verlassen hat?

Auf dem iPhone beantworte ich diese Fragen mit NotesScript für mich selbst. Wenn du sehen willst, wie sich lokales Mitschreiben anfühlt, findest du die kostenlose iPhone-Beta auf notesscript.de.

Quellenverzeichnis

  1. Microsoft Support: Verwenden der Spracheingabe zum Sprechen statt Tippen auf Ihrem PC, abgerufen am 10.11.2026 (Spracheingabe nutzt Online-Spracherkennung mit Azure-Sprachdiensten, Internetverbindung nötig, Windows-Taste + H, Deutsch unterstützt; Flüssiges Diktat mit kleinen Sprachmodellen auf dem Gerät, nur Copilot+ PCs, nur Englisch).
  2. Microsoft Support: Speech, voice activation, inking, typing, and privacy, abgerufen am 10.11.2026 (gerätebasierte Erkennung sendet keine Sprachdaten an Microsoft; Online-Erkennung sendet Sprachdaten zur Bereitstellung des Dienstes; bei abgeschalteter Online-Erkennung nur gerätebasierte Funktionen; Einstellungspfad).
  3. Microsoft Support: Set up voice access, abgerufen am 10.11.2026 (Windows 11 ab 22H2; Sprachdateien für Spracherkennung auf dem Gerät; Internet nur für die Ersteinrichtung; Deutsch (Deutschland) unterstützt).
  4. Microsoft Support: Improve speech recognition with voice access, abgerufen am 10.11.2026 (Verarbeitung vollständig auf dem Gerät, keine Sprachaufnahmen hochgeladen).
  5. github.com/openai/whisper, abgerufen am 10.11.2026 (MIT-Lizenz für Code und Modellgewichte; sechs Modellgrößen mit Parameterzahlen; Qualität schwankt stark je nach Sprache).
  6. OpenAI Whisper Model Card, abgerufen am 10.11.2026 (Ausgaben können Text enthalten, der nicht gesprochen wurde; Empfehlung gegen Einsatz in Hochrisiko-Bereichen).
  7. github.com/ggml-org/whisper.cpp, abgerufen am 10.11.2026 (Windows-Unterstützung; reine CPU-Berechnung; OpenVINO für den Encoder auf x86-CPUs und Intel-GPUs einschließlich integrierter Grafik; langsamer erster Lauf; Speichertabelle je Modell).
  8. § 203 StGB, gesetze-im-internet.de, abgerufen am 10.11.2026 (Berufsgruppen in Abs. 1; Strafrahmen; Offenbaren gegenüber mitwirkenden Personen nach Abs. 3; Verpflichtung zur Geheimhaltung nach Abs. 4).
  9. Verordnung (EU) 2016/679 (DSGVO), EUR-Lex, abgerufen am 10.11.2026 (Art. 28: Auftragsverarbeitung auf Grundlage eines Vertrags; Art. 32: Sicherheit der Verarbeitung).
  10. notesscript.de, abgerufen am 10.11.2026 (iPhone-Beta seit 15. September 2026, kostenlos während der Beta, Sprachmodell auf dem Gerät).

Transparenz: NotesScript ist meine eigene App, derzeit nur fürs iPhone; eine Windows-Fassung gibt es nicht. Mit Microsoft, OpenAI oder den Entwicklern von whisper.cpp besteht keine Kooperation, ich erhalte keine Provision. Alle Angaben ohne Gewähr. Die rechtlichen Hinweise sind keine Rechtsberatung; für deinen Einzelfall wende dich an deine Kammer oder eine Fachanwältin bzw. einen Fachanwalt. Der Artikel wurde mit KI-Unterstützung (Claude) recherchiert und geschrieben; Fakten und Quellen wurden geprüft, die redaktionelle Verantwortung liegt bei Marco Fuhrmann.