Die gefährlichsten Transkriptionsfehler lesen sich einwandfrei

Ein norwegisches Interview, saubere Aufnahme. Die interviewte Person sagt, sie sei ihrem Partner nicht untreu gewesen. Im Transkript einer Engine sagt sie, sie habe sich dafür entschieden, untreu zu sein.

Der Satz ist grammatisch korrekt. Keine Tippfehler. Selbst im Kontext stört er nicht. Wer ihn liest, hat keinen Grund, innezuhalten.

Eine gekippte Verneinung ist der schlimmste Fehler, den ein Interviewtranskript haben kann

Ist ein Wort falsch geschrieben, fällt das Lesern meist auf. Ist die Bedeutung umgekehrt, fällt es ihnen nicht auf.

Der norwegische Fall war kein Einzelfall. Später haben wir fünf weitere norwegische Ausschnitte durch Gemini und Qwen laufen lassen. Beide produzierten an klar verständlichen Stellen dieselbe Art von Fehler.

Auf Englisch passiert es auch. Aus "You're still not a cop" wurde in beiden Spracherkennungsmodellen von Qwen "still a cop". Das "not" war einfach weg.

Wir haben versucht, dem Modell direkte Anweisungen zu geben: Jede Verneinung genau so beibehalten, wie sie gesprochen wurde, alles markieren, was nicht zu hören ist, nichts ergänzen. Es änderte nichts. Das "not" verschwand trotzdem.

Eine Mehrheitsabstimmung rettet Sie nicht

Die naheliegende Lösung: mehrere Engines laufen lassen und der Mehrheit folgen.

In fünf Sprachen (Russisch, Koreanisch, Ukrainisch, Norwegisch und Spanisch) fanden wir Stellen, an denen mehrere Engines denselben Fehler machten und die richtige Fassung in der Minderheit war. In vier davon ging es um eine Verneinung oder eine umgekehrte Bedeutung. Im norwegischen Fall kippten fünf Engines die Aussage, nur eine lag richtig. Lässt man abstimmen, gewinnt die falsche Antwort.

Der Grund: Eine einzige undeutliche Stelle im Audio kann mehrere Engines dazu bringen, dasselbe Falsche zu "hören". Ihre Fehler sind nicht unabhängig voneinander.

Unsere Regel lautet deshalb: Wo Verneinung oder umgekehrte Bedeutung im Spiel ist, zählt Übereinstimmung zwischen Engines nichts. Wir brauchen handfeste Belege, etwa die Logik der umgebenden Sätze oder dass die sprechende Person den Punkt kurz darauf noch einmal sagt. Fehlen sie, wird die Stelle markiert, damit ein Mensch sie anhört. Diese Entscheidung treffen wir nicht an Stelle der Leser.

Flüssige Fehler sind schwerer zu erkennen als offensichtliche

Gekippte Verneinungen sind eine Sorte. Es gibt eine subtilere.

Wir haben eine Testaufnahme gebaut: ein spanisches Gespräch, in dessen Mitte eine Zeile Chinesisch eingefügt ist, "你是谁?" („Wer bist du?“). Eine Engine hat das Chinesische nicht transkribiert. Sie hat es übersetzt und "¿Quién eres?" geschrieben. Das gesamte Transkript enthielt kein einziges chinesisches Zeichen und las sich einwandfrei. Wer kein Chinesisch spricht und die Aufnahme nicht angehört hat, würde nie erfahren, dass dort eine andere Sprache gesprochen wurde.

Gemeinsam ist diesen Fehlern, dass das Transkript völlig in Ordnung aussieht. Durch Lesen findet man sie nicht. Jemand muss Ihnen sagen, welche Sekunde Sie anhören sollen.

Ein Transkriptionstool sollte Ihnen sagen, wo es unsicher ist

Sagen Ihnen die Transkriptionstools, die tatsächlich genutzt werden, also „bei dieser Stelle bin ich mir nicht sicher“? Im September 2026 haben wir 15 verbreitete Tools durchgesehen: Hilfecenter, Produktdokumentation, API-Dokumentation und Changelogs. Wir haben auf drei Dinge geachtet: ob das Tool überhaupt etwas als zweifelhaft kennzeichnet, worauf es sich dabei stützt und ob es Ihnen eine Stelle nennt oder nur eine Farbe zeigt.

Drei färben Wörter im Editor ein. Alle drei stützen sich dabei auf die Einschätzung der Engine über ihre eigene Arbeit:

• Sonix hat eine zuschaltbare Heatmap, die jedes Wort danach einfärbt, wie sicher sich die Engine ist. Heller heißt weniger sicher. Sonix selbst weist darauf hin, dass ein helles Wort "not necessarily an error" ist.
• Rev hat im Editor einen Schalter, der Wörter grau hervorhebt, die seine Engine als möglicherweise falsch markiert hat.
• Happy Scribe zeigt Wörter mit geringer Konfidenz in Rot (unsere Quelle ist sein eigenes Untertitel-Tutorial, aktualisiert 2025; eine neuere Anleitung zum Editor erwähnt es nicht, daher haben wir die aktuelle Oberfläche nicht überprüft).

Zwei nur in Exporten oder in der API. Amberscript liefert im JSON seiner API einen Konfidenzwert pro Wort, allerdings nicht in Untertitel- oder Textexporten; der eigene Blog von transcribe.com beschreibt den Export eines Konfidenzwerts pro Absatz, nicht pro Wort. Keines der beiden zeigt, soweit wir sehen konnten, im Editor etwas an.

Eines einmal dokumentiert, aktueller Stand unbestätigt. Der eigene Blog von Descript beschreibt einen Assistenten, der Wörter markiert, die er für wahrscheinliche Transkriptionsfehler hält, eingeführt 2021 und damals noch in der Beta. Die aktuelle Hilfedokumentation erwähnt die Funktion nicht mehr, und wir konnten nicht bestätigen, ob sie noch im Editor vorhanden ist.

Bei den übrigen neun fanden wir nichts: Transkriptor, Otter.ai, Fireflies.ai, Notta, Noota, Trint, Riverside, Dovetail und TurboScribe – bei dem nur Artikel Dritter behaupten, dass Wörter mit geringer Konfidenz gelb hervorgehoben werden. Auf seiner eigenen Startseite, seinen Supportseiten und seinen Einstiegsartikeln fanden wir keinen Hinweis darauf, und sein Editor liegt hinter einem Login, sodass wir es weder bestätigen noch ausschließen konnten.

Dass wir etwas nicht gefunden haben, heißt nicht, dass es nicht existiert. Manche API-Dokumentation liegt hinter einem Login oder wird per Skript geladen, und wir konnten nicht alles lesen. Wenn Sie eines dieser Tools nutzen und es die Funktion doch hat, sagen Sie es uns, dann korrigieren wir das.

Eine Engine, die sich selbst benotet, ist nicht dasselbe wie Engines, die sich widersprechen

Die drei Tools mit dieser Funktion markieren alle dasselbe: die Einschätzung einer einzelnen Engine, wie sicher sie sich selbst ist.

Und diese Einschätzung ist wackliger, als die meisten annehmen. Eine CHI-Studie von 2025 testete neun Transkriptionssysteme an 120 Aufnahmen und ließ dann 36 Personen Transkripte korrigieren, angeleitet durch Konfidenz-Hervorhebungen und ohne die Möglichkeit, das Audio abzuspielen. Auf Wortebene überlappten sich die Werte für richtige und falsche Wörter so stark, dass sich kein Schwellenwert sinnvoll setzen ließ: Setzt man ihn niedrig, rutschen die meisten Fehler durch; setzt man ihn hoch, war das meiste Markierte von vornherein richtig. In dieser Studie machte die Konfidenz-Hervorhebung das Korrigieren weder schneller, noch empfanden die Personen, die sie nutzten, sie als hilfreich.

Deshalb ist „Zeigt dieses Tool Konfidenzwerte an?“ nicht die nützliche Frage. Die nützliche Frage ist, worauf es den Zweifel stützt.

Das ist wirklich nützlich, hat aber einen blinden Fleck. Hört eine Engine etwas selbstsicher falsch, schlägt ihre eigene Einschätzung keinen Alarm.

Unser Ansatz: Mehrere Engines transkribieren dieselbe Aufnahme, und wir markieren die Stellen, an denen sie sich nicht einig sind, dazu Namen, Firmen und Fachbegriffe, bei denen sich Fehler häufen. Jede Markierung trägt einen Zeitstempel, und ein Klick spielt genau diese Sekunde ab. Erst wenn jede Markierung erledigt ist, meldet das Produkt, dass das Transkript bereit zum Export ist.

Auch das fängt nicht alles ab. Wenn mehrere Engines dieselbe Stelle auf genau dieselbe Weise falsch verstehen, sind sie sich „einig“, und nichts wird markiert. Deshalb prüfen wir Verneinungen und umgekehrte Bedeutungen auch dann, wenn alle Engines dasselbe sagen.

Was wir versprechen können: Sie müssen nicht die ganze Aufnahme noch einmal abspielen. Nur die Stellen, an denen Zweifel angebracht sind.