David Gewirtz, Senior Contributing Editor bei ZDNET, hat seit Februar dieses Jahres 120.896 Wörter mithilfe von KI-gestützten Spracherkennungstools diktiert. Dies entspricht dem Umfang von etwa 120 Artikeln und verteilte sich auf 2.314 einzelne Mikrofonsitzungen, bei denen er durchschnittlich 24 Wörter pro Diktatsequenz sprach. Allein in den letzten drei Monaten hat Gewirtz 50.234 Wörter diktiert, wie er am 5. August 2026 berichtete.
Die Nutzung von Spracherkennung hat Gewirtz als primäre Eingabemethode etabliert, um sein Handgelenk zu schonen, welches zu Karpaltunnelsymptomen neigt. Er stellt fest, dass sich die Qualität, Geschwindigkeit und Genauigkeit von Diktatfunktionen durch Fortschritte in der Künstlichen Intelligenz (KI) in den letzten Jahren erheblich verbessert haben, nachdem frühere Versuche weniger erfolgreich waren.
Einsatzbereiche und Geschwindigkeitsvorteile
Gewirtz setzt Spracherkennung häufig für spezifische Aufgaben ein, die keine umfangreiche Formatierung oder präzise Wortwahl erfordern. Dazu gehören die Arbeit mit Programmierassistenten wie Claude Code oder OpenAI’s Codex, die Kommunikation in Slack und Google Chat, das Beantworten von E-Mails, das Verfassen von Notizen sowie die Eingabe von Suchanfragen und Prompts für KI-Modelle wie ChatGPT, Gemini oder Claude Code.
Ein wesentlicher Vorteil ist die Geschwindigkeit: Gewirtz kann durchschnittlich 118 Wörter pro Minute diktieren, während seine Tippgeschwindigkeit im Bereich von 70 bis 80 Wörtern pro Minute liegt. Er betont, dass das Sprechen bei der Beschreibung von Features, Verhaltensweisen oder Fehlern deutlich schneller und handgelenkschonender ist als das Tippen.
Grenzen bei der Artikelproduktion
Trotz der intensiven Nutzung diktiert Gewirtz seine Artikel in der Regel nicht vollständig. Er verfasst lediglich einzelne Abschnitte per Spracheingabe, tippt den Großteil jedoch weiterhin manuell. Der Grund hierfür liegt in den Defiziten der Spracherkennung bei der Formatierung von Texten. Das Erstellen von Tabellen, Aufzählungen, eingerückten Zitaten oder anderen strukturellen Elementen eines Artikels erfordert nach wie vor manuelle Nachbearbeitung. Für das „Feintuning“ von Sätzen und die präzise Wortwahl bei der Artikelerstellung empfindet er das Tippen als effektiver.
Wichtige Kriterien für Diktat-Tools
Bei der Auswahl von Spracherkennungstools berücksichtigt Gewirtz verschiedene Faktoren. Neben dem Preis sind dies die Datenverarbeitung (lokal oder in der Cloud, was Auswirkungen auf die Privatsphäre hat), die Genauigkeit der Transkription und die Möglichkeiten zur Korrektur des diktierten Textes. Besonders wichtig sind für ihn zwei Funktionen:
- Eine anpassbare Wörterbuchfunktion, die es dem System ermöglicht, spezifische Begriffe wie „ZDNET“ korrekt zu schreiben.
- Eine Echtzeit-Korrekturfunktion, die es erlaubt, Fehler während des Diktierens sofort zu korrigieren, sodass die finale Textversion bereits bereinigt ist.
Eine derzeit noch fehlende Funktion bei den meisten Spracherkennungsprodukten ist die Möglichkeit, bereits eingefügte Wörter selektiv zu bearbeiten. Diese Funktion ist nur in den nativen Systemsteuerungen von macOS (Voice Control) oder Windows (Voice Access) verfügbar, welche jedoch oft mit externen Diktat-Tools in Konflikt geraten können.
Thema: Technologie / KI allgemein. Quelle/Inspiration: ZDNet.