KI-Transkriptionsassistenten: Marktbericht 2026

Der Markt für KI-Transkriptionsassistenten hat 2026 seinen Charakter geändert. Das Protokoll selbst ist zum Gemeingut geworden, und der Wert wandert in zwei Richtungen gleichzeitig ab: nach unten in die Bundles der Plattformbetreiber, nach oben in die Kontextschicht für KI-Agenten. Dazwischen steht ein Standalone-Segment, das sich neu begründen muss.

Dieser Bericht ordnet die Kategorie nicht nach Funktionen. Funktionen haben hier eine Halbwertszeit von wenigen Monaten, weil Bot-Infrastruktur und Spracherkennung zukaufbar sind. Stattdessen entlang zweier Merkmale, die eine Architekturentscheidung sind und keine Roadmap-Frage: wie ein Anbieter an das Audio kommt und wer bei ihm den Scheck unterschreibt. Daraus fallen sechs strategische Gruppen, die untereinander kaum konkurrieren, obwohl sie in den meisten Marktübersichten in derselben Tabelle stehen.

Transparenzhinweis: Dieser Bericht erscheint im Blog von Sally, und Sally gehört selbst in eine der sechs beschriebenen Gruppen. Wo unsere eigene Position betroffen ist, steht das ausdrücklich im Text, auch dort, wo das Argument gegen uns läuft. Die Prognose zur Souveränitätsprämie am Ende von Kapitel fünf ist so eine Stelle.

Je nachdem, warum du hier bist, lohnt ein Direktsprung:

• Strategie und Investment: die sechs strategischen Gruppen und Kapital und Konsolidierung
• Einkauf und Budget: Preise, Bundling und was ein Sitzplatz wirklich kostet
• IT, Datenschutz und Betriebsrat: Bot gegen bot-less und die Mitbestimmung als kritischer Pfad
• Projektplanung: warum Unternehmen kaufen und wie lange es dauert
• Konkrete Auswahl: die sieben Fragen, die eine Ausschreibung entscheiden

Der Markt in Zahlen

Vorweg eine Einordnung, die den ganzen Rest dieses Kapitels relativiert: Marktzahlen in dieser Kategorie sind Fortschreibungen mit erheblicher Definitionsunsicherheit. Sie sind nützlich für Größenordnungen und wertlos für Punktprognosen.

Zwei Schätzungen, die um den Faktor fünf auseinanderliegen

Zwei gängige Zahlenwerke beschreiben denselben Gegenstand und kommen zu völlig unterschiedlichen Ergebnissen. Der Unterschied liegt nicht in der Rechenqualität, sondern darin, was jeweils als Markt gezählt wird: das enge Segment reiner Notiz- und Transkriptionstools oder der breite KI-Meeting-Assistenten-Markt inklusive Analyse und Plattformfunktionen.

Wer eine dieser Zahlen zitiert, sollte die Definition mitliefern. Und es kommt ein zweiter Effekt hinzu, der beide Prognosen unterläuft: Wenn Microsoft die Funktion ins Bundle nimmt, verschwindet Umsatz aus der Marktdefinition, obwohl die Nutzung steigt. Genau das passiert gerade, siehe Kapitel fünf. Ein schrumpfender ausgewiesener Markt kann in dieser Kategorie also wachsende Verbreitung bedeuten.

Adoption sinkt mit der Unternehmensgröße

Die auffälligste Zahl der Adoptionsstatistik ist nicht der Durchschnitt, sondern das Gefälle. Bei Solo-Professionals und kleinen Teams liegt die Nutzung bei 78 bis 81 Prozent, bei Unternehmen ab 5.000 Mitarbeitern nur bei 43 Prozent. Im Mittelstand zwischen 1.001 und 5.000 Mitarbeitern sind es 61 Prozent. Insgesamt geben 75 Prozent der Professionals an, KI-Notetaker in Arbeitsmeetings zu nutzen, und 67 Prozent der Fortune-500-Unternehmen haben irgendwo in der Organisation eine Lösung im Einsatz. Diese Zahlen stammen aus dem Benchmark-Report von Laxis.

Das Gefälle ist der eigentliche Befund: Die Kategorie wird von unten nach oben adoptiert, nicht von oben nach unten ausgerollt. Wo Beschaffung, Datenschutz und Mitbestimmung greifen, bremst die Organisation, nicht der Nutzen. Das deckt sich mit dem, was 73 Prozent der Unternehmen als Haupthürde nennen: Datenschutz, nicht Preis oder Qualität.

Was die Nutzung real bringt

Auf der Nutzenseite sind die Zahlen robust genug, um damit zu rechnen. 62 Prozent der Nutzer sparen etwa vier Stunden pro Woche, und ein durchschnittlicher Professional verbringt ohne KI-Unterstützung rund 146 Stunden pro Jahr damit, Meeting-Kontext zu rekonstruieren. Vertriebsteams mit vollständiger CRM-Synchronisation berichten von 8 bis 12 gesparten Stunden pro Woche und 15 bis 20 Prozent zurückgewonnener Verkaufszeit.

Bei der Genauigkeit lohnt es sich, zwei Werte auseinanderzuhalten. Führende Modelle erreichen 95 bis 97 Prozent Wortgenauigkeit auf sauberem Audio, aber nur 85 bis 90 Prozent bei mehreren Sprechern mit Überlappungen und Akzenten. Sprechertrennung ist bis etwa acht unterscheidbare Stimmen zuverlässig. Wer eine Genauigkeitszahl ohne Angabe der Aufnahmesituation liest, liest eine Marketingzahl. Für Präsenzmeetings nennt Sally bis zu 98,8 Prozent, wenn mehrere Handys als verteilte Mikrofone im Raum liegen, und genau das ist der Punkt: Die Aufnahmesituation entscheidet, nicht das Modell.

Der ehrlichste Reifegrad-Indikator kommt von Microsoft

Alle Adoptionszahlen zusammen ergeben ein optimistisches Bild. Ein einziger Datenpunkt korrigiert es. Microsoft meldet rund 15 Millionen bezahlte Copilot-Seats bei einer kommerziellen Basis von über 450 Millionen Microsoft-365-Nutzern, also unter vier Prozent Durchdringung.

Das ist der Anbieter mit dem stärksten Distributionsvorteil der Welt, mit vorinstallierter Präsenz in praktisch jedem relevanten Unternehmen. Wenn der bei unter vier Prozent steht, dann befindet sich die gesamte Kategorie noch in der Bottom-up-Phase und nicht in der Konzern-Rollout-Phase. Für die Bewertung von Wachstumsprognosen ist das die wichtigste Zahl in diesem Bericht.

Sechs strategische Gruppen statt einer Funktionstabelle

Eine strategische Gruppe ist eine Menge von Anbietern, die dieselben grundsätzlichen Entscheidungen getroffen haben: ähnliche Architektur, ähnlicher Käufer, ähnliches Preismodell. Der praktische Nutzen der Einteilung: Innerhalb einer Gruppe ersetzt man sich gegenseitig, zwischen Gruppen konkurriert man nur indirekt. Wer Granola und Gong in dieselbe Vergleichstabelle setzt, vergleicht zwei Produkte, die nie um dasselbe Budget kämpfen.

Die zwei Achsen, die sich nicht kopieren lassen

Die erste Achse ist die Capture-Architektur. Kommt der Anbieter als sichtbarer Bot-Teilnehmer in den Call, als lokaler Client auf dem Rechner, oder plattform-nativ von innen aus Teams, Meet und Zoom heraus? Das bestimmt Vertriebsargument, Compliance-Story und Kostenstruktur, und es lässt sich nicht über Nacht wechseln.

Die zweite Achse ist, wer den Scheck unterschreibt: das Individuum mit Kreditkarte, der Team-Lead mit kleinem Budget, IT und Compliance im Konzern, oder der Vertriebsvorstand. Daran hängen Vertragsgröße, Zykluslänge und die Frage, was überhaupt als Kaufargument zählt. Ein Produkt, das für den Datenschutzbeauftragten gebaut ist, gewinnt selten den Kreditkartenkäufer und umgekehrt.

Die sechs Gruppen im Überblick

Gruppe 1 sind Microsoft Copilot, Google Gemini in Meet und Zoom AI Companion. Sie brauchen keinen Bot, weil sie die Plattform sind. Ihr Grenzpreis für eine zusätzliche Zusammenfassung ist praktisch null, weil die Funktion im Bundle mitläuft. Sie gewinnen nicht über Produktqualität, sondern darüber, dass kein neuer Lieferant onboarden muss. Diese Gruppe setzt den Preisanker für alle anderen, ohne selbst am Preis zu kämpfen.

Gruppe 2 sind die horizontalen Bot-Plattformen wie Fireflies, Otter, tl;dv, Avoma und Read AI: bot-basiert, produktgetrieben gewachsen, stark bei der Integrationsbreite. Fireflies hat je nach Quelle 16 bis 20 Millionen Nutzer und eine Milliardenbewertung erreicht, Otter ist seit 2016 im Markt und entsprechend bekannt. Diese Gruppe steht 2026 am unangenehmsten da, weil sie von zwei Seiten gedrückt wird: von unten durch Gratisangebote, von oben durch Bundling.

Gruppe 3 sind die bot-less und local-first Clients, unter anderem Granola, Fathom, Bluedot und Krisp. Ein lokaler Client nimmt das Systemaudio des Rechners auf, es tritt sichtbar niemand dem Call bei. Das löst mehrere praktische Probleme auf einmal: Der Bot muss nicht aus dem Warteraum zugelassen werden, die Verzögerung von zehn bis dreißig Sekunden beim Beitritt entfällt, und in Umgebungen, in denen die IT Bots auf Admin-Ebene blockiert, funktioniert es überhaupt erst.

Gruppe 4 ist Revenue Intelligence mit Gong, Clari und Salesloft. Für sie ist das Meeting nur eine Datenquelle, das Produkt ist Pipeline-Analyse und Coaching. Verkauft wird an den Vertriebsvorstand, nicht an die IT, und der Jahresvertrag liegt eine Zehnerpotenz über dem eines Notetakers. Wichtig für die Marktbewertung: Diese Gruppe ist gegen Copilot-Bundling relativ immun, weil ihr Wert nicht in der Notiz liegt. Rund 27,7 Prozent der Außendienstteams nutzen bereits Conversation Intelligence.

Gruppe 5 sind die souveränitäts- und compliance-getriebenen Regionalanbieter, in Deutschland unter anderem Sally und tucan.ai. Das Verkaufsargument ist nicht die bessere Zusammenfassung, sondern der belastbare Auftragsverarbeitungsvertrag, EU-Hosting, Transparenz über die gesamte Sub-Prozessor-Kette und der schriftliche Ausschluss von KI-Training auf Kundendaten. Gekauft wird hier aus Risikovermeidung, nicht aus Produktivitätsfreude, und der Käufer ist der Datenschutzbeauftragte oder die IT-Sicherheit. Was Sally in diesem Punkt konkret zusichert, steht auf der Seite zu DSGVO und Sicherheit.

Eine Einschränkung gehört zu dieser Einteilung dazu: Die Gruppen sind über Architektur und Kaufmotiv definiert, nicht über den Funktionsumfang. Ein Anbieter kann in Gruppe 5 gekauft werden und trotzdem Funktionen mitbringen, die mit Compliance nichts zu tun haben. Sally ist dafür das Beispiel im eigenen Haus: Das Kaufmotiv ist meist Gruppe 5, das Produkt reicht mit durchsuchbarem Gesprächsbestand und Assistenzfunktionen aber in die Wissensschicht hinein, um die es in Baustein 4 des Preiskapitels geht. Umgekehrt gilt dasselbe: Wer Gruppe 5 pauschal mit „nur Datenschutz" gleichsetzt, unterschätzt die Gruppe.

Warum die Zulieferer-Gruppe die ganze Kategorie erklärt

Gruppe 6 wird in Marktübersichten meist weggelassen, weil sie kein Endkundenprodukt verkauft. Sie ist trotzdem die wichtigste Gruppe des Berichts. Dazu gehören die vertikalen Spezialisten für Healthcare, Legal und Recruiting, vor allem aber die Infrastruktur darunter: Recall.ai als Bot-Infrastruktur sowie AssemblyAI, Deepgram und ElevenLabs als Spracherkennungs-Schicht.

Der Schluss daraus ist unbequem und trägt den Rest des Berichts. Ein Startup kann für einen niedrigen vierstelligen Monatsbetrag ein funktional konkurrenzfähiges Produkt zusammenstecken. Es gibt in dieser Kategorie fast keine technischen Eintrittsbarrieren. Daraus folgt zwingend, dass der Burggraben architektonisch nicht in der Transkription liegen kann. Wer hier investiert und den Vorsprung in der Transkriptqualität sucht, sucht an der falschen Stelle. Der Vorsprung liegt im Vertrieb, in der Compliance-Position, im Datenbestand oder in der Einbettung in bestehende Prozesse.

Bot oder kein Bot: die Debatte des Jahres

Die vorherrschende Marktnarrative 2026 ist eindeutig: Der Bot ist zur Haftung geworden. Die Sammelklage gegen Otter, inzwischen konsolidiert als In re Otter.AI Privacy Litigation, hat einen Verdacht kristallisiert, den Käufer ohnehin hatten. Ein Bot, der standardmäßig beitritt und aufzeichnet, ist kein Komfortfeature, sondern ein Risiko. Das ist die beste Erklärung dafür, warum das Durchbruchsprodukt des Jahres gar keinen Bot verwendet.

Die Zahl, die den Bot erledigt hat

Der entscheidende Befund ist kein juristischer, sondern ein verhaltensbezogener. 84 Prozent der Nutzer ändern ihr Verhalten oder halten Informationen zurück, wenn sie einen KI-Bot im Call bemerken. Wer schon einmal erlebt hat, wie ein Gespräch kippt, sobald jemand sagt „ich lasse das mitschreiben", kennt den Effekt aus eigener Anschauung.

Das ist ein Gesprächsklima-Problem, und es ist ein echtes: Ein Meeting, in dem die relevante Information nicht ausgesprochen wird, ist auch mit perfekter Transkription wertlos. Für dieses Problem ist bot-less die richtige Antwort.

Bot-less löst ein soziales Problem, kein rechtliches

Hier trennt sich die verbreitete Erzählung von der Rechtslage. Die Pflichten bleiben identisch, egal ob die Aufnahme sichtbar im Teilnehmerfenster steht oder unsichtbar auf einem Laptop läuft. Es braucht weiterhin eine Rechtsgrundlage nach Art. 6 DSGVO, die Teilnehmer müssen nach Art. 13 informiert werden, und in Unternehmen mit Betriebsrat greift das erzwingbare Mitbestimmungsrecht nach § 87 Abs. 1 Nr. 6 BetrVG für jede technische Einrichtung, die Verhalten oder Leistung überwachen kann.

Im deutschen Rechtsrahmen kann bot-less die Lage sogar verschärfen. Eine unsichtbare Aufnahme erfüllt die Transparenzpflicht schwerer nachweisbar als eine Beitrittsbenachrichtigung, denn die Benachrichtigung ist ein dokumentierter Hinweis, das Fehlen eines Bots ist keiner. Wer bot-less einführt, muss die Transparenz an anderer Stelle organisieren, etwa über eine explizite Ansage zu Beginn und eine dokumentierte Einwilligung. Welche Regeln in Deutschland konkret gelten, von § 201 StGB bis zur Rolle des Betriebsrats, steht im ausführlichen Rechtsguide zum Aufzeichnen von Meetings.

Die Governance-Lücke der reinen Client-Tools

Das zweite Gegenargument kommt aus der Praxis der IT-Abteilungen. Viele bot-less Werkzeuge sind ihrer Anlage nach persönliche Aufnahme-Apps ohne organisatorische Aufsicht: keine zentrale Policy, keine erzwingbaren Aufbewahrungsregeln, keine Admin-Sicht darauf, wer was aufgenommen hat. Für eine Person auf einem Gerät funktioniert das hervorragend. Die Lücke entsteht in dem Moment, in dem ein Zweiter Zugriff braucht oder ein Admin eine Regel setzen will.

Fair bleibt fair: Das ist kein Argument gegen bot-less, sondern gegen bot-less ohne Verwaltungsebene. Genau daran arbeitet diese Gruppe gerade.

Die Konvergenz läuft auf hybride Architekturen zu

Daraus folgt die zentrale Prognose dieses Kapitels. Der Markt konvergiert nicht auf bot-less als Sieger, sondern auf hybride Architekturen mit einheitlicher Admin-Policy über beide Aufnahmearten. Die Bewegung ist bereits sichtbar: Anbieter positionieren sich inzwischen ausdrücklich damit, beide Modi unter denselben Admin-Kontrollen, Aufbewahrungsregeln und Sicherheitseinstellungen anzubieten.

Übersetzt heißt das: Die Aufnahmeart wird zu einer Einstellung, die der Administrator pro Meetingtyp setzt. Interne Standups laufen lokal, Kundengespräche mit sichtbarem Hinweis, Betriebsratssitzungen gar nicht. Wer nur einen Modus beherrscht, verliert im Konzerngeschäft. Sally deckt beide Seiten ab, mit Bot in Google Meet, Zoom, Microsoft Teams und Webex und mit der App für Präsenztermine, in denen gar kein Call existiert.

Warum und wie schnell Unternehmen kaufen

Die entscheidende Frage ist nicht, welchen Nutzen das Produkt hat. Sie lautet: Was passiert im Unternehmen an dem Tag, an dem jemand beschließt, Geld auszugeben? Das sind zwei verschiedene Dinge, und der Unterschied erklärt die meisten verlorenen Deals.

Pfad A: Shadow IT und die Legalisierungsentscheidung

Der dominierende Fall. Ein einzelner Mitarbeiter lädt sich ein kostenloses Tool, es funktioniert, er zeigt es Kollegen, und innerhalb weniger Monate laufen fünfzig unautorisierte Instanzen im Unternehmen. Dann entdeckt es die IT-Sicherheit. Die Formalisierung folgt typischerweise etwa achtzehn Monate nach dem Beginn, meist ausgelöst dadurch, dass jemand in der Sicherheitsverantwortung bemerkt, wie verbreitet die Praxis inzwischen ist.

Der wichtige Punkt daran: Der formale Kauf ist in diesen Fällen keine Produktivitätsentscheidung, sondern eine Legalisierungsentscheidung. Das Unternehmen kauft, um eine bestehende, unkontrollierte Nutzung in einen kontrollierten Rahmen zu bringen. Das erklärt auch, warum das Tool, das die Mitarbeiter bereits nutzen, den formalen Vertrag oft nicht gewinnt: Sobald Compliance den Prozess führt, ändern sich die Auswahlkriterien komplett.

Pfad B: Der Compliance-Trigger

Ein Audit, eine Anfrage des Betriebsrats, ein Thema mit der Aufsichtsbehörde oder ein Berufsgeheimnisträger-Problem nach § 203 StGB in Kanzleien, Praxen und Steuerberatungen. Das ist der Pfad, auf dem Anbieter der Gruppe 5 überhaupt erst in die Ausschreibung kommen. Ohne diesen Trigger gewinnt fast immer das billigere oder das bereits vorhandene Tool.

Pfad C: Der Revenue-Trigger

Einarbeitungszeit neuer Vertriebsmitarbeiter, CRM-Datenqualität, Forecast-Hygiene, Übergaben zwischen Vertrieb und Lieferung. Hier ist die Zahlungsbereitschaft am höchsten, weil sich der Nutzen direkt einer Umsatzzahl zuordnen lässt. Das ist auch der Grund, warum Gruppe 4 mit Vertragswerten arbeiten kann, die für einen Notetaker undenkbar wären.

Pfad D: Der Wissens-Trigger

Fluktuation und Wissensverlust, verteilte Teams, Mehrsprachigkeit, Integration nach einer Übernahme. Dieser Pfad wird gerade wichtiger, weil er der Übergang zur Agenten-Story ist, die in Kapitel fünf die Preislogik erklärt. Wer aus diesem Grund kauft, kauft nicht ein Protokoll, sondern einen durchsuchbaren Bestand.

Die zwei Bremsen, die man ehrlich nennen muss

Die erste Bremse ist die Mitbestimmung, nicht der Preis. Ohne Betriebsvereinbarung ist die Einführung angreifbar, der Betriebsrat kann nach § 23 Abs. 3 BetrVG die Unterlassung gerichtlich erzwingen, und praktisch bedeutet das ein arbeitsrechtliches Verwertungsverbot für die Ergebnisse. Eine belastbare KI-Betriebsvereinbarung deckt Geltungsbereich, abschließend definierten Zweck, eine abschließende Liste zugelassener Tools, Datenschutz inklusive Auftragsverarbeitung, menschliche Aufsicht bei Personalentscheidungen, die Schulungspflicht nach Art. 4 EU AI Act (verpflichtend seit dem 2. Februar 2025), ein Beschwerdeverfahren sowie Laufzeit und Anpassung ab. Bei kooperativer Zusammenarbeit dauert die Verhandlung typischerweise vier bis acht Wochen.

Die zweite Bremse ist die Bundling-Antwort: „Wir haben doch schon Copilot." Sachlich ist das oft falsch, weil die Copilot-Meeting-Funktionen an Lizenzstufen und an der Teams-Nutzung hängen und heterogene Meetingplattformen nicht abdecken. Als Gesprächskiller funktioniert es trotzdem und verzögert Deals um Monate. Diese Dynamik entscheidet über die Lebensfähigkeit des gesamten Standalone-Segments.

Wie lange eine Einführung realistisch dauert

Eine Durchschnittszahl über alle Segmente wäre hier wertlos. Sinnvoll ist nur die Segmentierung:

Dazu ein Muster, das in Wachstumsprognosen regelmäßig unterschätzt wird: Pilotgröße skaliert nicht linear. Ein Pilot mit zwanzig Nutzern wird nicht einfach zu einem Rollout mit zweihundert, weil der Pilot vom Fachbereich getragen wird, während der Rollout eine neue Genehmigungsschleife durch IT und Betriebsrat auslöst. Die zweite Schleife ist oft länger als die erste. Wer Wachstum aus Pilotkonversion hochrechnet, rechnet systematisch zu optimistisch.

Preise: Spreizung statt Verfall

Die naive Antwort auf die Preisfrage lautet „Preise fallen". Die richtige Antwort ist präziser: Die Kategorie spaltet sich in eine Schicht, deren Preis gegen null geht, und eine Schicht, in der die Preise steigen. Fünf Bausteine erklären, warum.

Baustein 1: Die Basisschicht deflationiert

Transkript plus Zusammenfassung ist ein Gemeingut geworden. Fathom fährt einen unbegrenzten Gratis-Tarif mit unbegrenzter Aufnahme und Speicherung, und Copilot Chat ist für alle Nutzer mit qualifizierendem Microsoft-365-Abo ohne Zusatzkosten enthalten. Gleichzeitig sind die Grenzkosten für eine Meetingstunde durch den Preisverfall bei Spracherkennung und Inferenz im Cent-Bereich angekommen. Ein Sitzplatzpreis von 25 US-Dollar für reine Transkription ist kostenseitig nicht mehr begründbar, und Käufer merken das.

Baustein 2: Bundling ist der strukturelle Bruch des Jahres

Das ist die wichtigste Entwicklung 2026. Zum 1. Juli 2026 hat Microsoft Copilot aus dem Add-on-Modell in die Kern-Suite überführt und es auf der Build 2026 offiziell gemacht: Copilot ist kein befristetes Zusatzangebot mehr, sondern dauerhafter Teil der Microsoft-365-Produktlinie. Der separate Add-on-Preis für kleinere Unternehmen entfällt und geht in gebündelte Pläne über, mehrere Business- und Enterprise-Pläne bekommen Preiserhöhungen. Nach oben ist mit der E7 Frontier Suite seit dem 1. Mai 2026 eine neue Kante eingezogen: 99 US-Dollar pro Nutzer und Monat, inklusive Agent 365 als zentraler Steuerungsebene, um KI-Agenten organisationsweit zu erfassen und abzusichern.

Warum das für die Preisfrage entscheidend ist: In wenigen Quartalen lautet die Antwort auf die Frage „kostet der Notetaker extra" bei Microsoft-Kunden nein. Jeder Standalone-Anbieter argumentiert dann nicht mehr gegen einen niedrigen Preis, sondern gegen einen wahrgenommenen Nullpreis. Das ist eine völlig andere Verkaufssituation und der härteste Gegenwind für die Gruppen 2 und 3.

Die Rechnung dahinter lohnt trotzdem den zweiten Blick, weil der Nullpreis ein wahrgenommener ist. Copilot kostet 30 US-Dollar pro Nutzer und Monat und lässt sich nicht einzeln kaufen, es braucht eine qualifizierende Basislizenz. Mit Microsoft 365 E3 zu 39 US-Dollar landet der Sitzplatz bei 69, mit E5 zu 60 US-Dollar bei 90. Ein Rollout über 1.000 Sitzplätze auf E3-Basis kostet damit rund 828.000 US-Dollar pro Jahr. Dazu kommt ein Effekt, den Einkäufer regelmäßig unterschätzen: 30 bis 40 Prozent der Lizenzen liegen nach 90 Tagen ungenutzt, weil Sitzplätze nicht zugewiesen oder nicht angenommen werden. Sallys eigene Preisübersicht startet zum Vergleich bei 8 Euro pro Monat.

Baustein 3: Vom Sitzplatz zum Verbrauchsmodell

Der zweite strukturelle Bruch betrifft das Abrechnungsmodell selbst. Microsoft macht es vor: Auf den Dynamics-365-Preisseiten stehen inzwischen Copilot-Credits statt fester Gebühren, und die rollenbasierte KI verlagert sich in ein Verbrauchsmodell. Copilot Studio wird extern über Kapazitätspakete abgerechnet, 200 US-Dollar für 25.000 Credits.

Der Grund ist logisch: Sobald Agenten im Spiel sind, korrelieren die Kosten mit der Nutzung und nicht mit der Kopfzahl. Zu erwarten ist für die gesamte Kategorie eine Plattform- oder Basisgebühr plus eine verbrauchsabhängige Komponente für Abrufe, Agentenläufe und Automatisierungen. Für Investoren ist das relevant, weil es die Vorhersagbarkeit des Umsatzes verändert und Umsatzwachstum in Bestandskunden anders entsteht als über reines Sitzplatzwachstum.

Baustein 4: Der Wert wandert nach oben, weg vom Protokoll

Hier liegt der eigentliche Investment-Case, und er ist von den Beteiligten selbst formuliert worden. Granolas Argument lautet, der Wert liege nicht in den Notizen selbst, sondern darin, das in Gesprächen eingeschlossene Wissen für andere Systeme zugänglich zu machen. Wenn ein KI-Agent Kontext aus jedem Meeting ziehen kann, das ein Team jemals hatte, trifft er bessere Entscheidungen über den nächsten Schritt. Weil das Mitschreiben selbstverständlich wird, liegt der Wert darin, Handlungen aus Notizen und Transkripten zu ermöglichen: den Follow-up-Entwurf, die Terminfindung, das Ziehen von Wissen aus Datenbank und CRM, um einen Lead abzuschließen.

Übersetzt heißt das: Wer nur Protokolle verkauft, verkauft ein Gut mit fallendem Preis. Wer den durchsuchbaren Bestand aller Gespräche als Kontextquelle verkauft, verkauft ein Gut mit steigendem Preis, weil der Wert mit dem Bestand wächst und ein Wechsel teuer wird. Praktisch ist das die Achse, auf der eine Wissensdatenbank über alle Gespräche sitzt: nicht das einzelne Protokoll, sondern der durchsuchbare Bestand, den man im Chat befragen kann, statt ihn zu lesen. Sally deckt genau diese Schicht ab und macht den Bestand zusätzlich per MCP direkt aus ChatGPT, Claude oder Copilot heraus abfragbar. Der Punkt daran ist nicht die Schnittstelle, sondern die Richtung: Der Kontext geht dorthin, wo ohnehin gearbeitet wird, statt in einem weiteren Tab auf Besuch zu warten. Die 8.000+ Tool-Verbindungen und 99+ Sprachen sind die Voraussetzung dafür, nicht der Zweck.

Baustein 5: Die Souveränitätsprämie und ihre Verwundbarkeit

Gegenüber compliance-getriebenen Käufern bleibt ein Aufpreis von grob 15 bis 40 Prozent durchsetzbar, weil dort keine Produktivität gekauft wird, sondern Risikoreduktion, und Risikoreduktion ist deutlich preisunelastischer.

Ehrlicherweise gehört dazu die Einschränkung, auch wenn sie gegen das eigene Geschäftsmodell argumentiert: Diese Prämie ist eine Funktion davon, wie vollständig Microsoft und die US-Anbieter ihre EU-Datenresidenz- und Sub-Prozessor-Story schließen. Je lückenloser das gelingt, desto kleiner wird der Aufschlag, den ein regionaler Anbieter durchsetzen kann. Wer heute in Gruppe 5 einkauft, sollte deshalb nicht nur nach dem Serverstandort fragen, sondern nach der gesamten Sub-Prozessor-Kette und nach dem schriftlich zugesicherten Ausschluss von KI-Training auf den eigenen Daten. Das sind die Punkte, die schwerer nachzubauen sind als ein Rechenzentrum in Frankfurt.

Kapital und Konsolidierung

Die Finanzierungslage trennt die Gruppen inzwischen schärfer als jedes Feature-Set.

Wer frisches Kapital hat und wer seit 2021 keins mehr

Auf der einen Seite steht Granola: 125 Millionen US-Dollar Series C bei 1,5 Milliarden Bewertung im März 2026, angeführt von Index Ventures und Kleiner Perkins, insgesamt 192 Millionen in weniger als zwei Jahren. Im Mai 2025 lag die Bewertung noch bei 250 Millionen. Eine Versechsfachung der Bewertung in zehn Monaten wird nicht für Notizen bezahlt, sondern für die These aus Baustein 4. Untermauert wird sie von 250 Prozent Umsatzwachstum im Quartal vor der Ankündigung und einer Wochenretention über 70 Prozent.

Auf der anderen Seite steht die Bot-Plattform-Gruppe. Otter hat seit der Series B im Februar 2021 kein Primärkapital mehr aufgenommen und den Personalstand bis April 2026 auf 278 reduziert. Fireflies hat ebenfalls seit 2021 nicht mehr primär finanziert und lag im April 2026 bei 117 Mitarbeitern. Transaktionsdaten von YipitData zeigen dazu, dass Granola in über 900 mittelständischen Unternehmen aktiv Fathom, Otter und Fireflies verdrängt, bei dreifachem Ausgabenwachstum in sechs Monaten, nahezu keiner Abwanderung und einer Verneunfachung der Neuzugänge von Januar auf Februar 2026.

Drei Prognosen bis 2027

Erstens: Listenpreise für Standalone-Notetaker bleiben nominal stabil, weil niemand freiwillig senkt, aber die effektiv realisierten Preise fallen über Rabatte im Enterprise-Geschäft deutlich. Wer Marktgesundheit an Listenpreisen misst, misst das Falsche.

Zweitens: Wachstum im Umsatz je Kunde entsteht in den nächsten zwei Jahren ausschließlich über Zusatzmodule, nicht über Grundpreiserhöhungen. Die Basisschicht lässt keine Erhöhung mehr zu.

Drittens: Wer bis 2027 nicht in der Agenten- und Governance-Schicht angekommen ist, wird zum Asset-Deal. Ein Produkt, das ausschließlich Protokolle liefert, hat gegen ein Bundle mit wahrgenommenem Nullpreis kein Argument mehr.

Auswahl 2026: sieben Fragen, die entscheiden

Wenn Funktionslisten das schwächste Auswahlkriterium sind, braucht eine Ausschreibung andere Fragen. Diese sieben adressieren genau die Dinge, die sich nicht in einem Quartal nachbauen lassen:

1. Beide Aufnahmearten unter einer Policy? Bot und lokal, mit denselben Admin-Kontrollen, Aufbewahrungsregeln und Rechten.
2. Wo liegen die Daten, und wer sind die Sub-Prozessoren? Der Serverstandort allein ist keine Antwort, die vollständige Kette ist es.
3. Ist der Ausschluss von KI-Training auf euren Daten schriftlich zugesichert? Mündliche Zusagen halten keinem Audit stand.
4. Deckt es eure Meetingrealität ab? Also alle genutzten Plattformen plus Präsenztermine, nicht nur die eine, die im Bundle enthalten ist.
5. Trägt es die Betriebsvereinbarung? Zweckbindung, Rollen und Rechte, Löschfristen und menschliche Aufsicht müssen sich im Produkt abbilden lassen, nicht nur im Vertrag.
6. Kommt der Bestand später wieder heraus? Schnittstelle, Export, Anbindung an CRM und Aufgabensysteme. Das entscheidet, ob ihr in fünf Jahren einen Kontextbestand habt oder ein Archiv.
7. Was kostet es all-in? Inklusive Basislizenzen, Verbrauchskomponenten und der realistisch angenommenen Quote ungenutzter Sitzplätze.

Für den konkreten Toolvergleich mit Preisen und Funktionen gibt es eine eigene Übersicht der besten KI-Meeting-Assistenten im Vergleich. Dieser Bericht beantwortet die Frage davor: in welcher Gruppe ihr überhaupt suchen solltet.

In eigener Sache, und mit derselben Einteilung gemessen: Sally sitzt beim Kaufmotiv in Gruppe 5 und beim Produkt zusätzlich auf der Wissensschicht. Konkret heißt das Aufzeichnung in Google Meet, Zoom, Microsoft Teams und Webex sowie per App im Präsenztermin, Transkription in 99+ Sprachen, bis zu 98,8 Prozent Genauigkeit in Präsenzsituationen mit mehreren Handys laut Sally, ein durchsuchbarer Bestand aller Gespräche samt Chat darüber, Zugriff darauf aus KI-Assistenten heraus, Anbindung an 8.000+ Tools und Hosting ausschließlich in Deutschland durch die Aliru GmbH.

Ebenso klar ist, was Sally nicht ist. Pipeline-Analyse, Deal-Scoring und Vertriebscoaching sind das Feld von Gruppe 4, und wer aus reinem Umsatzmotiv kauft (Pfad C), ist dort besser aufgehoben. Wer dagegen aus Pfad A, B oder D kauft, also eine gewachsene Schatten-IT legalisieren, ein Compliance-Thema lösen oder Wissen gegen Fluktuation und verteilte Teams sichern will, sollte Sally auf der Liste haben. Sally lässt sich 30 Tage kostenlos testen, am aussagekräftigsten mit den eigenen echten Meetings statt mit einer Demo.

Quellen

Marktzahlen, Adoptionsraten und Nutzungsbefunde stammen aus dem Benchmark-Report „The State of Meeting Note-Taking 2026" von Laxis sowie aus den Marktprojektionen von Market Research Future. Die Kategorisierung der Anbieter und die Preisangaben zu Standalone-Tools stützen sich zusätzlich auf die Marktübersichten von AI Tool Directory, Notta und Fellow. Diese Quellen stammen von Marktbegleitern und werden hier namentlich, aber ohne Verlinkung zitiert.

• Granola Series C, Bewertung und Marktthese: The Next Web zur 125-Millionen-Runde bei 1,5 Milliarden Bewertung sowie Entrepreneur Loop mit Wachstums- und Retentionszahlen
• Transaktionsdaten zu Marktanteilen und Verdrängung: YipitData zu Granola gegen Fathom, Otter und Fireflies
• Microsoft-Preise, Bundling und Lizenzvoraussetzungen: Coworker zur Enterprise-Preisstruktur 2026 und Copilot Experts zu Tarifen, E7 Frontier Suite und ungenutzten Lizenzen
• Mitbestimmung und KI-Betriebsvereinbarung: Skill Sprinters zu § 87 BetrVG, Pflichtbestandteilen und EU AI Act
• Rechtslage in Deutschland: Meetings aufzeichnen: was in Deutschland erlaubt ist

Stand des Berichts: August 2026. Preise, Bewertungen und Lizenzbedingungen ändern sich in dieser Kategorie schnell, insbesondere auf Seiten der Plattformanbieter. Für Entscheidungen mit finanzieller oder rechtlicher Tragweite die Angaben beim jeweiligen Anbieter gegenprüfen. Dieser Bericht ist keine Rechts- oder Anlageberatung.