Stell dir ein Vor-Ort-Meeting mit sechs Personen vor. Du clipst dir einen kleinen KI-Rekorder ans Hemd, das Gerät verspricht studioreife Aufnahme. Zwei Kolleginnen sitzen dir gegenüber am langen Tisch, jemand murmelt, zwei reden kurz gleichzeitig. Nach dem Termin liest du das Transkript und merkst: Die Hälfte ist ungenau, und wer was gesagt hat, ist oft nicht klar.
Das ist keine Schwäche eines bestimmten Geräts, sondern die Grenze des Prinzips „ein Gerät, ein Standort". In diesem Artikel schauen wir uns Pocket ehrlich an, wo es stark ist, wo es an Grenzen stößt und welcher Ansatz genau dieses Problem löst.
Was ist Pocket?
Pocket ist ein tragbarer KI-Sprachrekorder des US-Unternehmens Open Vision Engineering Inc. aus San Francisco. Das Gerät ist klein und leicht (rund 52 Gramm), wird an die Kleidung geclippt oder magnetisch getragen und nimmt Gespräche im Raum auf. Über einen Kontaktmikrofon-Sensor erfasst es zudem Telefonate. In der App entstehen daraus Transkripte, Zusammenfassungen, Aufgaben und sogar Mindmaps, unterstützt werden laut Hersteller über 120 Sprachen.
Preislich startet die Hardware bei rund 99 US-Dollar (regulär 199), ein Pro-Abo liegt bei 19,99 US-Dollar pro Monat. Für den Einsatzzweck, für den es gedacht ist, ist Pocket ein cleveres Gerät: persönliche Sprachnotizen, Vier-Augen-Gespräche und Telefonate lassen sich unkompliziert festhalten. Genau hier liegt seine Stärke, und genau hier endet sie auch.
Das Grundproblem: ein Gerät, ein Standort
Jeder Hardware-Rekorder, ob Pocket, Plaud oder ein anderes Gerät, hat dasselbe physikalische Limit: Er nimmt aus einer einzigen Position auf. Solange nur zwei Personen nah beieinander sprechen, funktioniert das gut. In echten Meetings sieht die Realität anders aus.
- Entfernung kostet Qualität. Wer nah am Gerät sitzt, wird klar aufgenommen. Wer am anderen Ende des Tisches sitzt, wird leiser und undeutlicher, und das Modell muss mehr raten.
- Überlappende Stimmen. Sobald zwei Personen gleichzeitig sprechen, vermischen sich die Signale zu einer Spur. Auseinanderzuhalten, wer was gesagt hat, wird zum Ratespiel.
- Sprechertrennung ohne Anker. Ein Einzelgerät ordnet Sprecher rein akustisch zu. In größeren Runden mit ähnlichen Stimmen führt das zu Verwechslungen im Transkript.
Das Ergebnis ist kein schlechtes Produkt, sondern eine bauartbedingte Grenze. Ein besseres Mikrofon oder ein besseres Modell verschiebt sie ein Stück, aufheben kann es sie nicht.
Der andere Ansatz: mehrere Handys werden zu Mikrofonen
Statt zu hoffen, dass ein Gerät den ganzen Raum abdeckt, dreht Sally das Prinzip um. Für Vor-Ort-Meetings lassen sich mehrere Smartphones der Teilnehmenden zu einer gemeinsamen Aufnahme koppeln. Jedes Handy wird zum Nahmikrofon seiner Person. Wie das im Detail funktioniert, zeigt die Seite zur Transkription von Präsenzterminen.
Das löst genau die drei Probleme von oben:
- Jede Stimme wird nah aufgenommen. Niemand sitzt mehr „zu weit weg", weil jede Person ihr eigenes Mikrofon direkt vor sich hat. Das ist der größte Hebel für Genauigkeit, mehr als jedes einzelne Modell.
- Saubere Sprechertrennung. Wer spricht, ist über das jeweilige Gerät eindeutig, statt akustisch geraten. Gerade bei größeren Runden ist das Gold wert.
- Keine Extra-Hardware. Es muss niemand ein Gerät kaufen. Die Handys, die alle ohnehin dabeihaben, genügen.
Wichtig und ehrlich gesagt: Auch das macht kein Transkript magisch „perfekt". Aber die Aufnahmequalität in echten Räumen steigt deutlich, besonders dort, wo Einzelgeräte am meisten kämpfen: bei mehreren Sprechern und größeren Abständen.
Pocket und Sally im direkten Vergleich
Beide erfassen Gesprochenes und machen daraus Text. Der Unterschied liegt im Aufnahmeprinzip, im Datenstandort und darin, was nach dem Transkript passiert.
| Merkmal | Sally | |
|---|---|---|
| Aufnahmeprinzip vor Ort | Ein getragenes Gerät | Mehrere Handys als Nahmikrofone koppelbar |
| Sprechertrennung in großen Runden | Rein akustisch | Eindeutig je Gerät |
| Online-Meeting-Bot (Meet, Zoom, Teams, Webex) | Nein | Ja, nativ |
| Extra-Hardware nötig | Ja, Gerät kaufen | Nein, vorhandene Handys |
| Datenstandort | US-Cloud | Deutschland, DSGVO-konform |
| Sprachen | 120+ | 99+ |
| Nach dem Transkript | App mit Zusammenfassung und Aufgaben | Neben Aufgaben und Zusammenfassung auch Chat, Suche und Kollaboration |
| Preis | ab 99 $ Gerät + 19,99 $/Monat Pro | ab 8 €/Monat, 30 Tage kostenlos |
Datenstandort und DSGVO
Der zweite große Unterschied hat nichts mit Akustik zu tun. Pocket wird von einem US-Unternehmen betrieben und speichert Aufnahmen in seiner Cloud. Für europäische Nutzer heißt das in der Regel: Die Gesprächsdaten liegen in den USA. Nach Schrems II bleibt der Transfer personenbezogener Daten in die USA rechtlich heikel, gerade für regulierte Branchen oder Unternehmen mit strengen Datenresidenz-Anforderungen.
Sally wird von der Aliru GmbH in Deutschland betrieben, die Verarbeitung findet ausschließlich in Deutschland statt. Damit entfällt das gesamte Drittlandthema. Dazu kommt der rechtliche Punkt jeder Aufnahme: In Deutschland stellt § 201 StGB das heimliche Aufzeichnen des nicht öffentlich gesprochenen Wortes unter Strafe. Aufnehmen ist nur mit Einwilligung aller Beteiligten erlaubt. Ein unauffällig getragenes Gerät erhöht das Risiko, dass jemand die Aufnahme gar nicht bemerkt; eine sichtbare, angekündigte Dokumentation schafft hier Transparenz.
Wann Pocket die richtige Wahl ist, und wann nicht
Fair bleibt fair: Für Einzelpersonen, die vor allem eigene Sprachnotizen, Vier-Augen-Gespräche und Telefonate festhalten wollen, ist Pocket ein praktisches Gerät. Wer unterwegs schnell Gedanken diktiert, bekommt viel für wenig Aufwand.
Sobald es aber um Teams geht, die in wechselnden Runden vor Ort und online zusammenarbeiten, verschieben sich die Prioritäten. Dann zählen saubere Sprechertrennung bei mehreren Personen, die Abdeckung von Online-Meetings, DSGVO-konformes Hosting und die Frage, was nach dem Transkript passiert. Genau dort spielt der Software-Ansatz seine Stärken aus, ohne dass jemand Hardware pro Kopf anschaffen muss.
Wer beide Welten kennt: Ähnlich wie beim Thema Plaud und seine Alternativen lohnt sich der ehrliche Blick darauf, wie oft ihr wirklich vor Ort in kleinen Zweiergesprächen sitzt und wie oft in größeren Runden oder online. Für den Datenschutz-Aspekt geht unsere Analyse zu Hardware-Rekordern und DSGVO tiefer.
Fazit
Pocket ist ein cleveres Gerät für persönliche Aufnahmen und Zweiergespräche. Sein Limit ist kein Software-Bug, sondern das Prinzip des einzelnen Mikrofons: In echten Meetings mit mehreren Personen leiden Genauigkeit und Sprechertrennung. Wer mehrere Handys zu Nahmikrofonen koppelt, umgeht genau dieses Limit, ohne Extra-Hardware und, im Fall von Sally, DSGVO-konform aus Deutschland.
Wenn dein Team regelmäßig vor Ort und online zusammenarbeitet, teste den Software-Ansatz einmal an einem echten Meeting. Du kannst Sally 30 Tage kostenlos ausprobieren und im nächsten Termin mitlaufen lassen.
