Montagmorgen, Besprechungsraum, acht Personen, anderthalb Stunden Strategie. Es wird diskutiert, entschieden, verworfen und wieder entschieden. Am Ende fotografiert jemand das Whiteboard, eine Kollegin hat Stichpunkte notiert, und drei Tage später weiß niemand mehr genau, wer den Liefertermin zugesagt hat.
Für Online-Meetings ist dieses Problem längst gelöst: Ein Assistent tritt bei, transkribiert und fasst zusammen. Im Besprechungsraum dagegen scheitern viele Teams an einem unscheinbaren Detail, der Aufnahmequalität. In diesem Artikel geht es darum, warum Transkripte aus Präsenzmeetings so oft enttäuschen, warum bessere Geräte das nur begrenzt ändern und welcher Ansatz das Problem an der Wurzel löst.
Warum Transkripte aus dem Besprechungsraum so oft enttäuschen
Die Transkriptionsmodelle selbst sind heute erstaunlich gut. Wenn das Ergebnis trotzdem lückenhaft ist, liegt es fast immer am Ausgangsmaterial, also an der Aufnahme. Und die hat im Besprechungsraum drei physikalische Gegner:
- Entfernung. Ein Mikrofon in der Tischmitte nimmt die Person daneben laut und klar auf. Die Stimme vom anderen Ende des Tisches kommt leiser, verhallter und undeutlicher an. Das Modell muss raten, und Raten erzeugt Fehler.
- Überlappende Stimmen. In lebhaften Runden reden Menschen gleichzeitig. Auf einer einzigen Tonspur vermischen sich diese Signale, und keine Software der Welt kann sie vollständig wieder trennen.
- Sprechertrennung ohne Anker. Bei Online-Meetings liefert jede Person ihre eigene Tonspur, die Zuordnung ist eindeutig. Im Raum muss ein einzelnes Gerät allein am Klang erkennen, wer spricht. Bei ähnlichen Stimmen führt das zu Verwechslungen im Protokoll.
Das erklärt eine Erfahrung, die viele kennen: Dasselbe Tool liefert für Videocalls saubere Ergebnisse und für den Besprechungsraum ein Transkript, dem man nicht trauen mag.
Die üblichen Lösungsversuche, und warum sie das Prinzip nicht ändern
Der erste Reflex ist bessere Hardware. Ein Konferenzmikrofon in der Tischmitte, ein dediziertes Aufnahmegerät oder ein KI-Rekorder zum Anstecken. All das hilft ein Stück, denn bessere Mikrofone fangen mehr ein. Aber es ändert nichts am Prinzip: ein Gerät, eine Position, ein Raum.
Auch die aktuell populären KI-Rekorder wie Plaud oder Pocket unterliegen diesem Limit. Sie sind stark für Zweiergespräche und Telefonate, doch sobald sechs Personen um einen Tisch sitzen, nimmt auch das beste Einzelgerät die Hälfte der Runde aus der Distanz auf. Wir haben das in unseren Vergleichen zu Plaud-Alternativen und zur Pocket-Alternative im Detail durchleuchtet. Dazu kommen die praktischen Kosten: Geräte pro Kopf kaufen, laden, dabeihaben, nicht verlieren.
Der Ansatz, der die Physik umgeht: mehrere Handys verbinden
Die Lösung liegt nicht in einem besseren einzelnen Mikrofon, sondern in mehr Mikrofonen, und die liegen längst auf dem Tisch. Bei der Transkription von Präsenzterminen mit Sally lassen sich mehrere Handys im Raum verbinden. Jedes Handy wird zum Nahmikrofon der Person, vor der es liegt, und Sally führt alle Audiospuren zu einer einzigen sauberen Tonspur zusammen.
Damit lösen sich die drei Gegner von oben auf:
- Keine Entfernung mehr. Jede Stimme wird von einem Mikrofon direkt vor der Person erfasst, laut und klar, egal wie lang der Tisch ist.
- Überlappungen werden entwirrbar. Reden zwei Personen gleichzeitig, liegen ihre Stimmen auf unterschiedlichen Spuren und bleiben unterscheidbar.
- Eindeutige Sprechertrennung. Wer spricht, ist über das jeweilige Gerät klar, statt akustisch geraten. Das Ergebnis ist sprechergetrennt und erreicht laut Sally bis zu 98,8 % Genauigkeit.
Und wichtig für den Alltag: Ein einzelnes Handy reicht völlig aus. Jedes weitere verbundene Gerät macht das Ergebnis besser, aber niemand muss etwas kaufen, laden oder mitschleppen. Die Handys sind ohnehin da.
So läuft ein transkribiertes Präsenzmeeting ab
In der Praxis sind es vier Schritte. Du öffnest die Sally App und startest die Aufnahme, das Handy liegt sichtbar auf dem Tisch. Weitere Teilnehmende verbinden ihre Handys mit derselben Aufnahme. Nach dem Termin führt Sally die Spuren zusammen und erstellt Transkript, Zusammenfassung, Entscheidungen und Aufgaben, genau wie bei einem Online-Meeting. Wer feste Besprechungsräume hat, kann zusätzlich deren Raumkalender verbinden, dann weiß Sally automatisch, wann dort ein Termin startet.
Ein Punkt gehört in jedes Setup: die Einwilligung. § 201 StGB stellt das heimliche Aufzeichnen des nicht öffentlich gesprochenen Wortes unter Strafe, Aufnahmen sind nur mit Zustimmung aller Beteiligten erlaubt. Sichtbar auf dem Tisch liegende Handys und eine kurze Ankündigung zu Beginn schaffen hier Transparenz. Gespeichert wird DSGVO-konform ausschließlich in Deutschland, Details dazu auf der Seite zu DSGVO und Sicherheit.
Was das für dein Team bedeutet
Der eigentliche Gewinn zeigt sich nach dem Meeting. Präsenztermine landen am selben Ort wie Online-Meetings aus Google Meet, Zoom, Microsoft Teams und Webex, mit denselben Zusammenfassungen, derselben Suche und derselben Aufgabenverfolgung. Das Whiteboard-Foto und der Stichpunktzettel vom Anfang dieses Artikels werden ersetzt durch ein durchsuchbares Protokoll, in dem steht, wer den Liefertermin zugesagt hat, wörtlich und mit Sprecherzuordnung.
Für Teams, die viel vor Ort arbeiten, bei Kunden, in Werkshallen, im Besprechungsraum, verschwindet damit die Dokumentationslücke zwischen digital und physisch. Und das ohne Hardware-Budget, ohne Geräteverwaltung und ohne dass jemand Protokoll schreiben muss.
Fazit
Präsenzmeetings zu transkribieren scheitert selten an der KI und fast immer an der Aufnahme: Ein Mikrofon für einen ganzen Raum ist ein physikalischer Kompromiss. Wer stattdessen die vorhandenen Handys verbindet, nimmt jede Stimme nah auf, bekommt eine eindeutige Sprechertrennung und Ergebnisse auf dem Niveau von Online-Meetings.
Probier es an deinem nächsten echten Termin aus: Teste Sally 30 Tage kostenlos, oder schau dir zuerst an, wie die Transkription von Präsenzterminen im Detail funktioniert.
