Autor: Thorsten Bartsch, Thax Software GmbH
In vielen Kanzleien und Notariaten gehört das Diktat zum Tagesgeschäft. Schriftsätze, Vermerke und Mandantenschreiben entstehen am Diktiergerät oder in einer Diktier-App, anschließend hört das Sekretariat die Aufnahme ab und tippt sie ab. Spracherkennung kann diesen Schritt verkürzen. Bei der Backend-Spracherkennung wandelt ein System das fertige Diktat im Hintergrund automatisch in Text um. Das Sekretariat spart sich das Abtippen und liest nur noch Korrektur. Unsere Diktatmanagement-Software Findentity Dictate nutzt dieses Prinzip.
Die Frage lautet heute nicht mehr nur, ob Spracherkennung eingesetzt wird, sondern welches System. Neben Nuance Dragon gibt es cloudbasierte KI-Lösungen wie Ambivio Voice und lokal laufende Open-Source-Modelle wie Whisper. Dieser Beitrag ordnet die drei Optionen ein und zeigt, welche Kriterien für Kanzleien und Notariate entscheidend sind.
Frontend oder Backend, zwei Wege zur Spracherkennung
Bei der Frontend-Spracherkennung diktiert der Anwender direkt in ein Textdokument und sieht den Text während des Sprechens entstehen. Bei der Backend-Spracherkennung wird das Diktat zunächst aufgenommen und später automatisch transkribiert. Für Kanzleien mit Schreibkräften ist die zweite Variante oft naheliegend, weil Diktieren und Schreiben getrennt bleiben. Der Diktant spricht auf, das Sekretariat prüft den fertigen Entwurf und bearbeitet ihn bei Bedarf weiter. Der gewohnte Ablauf mit Diktatliste, Aktenzuordnung und Korrektur am Schreibplatz ändert sich nicht.
Dragon, Ambivio Voice und Whisper im Vergleich
Nuance Dragon, lokal und bewährt
Dragon läuft lokal auf dem PC oder Server der Kanzlei und wird gekauft oder gemietet. Das Programm lernt über das eigene Sprachprofil, wenn korrigierter Text zurückgespielt wird. Für Juristen gibt es mit Dragon Legal 16 eine Variante mit Fachvokabular. Dragon verwendet die Daten nur lokal zum Training des eigenen Sprachprofils.
Ambivio Voice, cloudbasiert mit KI-Funktionen
Ambivio Voice gibt es in den Varianten Professional, Legal und Med. Findentity Dictate unterstützt alle drei. Die Lösung wird gemietet und verarbeitet Aufnahmen in einer Cloud innerhalb der EU. Sie arbeitet mehrsprachig, setzt Satzzeichen automatisch und bietet KI-Funktionen wie Überarbeitungen und Korrekturen sowie frei definierbare Skills. Mehrere Sprecher in einer Aufnahme verarbeitet sie ohne Sprechertrennung. Die Daten werden nicht zum Training der Modelle verwendet.
Whisper, Open Source und lokal
Whisper ist ein Spracherkennungsmodell von OpenAI, das im September 2022 unter MIT-Lizenz veröffentlicht wurde. Es wurde mit rund 680.000 Stunden Audiodaten trainiert und arbeitet mehrsprachig. In Findentity Dictate läuft Whisper lokal auf dem Rechner und ist vollständig integriert. Es setzt Satzzeichen automatisch und verarbeitet mehrere Sprecher in einer Aufnahme, ebenfalls ohne Sprechertrennung. Es eignet sich auch für die Verschriftlichung von Sitzungsaufzeichnungen. KI-Überarbeitungen und Skills bietet es nicht.
Datenschutz und Verschwiegenheit, was Kanzleien und Notariate prüfen sollten
Für Rechtsanwälte ist die Verschwiegenheit in § 43a Abs. 2 BRAO verankert, ihre Verletzung kann nach § 203 StGB strafbar sein. Wer Dienstleister einbindet, muss zusätzlich § 43e BRAO beachten, für Notare gilt eine entsprechende Regelung in § 26a BNotO. Nach § 43e BRAO darf der Dienstleister nur Zugang zu Geheimnissen erhalten, soweit dies für die Dienstleistung erforderlich ist. Er muss in Textform zur Verschwiegenheit verpflichtet werden, und bei Dienstleistern im Ausland muss ein vergleichbarer Geheimnisschutz bestehen. Dient die Dienstleistung unmittelbar einem einzelnen Mandat, ist zudem die Einwilligung des Mandanten nötig.
Für die Spracherkennung folgt daraus eine einfache Prüffolge. Bei einer lokalen Verarbeitung wie mit Dragon oder Whisper verlassen die Diktate die eigene IT-Umgebung nicht. Bei einer Cloud-Lösung wie Ambivio Voice bedarf es eines Auftragsverarbeitungsvertrages und entsprechender Geheimhaltungsregeln. Genau dies bietet Thax Software.
Qualität und Korrektur, wo Spracherkennung ihre Grenzen hat
Spracherkennung ersetzt das Korrekturlesen nicht. Whisper kann laut einer Recherche der Nachrichtenagentur AP gelegentlich Text erfinden, besonders bei Pausen oder Hintergrundgeräuschen. In einem juristischen Dokument müssen Namen, Aktenzeichen, Beträge und Fristen deshalb immer geprüft werden. Ein praktischer Hebel ist die Aufnahmequalität: Je besser die Aufnahme, desto besser arbeitet die Spracherkennung.
Warum ein offenes Diktatmanagement Planungssicherheit schafft
Wer sein Diktatmanagement an ein einziges Spracherkennungssystem bindet, muss bei Änderungen am Markt seinen Arbeitsablauf überdenken. Ein aktuelles Beispiel liefert Nuance Dragon Professional/Legal Anywhere. Nach Mitteilung unseres Distributionspartners wurde dieses abgekündigt, einen offiziellen Nachfolger gibt es nicht. Bestehende Mietverträge sowie Wartungs- und Supportverträge können noch in diesem Jahr letztmalig verlängert werden und laufen 2027 aus. Dragon Professional 16 und Dragon Legal 16 gibt es weiterhin. Die Hintergründe fasst unser Beitrag zur Abkündigung von Dragon Anywhere zusammen.
Eine Schnittstelle, die Diktatverwaltung und Spracherkennung trennt, erlaubt es, das System dahinter zu wechseln und von neueren KI-Spracherkennungen zu profitieren, ohne den Ablauf zu ändern. Findentity Dictate unterstützt ab dem 20. November 2026 neben Dragon auch Whisper und alle drei Varianten von Ambivio Voice. Wir stellen die Integration an diesem Tag auf dem 16. Deutschen Rechts- und Notarfachwirttag in Berlin erstmals live vor, Details nennt unsere Pressemitteilung zum Messeauftritt. Eine ausführliche Gegenüberstellung bietet der Vergleich der Spracherkennungssysteme in Findentity Dictate.
Fünf Fragen vor der Entscheidung für ein Spracherkennungssystem
- Wo dürfen Diktate verarbeitet werden, nur lokal oder auch in einer EU-Cloud?
- Welche Funktionen werden gebraucht, etwa Mehrsprachigkeit, mehrere Sprecher oder KI-gestützte Überarbeitung?
- Welches Lizenzmodell passt, Kauf, Miete oder Open Source?
- Lässt sich das System austauschen, ohne den Arbeitsablauf im Sekretariat zu ändern?
- Wer korrigiert die Texte, und wie viel Zeit ist dafür eingeplant?
Spracherkennung für Ihre Kanzlei, so testen Sie die drei Systeme mit Ihren eigenen Diktaten
Welche Spracherkennung zu einer Kanzlei passt, hängt von den Datenschutzvorgaben, der IT-Umgebung und dem Diktatvolumen ab. Lokale Systeme wie Dragon und Whisper halten die Daten im eigenen Haus, Ambivio Voice bietet nach unserer Einschätzung den größten Funktionsumfang der drei Systeme bei Verarbeitung in der EU-Cloud. In jedem Fall bleibt das Korrekturlesen Teil des Prozesses.
Wer sehen möchte, wie die drei Systeme mit den eigenen Aufnahmen arbeiten, kann eine Demo von Findentity Dictate vereinbaren. Wir zeigen Ihnen, wie Findentity Dictate Ihre Aufnahmen mit den verschiedenen Spracherkennungssystemen verarbeitet, und klären gemeinsam mit Ihnen, welche Lösung zu Ihrem Arbeitsalltag passt. Telefonisch erreichen Sie uns unter +49 30 89064140.
Die Thax Software GmbH wurde 1998 gegründet und sitzt in Berlin. Das Unternehmen entwickelt Software für Büromanagement und ist zugleich Händler für Soft- und Hardware, darunter Spracherkennung von Nuance Dragon sowie Diktiertechnik von Grundig, OM SYSTEM und Philips. Das Kernprodukt Findentity ist eine modulare Software-Suite aus Findentity Office (Dokumenten- und Kundenmanagement), Findentity Dictate (Diktatmanagement mit Spracherkennung), Findentity Finder (Aktensuche und Inventarisierung mit RFID und Barcode) und Findentity Enterprise (die Gesamtlösung).
Thax Software GmbH
Halberstädter Straße 6
10711 Berlin
Telefon: +49 30 89064140
Telefax: +49 30 89064144
https://www.thax.de
Geschäftsführer
Telefon: +49 30 89064140
Fax: +49 (30) 890641-44
E-Mail: t.bartsch@thax.de
![]()
