Besprechungsaufnahmen automatisch transkribieren (2026)

Der Hands-off-Ansatz

Der schnellste Weg, aus einer Besprechungsaufnahme ein Transkript zu bekommen, ist, sie nach dem Ende der Besprechung überhaupt nicht anzufassen. Es gibt zwei ehrliche Architekturen: Ein Bot-basiertes Tool nimmt live an Ihrem Call teil und liefert automatisch ein Transkript, oder Sie leiten Ihre Cloud-Aufnahme durch einen Watch-Folder-Workflow, der die Transkription in dem Moment auslöst, in dem eine neue Datei eingeht. Welche Variante Sie brauchen, hängt davon ab, ob Ihre Aufnahmen bereits in einem Cloud-Speicher liegen oder ob Sie etwas möchten, das für Sie an jedem Call teilnimmt.

Dieser Beitrag behandelt beide Wege – mit geprüften Preisen und einer ehrlichen Einschätzung, wo jeder Ansatz an seine Grenzen stößt.

Die beiden Automatisierungswege

Weg 1: Der Bot nimmt am Call teil, das Transkript erscheint danach

Meeting-Bot-Tools wie Otter.ai und Fireflies.ai verbinden sich mit Ihrem Kalender, schicken einen Bot-Teilnehmer in jedes Video-Meeting und liefern wenige Minuten nach Meeting-Ende ein Transkript. Einmal konfiguriert, können Sie es vergessen.

Otter.ai (geprüft Juli 2026): Der kostenlose Tarif bietet 300 Monatsminuten und nur 3 Datei-Importe insgesamt, was ihn für den regelmäßigen Teameinsatz praktisch unbrauchbar macht. Pro kostet 16,99 $/Monat (oder 8,33 $/Monat bei jährlicher Zahlung) und erhöht das Limit auf 1.200 Minuten pro Monat bei einem Limit von 90 Minuten pro Meeting. Business kostet 30 $/Monat pro Nutzer (19,99 $/Monat jährlich) und hebt diese Limits auf unbegrenzte Meetings und 4 Stunden pro Sitzung an. Die Zapier-Integration ist ab Pro verfügbar.

Fireflies.ai (geprüft Juli 2026): Der kostenlose Tarif speichert nur 400 Minuten an Aufnahmen pro Team und kommt mit einem monatlichen Pool an KI-Credits, über den Zusammenfassungen und Aufgabenpunkte freigeschaltet werden. Pro kostet 18 $/Sitzplatz/Monat (10 $/Sitzplatz/Monat jährlich) und enthält 8.000 Minuten Speicher. Business kostet 29 $/Sitzplatz/Monat (19 $/Sitzplatz/Monat jährlich) und bringt unbegrenzten Speicher, Conversation Intelligence und CRM-Sync mit. Ein versteckter Kostenpunkt, den man kennen sollte: KI-Credits versorgen Zusammenfassungen, Aufgabenpunkte und die Suche. Vielnutzer geben routinemäßig 15 bis 50 $ pro Monat über dem Listenpreis aus, sobald diese Credits aufgebraucht sind. Eine detaillierte Aufschlüsselung der Kosten, die auf Preisseiten nicht auftauchen, finden Sie unter versteckte Kosten von Transkriptionsdiensten.

Beide Tools nehmen an Zoom-, Google-Meet- und Microsoft-Teams-Meetings teil. Das Setup dauert unter 20 Minuten: Kalender verbinden, den Bot autorisieren und festlegen, welche Meeting-Typen er automatisch besuchen soll.

Weg 2: Native Plattform-Transkription (planabhängig)

Bevor Sie zu einem Drittanbieter-Tool greifen, prüfen Sie, ob Ihre Meeting-Plattform die Transkription bereits nativ beherrscht.

Zoom: Die Cloud-Aufzeichnung ist in allen kostenpflichtigen Plänen enthalten. Die Einstellung zur automatischen Aufzeichnung startet die Aufnahme jedes Meetings, sobald es beginnt. Ein Cloud-Transkript lässt sich separat in den Kontoeinstellungen aktivieren.

Microsoft Teams (geprüft Juli 2026): Die Standard-Transkription ist in Microsoft 365 E3/E5 und höher enthalten. Seit April/Mai 2026 können Meeting-Organisatoren die Option „Nur transkribieren“ wählen, die Transkripte ohne Videoaufzeichnung erfasst. KI-generierte Zusammenfassungen, die Entscheidungen und Aufgabenpunkte herausfiltern, erfordern zusätzlich eine Microsoft 365 Copilot-Lizenz.

Google Meet (geprüft Juli 2026): Die native Transkription erfordert Business Standard (14 $/Nutzer/Monat jährlich) oder einen höheren Workspace-Tarif. Business Starter und kostenlose Konten sind ausgeschlossen. Transkripte werden innerhalb von 5 bis 10 Minuten nach Meeting-Ende in der Google Drive des Organisators gespeichert. Eine echte Einschränkung: Nur 8 Sprachen werden unterstützt (Englisch, Französisch, Deutsch, Italienisch, Japanisch, Koreanisch, Portugiesisch, Spanisch), und die Funktion läuft nur am Desktop, nicht unter iOS oder Android.

Vergleich der Optionen mit automatischem Beitritt

Die Watch-Folder-Pipeline (Batch-Realität)

Wenn Sie bereits Aufnahmedateien in einem Cloud-Speicher haben, kann ein Watch-Folder-Workflow mit Zapier sie ohne jeden manuellen Upload-Schritt transkribieren. Die Architektur ist unkompliziert: Landet eine neue Datei in einem bestimmten Google-Drive- oder OneDrive-Ordner, erkennt Zapier dies und übergibt die Datei per HTTP POST an einen Transkriptionsdienst.

Zapier stellt geprüfte, vorgefertigte Vorlagen für dieses Muster bereit, darunter Trigger bei neuen Google-Drive-Dateien, die Audio automatisch an Fireflies.ai oder Rev senden.

Für Teams, die die CATT-API nutzen, gilt dasselbe Muster: Ein Zapier-Workflow (mit dem Schritt „Webhooks by Zapier“ oder dem HTTP-Schritt) kann eine Aufnahme-URL per POST an den CATT-Transkriptions-Endpunkt senden und das fertige Transkript über einen registrierten Webhook empfangen, sobald die Verarbeitung abgeschlossen ist. CATT ist bisher noch nicht als eigene App im Zapier-Marketplace gelistet, daher ist etwas No-Code-Einrichtung nötig (ein HTTP-Schritt mit Ihrem API-Key und einer Webhook-URL für den Completion-Callback). Entwickler können mit der REST-API plus HMAC-signierten Webhooks noch weitergehen; dokumentiert ist das auf den CATT-Entwicklerseiten.

Die ehrliche Batch-Realität: Wahre unbeaufsichtigte Automatisierung, bei der jede Aufnahme transkribiert wird, ohne dass irgendwer irgendwo klickt, erfordert entweder einen Meeting-Bot oder eine Pipeline mit Cloud-Trigger. Für Teams, die nur gelegentlich aufzeichnen, ist der manuelle Batch-Upload der pragmatische Mittelweg: fünf Aufnahmen gleichzeitig hochladen, alle starten und später zu den Ergebnissen zurückkehren. Das ist nicht völlig ohne Zutun, aber deutlich schneller, als auf den Bau einer Pipeline zu warten.

Mehr dazu, wie Sie die Transkription in Workflows nach dem Meeting einbinden, finden Sie unter Automatisierung von Besprechungsnotizen und Aufgabenpunkte aus Besprechungsaufzeichnungen erstellen.

Schritt für Schritt: Eine Aufnahmedatei jetzt sofort transkribieren

Schritt 1: Die Aufnahme besorgen

Jede der großen Plattformen exportiert Aufnahmen nach dem Meeting:

• Zoom: Dateien werden lokal als MP4 und M4A gespeichert oder in der Zoom Cloud, sofern die Cloud-Aufzeichnung aktiviert ist. Die reine Audio-M4A ist kleiner und wird schneller verarbeitet.
• Microsoft Teams: Aufnahmen werden als MP4 in OneDrive oder SharePoint gespeichert. Laden Sie sie von dort herunter.
• Google Meet: Aufnahmen werden als MP4 in der Google Drive des Organisators gespeichert.
• Webex, GoTo Meeting, andere: Jede Plattform hat ihren eigenen Speicherort für Aufnahmen. Prüfen Sie die Einstellungen vor dem Meeting.

Schritt 2: Die Datei hochladen

Öffnen Sie das Tool Besprechungstranskription und laden Sie die Aufnahme hoch. MP4, M4A, WAV, MP3 und WebM funktionieren alle. Liegt Ihre Aufnahme hinter einer teilbaren URL im Cloud-Speicher, können Sie den Link direkt einfügen, statt sie zuerst herunterzuladen.

Schritt 3: Für Genauigkeit konfigurieren

Wählen Sie die gesprochene Sprache aus. Gab es im Meeting mehrere Sprachen, wählen Sie die vorherrschende. Aktivieren Sie die Sprecherdiarisierung, wenn das Transkript kennzeichnen soll, wer was gesagt hat. Wie die Sprechererkennung funktioniert und wo sie an ihre Grenzen stößt, erklärt Sprecherdiarisierung erklärt genauer.

Schritt 4: Prüfen und weiterleiten

Die Verarbeitung dauert für ein 60-minütiges Meeting 3 bis 5 Minuten. Ist sie abgeschlossen, sehen Sie das Transkript gezielt nach Eigennamen, Projektnamen und Fachbegriffen durch, die KI-Modelle häufig missverstehen. Diese Stellen zählen am meisten: Aufgabenpunkte, Entscheidungen und Namen von Personen oder Kunden.

Zur Einordnung der Genauigkeitserwartungen beschreibt Transkriptionsgenauigkeit erklärt, was „90 bis 98 Prozent genau“ in der Praxis tatsächlich bedeutet.

Schritt 5: Formatieren und teilen

Exportieren Sie das Transkript und hängen Sie es an Ihre Meeting-Zusammenfassung an. Ein kurzer Block oben mit den wichtigsten Entscheidungen und Aufgabenpunkten, gefolgt vom vollständigen Transkript zum Nachschlagen, ist das Format, das die meisten Teams tatsächlich verwenden.

Zum Thema Strukturierung des Ergebnisses lohnt auch ein Blick auf Besprechungsnotizen transkribieren und Vorlagen für KI-Meeting-Zusammenfassungen.

Plattformspezifische Stolperfallen

Lokale Zoom-Aufnahmen erzeugen zwei Dateien: eine Video-MP4 und eine reine Audio-M4A. Für die Transkription nehmen Sie die M4A. Sie ist kleiner, lädt schneller hoch und büßt gegenüber dem vollständigen Video keinerlei Genauigkeit ein.

Microsoft Teams weist darauf hin: Hat Ihr Unternehmen keine Microsoft-365-Lizenz E3 oder höher, erscheint die native Transkriptionsoption in der Oberfläche gar nicht erst. Nutzer unterhalb dieses Tarifs müssen die Aufnahme herunterladen und ein externes Tool verwenden.

Google Meet speichert Transkripte getrennt von den Aufnahmen. Eine Aufnahme kann ohne Transkript existieren – und umgekehrt. Wenn Sie beides brauchen, vergewissern Sie sich vor dem Meeting, dass beides in den Admin-Einstellungen aktiviert ist.

Audioqualität macht mehr aus als das Tool

Meine Einschätzung: Das Wirksamste, das Sie für die Qualität Ihrer Meeting-Transkripte tun können, hat mit der Wahl des Tools nichts zu tun. Ein Laptopmikrofon in einem großen Konferenzraum mit Hall liefert ungenaue Transkripte, egal welchen Dienst Sie verwenden. Ein eigenes Konferenzraum-Mikrofon macht mehr aus als jeder Funktionsunterschied zwischen den Diensten – schon ein einfaches genügt.

Ein paar Gewohnheiten, deren Effekt sich summiert:

• Immer nur eine Person spricht, besonders bei Entscheidungen und Aufgabenpunkten. Gleichzeitiges Reden ist die Hauptursache für Transkriptionsfehler.
• Jeder Teilnehmer nennt zu Beginn seinen Namen. Die Sprecherdiarisierung arbeitet zuverlässiger, wenn sie Stimmen früh verankern kann.
• Fachbegriffe, Projektnamen und Kundennamen werden beim ersten Auftreten buchstabiert. KI-Modelle transkribieren unbekannte Begriffe phonetisch.

Für plattformspezifische Anleitungen über die Zusammenfassung oben hinaus lesen Sie Zoom-Meeting transkribieren, Microsoft-Teams-Meeting transkribieren und Google-Meet-Aufnahme transkribieren.

FAQ

Wie lange dauert die automatische Transkription einer Besprechung?

Eine 60-minütige Aufnahme benötigt mit einem modernen KI-Tool 3 bis 5 Minuten. Die manuelle Transkription derselben Aufnahme dauert 4 bis 6 Stunden. Bei großen Rückständen an Aufnahmen reduziert die parallele Verarbeitung per Batch-Upload die Gesamtdauer erheblich.

Kann die Besprechungstranskription erkennen, wer spricht?

Ja, die Sprecherdiarisierung weist verschiedenen Stimmen im Transkript eine Bezeichnung zu (Sprecher 1, Sprecher 2 usw.). Die Genauigkeit ist bei 2 bis 4 Sprechern am höchsten und sinkt, je mehr Personen gleichzeitig sprechen oder sich Stimmen in Tonlage und Sprechrhythmus ähneln. Das Tool Besprechungstranskription unterstützt die Identifikation mehrerer Sprecher.

Ist die automatische Transkription