Kaum eine Aufgabe frisst so viel Zeit wie Protokolle. Eine Stunde Besprechung, danach 30 bis 45 Minuten Nacharbeit: sortieren, zusammenfassen, Aufgaben rausziehen. Bei drei Meetings pro Woche sind das schnell zwei Arbeitstage im Monat, die niemand bezahlt und die jeder hasst.
Ich habe diesen Prozess automatisiert, und zwar so, dass die Aufnahme den Rechner nie verlässt. Diese Woche habe ich das Werkzeug in einem Unternehmen ausgerollt. Hier ist der komplette Ablauf, inklusive der Grenzen, die dir kein Tool-Anbieter erzählt.
So sieht der Kern aus: ein kurzes Skript, das Aufnahme, Transkription und Struktur verkettet, und ein Terminal, das nach 2:41 Minuten fertig meldet.
Warum nicht einfach ChatGPT?
Die naheliegende Idee: Aufnahme in ein Cloud-KI-Tool werfen, Zusammenfassung zurückbekommen. Das Problem: In Besprechungen fallen Personalthemen, Kundeninterna und Zahlen, also genau die Daten, die niemals in ein US-Cloud-Modell gehören. Bei Personalgesprächen ist das kein Bauchgefühl, sondern Datenschutzrecht.
Deshalb läuft bei meinem Ansatz alles lokal: Die Spracherkennung und das Sprachmodell arbeiten auf dem eigenen Rechner. Keine Cloud, kein Konto, kein Datenabfluss. Das macht den Prozess auch für die Fälle nutzbar, die sonst tabu wären.
Der Prozess in vier Schritten
- Aufnehmen. Das Meeting wird als Audio aufgezeichnet, ein Handy auf dem Tisch reicht. Alternativ nimmst du das fertige Transkript aus Teams.
- Lokal transkribieren. Eine offene Spracherkennung (Whisper) wandelt die Aufnahme auf deinem Rechner in Text um. Eine Stunde Audio dauert je nach Rechner wenige Minuten.
- Lokal strukturieren. Ein kleines Sprachmodell, das ebenfalls lokal läuft, zieht aus dem Transkript die Beschlüsse, Aufgaben und Verantwortlichen und gießt sie in eine feste Vorlage.
- Fertig formatieren. Am Ende fallen ein Word-Dokument und ein PDF heraus, nach deinem Muster: besprochene Themen, Entscheidungen, Aufgaben-Tabelle mit Verantwortlichen und Fristen, nächster Termin.
Einmal eingerichtet, ist der Alltag ein Doppelklick: Audio-Datei auf das Skript ziehen, zwei Minuten warten, Protokoll aufmachen.
Was du dafür brauchst
Einen halbwegs aktuellen Rechner, einmalig etwa eine Stunde Einrichtung und null Euro laufende Kosten. Die Bausteine (Whisper für Sprache, ein offenes Sprachmodell für die Struktur) sind frei verfügbar. Ein Business-Laptop der letzten Jahre reicht für die kleinen Modelle völlig aus.
Die ehrliche Grenze
Die Zusammenfassung ist ein Entwurf, kein Endprodukt. Zwei Minuten drüberlesen gehören dazu: Namen können falsch geschrieben sein, Fachbegriffe holpern gelegentlich, und ob ein Punkt Beschluss oder nur Diskussion war, beurteilt am Ende ein Mensch. Aus 40 Minuten Nacharbeit werden drei, nicht null.
Und: Kleine lokale Modelle sind schwächer als die großen Cloud-Modelle. Für die klar umrissene Aufgabe „Transkript zu strukturiertem Protokoll” spielt das kaum eine Rolle, für offene Recherche oder komplexe Analysen wäre es der falsche Weg. Wer dir lokal laufende Wunder-KI verspricht, verkauft dir etwas.
Was in der Praxis passiert ist
Beim Rollout hat mich am meisten überrascht, wer das Werkzeug zuerst wollte: nicht die Entwickler, sondern das Office. Dort sitzen die Menschen, die jede Woche Protokolle schreiben und mit sensiblen Unterlagen arbeiten, für die Cloud-Tools nie infrage kamen. Genau diese Kombination, größter Zeitfresser plus höchste Datenschutz-Anforderung, macht den lokalen Ansatz zum Selbstläufer.
Wie du generell entscheidest, welche Daten lokal bleiben müssen und wo Cloud-Modelle in Ordnung sind, habe ich in einem eigenen Beitrag aufgeschrieben: Daten bleiben im Haus: KI ohne US-Cloud.
Selbst nachbauen?
Wenn du wissen willst, wie du das bei dir aufsetzt: In meinem Newsletter zeige ich jede Woche einen Prozess aus der Praxis, den du direkt nachbauen kannst, Schritt für Schritt und ohne Hype. Die Anmeldung findest du auf der Startseite. Und wenn du an einer Stelle hängst, schreib mir einfach.