Deutsch, Dialekt, Fachsprache: Wie gut versteht die KI?

Wie gut Whisper Standarddeutsch erkennt

Deutsch gehört bei den großen Erkennungsmodellen zu den gut versorgten Sprachen. Das Whisper-Paper weist in Appendix D.2 für das Modell large-v2 folgende Wortfehlerraten aus: 5,5 Prozent auf Multilingual LibriSpeech (vorgelesene Hörbücher), 6,4 Prozent auf Common Voice 9 (vorgelesene Einzelsätze), 4,5 Prozent auf FLEURS (vorgelesene Wikipedia-Sätze) und 11,2 Prozent auf VoxPopuli (Reden im Europäischen Parlament). Auf zwei dieser vier Datensätze liegt Deutsch gleichauf mit oder vor Englisch; auf VoxPopuli deutlich dahinter.

Tabelle seitlich scrollen, um alle Spalten zu sehen

Whisper-Paper, Tabellen 10 bis 13; Open ASR Leaderboard v4 (30.03.2026), Table 4. Wie die Wortfehlerrate zu lesen ist, erklärt die Seite Wortfehlerrate (WER).

Die Model Card ergänzt, was die Zahlen andeuten: „Our models perform unevenly across languages“, und das Whisper-README stellt fest, dass die Leistung „varies widely depending on the language“. Die Spanne für Deutsch reicht von 4,5 Prozent auf sauberem Lesematerial bis 11,2 Prozent auf freien Reden mit Raumakustik; beide Werte stammen vom selben Modell.

Schweizerdeutsch: Gemessen, mit klarem Ergebnis

Für Schweizerdeutsch existieren zwei Studien, die Whisper ohne und mit Anpassung messen, beide auf dem Korpus STT4SG-350 von Plüss et al., der 343 Stunden Sprache aus allen Dialektregionen der Deutschschweiz enthält. Dolev, Lutz und Aepli (VarDial 2024) ließen Whisper large-v3 ohne Anpassung transkribieren und kamen auf eine Wortfehlerrate von 0,230 auf STT4SG-350, ebenfalls 0,230 auf SwissDial, 0,295 auf dem Swiss Parliaments Corpus und 0,372 auf simulierten klinischen Interviews. Das Entscheidende steht im Fazit: Whisper sei ein brauchbares System für Schweizerdeutsch, „so long as the Standard German output is desired“. Das Modell übersetzt den Dialekt in Standarddeutsch, statt ihn zu verschriften.

Tabelle seitlich scrollen, um alle Spalten zu sehen

Timmel et al. trainierten mit rund 908 Stunden Schweizerdeutsch und 125 Stunden deutschen Common-Voice-13-Daten nach; BLEU stieg von 64,13 auf 78,08.

Timmel und Kollegen bestätigen die Größenordnung und zeigen den Hebel: Ohne Anpassung lag Whisper large-v2 bei 22,41 Prozent, nach dem Nachtraining mit rund 908 Stunden Schweizerdeutsch bei 12,11 Prozent. Die Streuung zwischen den Regionen war vor dem Training erheblich, von 17,63 Prozent in der Innerschweiz bis 29,31 Prozent im Wallis, und schrumpfte danach auf 10,73 bis 13,68 Prozent. Für den Alltag heißt das: Ein Standardmodell macht bei Schweizerdeutsch rund vier- bis fünfmal so viele Fehler wie bei Hochdeutsch, ein spezialisiertes Modell halbiert sie.

Die qualitative Auswertung von Dolev et al. zeigt, welche Fehler das sind: Schwankungen zwischen Perfekt und Präteritum, Wortersetzungen wie „lässig“ zu „toll“, weggelassene Modalpartikeln, falsch erkannte Zahlen, Eigennamen und Fachbegriffe, und in 4 von 16 Gesprächen ein Satz, der nicht gesprochen wurde. In einer Umfrage mit 28 Personen und 119 Satzpaaren bewerteten die Teilnehmenden die Bedeutungstreue der Ausgabe mit 4,36 von 5 und die Flüssigkeit mit 4,39 von 5. Der Text liest sich also gut, auch wo er vom Gesagten abweicht; die Seite zu Halluzinationen erklärt, warum das ein Problem ist.

Österreich, Bayern, Norddeutschland: Keine Messungen

Für andere deutsche Dialekte und Akzente liegen keine vergleichbaren Studien vor. Die Whisper Model Card warnt allgemein vor „disparate performance on different accents and dialects of particular languages“, möglicherweise auch nach Geschlecht, Alter oder anderen Merkmalen der Sprechenden. Mehr ist aus Primärquellen nicht zu belegen. Die Schweizerdeutsch-Ergebnisse lassen sich nicht auf Bairisch oder Plattdeutsch übertragen; sie zeigen nur, dass der Abstand zwischen Dialekt und Standard den Fehler vervielfacht und dass Trainingsdaten ihn verkleinern.

Was die Anbieter selbst zu regionalen Varianten sagen, ist uneinheitlich. noScribe schreibt, das Werkzeug könne „dialects quite well“ verarbeiten, eine Einschätzung ohne Messung. Sonix listet Deutsch „including Austrian and Swiss speakers“. Microsoft Teams unterstützt German (Germany) und German (Switzerland), der Windows-Sprachzugriff dagegen nur German (Germany), ohne österreichische oder schweizerische Variante. Apple führt die Transkriptionszusammenfassungen in Notizen für Deutsch in den Varianten Österreich, Deutschland und Schweiz.

18 Einschränkungen, die Anbieter für Deutsch einräumen

Fast alle Anbieter werben mit „100+ Sprachen“. Ob Deutsch darunter denselben Umfang hat wie Englisch, steht meist im Kleingedruckten der Hilfeseiten. Die folgende Tabelle sammelt die Unterschiede, die die Anbieter selbst nennen, Stand 13.10.2026.

Tabelle seitlich scrollen, um alle Spalten zu sehen

Zusammengestellt aus den Hilfe-, Preis- und Dokumentationsseiten der Anbieter, Abruf 13.10.2026. Profile im App-Vergleich.

Drei Muster stechen heraus. Erstens ist Deutsch bei den Transkriptionsdiensten selbst fast überall vollwertig, bei den darauf aufsetzenden KI-Funktionen (Korrektur per Sprache, Zusammenfassung, erweitertes Diktat) dagegen oft nachgereiht. Zweitens fehlen regionale Varianten häufig. Drittens ist der Wechsel zwischen Deutsch und Englisch im selben Text, der in vielen Büros Alltag ist, ein eigenes Problem: f4x unterstützt gemischtsprachige Aufnahmen gar nicht, Wispr Flow empfiehlt, nur eine Sprache auszuwählen, und kiolo wirbt umgekehrt mit automatischer Erkennung von Sprachwechseln mitten im Satz.

Fachvokabular: Keine Zahlen, aber Werkzeuge

Wie gut Spracherkennung medizinische oder juristische Fachbegriffe auf Deutsch erkennt, ist nicht belegt. Eine Studie speziell zu deutschem Fachvokabular wurde nicht gefunden; die Model Card verweist allgemein auf schlechtere Genauigkeit bei seltenem Material, und Dolev et al. nennen Fachbegriffe neben Zahlen und Eigennamen als typische Fehlerstellen. Diese Seite nennt deshalb keine Prozentwerte für Fachsprache. Was es gibt, sind Werkzeuge, mit denen Nutzer dem Modell Begriffe beibringen.

Tabelle seitlich scrollen, um alle Spalten zu sehen

Anbieterangaben, Abruf 13.10.2026. Die Zahl der Fachbegriffe sagt nichts über die Erkennungsrate; sie ist eine Ausstattungsangabe.

Für Ärztinnen und Anwälte ist das der Unterschied zwischen Werkzeugkategorien: Die Branchenlösungen aus dem klassischen Diktat, etwa DictaNet auf Dragon-Basis, bringen deutsches Fachvokabular mit und lassen es erweitern; die KI-Rekorder bieten ein Wörterbuch, in das du Begriffe einträgst. Was das für die Praxis bedeutet, steht auf den Seiten für die Arztpraxis und die Kanzlei.