Diktier-Apps im Vergleich: Diktieren, Sprachnotizen und Transkription auf Deutsch

Drei Aufgaben, drei Arten von App

„Diktier-App“ ist ein Sammelbegriff, unter dem drei Werkzeuge mit sehr verschiedenen Stärken laufen. Die erste Gruppe ersetzt die Tastatur: Du drückst eine Taste, sprichst, und der fertige Text landet in dem Feld, in dem der Cursor gerade steht, egal ob Mail, Chat oder Textverarbeitung. Diese Apps bereiten das Gesprochene nach, entfernen Füllwörter, setzen Satzzeichen und passen den Ton an die Zielanwendung an. Beispiele sind Wispr Flow, superwhisper, Aqua Voice; die ganze Gruppe steht auf der Seite Diktieren statt Tippen.

Die zweite Gruppe nimmt eine Sprachnotiz auf und macht daraus einen strukturierten Text: eine Mail, eine Stichpunktliste, einen Tagebucheintrag. Hier geht es nicht um das Wort für Wort, sondern um das Ergebnis, das aus einem zwei Minuten langen Gedankenfluss entsteht. AudioPen, Voicenotes, Cleft Notes gehören dazu, Details auf der Seite Sprachnotizen mit KI.

Die dritte Gruppe transkribiert Dateien und Meetings: Interviews, Vorlesungen, Videokonferenzen, mit Sprecherzuordnung, Zeitstempeln und meist einer Zusammenfassung. Hier liegen die größten Unterschiede bei Deutsch, beim Serverstandort und beim Umgang mit deinen Aufnahmen. Otter.ai, tl;dv, Amberscript, f4x (audiotranskription.de) stehen auf der Seite Transkriptionssoftware.

Dazu kommen zwei Randgruppen, die du nicht übersehen solltest. Die Betriebssysteme bringen eigene Diktat- und Transkriptionsfunktionen mit, die nichts kosten und bei Apple, Windows und Google ausdrücklich Deutsch unterstützen; sie stehen gesammelt auf der Seite Apple Diktat, Google Rekorder, Samsung. Und es gibt Branchenlösungen für Praxis und Kanzlei, bei denen Diktatverwaltung, Fachvokabular und Vertraulichkeit wichtiger sind als eine schöne Oberfläche: Philips SpeechLive, CGM DokuAssistent, Tandem Health und die Dragon-Familie, die wir auf der Seite Dragon Professional einordnen.

Alle 33 Apps in einer Tabelle

Die Tabelle stammt vollständig aus unserem offenen Datensatz. Jede Zeile führt dieselben Felder: Plattformen laut Anbieter, ob Deutsch namentlich als unterstützte Sprache genannt wird, ob die Erkennung auf dem Gerät oder in einer Cloud läuft, wie wir den genannten Verarbeitungsort einordnen, was der Anbieter über Training mit Nutzerdaten sagt, was der kostenlose Umfang ist und was der günstigste kostenpflichtige Plan kostet. Der Name führt zu der Seite, auf der die App ausführlich besprochen wird.

Tabelle seitlich scrollen, um alle Spalten zu sehen

Preise laut Herstellershop bzw. offizieller Preisseite, Stand 13.10.2026, in der Währung des Anbieters. Preise ohne Gewähr. „Standort“ ist die redaktionelle Einordnung des vom Anbieter genannten Verarbeitungsorts; „Training“ gibt wieder, was der Anbieter selbst über die Nutzung von Nutzerdaten zum Modelltraining sagt.

Wohin geht die Aufnahme?

Für die Bewertung einer App ist eine Frage wichtiger als jede Funktion: Verlässt deine Aufnahme das Gerät, und wenn ja, wohin? Die Grafik zeigt für alle Apps mit Cloud-Anteil den Weg vom Mikrofon bis zum Text und färbt die Cloud-Station nach dem Standort, den der Anbieter selbst nennt. Grau heißt: Der Anbieter veröffentlicht keinen Standort. Das ist keine Unterstellung, sondern eine Lücke in seinen Angaben.

Das Ergebnis ist ernüchternd. Von den 21 Apps mit Cloud-Anteil nennen nur 5 einen Standort in der EU: Amberscript, f4x (audiotranskription.de), Happy Scribe, tl;dv, Tandem Health. Eine App, Voicenotes, speichert laut eigener Datenschutzerklärung auf AWS-Servern in den USA und benennt das immerhin. Die übrigen 15 lassen die Frage offen, darunter bekannte Namen wie Wispr Flow, Otter.ai, Notta, Fireflies.ai. Bei Wispr Flow steht wörtlich „Transcription always happens in the cloud“, ohne Angabe, wo diese Cloud steht.

Ganz ohne Cloud arbeiten 12 Apps, in der Grafik fehlen sie deshalb: MacWhisper, Monologue, OpenWhispr, Spokenly, superwhisper, Voibe, VoiceInk, Cleft Notes, noScribe, OpenAI Whisper (Open Source), Apple Dictation, Windows 11 Sprachzugriff. Was „auf dem Gerät“ technisch bedeutet und warum es für Deutsch einen Unterschied macht, erklärt die Seite On-Device oder Cloud. Welche Pflichten beim Hochladen von Gesprächen entstehen, steht auf der Seite Cloud-Transkription und Datenschutz.

Training mit deinen Daten

Die zweite Frage an jede Cloud-App lautet, ob der Anbieter Aufnahmen oder Transkripte nutzt, um seine Modelle zu verbessern. Der Datensatz hält fest, was der Anbieter selbst sagt. Nur ein Anbieter bejaht es ohne sichtbaren Ausschalter: Otter.ai schreibt, Nutzerdaten würden vor dem Training mit einer eigenen Methode de-identifiziert; ein Opt-out nennt die Seite nicht. 3 Anbieter trainieren, lassen dich aber widersprechen: Wispr Flow, Descript, Granola. Bei Descript gilt der Widerspruch nur im Enterprise-Plan. 13 Anbieter verneinen Training ausdrücklich, darunter Voicenotes, f4x (audiotranskription.de), Fireflies.ai, VoiceInk. Bei 15 Anbietern steht dazu nichts, zum Beispiel bei Notta, Sonix, Aqua Voice.

Was kostenlos geht

Wer nur gelegentlich diktiert, braucht oft gar keine App zu kaufen. Drei Wege kosten nichts, haben aber jeweils einen Haken.

Die Diktatfunktion deines Betriebssystems

Apple Dictation versteht Deutsch auf dem Gerät; die Verfügbarkeitsseite von Apple führt German im Abschnitt „On-Device and Modeless Dictation“, und es gibt laut Apple kein Zeitlimit, nur einen Stopp nach 30 Sekunden Stille. Windows 11 Sprachzugriff ist seit Version 22H2 Bestandteil von Windows 11, arbeitet nach dem Download des Sprachmodells ohne Internet und unterstützt Deutsch in der Variante „Deutschland“. Auf Pixel-Telefonen transkribiert der Google Rekorder deutsche Aufnahmen in Echtzeit, auf Galaxy-Geräten übernimmt das die Galaxy-AI-Funktion des Samsung Voice Recorders. Der Haken: Nachbearbeitung, Tonalität je App und Fachwörterbücher fehlen weitgehend, und bei Word setzt das Diktat ein Microsoft-365-Abo voraus.

Open Source auf dem eigenen Rechner

Das Erkennungsmodell Whisper von OpenAI steht unter MIT-Lizenz und läuft vollständig offline; es ist die Grundlage von whisper.cpp, Buzz, Vibe und noScribe. noScribe, entwickelt von Dr. Kai Dröge, bringt zusätzlich Sprechererkennung mit und ist unter GPL-3.0 kostenlos. Der Haken ist die Rechenzeit: Eine Interviewstunde braucht laut Autor ein bis drei Stunden, und Korrekturlesen bleibt Pflicht. Alles dazu auf der Seite Spracherkennung offline.

Kostenlose Pläne der kommerziellen Apps

20 Apps des Datensatzes haben einen Free-Plan oder eine kostenlose Grundversion. Die Grenzen sind sehr unterschiedlich gezogen, von einem Wortkontingent je Woche bis zu einem Minutenlimit je Aufnahme:

• Aqua Voice: 1.000 Wörter
• Monologue: 1.000 Wörter
• OpenWhispr: 2.000 Cloud-Wörter/Woche
• Spokenly: unbegrenzt lokal
• superwhisper: unbegrenzt lokal
• Typeless: Wortlimit je Woche (Zahl nicht genannt)
• Voibe: begrenzte Wörter
• Wispr Flow: 2.000 Wörter/Woche (Desktop)
• AudioPen: Aufnahmen bis 3 Minuten
• Cleft Notes: Aufnahmen bis 5 Minuten
• Voicenotes: 100 Min./Woche
• Descript: 60 Medienminuten/Monat
• Fathom: unbegrenzt
• Fireflies.ai: unbegrenzte Transkription, 400 Min. Speicher
• Granola: Basic ohne Meeting-Limit genannt
• Happy Scribe: 10 Minuten
• Notta: 120 Min./Monat
• Otter.ai: 300 Min./Monat
• tl;dv: Free forever (Limits nicht im abgerufenen Inhalt)
• Tandem Health: Free-Plan

Dazu kommen die 6 Programme, die als Betriebssystemfunktion oder Open Source gar keinen Preis haben: noScribe, OpenAI Whisper (Open Source), Apple Dictation, Google Rekorder (Pixel), Samsung Voice Recorder (Galaxy AI), Windows 11 Sprachzugriff.

Deutsch: wer es ausdrücklich nennt

„100+ Sprachen“ steht auf vielen Preisseiten, und Deutsch ist fast sicher darunter. Wir zählen trotzdem nur, was der Anbieter selbst hinschreibt, denn ein genannter Eintrag ist ein Versprechen, auf das du dich im Support berufen kannst, eine Zahl nicht. Danach nennen 19 der 33 Apps Deutsch namentlich: OpenWhispr, Voibe, AudioPen, Amberscript, Descript, f4x (audiotranskription.de), Granola, noScribe, OpenAI Whisper (Open Source), Otter.ai, Sonix, tl;dv, CGM DokuAssistent, Philips SpeechLive, Tandem Health, Apple Dictation, Google Rekorder (Pixel), Samsung Voice Recorder (Galaxy AI), Windows 11 Sprachzugriff.

Fireflies.ai führt Deutsch als eine von über hundert Sprachen „in beta“ und bezeichnet Englisch als Primärsprache. 13 Apps bleiben bei einer Zahl ohne Liste, darunter Wispr Flow, superwhisper, MacWhisper, Notta, Happy Scribe. Bei Aqua Voice, Fathom, Cleft Notes findet sich nicht einmal eine Zahl. Zwei Beispiele zeigen die Spannweite: Rev, nicht im Datensatz, listet Deutsch nicht als Sprache der KI-Transkription, sondern nur als Untertitelsprache mit eigenem Preis; Otter.ai nennt Deutsch zwar, aber als eine von nur sechs Sprachen.

Ob Deutsch genannt wird, sagt noch nichts über die Qualität bei Dialekt, Fachsprache oder gemischtsprachigen Sätzen. Was Anbieter dazu selbst einräumen und woran deutsche Aufnahmen typischerweise scheitern, steht auf der Seite Deutsch, Dialekt, Fachsprache; wie du eine Genauigkeitsangabe liest, erklärt die Seite Wortfehlerrate.

Euro oder Dollar

Die Hälfte der Preisseiten rechnet in Dollar, oft ohne die Währung überhaupt zu nennen. Wir übernehmen den Preis so, wie er dort steht, und rechnen nichts um, weil jede Umrechnung beim nächsten Kurs falsch wäre. In Euro veröffentlichen 8 Anbieter ihre Preise: MacWhisper, Amberscript, f4x (audiotranskription.de), Happy Scribe, tl;dv, CGM DokuAssistent, Philips SpeechLive, Tandem Health. Alle übrigen 19 kostenpflichtigen Apps nennen Dollar, darunter Wispr Flow, superwhisper, Otter.ai, Notta, Fireflies.ai.

Bei den Euro-Anbietern lohnt ein Blick auf das Kleingedruckte: Philips SpeechLive und Tandem Health nennen Nettopreise, f4x (audiotranskription.de) rechnet in Stundenkontingenten ohne Abo (das günstigste Kontingent kostet 25 €), MacWhisper verkauft eine Lizenz für 64 € mit Lifetime-Updates. Wie sich Pläne über drei Jahre addieren, rechnet der Kosten-Rechner für jede App des Datensatzes aus.

Welche App für wen