Diktiergerät für Journalistinnen und Journalisten: Interviews aufzeichnen, transkribieren, Zitate prüfen

Interview aufzeichnen: Einverständnis und faktische Öffentlichkeit

Ein Interview ist „das nichtöffentlich gesprochene Wort eines anderen“. § 201 Abs. 1 StGB stellt die Aufnahme ohne Befugnis unter Strafe, Absatz 2 Nr. 2 zusätzlich die öffentliche Mitteilung des Wortlauts, wenn sie „geeignet ist, berechtigte Interessen eines anderen zu beeinträchtigen“; der letzte Satz des Absatzes nimmt Mitteilungen aus, die „zur Wahrnehmung überragender öffentlicher Interessen“ erfolgen. Für den Alltag genügt ein Satz der Wissenschaftlichen Dienste des Bundestages: „Zunächst schließt ein Einverständnis der aufgenommenen Person bereits den Tatbestand des § 201 Abs. 1 Nr. 1 StGB aus.“ Frage vor dem Start, am besten hörbar auf der Aufnahme, und frage jede Person, die mitspricht.

Anders liegt die Pressekonferenz. Nach derselben Darstellung fehlt es am nichtöffentlichen Wort, „wenn die Äußerung in einer faktischen Öffentlichkeit getätigt wird“, also „wenn in der Äußerungssituation erkennbar für unbeteiligte Dritte die Möglichkeit zum Mithören der Äußerung besteht“. Wer vor laufenden Kameras spricht, spricht öffentlich. Das Hintergrundgespräch am Rand derselben Veranstaltung ist wieder nichtöffentlich. Die Datenschutzregeln für Aufnahme und Transkript (Art. 4, 6 und 13 DSGVO) gelten in beiden Fällen; für journalistische Zwecke sehen die Landespressegesetze Sonderregeln vor, die wir hier nicht im Einzelnen wiedergeben. Alle Konstellationen, auch das Telefoninterview, stehen auf Darf ich Gespräche aufnehmen?.

Transkription: Dienste mit Deutsch und bekanntem Standort

Für Redaktionen zählen drei Dinge: Deutsch muss ausdrücklich zugesagt sein, der Standort der Verarbeitung muss bekannt sein (Quellenschutz), und das Material darf nicht ins Training des Anbieters fließen. Die Tabelle nennt die Dienste, die Deutsch namentlich führen; die Werte stammen von den Preis- und Produktseiten. Weitere Anbieter stehen auf Transkriptionssoftware im Vergleich.

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. Dollar- und Euro-Preise stehen nebeneinander und werden nicht umgerechnet.

f4x ist der einzige Dienst dieser Liste, der Standort, Löschfrist, Vertragslage und Trainingsverzicht vollständig veröffentlicht, und er stammt aus der sozialwissenschaftlichen Interviewforschung. Für vertrauliche Quellen bleibt die lokale Transkription mit Whisper oder noScribe die Lösung, bei der kein Dritter die Aufnahme sieht; der Preis dafür ist Rechenzeit, noScribe nennt ein bis drei Stunden je Interviewstunde.

Halluzinationen: Warum du Zitate nie ungeprüft übernimmst

Moderne Spracherkenner erzeugen Text nicht nur aus dem Gehörten, sondern aus Wahrscheinlichkeiten. Koenecke u. a. haben 2024 über 13.000 englische Audiosegmente durch Whisper laufen lassen: Rund 1 Prozent der Transkripte (im Ergebnisteil 1,4 Prozent) enthielt „entire hallucinated phrases or sentences which did not exist in any form in the underlying audio“. Von 312 halluzinierten Transkripten enthielten 38 Prozent mindestens eine Schadenskategorie, darunter Gewaltdarstellungen (19 Prozent), falsche Zuordnungen (13 Prozent) und erfundene Autoritätsverweise (8 Prozent). Betroffen waren vor allem Aufnahmen mit längeren Sprechpausen. Die Zahlen stammen aus 2023; OpenAI hat das Modell laut der Autorin seither verbessert, die Fehlerart bleibt.

Für Deutsch gibt es keine vergleichbare Großstudie. Dolev u. a. (2024) fanden bei Whisper large-v3 auf Schweizerdeutsch Wortersetzungen (etwa „lässig“ zu „toll“), weggelassene Modalpartikeln, falsch erkannte Zahlen, Eigennamen und Fachbegriffe sowie in 4 von 16 Gesprächen je einen nicht gesprochenen Satz. Genau diese Fehler treffen Zitate: Ein Journalist, der ein halluziniertes „nicht“ oder einen falschen Betrag druckt, hat ein Gegendarstellungsproblem. Ausführlich auf Halluzinationen bei der Transkription.

KI-Texte veröffentlichen: Art. 50 Abs. 4 KI-Verordnung

Die reine Transkription fällt nach unserer Einordnung nicht unter die Transparenzpflichten der KI-Verordnung, denn sie erzeugt keinen „synthetischen“ Inhalt, sondern gibt Gesprochenes wieder. Anders kann es bei KI-Zusammenfassungen liegen, die du veröffentlichst. Art. 50 Abs. 4 Unterabsatz 2 lautet: „Betreiber eines KI-Systems, das Text erzeugt oder manipuliert, der veröffentlicht wird, um die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse zu informieren, müssen offenlegen, dass der Text künstlich erzeugt oder manipuliert wurde.“ Die Vorschrift gilt seit dem 2. August 2026; die Digital-Omnibus-Verordnung (EU) 2026/1744 hat diesen Termin nicht verschoben.

Ob ein redaktionell geprüftes und überarbeitetes Protokoll noch „erzeugter Text“ ist, beantwortet der Normtext nicht, und eine Behördenauslegung dazu haben wir nicht gefunden. Als Arbeitsregel: Wer eine KI-Zusammenfassung ohne wesentliche eigene Bearbeitung veröffentlicht, sollte das kennzeichnen. Mehr auf KI-Verordnung und Transkription.

Welches Gerät: Reichweite, Akku, Offline-Aufnahme

Journalistische Aufnahmen entstehen dort, wo kein Netz ist und keine Steckdose: im Zug, auf der Demonstration, im Hinterzimmer. Alle Geräte in unserem Datensatz nehmen offline auf; der Unterschied liegt in Akku, Reichweite und der Frage, ob die Aufnahme ohne Cloud nutzbar bleibt. Die Werte sind Herstellerangaben.

• Der PLAUD Note Pro (189 €) hält laut PLAUD bis zu 30 Stunden im Enhance-Modus mit bis zu 5 Metern Reichweite oder bis zu 50 Stunden im Endurance-Modus mit 3 Metern; 64 GB Speicher, Telefonaufnahme über den Lagesensor. Die Transkription läuft in der Cloud, 300 Minuten je Monat ohne Abo.
• Der Philips VoiceTracer DVT2075 (UVP 100 €) ist ein klassischer Recorder ohne Funk: bis zu 35 Stunden Aufnahme je Ladung, 8 GB intern plus microSD bis 128 GB, PCM-Aufnahme in 48 kHz. Die Dateien liegen auf dem Gerät und lassen sich lokal mit Whisper transkribieren; die mitgelieferte Sembly-KI ist optional. Der Philips VoiceTracer DVT8115 (UVP 229,99 €) ist die Meeting-Variante derselben Reihe.
• kiolo (139 €, Vorbestellung, Versand ab November 2026) nennt vier Beamforming-Mikrofone mit bis zu 15 Metern Reichweite, „4 Tage“ Akku, 64 GB und Transkription auf EU-Servern in Frankfurt; Aufnahmestunden nennt der Hersteller nicht.
• soundcore Work (D3200) (159,99 €) ist ein 10-Gramm-Clip mit 8 Stunden Offline-Aufnahme laut deutscher Produktseite und 5 Metern Reichweite; am Stichtag war er im deutschen Shop ausverkauft.
• HiDock P1 (169 $, Versand aus den USA) nimmt über die Funktion „BlueCatch“ beide Seiten eines Telefonats über Bluetooth-Kopfhörer auf; der Hersteller nennt „bis zu 1.000 Stunden“ Speicher ohne GB-Angabe und keinen Serverstandort.

Zur Aufnahmequalität gibt es nur eine belastbare Herstellerregel: Philips empfiehlt für das SpeechMike einen Abstand von „about 10 to 15 centimeters“ zum Mund. Für Interviews bedeutet das, das Gerät zwischen die Sprechenden zu legen und Raumhall zu meiden; Zahlen zu Mikrofonabständen bei Tischaufnahmen veröffentlicht kein Hersteller. Alle Geräte im Überblick: KI-Diktiergeräte im Vergleich; was Gerät plus Abo über die Jahre kosten, rechnet der Kosten-Rechner.