Transkriptionssoftware im Vergleich: Dateien und Meetings in Text

Zwei Wege: Datei hochladen oder Meeting mitschneiden

Transkriptionssoftware löst zwei Aufgaben, die sich ähnlich anhören und doch verschiedene Werkzeuge brauchen. Beim ersten Weg lädst du eine fertige Aufnahme hoch, ein Interview, eine Vorlesung, ein Diktat vom Rekorder, und bekommst ein Transkript mit Zeitmarken und Sprecherwechseln zurück. Dafür stehen Amberscript, f4x, Happy Scribe, Sonix und Descript. Beim zweiten Weg nimmt die Software an der Videokonferenz teil, entweder als sichtbarer Bot im Teilnehmerfeld (Otter.ai, tl;dv, Fireflies, Fathom) oder bot-frei über das Audio deines Rechners (Granola, der Desktop-Modus von Notta), und liefert danach Protokoll, Zusammenfassung und Aufgabenliste. Was ein solches Protokoll rechtlich und praktisch taugt, steht auf der Seite Meeting-Protokolle mit KI.

Für beide Wege gilt: Die Aufnahme verlässt dein Gerät. Deshalb sind Serverstandort, Löschfristen und Trainingsaussage hier keine Nebensache, sondern das erste Auswahlkriterium, sobald in der Aufnahme andere Menschen sprechen. Wer das vermeiden will, findet auf der Seite Spracherkennung offline die lokalen Alternativen Whisper und noScribe, die deshalb in der Tabelle unten fehlen.

Die Transkriptionsdienste im Datensatz

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.

Wo die Aufnahmen liegen

Vier der elf Dienste nennen einen Standort in der EU: Amberscript, f4x (audiotranskription.de), Happy Scribe, tl;dv. Die übrigen sieben schweigen dazu oder nennen nur den Cloud-Anbieter ohne Region, so Otter.ai und Notta mit AWS. Bei den Trainingsaussagen ist Otter.ai die Ausnahme in der falschen Richtung: „Otter uses a proprietary method to de-identify user data before training our models“, ein Ausschalter steht nicht auf der Seite. Granola und Descript trainieren mit Widerspruchsrecht, bei Descript nur im Enterprise-Plan. f4x, Fireflies und Voicenotes verneinen Training ausdrücklich; Amberscript, Happy Scribe, tl;dv, Notta, Sonix und Fathom äußern sich auf den geprüften Seiten nicht.

Besonders konkret ist f4x: Die Spracherkennung erfolge „ausschließlich in Deutschland“, der Auftragsverarbeitungsvertrag mit EU-Standardklauseln entstehe automatisch bei der Kontoerstellung, die Aufnahme werde nach der Verarbeitung gelöscht, das Transkript nach höchstens 28 Tagen, und für Berufsgeheimnisträger gebe es eine Vereinbarung nach § 203 StGB auf Anfrage. Was diese Begriffe bedeuten und warum ein Auftragsverarbeitungsvertrag bei jedem dieser Dienste Pflicht ist, erklärt die Seite Cloud-Transkription und Datenschutz.

Fünf Dienste im Steckbrief

Otter.ai

Der bekannteste Meeting-Transkribierer: Bots für Zoom, Teams und Google Meet, Apps für alle Plattformen, Sprecher-ID, Zusammenfassungen, AI Chat. Der Basic-Plan ist kostenlos mit 300 Min./Monat und 30 Min./Gespräch; Pro kostet 16,99 $ monatlich oder 99,96 $ im Jahr (8,33 $ je Monat bei Jahreszahlung) für 1.200 Minuten je Monat. KI-Transkription gibt es in nur sechs Sprachen, Deutsch darunter. Die Daten liegen auf AWS S3 ohne genannte Region, und Otter trainiert mit de-identifizierten Nutzerdaten. Alles Weitere auf der Profilseite Otter.ai.

tl;dv

Der Meeting-Recorder für Google Meet, Zoom und Teams rechnet in Euro und schreibt auf die Startseite „hosted and stored in the EU“, mit ISO-27001-zertifizierten Rechenzentren und Anthropic als Partner für die generative KI. Free ist „Free forever“, Pro kostet 29 € monatlich oder 216 € im Jahr (18 € je Monat), Business 39 € monatlich oder 348 € im Jahr. Die FAQ listet 24 Sprachen, Deutsch darunter. Eine native Mobil-App gibt es nach eigener Aussage noch nicht; welche Limits der Free-Plan hat, war im abgerufenen Inhalt der Preisseite nicht enthalten. Preisquelle: Preisseite von tl;dv.

Amberscript

Amberscript Global B.V. aus Amsterdam mit einer GmbH in Berlin bietet automatische Transkription und Untertitel in „über 90 Sprachen“ sowie menschliche Transkription ab 1,85 € je Minute. Du zahlst entweder je Stunde (10 €, mit Mengenrabatt ab fünf Stunden) oder im Abo: Starter 19 € monatlich für fünf Stunden, Pro 29 € für zehn, Power 49 € für 25; die Jahresabos (190 €, 290 €, 490 €) sind laut Seite 17 Prozent günstiger. Dateien liegen auf EU-Servern, der Anbieter nennt ISO 27001 und ISO 9001. Eine Gratis-Testzeit nennt die Preisseite nicht. Preisquelle: Preisseite von Amberscript.

f4x (audiotranskription.de)

Die dr. dresing & pehl GmbH aus Marburg kommt aus der qualitativen Sozialforschung und verkauft keine Abos, sondern Stundenkontingente, minutengenau abgerechnet und inklusive Mehrwertsteuer: zwei Stunden für 25 €, fünf für 44 €, zehn für 88 €, fünfzig für 440 €, zweihundert für 1.599 €. 15 Minuten kannst du unverbindlich testen. f4x transkribiert in 46 Sprachen, allerdings nur eine je Upload; gemischtsprachige Aufnahmen unterstützt der Dienst nicht. Die automatische Sprecherunterscheidung scheitere „in unter 1 % der Fälle“, so der Anbieter, eine Audiostunde brauche etwa acht Minuten Verarbeitung. Export nach Word, in das Format der eigenen Transkriptionssoftware f4 und als SRT. Preisquelle: Preisseite von f4x.

Happy Scribe

„Made in Europe“ mit Rechenzentrum in der EU, SOC 2 Type 2 und Euro-Preisen: Basic 17 € monatlich oder 102 € im Jahr für 120 KI-Minuten je Monat, Pro 29 € bzw. 228 € für 600 Minuten, Business 89 € bzw. 708 € für 6.000 Minuten; menschliche Transkription ab 1,75 € je Minute. Zehn Minuten sind gratis. Happy Scribe wirbt mit über 150 Sprachen und Dialekten, bestätigt Deutsch aber nicht separat, obwohl es eine deutsche Seitenversion gibt; Rechtsträger und AWS-Region nennt die Seite nicht. Preisquelle: Preisseite von Happy Scribe.

Meeting-Assistenten: Fireflies, Fathom, Granola, Notta

Fireflies.ai bedient „10+“ Konferenzsysteme und ist im Free-Plan bei der Transkription unbegrenzt, begrenzt aber den Speicher auf 400 Min. Speicher/Team; Pro kostet 18 $ monatlich oder 120 $ im Jahr. Englisch ist laut Anbieter die Primärsprache, Deutsch läuft unter „100+ other languages in beta“. Die Preise stammen aus dem offiziellen Preis-Blog, weil die Preisseite nur per Skript rendert. Fathom verspricht „Free forever“ ohne Aufnahmelimit und nimmt für Premium 20 $ monatlich; Sprachen nennt die Preisseite nicht. Granola aus London arbeitet bot-frei über das Geräte-Audio, unterstützt 31 Sprachen am Desktop und 17 mobil, Deutsch auf beiden, kostet im Business-Plan 14 $ je Nutzer und lässt das Training pro Nutzer abschalten. Notta kombiniert Web, Apps und einen eigenen Hardware-Rekorder; Free erlaubt 120 Min./Monat bei höchstens drei Minuten je Gespräch, Pro kostet 8,17 $ je Monat bei Jahreszahlung (97,99 $ im Jahr), Custom Vocabulary gibt es nur für Englisch und Japanisch.

Sonix und Descript

Sonix aus San Francisco rechnet entweder 10 $ je Stunde ab oder im Abo ab 25 $ monatlich (275 $ im Jahr), 30 Minuten sind ohne Karte gratis; Deutsch steht in der Sprachliste „including Austrian and Swiss speakers“. Der Anbieter nennt eine Genauigkeit von „85 % to 99 %“ je nach Audioqualität, eine Spanne, die ohne Testbedingungen wenig sagt. Descript ist eher Audio- und Videoeditor mit eingebauter Transkription in 25 Sprachen, Deutsch dabei; der Free-Plan erlaubt 60 Medienminuten/Monat, Hobbyist kostet 24 $ monatlich. Das Opt-out aus dem KI-Training gibt es nur im Enterprise-Plan.

Eingebaut oder ohne Preisschild: Teams, Word, Zoom, Rev, Trint, Good Tape

Wer Microsoft 365 nutzt, hat bereits zwei Transkribierer: Die Live-Transkription in Teams unterstützt German (Germany) und German (Switzerland), speichert das Transkript im OneDrive des Organisators und exportiert als .docx oder .vtt, allerdings nur in der Desktop-App. Word Transcribe lädt Dateien in den Formaten .wav, .mp4, .m4a und .mp3 hoch, 300 Minuten je Monat mit Microsoft-365-Abo, 30.000 mit Copilot-Lizenz, unterstützt German (Germany) und läuft in Word für Windows in Unternehmenskonten sowie in Word für das Web; die Audiodatei wird laut Microsoft „sent to Microsoft and used only to provide you with this service“. Zoom AI Companion fasst Meetings in 33 Sprachen zusammen, Deutsch inklusive, die „Smart recording highlights“ aber nur auf Englisch.

Drei Dienste gehören nicht in den Datensatz, weil sie keine prüfbare Preisseite haben oder Deutsch nicht abdecken. Rev listet Deutsch nicht als Sprache seiner KI-Transkription, sondern nur unter den 17 Sprachen der separat bepreisten „Global Subtitles“; der Free-Plan ist auf Englisch beschränkt. Trint aus London zeigt Preise nur nach dem Login, nennt aber immerhin eine Wahl zwischen Datenspeicherung in der EU oder den USA. Good Tape aus Kopenhagen speichert laut eigener Angabe alle Transkriptionsdateien in der EU, ist ISO-27001-zertifiziert und trainiert nicht mit Kundendaten; die erste Stunde ist ohne Kreditkarte gratis, die Preise der bezahlten Pläne ließen sich jedoch nicht abrufen, und Deutsch ist unter „100 languages“ nicht namentlich genannt.

Schnittstellen für Entwickler: Preise je Audiostunde

Hinter vielen Apps dieser Seite stecken Erkennungs-APIs, die du auch direkt nutzen kannst, wenn jemand im Haus programmiert. Die Preise liegen weit unter denen der Endnutzer-Apps, dafür fehlt die Oberfläche. Stand 13.10.2026, alle in Dollar: Speechmatics verlangt für sein Modell Melia 1 0,24 $ je Stunde im Batch und 0,40 $ in Echtzeit, Enhanced 0,75 $ bzw. 0,80 $; Deutsch ist als „Global German“ für Akzente aus Deutschland, Österreich und der Schweiz gelistet, und die Verarbeitung lässt sich in der EU, den USA oder Australien wählen. Deepgram rechnet Nova-3 mit 0,0043 $ je Minute ab, also 0,26 $ je Stunde für eine Sprache, und bietet den EU-Endpunkt api.eu.deepgram.com; Deutsch gibt es als de und de-CH. AssemblyAI nimmt 0,21 $ je Stunde für Universal-3.5 Pro, die EU-Region kostet dasselbe wie die US-Region. Gladia aus Frankreich startet mit 50 € Guthaben und 0,61 $ je Stunde asynchron; Deutsch gehört zu den fünf Sprachen des Modells Solaria-3. ElevenLabs bepreist Scribe v2 mit 0,22 $ je Stunde und stuft Deutsch in den Tier „Excellent“ mit höchstens fünf Prozent Wortfehlerrate ein, eine Eigenangabe ohne genannten Testdatensatz; die Produktseite widerspricht sich zudem bei den Gratis-Minuten (12 gegen 270) und nennt in der FAQ 0,40 $ je Stunde.

Die Preise der OpenAI-API für gpt-4o-transcribe und Whisper konnten wir nicht abrufen, die Preisseite antwortete mit einem Zugriffsfehler. Wie eine Wortfehlerrate zustande kommt und warum ein Wert ohne Testbedingungen keine Aussage ist, steht auf der Seite Wortfehlerrate.

Welche Transkriptionssoftware für wen