Diktieren statt tippen: Wie viel Zeit spart man wirklich?
Sprechen ist dreimal so schnell wie Tippen – ob Sie Zeit sparen, entscheidet sich aber beim Gegenlesen. Rechenbeispiel und Studien für schnellere Berichte.
Berichte, Briefe, Gesprächsnotizen: Bei vielen Fachleuten frisst das Schreiben Zeit, die eigentlich ihrer Kernarbeit gehört. In den USA begleitete eine 2016 in den Annals of Internal Medicine veröffentlichte Studie 57 Ärztinnen und Ärzte durch ihren Sprechstundenalltag: Auf jede Stunde mit Patienten kamen fast zwei weitere Stunden an der elektronischen Patientenakte und am Schreibtisch, und nach eigenen Angaben arbeiteten sie abends noch ein bis zwei Stunden zusätzlich. In Frankreich schätzt die DREES, dass niedergelassene Allgemeinärztinnen und -ärzte 2025 im Schnitt 46 Stunden pro Woche arbeiteten.
Spracherkennung verspricht, einen Teil dieser Zeit zurückzugeben. Aber wie viel genau? Die ehrliche Antwort passt in einen Satz: Beim Erfassen gewinnt man viel – und beim Gegenlesen kann man alles wieder verlieren. Hier erfahren Sie, wie Sie das für Ihren eigenen Arbeitsalltag durchrechnen und wo sich der Unterschied wirklich entscheidet.
Sprechen ist etwa dreimal so schnell wie Tippen
Der meistzitierte Vergleich stammt von der Stanford University. In einer Studie von 2016 gaben 32 Testpersonen Sätze ein – einmal über die Tastatur eines Smartphones, einmal per Spracherkennung. Auf Englisch war die Stimme dreimal so schnell, und nach den Korrekturen lag die Fehlerquote um 20 % niedriger.
Zwei Einschränkungen gehören dazu. Die Studie bezieht sich auf eine Smartphone-Tastatur, die langsamer ist als eine richtige Tastatur, und auf kurze Sätze, nicht auf das Verfassen eines Dokuments. Die Größenordnung bestätigt sich aber auch anderswo: Im ruhigen Gespräch sprechen wir etwa 120 bis 150 Wörter pro Minute, während die meisten Menschen beim Abtippen eines Textes auf etwa 35 bis 40 Wörter pro Minute kommen – und auf deutlich weniger, wenn sie beim Schreiben erst formulieren müssen.
Die Rechnung für einen Bericht
Nehmen wir einen typischen Fall: einen Bericht mit 250 Wörtern. Die Annahmen unten sind bewusst vorsichtig gewählt – ersetzen Sie sie durch Ihre eigenen.
| Per Tastatur | Per Diktat | |
|---|---|---|
| Angenommenes Tempo | 30 Wörter/Min. (Sie formulieren beim Tippen) | 100 Wörter/Min. (ruhiges Sprechtempo) |
| Erfassen von 250 Wörtern | 8 Min. 20 Sek. | 2 Min. 30 Sek. |
| Gegenlesen und Korrekturen | 1 Min. | 2 Min. |
| Gesamt | 9 Min. 20 Sek. | 4 Min. 30 Sek. |
Pro Dokument sparen Sie also knapp fünf Minuten. Bei zehn Dokumenten am Tag und fünf Arbeitstagen pro Woche sind das rund vier Stunden pro Woche.
Diese Zahl ist kein Versprechen. Sie hängt von Ihrem Tipptempo ab, von der Länge Ihrer Dokumente und vor allem von der Zeile „Gegenlesen und Korrekturen“: Das Gegenlesen entscheidet, ob Sie mit dem Diktieren Zeit gewinnen oder verlieren.
Wo die Zeitersparnis verpufft: falsch erkannte Wörter
Eine allgemeine Spracherkennung versteht Alltagssprache sehr gut. Sie stolpert aber über das, was Ihren Beruf ausmacht: seltene Fachbegriffe, Eigennamen, Abkürzungen, lateinische Wörter. In unseren Tests mit französischen Berichten aus der orthopädischen Chirurgie wurde aus „Hallux valgus“ ein „Puralux valgus“, und ein Transkriptionsmodell allein verfehlte bis zu jeden dritten Fachbegriff.
Jeder solche Fehler kostet Zeit: ihn finden, ihn korrigieren, manchmal mit der Maus mitten im Satz. Und macht das Programm ihn am nächsten Tag wieder, ist auch die Korrektur wieder fällig. So geben manche Fachleute das Diktieren auf – nicht, weil es langsam wäre, sondern weil das Gegenlesen am Ende länger dauert als das Tippen.
Drei Hebel verändern diese Rechnung:
- Ein Fachvokabular für Ihr Gebiet. Wenn Sie dem Programm die Begriffe Ihres Fachs mitgeben, etwa aus einigen typischen Dokumenten, erkennt es die entscheidenden Wörter deutlich besser.
- Eine Korrektur, die dieses Vokabular kennt. Nach der Transkription kann ein Sprachmodell die exakte Schreibweise eines falsch verstandenen Begriffs wiederherstellen – vorausgesetzt, es formuliert nichts um. Wie das funktioniert, erklären wir in unserem Artikel zur Funktionsweise der KI-Spracherkennung.
- Ein Gedächtnis für Ihre Korrekturen. Das ist der entscheidende Hebel: Ein Wort, das einmal korrigiert wurde, sollte nicht noch einmal korrigiert werden müssen. In unserer Testumgebung sank die Fehlerquote bei Fachbegriffen von 13,9 % auf 1,7 %, sobald die Korrekturen aus anderen Diktaten angewendet wurden.
Diese Messungen entstanden mit synthetischen Stimmen, die deutlicher artikulieren als Sie und ich, und in perfekter Stille: Sie zeigen, welcher Hebel wie viel bewirkt, sagen aber Ihre Zahlen nicht voraus. Für Ihre eigenen Diktate gibt es einen einfachen Indikator: Die Zahl der manuellen Korrekturen pro 100 diktierte Wörter sollte von Woche zu Woche sinken.
Sieben Gewohnheiten, die wirklich Zeit sparen
- Diktieren Sie direkt nach dem Eingriff oder Termin, solange alles frisch ist: Dann ist die Stimme der Tastatur am deutlichsten überlegen.
- Halten Sie sich immer an dieselbe Gliederung (Ausgangslage, Feststellungen, Fazit, nächste Schritte): Sie zögern weniger, und der Text lässt sich schneller gegenlesen.
- Sprechen Sie in ruhigem Tempo, ohne zu hetzen. Eine deutliche Aussprache kostet weniger Zeit als eine Korrektur.
- Diktieren Sie in einem Zug und lesen Sie erst am Ende gegen. Wer zwischendurch zum Korrigieren anhält, verliert Rhythmus und Gedankenfaden.
- Richten Sie Ihr Vokabular einmal gründlich ein: Geben Sie Ihr Fachgebiet an und laden Sie drei oder vier ältere Dokumente hoch.
- Korrigieren Sie im Programm, nicht erst nach dem Kopieren. So kann es aus Ihren Änderungen lernen.
- Nehmen Sie auf, wenn Sie nicht vor einem Bildschirm diktieren können – unterwegs oder zwischen zwei Terminen –, und importieren Sie die Datei danach.
Was TechVoice zu dieser Rechnung beiträgt
TechVoice ist rund um genau diese Rechnung entstanden. Der Text erscheint, während Sie sprechen; sobald Sie stoppen, wird er in wenigen Sekunden mit Ihrem Vokabular korrigiert. Jedes Wort, das Sie ändern, wird gespeichert und bei den folgenden Diktaten angewendet, und Sie sehen jederzeit, was das Programm gelernt hat. Eine importierte Aufnahme von bis zu 60 Minuten wird genauso transkribiert und korrigiert: Für eine 30-minütige Besprechung rechnen Sie mit etwa einer Minute.
Die Transkription basiert auf Voxtral, dem Spracherkennungsmodell von Mistral AI; warum wir es gewählt haben und was wir damit gemessen haben, erklären wir in einem eigenen Artikel. Am zuverlässigsten ermitteln Sie Ihre persönliche Zeitersparnis, wenn Sie eine Woche lang mit echten Dokumenten testen. Das geht derzeit auf Französisch und Englisch (unsere eigenen Messungen haben wir auf Französisch durchgeführt). Bei der Registrierung erhalten Sie Gratispunkte, ohne Kreditkarte; danach werden die Preise in Punkten berechnet, etwa ein Punkt pro Diktatminute. Arbeiten Sie auf Deutsch? Dann fragen Sie den Vorabzugang an: Wir benachrichtigen Sie, sobald die deutsche Version startet.
Quellen
- Sinsky C. et al., „Allocation of Physician Time in Ambulatory Practice: A Time and Motion Study in 4 Specialties“, Annals of Internal Medicine, 2016. doi:10.7326/M16-0961
- DREES, „Les médecins généralistes libéraux travaillent en moyenne 46 heures par semaine en 2025“ (auf Französisch), Études et résultats, August 2026.
- Ruan S., Wobbrock J. O., Liou K., Ng A., Landay J. A., „Speech Is 3x Faster than Typing for English and Mandarin Text Entry on Mobile Devices“, 2016. arXiv:1608.07323; Zusammenfassung bei Stanford News.
- Interne TechVoice-Messungen, synthetisches Korpus französischer Orthopädie-Berichte, September bis November 2026.