Vom vertraulichen Gespräch zum überprüften Protokoll, geprüft an einer Besprechung des Campingplatzes Seeblick
Berichte über Datenlecks und Cyberangriffe haben mich beschäftigt. Ich fragte mich, welche Informationen so vertraulich sind, dass sie möglichst nicht an externe Dienste übermittelt werden sollten. Hinzu kam die geopolitische Unsicherheit. Was geschieht, wenn eine Plattform plötzlich nicht mehr erreichbar ist, ihren Dienst einstellt oder der Zugang eingeschränkt wird? Welche Aufgaben könnte ich dann weiterhin auf meinem eigenen Rechner erledigen?
Ich nutze selbst zusätzlich webbasierte KI-Anwendungen. Bei sensiblen Informationen arbeite ich aber mit lokalen KI-Anwendungen. Weshalb sollte ich eine vertrauliche Gesprächsaufnahme bei einem externen Dienst hochladen, wenn ich sie auch auf meinem eigenen Rechner transkribieren kann?
Aus dieser Überlegung heraus habe ich einen lokalen Arbeitsablauf eingerichtet und anhand einer Besprechung aus meinem Testfall Campingplatz Seeblick erprobt.
Der Testfall: Campingplatz Seeblick-Besprechung nach dem Testalarm
Der Campingplatz Seeblick ist ein Beispiel, welches Sie noch in anderen Artikel meines Blogs begleitet. Sein Hochwasserszenario habe ich erstellt: zehn Dokumente, die mir als Wissensbasis für mehrere lokale KI-Anwendungen dienen. Link Testfall-Seite.
Für diesen Beitrag habe ich eine Besprechung dazu verfasst. Betreiber, Platzwart, Rezeption, Technikerin und eine Springerin werten einen Testalarm aus. Sie legen die Höhen der Messpunkte fest, verteilen Aufgaben und lassen Fragen offen.
In das Gespräch habe ich Stellen eingebaut, an denen Transkription und KI scheitern können:
Höhenangaben mit Kommastellen, etwa 433,90 Meter über Meer
eine Zahl, die der Platzwart im Gespräch korrigiert
ein Vorschlag, aus dem kein Beschluss wird
eine offene Frage, für die sich niemand zuständig erklärt
eine Frist «bis Freitag» ohne Datum
eine Aufgabe für den Koch, der nicht dabei ist
Die Stimmen sind ebenfalls mit einer KI-App entstanden, da ich für das Beispiel eine Audiodatei brauchte. Ich habe das Drehbuch also vertont, für jede Person mit einer anderen Stimme. Damit stellt sich auch keine Frage der Einwilligung. Und ich weiss Wort für Wort, was gesagt wird. Das Drehbuch ist der Massstab, an dem ich Transkript und Protokoll auswerte.
Die KI-Stimmen in meiner Beispieldatei machen es der Software leicht: Niemand unterbricht, niemand spricht Dialekt, niemand redet durcheinander. Der Test zeigt deshalb den günstigsten Fall. Eine echte Besprechung verlangt mehr Kontrolle.
Von der Aufnahme bis zum fertigen Word-Dokument
Ich kombinierte zwei lokal installierte Anwendungen: eine Software, die Sprache in Text umwandelt, und eine KI-Anwendung, die den Text zu einem Protokoll aufbereitet.
Zuerst lege ich die Audioaufnahme auf meinem Rechner ab und lies sie transkribieren. Das Ergebnis ist ein Rohtranskript, das ich anhand der Aufnahme überprüfte. Denn die Software kann Wörter falsch verstehen, Personen verwechseln oder Aussagen unvollständig wiedergeben.
Erst nach dieser Prüfung verwende ich den Text in der lokalen KI-Anwendung. Dort entsteht das Protokoll mit Themen, Beschlüssen, Aufgaben und offenen Fragen; und daraus ein Word-Dokument zur Freigabe.
Auch das fertige Protokoll kontrolliere ich. Das keine Beschlüsse seitens KI-Sprachmodell ergänzt werden, die im Gespräch nicht gefallen sind. Wichtig ist aus meiner Sicht auch, dass offene Fragen erkennbar bleiben, wenn zum Beispiel eine Zuständigkeit ungeklärt bleibt.
Bevor ich ein echtes Gespräch aufzeichne
Bei der Seeblick-Besprechung spricht kein Mensch. Bei einer echten Besprechung muss ich vorher klären, ob ich aufzeichnen darf. In der Schweiz schützen das Strafgesetzbuch (StGB) und das Datenschutzgesetz (DSG) vertrauliche Gespräche und personenbezogene Daten.
Bei Besprechungen oder Beratungsgesprächen kläre ich deshalb vorab, ob die Beteiligten mit der Aufnahme einverstanden sind. Sie sollen wissen, wofür ich die Aufnahme benötige, wie ich sie verarbeite und wer später darauf zugreifen kann.
Auch die spätere Verwendung muss geklärt sein. Wenn ich ein Gespräch aufnehme, um daraus ein Protokoll zu erstellen, darf ich die Aufnahme nicht ohne Weiteres für andere Zwecke nutzen.
Bei konkreten rechtlichen Fragen würde ich eine juristische Fachperson hinzuziehen.
Vom Audio zum überprüften Transkript
Für die Transkription verwende ich noScribe, eine quelloffene Software zur lokalen Transkription von Audioaufnahmen. Sie wurde für die qualitative Sozialforschung entwickelt und eignet sich auch für journalistische Interviews.
Der Download für den Mac umfasst 2,8 GB. Das Programm bringt die Modelle für Sprach- und Sprechererkennung gleich mit und lädt danach nichts mehr nach. Die Grösse ist der Preis dafür, dass die Aufnahme den Rechner nie verlässt.
Ich lade die Seeblick-Aufnahme in noScribe und lasse sie auf meinem Rechner transkribieren. Anschliessend öffne ich das Ergebnis im integrierten Editor. Dort kann ich die Aufnahme anhören, den erkannten Text überprüfen und Fehler korrigieren. noScribe erkennt unterschiedliche Stimmen und ordnet die Passagen den jeweiligen Personen zu.
Wie zuverlässig noScribe die Sprache erkennt, hängt von der Aufnahmequalität, den Sprechenden und der Sprache ab. Deshalb kontrolliere ich das Rohtranskript, insbesondere Namen, Zahlen, wörtliche Zitate und Aussagen, die später als Beschluss oder Aufgabe im Protokoll erscheinen sollen.
Die vier Minuten lange Aufnahme hat noScribe auf meinem Mac mini M4 Pro in 1 Minute 8 Sekunden transkribiert, mit dem Modell «precise» und ohne Internetverbindung. Alle Höhenangaben stimmten bereits im Rohtranskript, auch die Korrektur von 434,50 auf 434,30. noScribe erkannte fünf Sprechende.
Die Fehler lagen woanders. Einige Wortmeldungen waren der falschen Person zugeordnet oder mit der nächsten zusammengelegt. Am Ende stand ein Satz, den niemand gesagt hatte – Whisper füllt Stille gern mit Wiederholungen. Und zweimal stand der Name «Beth» statt «Beat» im Text. Der Name steht mitten im Satz, nicht vorne bei der Sprecherbezeichnung. Beim Korrigieren achtete ich auf die Sprecherwechsel und übersah ihn.
Die Korrektur dauerte fünf bis sieben Minuten. Dabei hilft, dass ich im Editor die Aufnahme an jeder Stelle anhören kann. Eine Kleinigkeit fällt in der Schweiz zusätzlich auf: Whisper schreibt «ß». Ein Suchen und Ersetzen behebt das in einem Durchgang.
Hinweis: Die offizielle Website noscribe.de führt zu den Downloadmöglichkeiten und zum Quellcode des Projekts.
Aus dem Transkript wird ein Protokoll
Das geprüfte Transkript füge ich in Open WebUI ein. Die Anwendung läuft auf dem Mac mini in Docker, das Sprachmodell lokal über Ollama. Für das Protokoll habe ich einen eigenes Modell «Protokoll Seeblick» angelegt, ohne Wissensbasis: Einzige Quelle ist das Transkript. Ein Systemprompt gibt eine feste Vorlage vor – Kopf, Themen, Beschlüsse, Klarstellungen, Aufgaben mit Zuständigkeit und Frist, offene Fragen, Vorschläge und Prüfhinweise.
Der Systemprompt zieht klare Grenzen. Ein Beschluss liegt nur vor, wenn die Runde etwas ausdrücklich festlegt. «Man könnte» und «mal schauen» sind keine Beschlüsse. Nennt das Gespräch keine zuständige Person, schreibt das Modell «offen». Fristen übernimmt es wörtlich, ohne «bis Freitag» in ein Datum umzurechnen.
Das spart mir einen Teil der manuellen Arbeit. Allerdings muss ich das Ergebnis mit dem Transkript vergleichen. Denn beim Zusammenfassen kann die KI wichtige Aussagen weglassen, Zusammenhänge verändern oder aus einer unverbindlichen Äusserung einen Beschluss machen.
Besonders kritisch wird es, wenn sie Aufgaben einer Person zuordnet, obwohl im Gespräch niemand die Zuständigkeit übernommen hat. Solche Fehler fallen in einem übersichtlich gestalteten Protokoll nicht auf.
Ich habe das Protokoll mit Qwen in der Grösse von 27 Milliarden Parametern erstellen lassen, auf dem Mac mini mit 64 GB Arbeitsspeicher. Jeden Lauf habe ich an zehn Prüfstellen aus dem Drehbuch gemessen. Der erste Lauf war nach einer Minute fertig und lehrreich. Das Datum holte sich das Modell aus dem Dateinamen der Aufnahme, obwohl im Gespräch keines fällt. Zwei Aussagen verknüpfte es zu einer Begründung, die niemand gesagt hatte. Und den Hörfehler «Beth» trug es als zuständige Person in die Aufgabenliste ein.
Für jeden Fehler ergänzte ich eine Regel im Systemprompt. Das half bis zu einem Punkt. Mit neunzehn Regeln brach das Modell neue, während es alte befolgte. In einem Lauf fiel eine Aufgabe ganz weg. Eine fehlende Zeile ist der heikelste Fehler: Beim Lesen fällt sie nicht auf.
Den Unterschied machte der Denkmodus. Damit prüft das Modell vor der Antwort Regel für Regel. Das Protokoll braucht dann neun bis zwölf Minuten statt einer. Dafür hielt es sich an fast alles. Nur eine Stelle entglitt ihm immer wieder: Aus “vielleicht im Frühling, mal schauen” wurde “im Frühling”
Rückfragen statt Raten
Deshalb habe ich die Arbeit anders verteilt. Das Modell muss unklare Stellen nicht mehr selbst auflösen. Es soll sie zeigen. Jede Wortmeldung mit “wir”, “man”, “jemand”, “alle” oder “vielleicht” steht im neuen Abschnitt “Rückfragen vor der Freigabe”, wörtlich zitiert, mit einer Frage an die Person, die sie klären kann.
Ein Beispiel: “Danach zeigen wir sie allen.” Wer zeigt die Zonengrenzen? Und wem genau, auch dem Koch und dem zweiten Springer? Am Tisch hätte niemand nachgefragt. Alle glaubten zu wissen, was gemeint ist. Im Protokoll wird sichtbar, dass niemand zuständig ist.
Das wörtliche Zitat ist dabei der Schutz. Kürzt das Modell in der Tabelle das “vielleicht” weg, steht der ganze Satz trotzdem bei den Rückfragen. Der Fehler geht nicht verloren. Er landet bei der Protokollführung.
Vom Protokoll zum Word-Dokument
Ein Protokoll im Chat ist noch kein Dokument, das man ablegt und unterschreibt. Dafür habe ich in Open WebUI ein eigenes Werkzeug gebaut, nach dem Muster meines Einarbeitungsblatts. Ein Satz genügt: “Erstelle das Word-Dokument.” Das Modell übergibt das fertige Protokoll an das Werkzeug. Ein Python-Skript setzt es über Open Terminal in eine feste Vorlage, ebenfalls auf dem Mac mini.
Bevor die Datei entsteht, prüft das Werkzeug das Protokoll gegen das Transkript. Das Transkript liest es selbst aus dem Chat, das Modell kann es also nicht verändern. Geprüft wird:
Fallen Datum und Ort im Gespräch?
Spricht jede zuständige Person im Gespräch, oder ist sie als abwesend genannt?
Gibt es jede Zeitmarke im Transkript?
Stehen die Zitate wörtlich so da, von einer Person gesprochen?
Hat jede unscharfe Stelle eine Rückfrage, und ist jedes “vielleicht” erhalten?
Befunde setzt das Werkzeug in einen farbigen Kasten oben ins Dokument. Am Ende stehen die Rückfragen zum Abhaken und eine Zeile für die Unterschrift. Erst wenn alles geklärt ist, gibt die Protokollführung das Protokoll frei.
Im letzten Lauf erfüllte das Protokoll alle zehn Prüfstellen, und das Werkzeug meldete keinen Befund. Trotzdem steckte ein Fehler darin. In einer Rückfrage steht Sandras “Und wer macht das?” mitten in Daniels Worten. noScribe hatte die beiden Wortmeldungen zusammengelegt, und bei meiner Korrektur blieb das so. Das Werkzeug prüft das Protokoll am Transkript. Ob das Transkript stimmt, prüft es nicht. Jede Prüfung ist nur so gut wie ihre Quelle.
Für das Protokoll brauchte das Modell im Denkmodus zwölf Minuten, für das Word-Dokument acht. Der zweite Schritt übergibt nur. Dafür lässt sich das Nachdenken abschalten.
Ein gutes Protokoll beginnt in der Besprechung
Die Technik kann nur festhalten, was gesagt wird. Was niemand ausspricht, fehlt im Protokoll, auch wenn alle am Tisch es wissen. Wer eine Besprechung leitet, die aufgezeichnet wird, kann der Technik deshalb viel Arbeit abnehmen.
Zu Beginn Ort, Datum und Uhrzeit nennen. In der Seeblick-Aufnahme fehlt beides. Das Modell schrieb korrekt “nicht genannt”, im ersten Lauf hatte es das Datum noch aus dem Dateinamen geholt.
Die Anwesenden nennen. Am besten sagt jede Person einmal ihren Namen. Das erleichtert auch die Zuordnung der Stimmen.
Wortmeldungen mit Namen aufrufen. “Ja, Lea, du wolltest etwas sagen.” So steht im Transkript, wer spricht, auch wenn die Stimmerkennung danebenliegt.
Aufträge mit Name und Datum vergeben. “Beat, bis Donnerstag, 29. Oktober” statt “bis Donnerstag”. Und nie “wir” oder “man”, wenn eine Person gemeint ist.
Am Schluss zusammenfassen. Beschlüsse und Aufgaben noch einmal vorlesen, jeweils mit Person und Frist. Dann hat das Modell eine saubere Fassung am Ende des Gesprächs, und alle Beteiligten hören, was sie zugesagt haben.
Das klingt förmlich. Doch es ist dieselbe Disziplin, die eine gute Sitzungsleitung auch ohne Aufnahme pflegt. Die Aufnahme macht nur hörbar, wo sie fehlt.
Vom Protokoll zurück in die Wissensbasis
Die Besprechung hat Folgen für ein Dokument im Hochwasserszenario. Die beschlossenen Höhen der Messpunkte stehen inzwischen in Kapitel 5, Fassung 2.3. So schliesst sich der Kreis: Ein Gespräch ändert ein Dokument, und das Dokument fliesst in die Wissensbasis zurück.
Genau hier lohnt die Kontrolle doppelt. Hätte das Transkript bei M2 die alte Bleistiftmarke 434,50 übernommen statt der korrigierten 434,30, stünde der Fehler danach im Plan und jede KI-Anwendung, die auf diesen Plan zugreift, würde ihn weitergeben.
In die Wissensbasis übernehme ich deshalb nie das ganze Gespräch, sondern nur geprüfte Ergebnisse, für deren Verwendung eine Berechtigung besteht.
Lokal verarbeitet heisst nicht automatisch sicher
Bei vertraulichen Gesprächen sehe ich einen Vorteil darin, Audioaufnahme und Transkript auf dem eigenen Rechner zu verarbeiten. Ich muss diese Daten nicht an einen externen KI-Dienst übermitteln.
Damit sind nicht alle Sicherheitsfragen gelöst. Auch auf meinem Rechner muss ich darauf achten, wo ich Dateien speichere, wer darauf zugreifen kann und ob automatische Sicherungen Daten an einen Cloud-Dienst übertragen.
Ausserdem kommt es darauf an, was nach der Verarbeitung geschieht. Ein vertrauliches Transkript verliert seinen Schutz, wenn es unkontrolliert weitergegeben oder in eine öffentlich zugängliche KI-Anwendung kopiert wird.
Ich halte deshalb wenig davon, lokale und cloudbasierte KI pauschal als sicher oder unsicher einzustufen. Für mich zählen der Inhalt, sein Schutzbedarf und die konkrete Verarbeitung.
Fazit
Eine Besprechung lässt sich vollständig auf dem eigenen Rechner transkribieren und zu einem strukturierten Protokoll verarbeiten. Die Arbeit endet allerdings nicht mit dem fertigen Protokoll. Ich muss das Transkript an der Aufnahme kontrollieren und anschliessend prüfen, ob die KI Beschlüsse, Aufgaben und offene Fragen korrekt wiedergibt.
Der Ablauf zeigt eine klare Arbeitsteilung. noScribe transkribiert in einer Minute. Das KI-Modell schreibt das Protokoll in rund zehn Minuten und setzt es in eine feste Vorlage. Der Mensch hört das Transkript nach, klärt die Rückfragen und unterschreibt. Am meisten Aufmerksamkeit verlangt der erste Schritt, die Korrektur des Transkripts. Jeder Fehler, der dort durchrutscht, besteht alle späteren Prüfungen.
Korrektur und Wartezeit kosten Zeit. Trotzdem liegt das Protokoll noch am selben Tag vor. Von Hand geschrieben, kommt es oft erst Tage später, dann, wenn sich niemand mehr genau erinnert, wer was zugesagt hat. Mit dem lokalen Ablauf lassen sich die Rückfragen klären, solange die Besprechung allen noch präsent ist.
Für mich liegt der Nutzen darin, vertrauliche Informationen lokal zu verarbeiten und jeden Arbeitsschritt selbst überprüfen zu können. Ob der gesamte Umgang mit diesen Daten sicher genug ist, hängt zusätzlich von Speicherung, Zugriffsrechten und späterer Verwendung ab.
Einblick in meine praktische Umsetzung
Präsentation lokal transkribieren und protokollieren im Testfall Campingplatz Seeblick I M. Frenzel
Quellen und weiterführende Hinweise
Eidgenössischer Datenschutz- und Öffentlichkeitsbeauftragter: Aufzeichnung von Gesprächen
Eidgenössischer Datenschutz- und Öffentlichkeitsbeauftragter: Outsourcing beziehungsweise Auftragsdatenbearbeitung
noScribe: noscribe.de
Open WebUI: openwebui.com
Spickzettel: Befehle für die lokale KI [Link]
