Wenn die Stimme zur Tastatur wird und der Rechner sie für sich behält

Es ist kurz nach sechs am Abend, die letzte Patientin ist gegangen. Auf dem Bildschirm warten noch ein Arztbrief, drei Rückrufnotizen und eine Antwort an die Krankenkasse. Was darin stehen soll, ist längst klar. Es muss nur noch durch die Tastatur.

Wer im Gesundheitswesen arbeitet, kennt diese letzte Stunde am Schreibtisch. In der Pflege heißt sie Übergabe, in der Physiotherapie Verlaufsnotiz, in der Verwaltung Protokoll. Ich bin überzeugt, dass sie gerade kürzer wird. Nicht, weil Sprache als Eingabe neu wäre, sondern weil sie zum ersten Mal so einfach wird, dass man nicht mehr darüber nachdenkt.

Eine alte Idee, ein neuer Alltag

Die Medizin diktiert seit Jahrzehnten: erst auf Band, dann für das Schreibbüro, später direkt in den Computer. 1997 kam mit Dragon NaturallySpeaking die erste PC-Software auf den Markt, die fließend gesprochene Sprache verstand; vorher musste man nach jedem Wort eine kleine Pause machen. Wie eng diese Technik mit dem Gesundheitswesen verbunden ist, zeigte sich 2022, als Microsoft den Dragon-Hersteller Nuance übernahm und dabei ausdrücklich auf dessen Diktatlösungen für Kliniken verwies.

Lange blieb Spracherkennung trotzdem ein Spezialwerkzeug, mit eigener Software, eigenem Fenster und eigenen Routinen. Das ändert sich gerade, und zwar zuerst außerhalb der Medizin.

Was Wispr Flow (USA) und Granola (UK) zeigen

Zwei junge Unternehmen machen vor, wohin die Reise geht.

Wispr Flow aus San Francisco startete 2024 mit einer einfachen Idee: Man drückt ein Tastenkürzel, spricht, und der Text erscheint in dem Programm, in dem man gerade arbeitet, schon geglättet und mit Satzzeichen. Erst auf dem Mac, inzwischen auch unter Windows und auf dem iPhone. Diktieren ist hier kein eigenes Programm mehr, sondern eine Schicht über allen Programmen.

Granola aus London geht einen Schritt weiter. Der Notizblock für Besprechungen hört im Hintergrund mit, über den Ton des eigenen Rechners statt über einen Bot in der Videokonferenz, und verbindet die eigenen Stichpunkte nach dem Termin mit dem Gesagten zu fertigen Notizen.

Beide decken damit mehr ab als das klassische Diktat: das eine jede Textzeile am Rechner, das andere jedes Gespräch. Verwandt sind die Ansätze, gleich sind sie nicht. Beim Diktieren spreche ich, um selbst zu schreiben. Bei Besprechungsnotizen wird ein Gespräch mit anderen festgehalten, und damit stellt sich etwa die Frage, ob alle Beteiligten einverstanden sind.

Auch der größte Anbieter im Gesundheitswesen geht in diese Richtung. Im März 2025 stellte Microsoft Dragon Copilot vor. Es führt die Diktierfunktion von Dragon Medical One, nach Unternehmensangaben von über 600.000 Klinikerinnen und Klinikern genutzt, mit dem Mithören im Arztgespräch durch DAX Copilot zusammen. Microsoft nennt das nicht Sprachtastatur. In der Sache ist es derselbe Trend: Sprache wird zur Eingabe für den ganzen Arbeitsablauf, nicht nur für den Arztbrief. Verarbeitet wird dabei in der Microsoft Cloud.

Warum Spracheingabe das ganze Gesundheitswesen betrifft

Wer über Spracherkennung in der Medizin spricht, meint meist den Arztbrief. Geschrieben wird aber überall im System:

• In der Pflege: Übergaben und interne Notizen, ohne erst einen freien Rechner und zehn Minuten Tippzeit zu suchen.

• In Therapie und Reha: Verlaufsnotizen oder Schreiben an Kostenträger.

• Am Empfang: Korrespondenz und Rückrufnotizen der Medizinischen Fachangestellten.

• In Praxis- und Klinikverwaltung: E-Mails, Protokolle, Berichte.

• In Forschung und weiteren Organisationen: Entwürfe und Arbeitsnotizen.

Das sind Möglichkeiten, keine Kundenberichte. Und für alle gilt: Ein diktierter Text ist ein Entwurf, den die verantwortliche Person prüft.

Die offene Frage: wo Sprache verarbeitet wird

Im Gesundheitswesen reicht es nicht, dass ein Werkzeug bequem ist. Mindestens so wichtig ist, wo das Gesprochene landet.

Bei den meisten Diktierdiensten geht die Aufnahme an ein Rechenzentrum und kommt als Text zurück, so auch bei Dragon Copilot. Die Alternative heißt lokale Verarbeitung, in der Fachsprache „lokale Inferenz“: Das Sprachmodell läuft direkt auf dem Rechner, an dem gesprochen wird. Was vor wenigen Jahren noch zu rechenintensiv war, schaffen heute aktuelle Laptops mit Grafikkarte oder Apple-Chip.

Das hat ganz praktische Folgen. Lokale Spracherkennung funktioniert auch ohne Netz, im Altbau mit schwachem WLAN ebenso wie im abgeschotteten Kliniknetz. Vor allem aber enthält gesprochene Sprache im Gesundheitswesen Namen, Diagnosen und sehr persönliche Umstände. Ich halte es für den richtigen Ausgangspunkt, dass solche Daten dort bleiben, wo sie gesprochen wurden.

Für den Datenschutz ist das mehr als ein Detail. Gesundheitsdaten gehören nach der DSGVO zu den besonders geschützten Daten. Wird die Aufnahme gar nicht erst an einen Dienstleister übertragen, stellen sich die üblichen Fragen für die Spracherkennung nicht: wer sie verarbeitet, wo sie gespeichert wird, ob sie in ein Drittland gelangt. Der Schutz steckt dann in der Technik, nicht erst in Verträgen.

Dazu kommt die Frage der Souveränität. Wer Sprachmodelle selbst entwickelt und auf den Geräten der Nutzer betreibt, hängt weniger an der Infrastruktur Dritter, für europäische Anbieter ein gewichtiges Argument. Die Cloud ist deshalb nicht automatisch die schlechtere Wahl: Große Modelle im Rechenzentrum treffen seltene Fachbegriffe oft besser und laufen auch auf älteren Geräten. Es ist eine Abwägung, und sie sollte bewusst getroffen werden.

Was lokal nicht gelöst ist

Ehrlicherweise gehören auch die Grenzen dazu. Lokale Modelle brauchen Rechenleistung; nicht jeder ältere Praxisrechner schafft das in voller Qualität. Auch ein lokales Modell macht Fehler, und alles, was eine Spracherkennung schreibt, bleibt ein Entwurf. Und der Schutz endet am Cursor: Landet der Text in einer Cloud-Anwendung, gelten ab dort deren Regeln. Lokale Verarbeitung ersetzt keine datenschutzrechtliche Prüfung in der eigenen Organisation. Sie verringert nur die Zahl der Stellen, an denen sensible Sprache verarbeitet wird.

Unser Ansatz: MediSync Dictate

Aus dieser Abwägung heraus haben wir MediSync Dictate entwickelt. Das Bedienprinzip folgt dem, was sich im Markt bewährt hat: Taste gedrückt halten, sprechen, loslassen. Der Text erscheint dort, wo der Cursor steht, ob in Outlook, Word, dem Browser oder einem Praxis- oder Kliniksystem.

Dahinter steht unser eigenes, in Deutschland entwickeltes Sprachmodell MediSync S2. Es setzt Satzzeichen, schreibt Zahlen, Dosierungen und Einheiten so, wie man sie tippen würde, und läuft standardmäßig lokal: Ton und Text verlassen das Gerät nicht. Nach der Einrichtung funktioniert das Diktieren auch offline. Das gilt ebenso für die Notizfunktion für Besprechungen. Wer eine Internetverbindung hat und größere Modelle nutzen möchte, kann bei Bedarf auf unsere Server in Frankfurt umschalten. Die Notizen selbst liegen in beiden Fällen verschlüsselt auf dem Rechner, als Text und ohne Audio. Dictate gibt es für Windows 10 und 11 sowie für Macs mit Apple-Chip, alle Versionen auf der Download-Seite.

Eine Zahl, die zu denken gibt

Zum Schluss eine Beobachtung, die uns selbst überrascht hat. Zwischen dem Start der Beta im September und Mitte Oktober 2026 wurde Dictate in Großbritannien rund 85 Prozent häufiger heruntergeladen als in Deutschland. Und das, obwohl wir ein deutsches Unternehmen sind und Deutschland der größere Markt ist.

Eine einzelne Download-Statistik erklärt nicht alles; Sprache, Bekanntheit und Zeitpunkt spielen mit hinein. Für mich ist sie trotzdem ein Hinweis darauf, dass neue Werkzeuge im deutschen Gesundheitswesen langsamer im Alltag ankommen, obwohl sie hier entwickelt werden. Die Technik ist da. Ob sie hierzulande ankommt, entscheidet sich nicht im Labor, sondern am Schreibtisch, abends um kurz nach sechs.

Quellen

Alle Quellen abgerufen am 29.10.2026. [7] und [8] sind Herstellerangaben von MediSync.

1. Live Science: Speech Recognition Software Finally Works, 16.07.2007.

2. Associated Press via TechXplore: Microsoft closes on $16 billion acquisition of Nuance, März 2022.

3. Business Wire: Wispr Raises $12M and Launches Wispr Flow to Replace Keyboards With Voice, 30.09.2024.

4. TechCrunch: Wispr Flow releases iOS app in a bid to make dictation feel effortless, 03.06.2025.

5. Granola: Introducing Granola: the AI-powered notepad for meetings, 22.05.2024.

6. Granola: The AI notepad for back-to-back meetings (Produktseite), ohne Datum.

7. MediSync GmbH: Introducing MediSync S2, 01.10.2026. Herstellerangabe.

8. MediSync GmbH: MediSync Dictate: Ihre Stimme wird fertiger Text, in jedem Programm (Produktseite inkl. FAQ und Preise), ohne Datum. Herstellerangabe.

9. Microsoft Tech Community: A deeper look at Microsoft Dragon Copilot, März 2025. Herstellerangabe. Abgerufen am 05.11.2026.

10. Telecom Talk: Microsoft Dragon Copilot, März 2025. Abgerufen am 05.11.2026.

11. Datenschutz-Grundverordnung: Art. 9 DSGVO – Verarbeitung besonderer Kategorien personenbezogener Daten, Verordnung (EU) 2016/679. Abgerufen am 05.11.2026.

Von Gil Osammor, Gründer von MediSync GmbH