Der wichtigste Satz vorweg: Fireflies.ai ist kein Protokollwerkzeug, sondern ein Aufzeichnungs- und Auswertungssystem für gesprochene Sprache. Diese Unterscheidung klingt nach Wortklauberei und ist in Wahrheit der Angelpunkt jedes Einführungsprojekts. Ein Protokollwerkzeug hilft einer Person, besser mitzuschreiben. Ein Aufzeichnungssystem legt eine dauerhafte, durchsuchbare, auswertbare Sammlung dessen an, was Ihre Mitarbeitenden und Ihre Kundschaft gesagt haben – Wort für Wort, Person für Person, über Jahre hinweg. Wer diesen Unterschied in der Einführung nicht ausspricht, bekommt ihn spätestens dann vorgehalten, wenn Betriebsrat oder Datenschutzbeauftragte die erste Auswertung sehen.
Drei Eigenschaften beschreiben das Werkzeug treffender als jede Funktionsliste:
Um zu verstehen, worüber Sie im Einführungsprojekt entscheiden, hilft es, den Weg eines einzelnen Termins nachzuvollziehen. Am Anfang steht der Kalender. Der Dienst liest die Termine der verbundenen Konten, erkennt an der Einladung, dass eine Konferenz mit Videolink stattfindet, und plant den Beitritt. Je nach Einstellung tritt der Bot allen Terminen bei, nur den selbst organisierten, nur den externen oder nur denen, für die es ausdrücklich angefordert wurde. Diese Einstellung ist die folgenreichste des gesamten Produkts, und sie wird in Testphasen fast immer auf der bequemsten Stufe belassen.
Im Termin erscheint der Bot in der Teilnehmerliste. Die Konferenzplattform zeigt ihn wie eine Person an, teils mit einem Hinweis auf laufende Aufzeichnung, teils ohne – das hängt an der Plattform und deren Einstellungen, nicht am Assistenten. Nach Terminende beginnt die Verarbeitung: Die Tonspur wird in Text umgewandelt, Sprecherabschnitte werden getrennt und Personen zugeordnet, es entstehen Zusammenfassung, Themenliste und Aufgabenvorschläge. Wenige Minuten später liegt das Ergebnis in der Ablage und wird – je nach Einstellung – automatisch per E-Mail versendet, in einen Chatkanal gepostet oder an einen Datensatz im Kundenverwaltungssystem geheftet.
Diese letzte Automatik ist der Punkt, an dem in Projekten die meisten unangenehmen Überraschungen entstehen. Ein Transkript, das automatisch an alle Teilnehmenden geht, wandert mit dem ersten externen Termin aus dem Unternehmen. Ein Transkript, das automatisch an einen Chatkanal geht, ist für alle Kanalmitglieder lesbar, auch für die, die nicht im Termin waren. Ein Transkript, das automatisch am Kundendatensatz hängt, ist für jede Person im Vertrieb sichtbar. Keine dieser Automatiken ist falsch – aber jede ist eine bewusste Entscheidung und keine Voreinstellung, die man laufen lässt.
Am Ende steht die Aufbewahrung. Aufnahmen, Transkripte, Zusammenfassungen und die daraus abgeleiteten Kennzahlen bleiben, bis jemand sie löscht oder eine Regel sie löscht. Ohne definierte Aufbewahrungsfrist entsteht innerhalb von zwei Jahren ein Bestand, den niemand mehr überblickt und der im Fall einer Auskunftsanfrage, einer Betriebsprüfung oder eines Rechtsstreits vollständig relevant wird. Wir kommen darauf im Betriebskapitel zurück, weil es der Punkt ist, an dem sich seriöse von unbedachter Nutzung unterscheidet.
KI-Meeting-Assistenten sind kein neues Konzept – automatische Spracherkennung gibt es seit Jahrzehnten. Was sich verändert hat, sind drei Dinge gleichzeitig. Erstens ist die Qualität der Spracherkennung durch moderne Modelle so weit gestiegen, dass Transkripte auch bei Nebengeräuschen, Dialektfärbung und Fachvokabular brauchbar sind – nicht fehlerfrei, aber brauchbar. Zweitens haben große Sprachmodelle die Nachverarbeitung ermöglicht: Aus einem Rohtranskript wird eine strukturierte Zusammenfassung mit Aufgaben, statt einer Textwüste. Drittens ist Videokonferenz nach den verteilten Arbeitsjahren zur Normalform der Besprechung geworden, womit der Zugriffspunkt für einen Assistenten überhaupt erst flächendeckend existiert.
Für Unternehmen bedeutet das eine ungewohnte Situation: Ein Werkzeug, das früher ein Großprojekt gewesen wäre, lässt sich heute von einer einzelnen Person mit einer Kreditkarte und einem Kalenderzugriff in fünf Minuten einführen. In unseren Projekten ist der häufigste Erstkontakt mit Fireflies.ai nicht die Beschaffungsanfrage, sondern die Entdeckung, dass in der Teilnehmerliste einer Kundenrunde seit Monaten ein Bot mitläuft, den jemand aus dem Vertrieb eingerichtet hat. Das ist keine Böswilligkeit, sondern die logische Folge eines Produkts, das an der IT vorbei funktioniert.
Daraus folgt eine Empfehlung, die wir jeder Organisation geben, unabhängig davon, ob sie das Werkzeug einführen will: Klären Sie zuerst, ob es bereits im Einsatz ist. Ein Blick in die Kalenderfreigaben, in die verbundenen Anwendungen des Identitätsdienstes und in die Teilnehmerlisten vergangener Konferenzen beantwortet diese Frage schnell. Erst danach ist eine sinnvolle Diskussion über Einführung, Regeln und Alternativen möglich – vorher diskutieren Sie über einen hypothetischen Zustand, während die Realität längst eine andere ist.
Aus unserer Beratungspraxis passt ein KI-Meeting-Assistent dieser Bauart besonders gut zu vier Profilen. Erstens zu vertrieblich geprägten Organisationen mit vielen Erstgesprächen, in denen die Nachbereitung heute schlecht oder gar nicht stattfindet und Informationen im Kopf einzelner Personen bleiben. Zweitens zu Projekt- und Beratungshäusern, in denen Abstimmungen mit Kundschaft nachvollziehbar sein müssen und Übergaben zwischen Personen regelmäßig vorkommen. Drittens zu Organisationen mit vielen internationalen oder mehrsprachigen Terminen, in denen ein Transkript die Verständnissicherung verbessert. Viertens zu Teams, die Gesprächsführung systematisch entwickeln wollen und dafür eine Grundlage jenseits von Erinnerung und Bauchgefühl brauchen.
Die Grundlogik ist ein Sitzplatzmodell: Abgerechnet wird pro Person, deren Termine aufgezeichnet und verarbeitet werden, in der Regel günstiger bei jährlicher Zahlung. Personen, die lediglich fertige Zusammenfassungen lesen, benötigen je nach Ebene und Konfiguration keinen eigenen bezahlten Zugang – ein Punkt, der die Kalkulation erheblich verändert und den wir in Kapitel 09 aufgreifen. Zwischen den Ebenen unterscheiden sich vor allem Umfang der Verarbeitung, Speicherdauer, Suchtiefe über die Gesprächshistorie, Verfügbarkeit der Auswertungsfunktionen, Anbindung an Kundenverwaltungssysteme, Anmeldung über den zentralen Identitätsdienst und die Frage, wie fein die Administration steuern kann, wer wann aufzeichnen darf.
Vergleichen Sie die Ebenen nicht nach der Länge der Funktionsliste, sondern nach vier Trennlinien, die in Projekten den Unterschied machen. Die erste ist die zentrale Verwaltung. Solange sich Beschäftigte mit eigenen Zugängen anmelden, weiß Ihre IT nicht, wer aufzeichnet, kann Konten beim Austritt nicht zuverlässig entziehen und hat keinen Zugriff auf Inhalte, die im Unternehmensinteresse entstanden sind. Die Anmeldung über den zentralen Identitätsdienst ist damit keine Komfortfunktion, sondern die Voraussetzung dafür, dass das Werkzeug überhaupt in Ihre Systemlandschaft gehört.
Die zweite Trennlinie ist die Aufbewahrungssteuerung. Bei einem Werkzeug, das Sprachaufnahmen und Wortprotokolle erzeugt, ist die Frage, wie lange diese liegen bleiben und wer sie löschen kann, keine Randnotiz. Auf niedrigen Ebenen bleibt in der Regel alles liegen, bis eine Person es einzeln löscht. Erst auf höheren Ebenen lassen sich Regeln definieren – etwa automatische Löschung nach einer festgelegten Frist, unterschiedlich nach Gesprächsart. Wenn Sie in Ihrer Löschkonzeption eine Frist für Gesprächsaufzeichnungen festschreiben wollen, und das sollten Sie, dann brauchen Sie die Ebene, auf der sich diese Frist technisch durchsetzen lässt.
Die dritte Trennlinie sind die Auswertungsfunktionen. Redeanteile, Monologlängen, Themenverfolgung und Stimmungsindikatoren sind typischerweise höheren Ebenen vorbehalten. Das ist wirtschaftlich nachvollziehbar und für Sie eine Chance: Wenn Sie die Auswertungsebene aus Mitbestimmungsgründen ohnehin nicht wollen, brauchen Sie die höhere Ebene möglicherweise nicht – oder Sie brauchen sie aus Verwaltungsgründen und müssen dann klären, ob sich die Auswertung gezielt abschalten lässt. Diese Frage sollten Sie schriftlich beantwortet bekommen, bevor Sie unterschreiben, weil sie später Teil Ihrer Betriebsvereinbarung wird.
Die vierte Trennlinie ist die CRM-Anbindung. Die automatische Übertragung von Zusammenfassungen und Kennzahlen in ein Kundenverwaltungssystem ist der wirtschaftlich attraktivste Teil des Produkts und zugleich derjenige, der die Verarbeitungskette verlängert. Sie ist in der Regel erst ab mittleren Ebenen verfügbar. Wenn dieser Anwendungsfall Ihr Hauptmotiv ist – und im Mittelstand ist er das oft –, dann entscheidet er über die Ebene, unabhängig von allen anderen Funktionen.
Es lohnt sich, die Positionierung ehrlich zu benennen, weil sie die Produktentscheidungen erklärt. Fireflies.ai positioniert sich nicht als Notizhilfe für Einzelpersonen, sondern als Plattform für Gesprächsdaten in einer Organisation. Die Gestaltung folgt dieser Logik konsequent: Gespräche landen in gemeinsamen Ablagen statt in privaten Notizen, die Suche geht über die gesamte Historie eines Teams, die Auswertung vergleicht Personen und Zeiträume, und die Schnittstellen zielen auf CRM, Automatisierung und Datenexport.
Für vertriebsorientierte Organisationen ist das genau richtig. Ein Vertriebsleiter, der wissen will, wie oft ein bestimmter Einwand in den letzten drei Monaten gefallen ist, bekommt eine Antwort in Sekunden statt in einer Umfrage. Ein neuer Mitarbeiter, der die letzten fünf Gespräche mit einem Bestandskunden nachhören kann, ist nach zwei Stunden auf dem Stand, für den er sonst drei Wochen gebraucht hätte. Diese Effekte sind real und sie erklären den Erfolg der Kategorie.
Für Organisationen mit ausgeprägter Datensparsamkeitskultur ist dieselbe Ausrichtung ein Problem. Ein Werkzeug, dessen Kern die dauerhafte, personenbezogene, auswertbare Sammlung von Gesprächen ist, lässt sich nicht durch Konfiguration in ein sparsames Werkzeug verwandeln. Sie können den Umfang begrenzen, Sie können Fristen setzen, Sie können Auswertungen abschalten – aber Sie ändern nicht die Bauart. Wenn Ihre Anforderung im Kern lautet, dass Gespräche nicht dauerhaft gespeichert werden sollen, dann ist ein Produkt der Kategorie „lokale Notizassistenz“ die passendere Familie, nicht eine niedrigere Ebene dieses Produkts.
Der Bezug erfolgt üblicherweise direkt beim Anbieter über Selbstbedienung mit Kreditkarte oder über ein Angebot bei größeren Mengen. Partner und Wiederverkäufer im deutschsprachigen Raum sind bei Werkzeugen dieser Kategorie weniger verbreitet als bei etablierten Softwareprodukten, was praktische Folgen hat: Vertragssprache, Rechnungsstellung, Datenschutzanlagen und Supportzusagen sind im Selbstbedienungsweg standardisiert und wenig verhandelbar. Für eine Organisation mit eigener Beschaffungsrichtlinie erzeugt das regelmäßig Nacharbeit.
Sechs Fragen gehören in jedem Fall vor die Unterschrift. Erstens die Sitzplatzfrage: Wer braucht wirklich einen Zugang, und wie werden Personen behandelt, die nur lesen? Zweitens die Verwaltungsfrage: Ab welcher Ebene ist Anmeldung über Ihren Identitätsdienst möglich, und ab welcher Ebene können Sie Konten zentral entziehen? Drittens die Aufbewahrungsfrage: Welche Löschregeln lassen sich technisch durchsetzen, wer kann sie ändern, und wird die Löschung auch auf Sicherungen wirksam? Viertens die Auswertungsfrage: Lassen sich Conversation-Intelligence-Funktionen zentral deaktivieren, und lässt sich das nachweisen? Fünftens die Datenregion: Wo werden Aufnahmen, Transkripte und Auswertungen verarbeitet und gespeichert, gibt es eine europäische Option, und gilt sie für alle Verarbeitungsschritte einschließlich der Sprachmodelle? Sechstens die Ausstiegsfrage: In welchen Formaten lassen sich Transkripte, Aufnahmen und Metadaten vollständig exportieren, und was geschieht mit den Daten nach Vertragsende?
Der letzte Punkt verdient besondere Aufmerksamkeit, weil er bei Gesprächsdaten anders wiegt als bei Dokumenten. Wenn Sie das Werkzeug nach zwei Jahren wechseln, haben Sie einen Bestand von Tausenden Aufnahmen und Transkripten, die personenbezogene Daten Dritter enthalten – Ihrer Kundschaft, Ihrer Bewerbenden, Ihrer Partner. Diesen Bestand einfach zu übernehmen ist keine neutrale Handlung, und ihn beim alten Anbieter liegen zu lassen ebenfalls nicht. Klären Sie deshalb schon vor der Einführung, wie ein geordneter Ausstieg aussieht: vollständiger Export, dokumentierte Löschung beim Anbieter, Entscheidung darüber, was überhaupt migriert wird. Diese Klärung kostet eine Stunde und erspart Ihnen später ein unangenehmes Projekt.
Die folgenden Bausteine bestimmen den praktischen Alltag. Welche davon in Ihrer Ebene verfügbar sind und in welcher Ausprägung, sollten Sie vor der Beschaffung abgleichen; der Funktionsumfang von Diensten dieser Art verändert sich laufend.
Der Bot ist das prägende Merkmal dieser Produktkategorie und verdient eine genaue Betrachtung, weil an ihm mehr organisatorische Entscheidungen hängen als an jeder anderen Funktion. Technisch tritt er der Konferenz wie ein weiterer Teilnehmer bei. Das hat drei Vorteile: Es funktioniert unabhängig davon, welches Gerät die Beteiligten nutzen, es erfasst auch Personen, die sich per Telefon eingewählt haben, und es benötigt keine Installation auf den Rechnern der Belegschaft. Genau diese Eigenschaften machen den Rollout technisch trivial – und genau deshalb wird er organisatorisch oft unterschätzt.
Für den Beitritt gibt es typischerweise drei Wege. Der kalendergesteuerte Beitritt ist der Regelfall: Der Dienst liest den verbundenen Kalender und tritt allen passenden Terminen bei. Der Beitritt auf Einladung funktioniert, indem eine Adresse des Dienstes als Teilnehmer in die Termineinladung aufgenommen wird – das ist der bewusstere Weg, weil jede Aufzeichnung eine aktive Handlung erfordert. Der manuelle Beitritt über das Einfügen eines Konferenzlinks eignet sich für spontane Termine. In unseren Projekten empfehlen wir für den Start ausdrücklich den zweiten Weg, auch wenn er unbequemer ist: Er verhindert, dass Termine aufgezeichnet werden, an die niemand gedacht hat – das Personalgespräch, die Betriebsratsrunde, die kurzfristige Krisenbesprechung.
Zur Sichtbarkeit gibt es zwei ehrliche Feststellungen. Erstens: Der Bot ist sichtbar. Er steht in der Teilnehmerliste, er hat einen Namen, und aufmerksame Gesprächspartner fragen nach. Das ist gut so und sollte nicht durch kreative Namensgebung verschleiert werden. Zweitens: Sichtbarkeit ist nicht dasselbe wie Einwilligung. Ein Bot in der Teilnehmerliste ersetzt keine Ansage und keine dokumentierte Zustimmung – dazu ausführlich in Kapitel 09. Manche Konferenzplattformen zeigen zusätzlich einen eigenen Aufzeichnungshinweis an; verlassen Sie sich darauf nicht, sondern regeln Sie die Ansage selbst.
Praktisch relevant ist außerdem, dass manche Organisationen den Beitritt externer Bots in ihrer Konferenzplattform unterbinden. Wenn Sie zu einem Kundentermin eingeladen werden, dessen Plattform fremde Teilnehmer aus der Lobby nicht durchlässt, findet keine Aufzeichnung statt. Das ist kein Fehler, sondern eine sinnvolle Schutzmaßnahme – und es ist zugleich ein Hinweis darauf, dass Sie dieselbe Frage für Ihre eigene Umgebung beantworten sollten: Dürfen fremde Aufzeichnungsbots Ihren Besprechungen beitreten? In den meisten Organisationen ist diese Frage nie gestellt worden, und die Voreinstellung lautet Ja.
Die Transkription ist das Herzstück. Aus der Tonspur entsteht ein Wortprotokoll mit Zeitmarken, das sich parallel zur Aufnahme lesen lässt; ein Klick auf eine Textstelle springt in der Aufnahme an die entsprechende Position. Diese Kopplung ist wichtiger, als sie klingt, weil sie den Umgang mit Fehlern erträglich macht: Wo der Text unklar ist, hört man nach, statt zu raten.
Zur Qualität im Deutschen halten wir uns an das, was wir belastbar beobachten können, und verzichten auf Prozentangaben, weil sie ohne definierte Messbedingungen wertlos sind. Beobachtbar ist Folgendes: Bei klarer Aussprache, gutem Mikrofon und Standardsprache sind Transkripte gut lesbar und für Suche und Zusammenfassung ausreichend. Die Qualität fällt spürbar ab bei starker Dialektfärbung, bei mehreren gleichzeitig sprechenden Personen, bei schlechter Verbindung, bei Telefoneinwahl über Lautsprecher im Besprechungsraum und bei fachsprachlichen Eigennamen. Besonders auffällig sind Fehler bei Produktbezeichnungen, Firmennamen, Abkürzungen und zusammengesetzten Substantiven – also ausgerechnet bei den Begriffen, nach denen Sie später suchen werden.
Daraus folgen drei Praxisempfehlungen. Erstens: Prüfen Sie die Qualität in einem Pilotbetrieb mit Ihren eigenen Gesprächen, nicht mit einer Vorführung. Nehmen Sie dafür bewusst ein schwieriges Gespräch – Besprechungsraum, mehrere Personen, Fachvokabular –, weil das der Alltag ist. Zweitens: Prüfen Sie, ob sich ein eigenes Vokabular hinterlegen lässt, in dem Produktnamen, Firmenbezeichnungen und Abkürzungen stehen. Wo das möglich ist, verbessert es die Trefferqualität der Suche erheblich. Drittens: Behandeln Sie Transkripte grundsätzlich als Arbeitsmaterial, nicht als wörtliches Zitat. Wer eine Aussage belegen will, verweist auf die Aufnahme, nicht auf den transkribierten Satz.
Die Sprecherzuordnung funktioniert über die Trennung von Sprechabschnitten und, soweit die Konferenzplattform Namen der Teilnehmenden liefert, über die Zuordnung zu diesen Namen. Zuverlässig ist das, solange jede Person mit eigenem Zugang und eigenem Mikrofon teilnimmt. Unzuverlässig wird es in genau der Situation, die im Mittelstand häufig ist: Fünf Personen sitzen in einem Besprechungsraum an einem gemeinsamen Konferenzgerät. Dann erscheint ein einziger Teilnehmer, und die Abschnitte dieser fünf Personen werden entweder alle einer Person zugeordnet oder als unbekannte Sprecher geführt. Für die Auswertung von Redeanteilen bedeutet das: Zahlen aus hybriden Terminen sind nicht belastbar. Dieser Punkt gehört in jede Einführung, weil sonst Kennzahlen entstehen, die eine Genauigkeit vortäuschen, die es nicht gibt.
Nach dem Termin beginnt der Teil, der den Unterschied zwischen einer Aufnahme und einem nützlichen Werkzeug ausmacht. Soundbites sind markierte Ausschnitte aus einer Aufnahme, die sich benennen und einzeln teilen lassen. In der Praxis ist das eine der unterschätzten Funktionen: Statt einer Kollegin eine vierzigminütige Aufnahme zu schicken, schicken Sie neunzig Sekunden mit der entscheidenden Kundenaussage. Das ist nicht nur bequemer, sondern datenschutzfreundlicher, weil deutlich weniger personenbezogene Inhalte weitergegeben werden. Wir empfehlen ausdrücklich, diese Arbeitsweise zur Regel zu machen: Ausschnitte teilen, nicht Vollaufnahmen.
Kommentare und Reaktionen an Zeitpunkten des Transkripts ermöglichen die Nachbesprechung, ohne einen weiteren Termin zu erzeugen. Eine Führungskraft markiert drei Stellen in einem Verkaufsgespräch und schreibt jeweils zwei Sätze dazu; die Mitarbeiterin liest das am nächsten Morgen. Das ist wirksames Feedback – und zugleich der Moment, an dem aus einem Assistenzwerkzeug ein Instrument der Leistungsbewertung wird. Genau deshalb gehört diese Nutzung in die Mitbestimmungsvereinbarung, und zwar nicht als Verbot, sondern als geregelter, für die Betroffenen transparenter Vorgang.
Die Ablage schließlich ist das eigentliche Produkt. Gespräche liegen in einer gemeinsamen Bibliothek, sortiert nach Zeit, Beteiligten und Kanälen. Kanäle sind thematische oder teambezogene Sammlungen mit eigenen Zugriffsrechten. Diese Struktur ist die zentrale Stellschraube für Vertraulichkeit, und sie wird in Einführungen regelmäßig zu spät gedacht. Die Standardfrage lautet nicht „Wie teilen wir Gespräche?“, sondern „Wer soll ein Gespräch, an dem er nicht teilgenommen hat, überhaupt sehen dürfen?“ Unsere Empfehlung: Beginnen Sie restriktiv – sichtbar nur für Teilnehmende und eine benannte Rolle – und öffnen Sie gezielt dort, wo ein Anwendungsfall es begründet. Der umgekehrte Weg, erst alles offen und später einschränken, ist in der Praxis nicht rückgängig zu machen, weil Inhalte inzwischen kopiert und geteilt wurden.
Ergänzend existieren Ausgabefunktionen: Herunterladen von Aufnahme und Transkript in gängigen Formaten, automatischer Versand von Zusammenfassungen per E-Mail, Weitergabe per Verknüpfung. Prüfen Sie bei jeder dieser Funktionen, ob sie administrativ eingeschränkt werden kann. Eine Verknüpfung, die ohne Anmeldung funktioniert, ist bei einem Werkzeug mit Sprachaufnahmen ein erheblicheres Risiko als bei einem Dokumentenwerkzeug – und genau solche Verknüpfungen tauchen erfahrungsgemäß in E-Mails an externe Empfänger auf.
Vorab eine notwendige Einordnung. Der Nutzen von KI in einem Meeting-Assistenten liegt nicht darin, dass Text entsteht – Text entsteht ohnehin, das ist das Transkript. Er liegt darin, dass aus vierzig Minuten gesprochener Sprache eine Handvoll Aussagen wird, die jemand liest, der nicht dabei war. Die entscheidende Frage bei jeder dieser Funktionen lautet deshalb nicht „Wie gut klingt das Ergebnis?“, sondern „Wie leicht ist ein Fehler zu erkennen?“ Genau an diesem Maßstab fallen die drei Familien sehr unterschiedlich aus.
Die Zusammenfassung ist die meistgenutzte Funktion und in der Regel die nützlichste. Aus dem Transkript entsteht ein kurzer Überblick, meist gegliedert in Gesprächsverlauf, besprochene Punkte und Ergebnisse. In unseren Projekten wird dieser Text überwiegend positiv bewertet, weil er ein reales Problem löst: Bisher schrieb entweder niemand mit, oder eine Person schrieb mit und war deshalb am Gespräch nur halb beteiligt. Beides ist mit einer automatischen Zusammenfassung besser.
Drei Einschränkungen gehören dazu, und sie sind keine Kleinigkeiten. Erstens: Eine Zusammenfassung glättet. Was im Gespräch strittig, unklar oder vorläufig war, steht im Ergebnistext als klare Aussage. Diese Eindeutigkeit ist bequem und gefährlich, weil sie eine Verbindlichkeit erzeugt, die das Gespräch nicht hergab. Zweitens: Eine Zusammenfassung kann nur enthalten, was gesagt wurde. Der Blick, mit dem jemand widersprochen hat, das Schweigen an der entscheidenden Stelle, der Hinweis auf dem geteilten Bildschirm – all das fehlt. Drittens: Wo das Transkript falsch ist, ist die Zusammenfassung mit hoher Wahrscheinlichkeit ebenfalls falsch, nur eleganter formuliert. Ein falsch verstandener Firmenname wird zu einer plausiblen Aussage über ein Unternehmen, das nie erwähnt wurde.
Die Aufgabenextraktion – in der Produktsprache Action Items – sucht im Gespräch nach Zusagen und Aufträgen und listet sie mit Zuordnung auf. Der Nutzen ist hoch, die Trefferquote im Deutschen aber merklich schwankend, weil Zusagen sprachlich sehr unterschiedlich ausfallen. „Ich kümmere mich darum“ wird zuverlässig erkannt, „Das schauen wir uns mal an“ landet je nach Kontext in der Liste oder nicht, obwohl es im Gespräch als Zusage gemeint war – oder eben nicht. Behandeln Sie die Aufgabenliste deshalb als Vorschlagsliste, die eine Person durchgeht und bestätigt. Wer sie ungeprüft in ein Aufgabenwerkzeug übernimmt, erzeugt entweder Aufgaben, die niemand zugesagt hat, oder verliert Zusagen, die niemand mehr auf dem Schirm hat.
Der Themen-Tracker verfolgt, ob und wie oft bestimmte Begriffe in Gesprächen vorkommen – etwa Wettbewerbernamen, Produktbezeichnungen, Preisfragen, Einwände oder Regelthemen einer Gesprächsstruktur. Für Vertriebsorganisationen ist das eine wertvolle Funktion, weil sie aus vielen Einzelgesprächen ein Bild erzeugt: Wenn ein bestimmter Einwand in einem Quartal auffällig häufiger fällt, ist das eine Information für Produkt und Marketing, nicht nur für den Vertrieb. Zwei Hinweise dazu: Die Trefferqualität hängt an der Transkriptionsqualität, insbesondere bei Eigennamen, und die Verfolgung von Gesprächsstrukturen – „Wurde die Bedarfsfrage gestellt?“ – ist funktional die Brücke zur Auswertungsebene und sollte in der Mitbestimmung genauso behandelt werden.
Die zweite Familie ist ein Chat-Assistent, mit dem sich Fragen an ein Gespräch oder an mehrere Gespräche stellen lassen. Bei Fireflies.ai heißt er AskFred. Typische Fragen sind: Was hat der Kunde zum Zeitplan gesagt? Welche Einwände kamen? Formuliere eine Nachfass-E-Mail auf Basis dieses Gesprächs. Fasse alle Gespräche mit diesem Kunden aus den letzten sechs Monaten zusammen.
Der Nutzen ist real und liegt vor allem in zwei Fällen. Erstens beim Nachfassen: Ein Entwurf für die Folge-E-Mail, der die Punkte des Gesprächs aufgreift, spart eine Viertelstunde und wird ohnehin überarbeitet. Zweitens bei der Vorbereitung: Vor einem Termin die letzten drei Gespräche mit demselben Gegenüber zusammenfassen zu lassen, ist deutlich schneller als das Nachlesen von drei Protokollen – und wesentlich verlässlicher als das Gedächtnis.
Die Grenzen sind die bekannten Grenzen dialogischer Assistenten, mit einer Verschärfung. Die Verschärfung besteht darin, dass die Antwort auf einer Datengrundlage beruht, die selbst fehlerhaft ist. Ein Sprachmodell, das ein fehlerhaftes Transkript zusammenfasst, kann den Fehler nicht erkennen – es produziert eine flüssige, plausible, falsche Aussage. Und weil die Antwort in ganzen Sätzen daherkommt und nicht als markierte Textstelle, ist der Fehler schwerer zu bemerken als in einem Transkript, in dem eine Stelle offensichtlich unsinnig klingt. Unsere Regel dafür lautet: Jede Aussage, die eine Konsequenz hat, wird an der Aufnahme geprüft. Der Assistent liefert den Zeigefinger, nicht den Beweis.
Ein zweiter Punkt betrifft die Reichweite der Frage. Wenn ein Chat-Assistent Fragen über mehrere Gespräche hinweg beantworten kann, dann kann er auch Fragen beantworten wie: Was hat diese Mitarbeiterin in den letzten zwanzig Gesprächen über die Geschäftsführung gesagt? Diese Möglichkeit ist keine Fehlfunktion, sondern eine logische Folge der Architektur. Sie gehört deshalb ausdrücklich in Ihre Nutzungsregeln und in die Vereinbarung mit der Arbeitnehmervertretung – zusammen mit der Frage, wer überhaupt Zugriff auf Gespräche hat, an denen er nicht beteiligt war.
Die dritte Familie ist die folgenreichste. Conversation Intelligence bedeutet, aus Transkripten Kennzahlen abzuleiten. Typische Größen sind der Redeanteil je Person, die längste ununterbrochene Redezeit, das Verhältnis von Sprechen zu Zuhören, die Anzahl gestellter Fragen, das Sprechtempo, die Häufigkeit von Füllwörtern, die Erwähnung bestimmter Themen und ein aus Wortwahl abgeleiteter Stimmungsindikator.
Fachlich ist der Nutzen dieser Kennzahlen unbestritten, aber begrenzter, als die Darstellung vermuten lässt. Der Redeanteil ist eine sinnvolle Selbstbeobachtung: Wer in Erstgesprächen achtzig Prozent der Zeit spricht, verkauft schlechter, und das ist eine Erkenntnis, die eine Person selbst nutzen kann. Die Monologdauer ist ein brauchbarer Hinweis für die eigene Gesprächsführung. Die Themenverfolgung liefert Marktinformationen. Der Stimmungsindikator dagegen ist die Größe, bei der wir zur größten Zurückhaltung raten: Aus Wortwahl auf die Stimmung eines Menschen zu schließen, ist im Deutschen, mit Ironie, mit Höflichkeitsformeln und mit regionaler Direktheit, eine sehr grobe Näherung. Als Anhaltspunkt für ein Gespräch mag es taugen. Als Kennzahl in einem Bericht ist es irreführend, und als Grundlage für eine Beurteilung von Menschen ist es nicht vertretbar.
Damit sind wir beim Kern. Sobald diese Kennzahlen personenbezogen erhoben, gespeichert und verglichen werden, handelt es sich um eine technische Einrichtung, die dazu bestimmt oder zumindest geeignet ist, Verhalten und Leistung von Beschäftigten zu überwachen. In Betrieben mit Betriebsrat greift damit das Mitbestimmungsrecht nach § 87 Absatz 1 Nummer 6 Betriebsverfassungsgesetz. Das ist kein Nebenaspekt, sondern eine Einführungsvoraussetzung; wir behandeln es in Kapitel 09 ausführlicher. Praktisch bedeutet es: Die Auswertungsebene wird nicht nebenbei aktiviert, sondern ist Gegenstand einer Vereinbarung, in der steht, welche Kennzahlen erhoben werden, wer sie sehen darf, in welcher Aggregation, für welchen Zweck und wie lange.
Unsere Empfehlung aus der Projektpraxis ist ein dreistufiges Vorgehen, das sich bewährt hat. Stufe eins: Kennzahlen sind ausschließlich für die betroffene Person selbst sichtbar, als Instrument der Selbstreflexion. Diese Stufe ist fast immer unstrittig und liefert bereits den größten Teil des Nutzens. Stufe zwei: aggregierte Auswertungen auf Teamebene ohne Rückschluss auf Einzelpersonen, für Produkt- und Marktinformationen wie Themenhäufigkeiten. Stufe drei: personenbezogene Auswertung durch Führungskräfte – nur mit ausdrücklicher Vereinbarung, klar begrenztem Zweck, definierter Aufbewahrungsfrist und Transparenz für die Betroffenen. Viele Organisationen bleiben bewusst auf Stufe eins und zwei, und das ist eine tragfähige Entscheidung.
Über diese drei Familien hinweg sollten Sie sechs Grenzen kennen, bevor Sie KI-Funktionen zur Begründung einer Beschaffung machen.
Daraus folgt eine Empfehlung, die wir konsequent geben: Klären Sie vor der Einführung, welche KI-Funktionen sich zentral abschalten oder auf bestimmte Bereiche begrenzen lassen, und lassen Sie sich das schriftlich bestätigen. Diese Steuerungsmöglichkeit ist aus drei Gründen wichtig. Datenschutzrechtlich, weil Sie damit bestimmen, welche Inhalte an ein Modell gehen. Mitbestimmungsrechtlich, weil Sie eine Vereinbarung nur dann einhalten können, wenn die Technik der Vereinbarung folgt. Und praktisch, weil Sie so mit einem Team pilotieren können, statt alle Funktionen für alle gleichzeitig zu öffnen.
Halten Sie schließlich an einem einfachen Prinzip fest, das sich in vielen Projekten bewährt hat: Die KI darf verdichten und erinnern, Menschen entscheiden und bewerten. Solange dieses Prinzip gilt, ist der Einsatz risikoarm und der Nutzen real. Sobald automatisch erzeugte Zusammenfassungen ungeprüft zu Protokollen werden oder Kennzahlen ungeprüft zu Beurteilungen, kehrt sich das Verhältnis um – und der Zeitgewinn wird durch Korrekturaufwand, Konflikte und Vertrauensverlust mehr als aufgezehrt.
Die relevanten Anknüpfungspunkte gliedern sich in fünf Gruppen: Konferenz und Kalender, Kundenverwaltung, Kommunikation und Wissen, Automatisierung sowie Identität und Verwaltung. Die konkrete Verfügbarkeit einzelner Anbindungen und ihr Funktionsumfang sollten Sie für Ihre Ebene beim Anbieter verifizieren.
Praktisch relevant sind drei Unterschiede. Erstens die Frage, ob Ihre Plattform externe Teilnehmer automatisch aus der Lobby einlässt oder ob jemand den Bot manuell zulassen muss. Zweitens die Frage, ob die Plattform Aufzeichnungen durch Dritte technisch unterbindet – manche Organisationen setzen das bewusst durch, und Sie sollten wissen, ob Sie es tun. Drittens die Qualität der Teilnehmerinformationen, denn davon hängt die Sprecherzuordnung ab.
Die Kalenderanbindung ist die zweite Hälfte des Einstiegs und die datenschutzrechtlich unterschätzte. Der Dienst erhält Lesezugriff auf Kalender – und Kalendereinträge enthalten Betreffzeilen, Beschreibungen und Teilnehmerlisten, also personenbezogene Daten weit über die Termine hinaus, die aufgezeichnet werden sollen. Prüfen Sie deshalb konkret, welcher Berechtigungsumfang beim Verbinden angefordert wird, ob sich der Zugriff auf bestimmte Kalender begrenzen lässt und ob Sie den Beitritt so steuern können, dass private oder als vertraulich markierte Termine ausgenommen sind. In unseren Projekten ist die Kalenderberechtigung regelmäßig der Punkt, an dem die Datenschutzabteilung zum ersten Mal genauer hinschaut – zu Recht.
Die wirtschaftlich attraktivste Gruppe ist die Anbindung an Kundenverwaltungssysteme wie Salesforce, HubSpot oder Pipedrive. Der Ablauf ist überall ähnlich: Nach einem Gespräch wird die Zusammenfassung als Aktivität am passenden Datensatz abgelegt, teils ergänzt um Transkript, Verknüpfung zur Aufnahme und einzelne Kennzahlen. Der Nutzen ist offensichtlich und real: Die notorisch lückenhafte Pflege von Gesprächsnotizen verbessert sich schlagartig, weil sie nicht mehr von der Disziplin einzelner Personen abhängt.
Genau hier liegt aber auch die größte Sorgfaltspflicht. Wenn ein Wortprotokoll eines Kundengesprächs automatisch in Ihr Kundenverwaltungssystem wandert, dann liegen dort ab sofort Aussagen einer Person, die dieser Person zugeordnet und für alle Vertriebsmitarbeitenden lesbar sind, potenziell über Jahre. Drei Entscheidungen gehören deshalb vor die Aktivierung: Wird die Zusammenfassung übertragen, das vollständige Transkript oder beides? Wer im Kundenverwaltungssystem darf diese Inhalte sehen? Und wie wirkt eine Löschung – wenn Sie ein Gespräch im Assistenten löschen, verschwindet die Kopie im Kundenverwaltungssystem nicht automatisch. Der letzte Punkt wird fast immer übersehen und macht ein Löschkonzept unwirksam, das auf dem Papier vollständig aussieht.
Bei Chat- und Wissenswerkzeugen ist das Muster vergleichbar. Zusammenfassungen lassen sich automatisch in einen Kanal posten oder als Seite in einer Wissensablage anlegen. Für die tägliche Arbeit ist das bequem – und es verteilt Gesprächsinhalte an Personenkreise, die im Termin nicht anwesend waren. Unsere Empfehlung: Automatische Verteilung nur für ausdrücklich dafür vorgesehene Gesprächsarten, etwa interne Regeltermine eines Teams. Für Kunden-, Bewerber- und Personalgespräche gilt der umgekehrte Grundsatz: keine automatische Verteilung, sondern bewusste Weitergabe von Ausschnitten durch eine Person.
Für die Ablage in Wissenssystemen gilt zusätzlich eine inhaltliche Empfehlung. Ein Transkript ist kein Wissen, sondern Rohmaterial. Wenn aus einem Gespräch eine dauerhafte Erkenntnis folgt – eine Kundenanforderung, eine Entscheidung, eine Prozessänderung –, dann gehört diese Erkenntnis als redigierter Text in die Wissensbasis, mit Verweis auf das Gespräch. Wer stattdessen Hunderte Rohtranskripte in ein Wissenssystem kippt, verschlechtert dessen Nutzbarkeit erheblich und erzeugt zugleich ein Aufbewahrungsproblem an einem zweiten Ort.
Über Automatisierungsdienste wie Zapier und ähnliche Werkzeuge lassen sich Ereignisse des Assistenten mit nahezu beliebigen anderen Systemen verbinden: Bei jedem abgeschlossenen Gespräch eine Zeile in einer Tabelle, eine Aufgabe im Projektwerkzeug, eine Benachrichtigung an eine Adresse. Ergänzend existiert eine Programmierschnittstelle, über die sich Transkripte, Zusammenfassungen und Metadaten abrufen lassen, sowie Ereignisbenachrichtigungen, mit denen ein eigenes System aktiv informiert wird, sobald ein Gespräch verarbeitet ist.
Im Mittelstand sehen wir dafür drei sinnvolle Anwendungen. Erstens die Übertragung bestätigter Aufgaben in das vorhandene Aufgabenwerkzeug, was die klassische Lücke zwischen Gespräch und Umsetzung schließt. Zweitens die Anreicherung eines Fachsystems, etwa die automatische Verknüpfung eines Gesprächs mit einem Projektdatensatz. Drittens die Auswertung, welche Gesprächsarten überhaupt aufgezeichnet werden – eine unspektakuläre, aber sehr nützliche Kontrollmöglichkeit für die IT.
Bei allen Automatisierungen empfehlen wir dieselbe Zurückhaltung, und bei Gesprächsdaten mit besonderem Nachdruck. Jede Verkettung erzeugt eine weitere Kopie an einem weiteren Ort mit einer weiteren Aufbewahrungslogik. Ein Löschkonzept, das nur den Assistenten betrachtet, ist wertlos, sobald Transkripte über drei Automatisierungen in eine Tabelle, einen Chatkanal und ein Kundenverwaltungssystem geflossen sind. Führen Sie deshalb von Beginn an eine kurze Liste: Welche Anbindung überträgt welche Inhalte wohin, wer ist dafür verantwortlich, und wie wird dort gelöscht. Diese Liste ist zugleich der Kern Ihrer Dokumentation im Verarbeitungsverzeichnis.
Ein technischer Hinweis zu Zugangsschlüsseln: Schnittstellenschlüssel für einen Dienst, der Zugriff auf sämtliche Gesprächsaufzeichnungen einer Organisation gibt, sind hochsensibel. Sie gehören in eine geordnete Verwaltung, nicht in ein Automatisierungswerkzeug, das eine einzelne Person eingerichtet hat. Legen Sie fest, wer Schlüssel erzeugen darf, wo sie liegen und wann sie erneuert werden.
Für den Betrieb in einer Organisation sind die unauffälligen Anbindungen die wichtigsten. Die Anmeldung über einen zentralen Identitätsdienst mit einheitlicher Authentifizierung sorgt dafür, dass niemand ein weiteres Passwort verwaltet und dass Zugänge beim Austritt zuverlässig entfallen. Bei einem Werkzeug, das Gesprächsaufzeichnungen enthält, ist der zweite Punkt nicht Komfort, sondern Sicherheitsanforderung: Ein Konto, das nach dem Ausscheiden aktiv bleibt, gibt weiterhin Zugriff auf Kundengespräche.
Ergänzend sollten Sie prüfen, ob sich die automatische Bereitstellung und Deaktivierung von Konten über ein Verzeichnisprotokoll abbilden lässt, ob administrative Vorgänge protokolliert werden und ob Sie als Organisation Eigentümerin der Inhalte sind, die Beschäftigte mit ihren Arbeitskonten erzeugt haben. Der letzte Punkt klingt selbstverständlich und ist es nicht: Bei Werkzeugen, die per Selbstbedienung eingeführt wurden, gehören Konto und Inhalte häufig der Einzelperson, nicht dem Unternehmen. Wenn diese Person das Unternehmen verlässt, verlieren Sie den Zugriff auf Gespräche mit Ihrer eigenen Kundschaft – ein Szenario, das wir in Projekten mehrfach erlebt haben.
Zuletzt ein Wort zu Browsererweiterungen und mobilen Anwendungen, die bei Werkzeugen dieser Kategorie üblich sind. Sie sind bequem und erhöhen die Nutzung, und sie sind zugleich ein eigener Prüfpunkt: Welche Berechtigungen fordert die Erweiterung, welche Daten überträgt die mobile Anwendung, und lassen sich Aufnahmen über diese Wege an Ihren Regeln vorbei starten? Nehmen Sie diese Frage in Ihre Freigabeprüfung auf, bevor Sie die Werkzeuge ausrollen.
Die Bot-Variante hat drei Vorteile: Sie funktioniert plattformübergreifend, sie erfasst auch telefonisch zugeschaltete Personen, und sie ist für alle sichtbar. Der letzte Punkt ist ein echter Vorteil, auch wenn er im Alltag als Nachteil empfunden wird: Wer aufzeichnet, tut es erkennbar. Die Nachteile sind ebenso deutlich: Der Bot irritiert externe Gesprächspartner, er kann von der Gegenseite abgelehnt werden, und er erzeugt eine vollständige Aufnahme auf einem fremden Server.
Die lokale Variante dreht diese Bilanz um. Es erscheint kein zusätzlicher Teilnehmer, das Gespräch fühlt sich unverändert an, und je nach Produkt bleibt die Audioaufnahme auf dem Gerät, während nur Text zur Verarbeitung übertragen wird. Der gravierende Nachteil: Die Aufzeichnung ist für das Gegenüber nicht erkennbar. Was technisch dezenter ist, ist rechtlich heikler – die Pflicht, über eine Aufzeichnung zu informieren und eine Einwilligung einzuholen, verschwindet nicht dadurch, dass das Werkzeug unsichtbar arbeitet. Im Gegenteil: Ohne sichtbaren Bot müssen Sie umso zuverlässiger ansagen, was passiert.
Für die Auswahl folgt daraus eine klare Logik. Wenn Ihr Anwendungsfall vor allem interne Termine und persönliche Notizen umfasst, ist eine lokale Lösung mit knapper Speicherung die passendere Familie – schlanker, unauffälliger, mit weniger Verarbeitung. Wenn Ihr Anwendungsfall die geteilte Gesprächshistorie eines Teams ist, mit Suche, CRM-Anbindung und Auswertung, dann brauchen Sie ein System mit Serverablage, und die Bot-Variante ist der übliche Weg dorthin. Was nicht funktioniert, ist der Versuch, mit einem Auswertungssystem eine schlanke Notizlösung zu bauen: Sie zahlen dann für Architektur, die Sie nicht nutzen, und tragen deren Risiken mit.
Die Antwort ist zweiteilig und sollte ehrlich ausfallen. Für die mitgelieferten Funktionen spricht ein Argument, das schwer zu schlagen ist: Es entsteht keine zusätzliche Datenverarbeitung bei einem weiteren Anbieter. Die Aufzeichnung bleibt in der Plattform, in der die Besprechung ohnehin stattfindet, unter dem Vertrag, den Sie ohnehin geschlossen haben, mit der Datenschutzdokumentation, die Sie ohnehin führen. Für Organisationen, deren Bedarf bei Transkript und Zusammenfassung endet, ist das in aller Regel der bessere Weg – und der, den wir zuerst prüfen.
Gegen die mitgelieferten Funktionen spricht vor allem die fehlende plattformübergreifende Klammer. Wenn Ihr Vertrieb an Kundenterminen auf drei verschiedenen Plattformen teilnimmt – weil die Kundschaft einlädt, nicht Sie –, dann haben Sie mit den Bordmitteln drei getrennte Inseln ohne gemeinsame Suche, ohne einheitliche CRM-Anbindung und ohne durchgängige Auswertung. Genau diese Klammer ist das Verkaufsargument der spezialisierten Anbieter, und sie ist ein echtes. Hinzu kommt, dass die Tiefe der Auswertung und die Breite der Integrationen bei den Spezialisten deutlich größer ist.
Unsere Empfehlung für diese Konstellation lautet meist nicht entweder oder, sondern eine bewusste Arbeitsteilung entlang der Gesprächsarten. Interne Regeltermine laufen mit den Bordmitteln der Plattform, weil dort keine zusätzliche Verarbeitung nötig ist. Externe Vertriebsgespräche, für die Sie die plattformübergreifende Historie und die CRM-Anbindung brauchen, laufen über das spezialisierte Werkzeug – mit klaren Regeln zur Ansage und zur Aufbewahrung. Diese Aufteilung braucht zwei Sätze in der Nutzungsrichtlinie und erspart Ihnen sowohl unnötige Verarbeitung als auch eine Debatte darüber, warum man denn nicht einfach das Vorhandene nutzt.
Das folgende Vorgehen hat sich in Mittelstandsprojekten bewährt. Es beginnt bewusst nicht mit der Technik, sondern mit der Abgrenzung der Gesprächsarten.
Die Kalenderanbindung ist die folgenreichste technische Entscheidung des Projekts, weil sie festlegt, welche Termine überhaupt in den Blick des Systems geraten. Drei Konfigurationen sind üblich, und sie unterscheiden sich erheblich in ihrer Wirkung. Die Vollautomatik lässt den Bot allen Terminen mit Konferenzlink beitreten. Sie ist bequem, erzeugt die vollständigste Datenbasis und ist zugleich der sicherste Weg, ein Personalgespräch aufzuzeichnen, an das niemand gedacht hat. Die Teilautomatik begrenzt den Beitritt auf bestimmte Kriterien, etwa nur auf Termine mit externen Teilnehmenden oder nur auf selbst organisierte Termine. Die Anforderung im Einzelfall verlangt eine aktive Handlung je Termin.
Unsere Empfehlung lautet, mit der Anforderung im Einzelfall zu starten und erst nach dem Pilot zu prüfen, ob eine Teilautomatik für eine klar abgegrenzte Gesprächsart sinnvoll ist. Diese Reihenfolge ist unbequem und hat einen guten Grund: Der Schaden einer versehentlich aufgezeichneten vertraulichen Runde ist ungleich größer als der Nutzen von zwanzig zusätzlich erfassten Routineterminen. Zudem erzeugt die bewusste Anforderung eine Kultur, in der Aufzeichnung eine Entscheidung ist und keine Selbstverständlichkeit – und genau diese Kultur brauchen Sie, wenn Sie später Vertrauen erhalten wollen.
Für Ausnahmen brauchen Sie zwei Mechanismen. Erstens ein technisches Ausschlussverfahren: eine Markierung im Kalender, ein eigener Kalender für vertrauliche Termine oder eine Regel, die bestimmte Terminarten grundsätzlich ausnimmt. Prüfen Sie, welche dieser Möglichkeiten Ihr Werkzeug tatsächlich unterstützt – die Auskunft dazu gehört ins Angebot, nicht in eine Vermutung. Zweitens ein menschliches Verfahren: die klare, mehrfach kommunizierte Regel, dass jede beteiligte Person die Aufzeichnung ablehnen kann, und die ebenso klare Regel, was dann geschieht – der Bot wird entfernt, das Gespräch findet ohne Aufzeichnung statt, und niemand muss das begründen. Ein Widerspruchsrecht, das in der Praxis Erklärungsdruck erzeugt, ist keines.
Ein dritter Punkt betrifft Termine, zu denen Sie eingeladen werden. Wenn eine externe Partei ihrerseits einen Aufzeichnungsbot mitbringt, sind Sie in der Rolle der betroffenen Person. Regeln Sie, wie Ihre Beschäftigten damit umgehen sollen: nachfragen, was aufgezeichnet wird, wie lange es gespeichert wird und wer Zugriff hat – und im Zweifel widersprechen. Diese Regel schützt nicht nur Ihre Beschäftigten, sondern auch Ihre Betriebs- und Geschäftsgeheimnisse, die in einem fremden System landen, sobald Sie nichts sagen.
Der laufende Betrieb umfasst fünf Aufgaben, die einer benannten Rolle zugeordnet sein sollten – in der Regel einer Person in der IT gemeinsam mit einer fachlichen Ansprechperson und in Abstimmung mit dem Datenschutz.
Zur Aufbewahrung eine konkrete Empfehlung, weil sie in Projekten fast immer fehlt und weil sie den Unterschied zwischen einem beherrschbaren und einem unbeherrschbaren Bestand ausmacht. Legen Sie drei Stufen fest. Stufe eins, die Aufnahme: kurze Frist, weil die Audiodatei die eingriffsintensivste Form ist und in den allermeisten Fällen nach wenigen Wochen keinen Zweck mehr erfüllt. Stufe zwei, das Transkript: mittlere Frist, ausgerichtet an der Dauer des jeweiligen Vorgangs, etwa der Laufzeit eines Verkaufsprozesses oder eines Projekts. Stufe drei, die redigierte Zusammenfassung: längere Frist, wenn sie als Dokumentation dient, und dann bewusst im Zielsystem – im Kundenverwaltungssystem oder in der Wissensablage –, nicht im Assistenten. Diese Dreiteilung ist einfach zu erklären, technisch meist umsetzbar und in Datenschutzgesprächen gut vertretbar.
Dies ist der Abschnitt, den wir in Projekten am häufigsten wiederholen müssen, weil Technikprojekte dazu neigen, ihn zu überspringen. Ein Meeting-Assistent verändert die Situation, in der Menschen sprechen. Wer weiß, dass jedes Wort aufgezeichnet, transkribiert und durchsuchbar gespeichert wird, spricht anders – vorsichtiger, glatter, weniger. Das ist keine Einbildung und kein Widerstand gegen Neues, sondern eine völlig rationale Anpassung. In manchen Gesprächen ist das unerheblich. In Gesprächen, in denen es um Probleme, Fehler, Konflikte oder unfertige Gedanken geht, ist es der Verlust genau dessen, wofür das Gespräch da war.
Daraus folgen drei praktische Empfehlungen. Erstens die Ansage. Formulieren Sie zwei Standardsätze, die zu Beginn jedes aufgezeichneten Gesprächs gesagt werden – wer aufzeichnet, wozu, wie lange gespeichert wird und dass jede Person widersprechen kann. Diese Sätze gehören in die Einarbeitung und in die Terminvorlage. Eine Ansage, die jede Person nach Gefühl formuliert, ist keine Grundlage, auf die Sie sich verlassen können. Zweitens der Hinweis vorab. Nehmen Sie einen kurzen Hinweis in die Termineinladung auf, damit externe Beteiligte nicht im Termin überrascht werden. Das ist nicht nur rechtlich sauberer, sondern auch geschäftlich klüger: Eine Kundin, die überrascht wird, verliert Vertrauen; eine Kundin, die vorab informiert war, akzeptiert in der Regel problemlos.
Drittens die Ausnahmekultur. Etablieren Sie ausdrücklich Gesprächsformen ohne Aufzeichnung und benennen Sie sie: die Retrospektive, das Vier-Augen-Gespräch, die Klärung eines Konflikts, das Gespräch über eine Fehlentwicklung. Wenn diese Räume erkennbar existieren, sinkt der Widerstand gegen die Aufzeichnung dort, wo sie nützt. Wenn sie nicht existieren, entsteht das Gegenteil: Menschen verlagern die ehrlichen Gespräche in Kanäle, die Sie nicht sehen, und die Qualität Ihrer aufgezeichneten Termine sinkt, ohne dass eine Kennzahl das anzeigt.
Für den Rollout hat sich eine schlichte Reihenfolge bewährt: zuerst die Regeln kommunizieren, dann die Technik freigeben. Umgekehrt entsteht die Situation, die wir häufig vorfinden – ein Werkzeug ist bereits im Einsatz, Regeln kommen nachträglich, und jede Regel wirkt wie eine Einschränkung statt wie eine Bedingung. Der Unterschied ist rein zeitlich und entscheidet über die Akzeptanz.
Das wirtschaftlich stärkste Szenario ist der Vertrieb, und der Grund dafür ist unspektakulär: Die Pflege von Gesprächsnotizen im Kundenverwaltungssystem ist in fast jedem Mittelstandsunternehmen die schwächste Stelle im Prozess. Nicht weil Menschen nachlässig wären, sondern weil das Schreiben einer Notiz nach dem fünften Termin des Tages die Aufgabe ist, die zuerst wegfällt. Die Folge kennen Sie: Datensätze mit dem Vermerk „telefoniert“, ein Vertriebsprozess, dessen Stand nur eine Person kennt, und ein Wissensverlust bei jedem Personalwechsel.
Ein Meeting-Assistent löst dieses Problem an der Wurzel, indem er die Notiz nicht besser macht, sondern überflüssig. Die Zusammenfassung entsteht automatisch, hängt am richtigen Datensatz und enthält mehr als jede handgeschriebene Notiz enthalten hätte. In unseren Projekten ist das der Effekt, der Führungskräfte überzeugt – und er ist real. Wichtig ist allerdings, ihn nicht zu überhöhen: Eine automatische Zusammenfassung ersetzt nicht die Einschätzung der Vertriebsperson. Was der Kunde gesagt hat, steht im Transkript. Was er gemeint hat, wie er gewirkt hat und wie die Chancen stehen, steht nicht darin. Die beste Praxis ist deshalb eine Zweiteilung: automatische Zusammenfassung als Faktenlage, drei Zeilen persönliche Einschätzung als Ergänzung. Diese drei Zeilen schreibt niemand mehr, wenn er vorher zwanzig Minuten protokolliert hat – und genau deshalb funktioniert die Kombination.
In Kundenprojekten liegt der Nutzen anders. Hier geht es weniger um Datenpflege als um Nachvollziehbarkeit. Wer schon einmal über den Leistungsumfang eines Projekts gestritten hat, kennt den Satz „Das war doch so besprochen“ und die Unmöglichkeit, ihn zu klären. Ein durchsuchbares Gesprächsarchiv verändert diese Situation. Zwei Hinweise sind uns dabei wichtig. Erstens: Nutzen Sie diese Möglichkeit nicht als Beweismittel gegen Ihre Kundschaft, sondern als Grundlage für eine saubere Klärung – und sagen Sie das auch so, wenn Sie eine Stelle nachhören. Zweitens: Verbindlichkeit entsteht weiterhin durch schriftliche Bestätigung, nicht durch die Aufnahme. Das Transkript hilft, das Protokoll zu schreiben; es ersetzt es nicht.
Der am meisten unterschätzte Anwendungsfall ist die Einarbeitung. Eine neue Vertriebsmitarbeiterin, die in der ersten Woche zehn echte Kundengespräche ihrer Vorgängerin hört, lernt in wenigen Stunden mehr über Sprache, Einwände und Erwartungen des Marktes als in jeder Schulung. Dasselbe gilt für Übergaben: Wenn eine Projektleiterin ausfällt, ist der Unterschied zwischen einem durchsuchbaren Gesprächsarchiv und einem Ordner mit Terminnotizen enorm. Dieser Nutzen taucht in keiner Wirtschaftlichkeitsrechnung auf und ist trotzdem oft der größte.
Er hat allerdings eine Bedingung, die ausgesprochen gehört: Es müssen Gespräche sein, deren Beteiligte informiert waren und deren Weitergabe innerhalb der Organisation vom ursprünglichen Zweck gedeckt ist. Wenn Sie Kundengespräche zur Einarbeitung nutzen wollen, gehört das in Ihre Zweckbestimmung und in die Ansage. Nachträglich einen Zweck zu erweitern, ist datenschutzrechtlich der klassische Fehler.
In der Qualitätssicherung von Support- und Beratungsgesprächen liegt der Nutzen in der Musterbildung. Welche Fragen kommen immer wieder? Wo geben verschiedene Personen unterschiedliche Auskünfte? Welche Dokumentation fehlt offensichtlich? Für diese Erkenntnisse brauchen Sie keine personenbezogene Bewertung, sondern eine aggregierte Auswertung über viele Gespräche. Wir empfehlen ausdrücklich, es dabei zu belassen, und in der Vereinbarung mit der Arbeitnehmervertretung festzuschreiben, dass Auswertungen dieser Art nicht zur Bewertung einzelner Personen verwendet werden. Der Nutzen bleibt fast vollständig erhalten, das Konfliktpotenzial verschwindet.
Produktrückmeldungen sind der Anwendungsfall mit der besten Kosten-Nutzen-Relation für Unternehmen mit erklärungsbedürftigen Produkten. Wenn in dreihundert Gesprächen eines Quartals ein bestimmter Einwand auffällig häufig fällt oder ein Wettbewerber plötzlich regelmäßig genannt wird, ist das eine belastbare Marktinformation. Sie ersetzt keine Marktforschung, aber sie ist deutlich näher an der Realität als die gefilterte Rückmeldung, die über drei Hierarchiestufen in die Produktentwicklung gelangt. Achten Sie darauf, diese Auswertungen von Personen zu lösen: Es interessiert, wie oft ein Thema fällt, nicht wer es erwähnt hat.
Dieser Abschnitt ist der wichtigste des Kapitels, und wir formulieren ihn deshalb unmissverständlich. Es gibt Gesprächsarten, bei denen wir von einer Aufzeichnung durch einen KI-Assistenten abraten – unabhängig vom Anbieter, unabhängig von der Konfiguration und unabhängig davon, was technisch möglich wäre.
Bewerbungsgespräche sind der Grenzfall, über den am häufigsten diskutiert wird. Das Argument dafür ist nachvollziehbar: Strukturierte Interviews werden vergleichbarer, Notizen entstehen automatisch, und die Gesprächsführung kann sich auf den Menschen konzentrieren. Dagegen steht eine Reihe von Punkten, die schwer wiegen. Bewerbende befinden sich in einer Situation struktureller Unterlegenheit; eine Einwilligung, die im Bewerbungsgespräch erbeten wird, ist praktisch schwer als freiwillig zu bewerten, weil eine Ablehnung als Nachteil empfunden wird. Zudem enthalten Bewerbungsgespräche regelmäßig Angaben, die zu besonderen Kategorien personenbezogener Daten gehören können. Und die Aufbewahrung ist heikel, weil abgelehnte Bewerbungen ohnehin nur kurz gespeichert werden dürfen. Wenn Sie diesen Weg dennoch gehen wollen, dann nur mit ausdrücklicher, vorab erbetener, dokumentierter und tatsächlich folgenloser Wahlmöglichkeit, mit sehr kurzer Aufbewahrung, ohne Auswertungsfunktionen und nach Abstimmung mit Ihren Datenschutzbeauftragten. In vielen Organisationen ist die einfachere und bessere Antwort: nicht aufzeichnen, sondern strukturierte Interviewleitfäden verwenden.
Klar abzuraten ist bei Personalgesprächen, Beurteilungs- und Konfliktgesprächen, Gesprächen mit der Arbeitnehmervertretung, Gesprächen mit Betriebsarzt oder Sozialberatung, Gesprächen mit Rechtsbeistand und allen Terminen, in denen Gesundheitsdaten, Verdachtsfälle oder disziplinarische Vorgänge behandelt werden. Diese Liste gehört wörtlich in Ihre Nutzungsrichtlinie, und die technische Konfiguration sollte sie so weit wie möglich abbilden – etwa durch einen eigenen Kalender oder eine Terminmarkierung, die einen Beitritt ausschließt.
Eine zweite Grenze betrifft die Vollständigkeit. Ein Gesprächsarchiv verführt dazu, es als Abbild der Wirklichkeit zu behandeln. Es ist aber nur ein Abbild der aufgezeichneten Termine. Alles, was am Telefon, im Flur, in der Werkshalle oder in einem bewusst nicht aufgezeichneten Gespräch entschieden wurde, fehlt. Wer Auswertungen aus diesem Bestand für Steuerungsentscheidungen nutzt, sollte diesen Ausschnittscharakter kennen – und sollte insbesondere nicht daraus schließen, dass eine Person weniger beiträgt, nur weil sie in aufgezeichneten Terminen weniger spricht.
Die dritte und letzte Grenze ist kulturell und lässt sich nicht wegkonfigurieren. Ein Unternehmen, in dem alles aufgezeichnet wird, bekommt vorsichtigere Gespräche. Ob dieser Preis den Nutzen wert ist, hängt vom Anwendungsfall ab – bei Vertriebsgesprächen mit externer Kundschaft ist er meist gering, bei internen Klärungen ist er hoch. Deshalb lautet unsere Grundregel für den Mittelstand: Aufzeichnung dort, wo Nachvollziehbarkeit einen echten Wert hat, und bewusste Nichtaufzeichnung überall sonst. Das ist keine Vorsicht aus Prinzip, sondern die Bedingung dafür, dass das Werkzeug langfristig akzeptiert wird.
Zunächst zu den Kosten. Die Gesamtkosten setzen sich aus fünf Blöcken zusammen, von denen nur der erste auf einem Angebot steht.
Diesen Kosten steht ein Nutzen gegenüber, der sich benennen lässt: vollständigere Datensätze im Kundenverwaltungssystem, kürzere Nachbereitungszeiten, schnellere Einarbeitung, weniger Wissensverlust bei Personalwechsel und belastbarere Marktinformationen. Wir empfehlen, diese Nutzenerwartung vor der Einführung schriftlich zu fixieren – mit zwei oder drei einfachen Messpunkten wie dem Anteil gepflegter Datensätze oder der Zeit bis zur Einsatzfähigkeit neuer Mitarbeitender –, damit nach zwölf Monaten überprüfbar ist, ob sie eingetreten ist.
Die datenschutzrechtliche Ausgangslage ist bei einem US-amerikanischen Anbieter strukturell anspruchsvoller als bei einem europäischen, und zwar unabhängig von der Qualität des Produkts. Vier Punkte sind zu klären.
Erstens der Verarbeitungsort. Lassen Sie sich schriftlich bestätigen, wo Aufnahmen, Transkripte, Zusammenfassungen, Auswertungen, Sicherungen und Protokolle gespeichert und verarbeitet werden. Ob eine EU-Datenresidenz angeboten wird, ab welcher Ebene sie gilt und ob sie sämtliche Verarbeitungsschritte einschließlich der Sprachmodelle umfasst, ist beim Anbieter zu prüfen und gehört in die Vertragsunterlagen – nicht in eine Vermutung aus einer Produktseite. Achten Sie besonders auf die Unterscheidung zwischen Speicherort und Verarbeitungsort: Daten können in der EU gespeichert und trotzdem für Verarbeitungsschritte oder Support in ein Drittland übermittelt werden.
Zweitens die Transfergrundlage. Wenn Daten das EU-Gebiet verlassen können, brauchen Sie eine tragfähige Grundlage. In Betracht kommen die Standardvertragsklauseln in Verbindung mit einer dokumentierten Abschätzung der Übermittlungsfolgen sowie – bei zertifizierten Unternehmen – der Angemessenheitsbeschluss zum EU-U.S. Data Privacy Framework. Prüfen Sie im Einzelfall, ob der konkrete Vertragspartner zertifiziert ist, für welche Datenarten die Zertifizierung gilt und ob sie aktuell ist. Prüfen Sie außerdem, ob Unterauftragsverarbeiter außerhalb der EU sitzen und wie deren Transfer abgesichert ist. Diese Unterlagen existieren bei etablierten Anbietern in der Regel; die Aufgabe besteht darin, sie einzuholen, zu prüfen und in Ihrem Verarbeitungsverzeichnis zu dokumentieren.
Drittens die Subprozessoren. Ein Meeting-Assistent besteht technisch aus mehreren Bausteinen: Infrastruktur, Spracherkennung, Sprachmodelle für Zusammenfassung und Chat, gegebenenfalls weitere Dienste für Auswertung und Versand. Jeder dieser Bausteine kann von einem anderen Unternehmen stammen. Fragen Sie deshalb ausdrücklich: Welche Anbieter sind beteiligt, wo verarbeiten sie, wie lange speichern sie Eingaben, und ist eine Nutzung zu Trainingszwecken vertraglich ausgeschlossen? Verlangen Sie die Antwort als Vertragsanlage, nicht als E-Mail.
Bei Sprachaufnahmen kommt zum Datenschutzrecht eine zweite Ebene hinzu, die in Produktprojekten regelmäßig übersehen wird: das allgemeine Persönlichkeitsrecht in seiner Ausprägung als Recht am eigenen gesprochenen Wort. Es schützt die Entscheidung darüber, wer eine Äußerung hören und wer sie dauerhaft festhalten darf. Dieses Recht steht jeder beteiligten Person zu – Ihren Beschäftigten ebenso wie Ihrer Kundschaft.
Strafrechtlich flankiert wird das durch § 201 Strafgesetzbuch, der die Verletzung der Vertraulichkeit des Wortes unter Strafe stellt. Erfasst ist unter anderem, wer das nichtöffentlich gesprochene Wort eines anderen unbefugt auf einen Tonträger aufnimmt. Für die Praxis heißt das in aller Kürze: Eine Aufzeichnung eines vertraulichen Gesprächs ohne Wissen und Zustimmung der Beteiligten ist nicht nur ein Datenschutzverstoß, sondern kann strafrechtlich relevant sein – und zwar für die handelnde Person, nicht abstrakt für das Unternehmen. Das ist der Grund, warum wir in Projekten auf einer klaren, verbindlichen und geschulten Ansage bestehen und keinen Rollout begleiten, in dem die Aufzeichnung stillschweigend läuft.
Für die datenschutzrechtliche Grundlage gilt: In der Regel wird man bei Gesprächsaufzeichnungen auf eine Einwilligung abstellen, die informiert, freiwillig, für den konkreten Zweck erteilt und jederzeit widerruflich sein muss. Im Beschäftigungsverhältnis ist die Freiwilligkeit besonders sorgfältig zu betrachten, weil ein Abhängigkeitsverhältnis besteht; deshalb ist die Kombination aus kollektivrechtlicher Regelung und individueller Widerspruchsmöglichkeit in der Praxis der tragfähigere Weg. Gegenüber externen Gesprächspartnern brauchen Sie eine Information vorab und eine erkennbare Möglichkeit, die Aufzeichnung abzulehnen, ohne dass daraus ein Nachteil entsteht.
Zwei weitere Punkte gehören in die Prüfung. Erstens die Informationspflichten nach den Artikeln 13 und 14 DSGVO: Betroffene müssen wissen, wer verarbeitet, wozu, auf welcher Grundlage, wie lange und mit welchen Rechten. Ein Satz im Termin genügt dafür nicht; sinnvoll ist ein kurzer Hinweistext mit Verweis auf eine Datenschutzinformation, den Sie in Termineinladungen aufnehmen. Zweitens das TDDDG: Soweit für die Aufzeichnung oder für begleitende Werkzeuge auf Endgeräte zugegriffen wird – etwa durch Browsererweiterungen oder lokal installierte Anwendungen –, ist zusätzlich § 25 TDDDG zu betrachten, der für das Speichern von Informationen auf Endgeräten und den Zugriff darauf eigene Anforderungen stellt. Bei rein serverseitig arbeitenden Bots stellt sich diese Frage anders als bei lokal mithörenden Werkzeugen; klären Sie sie für die von Ihnen gewählte Variante.
Der dritte Themenblock betrifft das Verhältnis zur Arbeitnehmervertretung, und er ist bei diesem Werkzeugtyp nicht optional. Ein System, das aufzeichnet, transkribiert, Redeanteile misst, Monologlängen auswertet und Gesprächsinhalte über Personen hinweg durchsuchbar macht, ist eine technische Einrichtung, die dazu geeignet ist, Verhalten und Leistung von Beschäftigten zu überwachen. Damit ist das Mitbestimmungsrecht nach § 87 Absatz 1 Nummer 6 Betriebsverfassungsgesetz eröffnet – und zwar nach herrschender Auffassung bereits dann, wenn die Eignung zur Überwachung besteht, unabhängig davon, ob Sie sie nutzen wollen.
Praktisch bedeutet das: Vor der Einführung steht eine Vereinbarung. Sie sollte mindestens regeln, welche Gesprächsarten aufgezeichnet werden dürfen und welche ausdrücklich nicht, welche Auswertungsfunktionen aktiviert sind, wer welche Auswertungen in welcher Aggregation sehen darf, dass eine personenbezogene Leistungsbewertung auf Basis dieser Daten ausgeschlossen ist, wie lange Inhalte aufbewahrt werden, wie das Widerspruchsverfahren funktioniert und wie die Einhaltung überprüft wird. Unsere Erfahrung aus Projekten ist eindeutig: Diese Vereinbarung ist einfacher zu erreichen, als Projektleitungen befürchten – sofern sie am Anfang steht. Nach einem Rollout ohne Beteiligung wird sie ungleich schwerer.
Zu prüfen ist außerdem, ob eine Datenschutz-Folgenabschätzung nach Artikel 35 DSGVO erforderlich ist. Anhaltspunkte dafür bestehen bei systematischer und umfangreicher Auswertung persönlicher Aspekte, bei umfangreicher Verarbeitung im Beschäftigungskontext und beim Einsatz neuer Technologien. Bei einem flächendeckend eingesetzten Meeting-Assistenten mit aktivierter Auswertungsebene liegt die Erforderlichkeit nahe; bei einem eng begrenzten Einsatz ohne Auswertung eher nicht. Diese Prüfung gehört dokumentiert, unabhängig vom Ergebnis.
Sieben Punkte gehören schließlich in jede Einführung. Erstens der Auftragsverarbeitungsvertrag mit allen Anlagen, abgeschlossen und im Verarbeitungsverzeichnis dokumentiert, einschließlich der Bewertung des Drittlandtransfers. Zweitens eine schriftliche Abgrenzung der Gesprächsarten mit ausdrücklicher Ausschlussliste. Drittens ein Verfahren für Ansage, Information und Widerspruch, das geschult und stichprobenartig überprüft wird. Viertens eine Entscheidung über die Auswertungsfunktionen: freigeben, begrenzen oder abschalten, mit dokumentierter Begründung. Fünftens ein Aufbewahrungs- und Löschkonzept mit getrennten Fristen für Aufnahme, Transkript und Zusammenfassung – einschließlich der nachgelagerten Systeme. Sechstens die Vereinbarung mit der Arbeitnehmervertretung. Siebtens ein Verfahren für Betroffenenrechte: Wie beantworten Sie eine Auskunftsanfrage, wie löschen Sie auf Verlangen, und wie stellen Sie sicher, dass Sie den gesamten Bestand durchsuchen können?
Diese sieben Punkte lassen sich in wenigen Seiten abbilden und sind in überschaubarer Zeit erledigt, wenn sie zu Projektbeginn angegangen werden. Nachträglich sind sie deutlich aufwendiger, weil dann bereits Aufnahmen existieren, Transkripte in Fremdsysteme geflossen sind und Gewohnheiten entstanden sind. Der häufigste Fehler in Projekten dieser Art ist nicht die falsche Produktwahl, sondern der Start ohne Regeln – meist, weil das Werkzeug so unschuldig aussieht und in zwanzig Minuten eingerichtet ist.
