Der wichtigste Satz vorweg, und er ist zugleich der Satz, den dieser Artikel am häufigsten wiederholen wird: Kein Bot in der Teilnehmerliste heißt nicht, dass keine Einwilligung nötig wäre. Wer Gespräche mitschneidet, verarbeitet personenbezogene Daten und greift in das Recht am gesprochenen Wort ein – unabhängig davon, ob die Aufnahme durch einen sichtbaren Teilnehmer oder durch eine unsichtbare Anwendung auf dem Notebook erfolgt. Der bot-freie Ansatz löst ein Höflichkeits- und ein Praxisproblem. Ein Rechtsproblem löst er nicht; unter Umständen verschärft er es sogar, weil der sichtbare Anlass zur Nachfrage entfällt. Wir kommen in Kapitel 06 und 09 ausführlich darauf zurück.
Drei Eigenschaften beschreiben das Werkzeug treffender als jede Funktionsliste:
Wer die Kategorie der KI-Meetingassistenten aus der Ferne betrachtet, hält den Bot für ein technisches Detail. In der Praxis ist er der Punkt, an dem Einführungen scheitern. Ein Aufzeichnungsteilnehmer betritt die Konferenz als sichtbarer Gast mit einem Namen wie dem des Werkzeugs, oft mit einem Hinweis auf die Aufzeichnung. Das hat drei Folgen, die alle in dieselbe Richtung wirken.
Erstens die soziale Wirkung. In einem Kundengespräch, in einem Bewerbungsgespräch oder in einem Gespräch mit einem Betriebsrat verändert ein sichtbarer Aufzeichnungsteilnehmer die Atmosphäre messbar. Menschen formulieren vorsichtiger, halten Halbfertiges zurück und sprechen Konflikte seltener an. Wer schon einmal erlebt hat, wie ein Vertriebsgespräch kippt, weil der Bot beitritt und die Gegenseite fragt, was das denn sei, kennt den Effekt. Das ist kein Argument gegen Transparenz – es ist ein Argument dafür, Transparenz aktiv und in eigenen Worten herzustellen statt sie einem Werkzeug zu überlassen.
Zweitens die technischen Hürden. In vielen Organisationen dürfen externe Anwendungen der Konferenz nicht ohne Weiteres beitreten. Wartebereiche, Zulassungsregeln, gesperrte Gastbeitritte und administrative Sperren für Aufzeichnungs-Apps führen dazu, dass der Bot in fremden Terminen schlicht nicht hineinkommt. Genau in fremden Terminen – Kundenkonferenzen, Lieferantenrunden, Verbandssitzungen – wäre eine gute Mitschrift aber am wertvollsten.
Drittens die Reichweite. Ein Bot funktioniert nur dort, wo es eine Konferenz gibt, der er beitreten kann. Er hilft nicht beim Telefonat, nicht am Besprechungstisch und nicht bei der Präsentation im Kundenbüro. Ein Werkzeug, das am Gerät ansetzt, deckt diese Fälle grundsätzlich mit ab – und schafft damit genau jene neuen Fragen, die diesen Artikel so lang machen.
Es lohnt sich, drei Produkttypen sauber auseinanderzuhalten, weil sie im Markt gern in einen Topf geworfen werden. Der erste Typ ist die Transkription: Ein Wortprotokoll entsteht, möglichst vollständig, möglichst sprecherzugeordnet. Der Nutzen ist die Nachweisbarkeit; der Nachteil ist die Länge. Ein Wortprotokoll einer Stunde liest niemand freiwillig.
Der zweite Typ ist die automatische Zusammenfassung: Aus der Transkription entsteht ein strukturiertes Ergebnis mit Themen, Entscheidungen und Aufgaben. Das ist deutlich lesbarer, hat aber eine Schwäche, die in der Praxis unterschätzt wird: Die Maschine gewichtet nach Redeanteil und Formulierung, nicht nach Bedeutung. Der Satz, der für Ihr Angebot entscheidend war, weil eine Kundin nebenbei ein Budget nannte, kann in der Zusammenfassung fehlen, während zehn Minuten Small Talk über die Messe als eigener Abschnitt auftauchen.
Der dritte Typ – und dort ist Granola einzuordnen – ist die Anreicherung eigener Notizen. Die Gewichtung kommt vom Menschen, die Ausformulierung von der Maschine. Sie schreiben „Budget deutlich enger als letztes Jahr“ und „Entscheidung erst nach Werksferien“, und aus diesen beiden Fragmenten wird ein Absatz mit dem, was dazu tatsächlich gesagt wurde. Für Beratungs-, Vertriebs- und Führungsgespräche ist dieser dritte Typ in unserer Erfahrung der wertvollste, weil er das Problem der maschinellen Gewichtung umgeht, ohne den Aufwand einer vollständigen Mitschrift zu erzeugen.
Die Kehrseite gehört dazu: Wer während des Gesprächs gar nichts tippt, bekommt eine Ausgabe, die sich nicht wesentlich von einer maschinellen Zusammenfassung unterscheidet. Der Ansatz belohnt Menschen, die ohnehin mitschreiben, und liefert bei völliger Passivität weniger Mehrwert, als die Produktversprechen der Kategorie insgesamt suggerieren. Das ist keine Schwäche, sondern eine Bedienungsvoraussetzung – und sie gehört in jede Einführungsschulung.
Aus unserer Beratungspraxis passt ein Werkzeug dieser Bauart besonders gut zu vier Profilen. Erstens zu Menschen mit vielen externen Gesprächen, in denen ein sichtbarer Aufzeichnungsteilnehmer stört oder technisch nicht beitreten darf – Vertrieb, Beratung, Einkauf, Geschäftsführung. Zweitens zu Personen, die ohnehin mitschreiben und deren Notizen bisher unleserlich im Block oder halbfertig in einer Datei landen. Drittens zu Rollen mit hoher Terminfrequenz und Wiedervorlagebedarf: Wer zwanzig Gespräche pro Woche führt, verliert ohne Suchbarkeit den Überblick, gleich wie gut die einzelnen Notizen sind. Viertens zu Teams, die eine Dokumentationslücke zwischen Gespräch und System schließen wollen, ohne den Aufwand eines vollständigen Protokollprozesses.
Zurückhaltend wären wir in vier Situationen. Wenn Ihre Organisation Verarbeitung ausschließlich in eigener oder europäisch beauftragter Infrastruktur zulässt, ist ein US-Dienst dieser Art nicht der richtige Weg – dann führt der Pfad zu selbstgehosteten Lösungen auf Basis offener Spracherkennungsmodelle, mit deutlich geringerem Komfort. Wenn regelmäßig Gespräche mit besonders schutzwürdigen Inhalten geführt werden – Personalgespräche, Krankheitsfälle, Verdachtsfälle, Mandantengespräche –, gehört ein solches Werkzeug schlicht nicht in den Raum. Wenn in Ihrer Organisation keine belastbare Regelung zur Einwilligung existiert, führt die Einführung absehbar zu einem Konflikt mit Betriebsrat oder Datenschutz. Und wenn Ihr eigentliches Problem nicht die Notiz, sondern die fehlende Nachverfolgung von Aufgaben ist, lösen Sie es besser im Aufgabenwerkzeug als im Notizwerkzeug.
Die Grundlogik ist die eines Sitzplatzmodells: Abgerechnet wird pro Person, die das Werkzeug nutzt, in der Regel günstiger bei jährlicher Zahlung. Zwischen den Ebenen unterscheiden sich typischerweise die gemeinsame Nutzung von Notizen im Team, die Verwaltung von Konten, die Anmeldung über einen zentralen Identitätsdienst, Sicherheits- und Aufbewahrungseinstellungen sowie der Umfang der vertraglichen Zusagen. Weil die Anwendung auf einem Endgerät läuft, kommt hier eine Frage hinzu, die es bei rein browserbasierten Diensten nicht gibt: Läuft sie überhaupt auf den Geräten, die Ihre Beschäftigten haben?
Dieser Abschnitt gehört bei Werkzeugen mit Geräteanwendung an den Anfang und nicht ans Ende. Anders als bei einem Bot, der serverseitig der Konferenz beitritt und deshalb geräteunabhängig ist, setzt der lokale Mitschnitt eine Anwendung auf genau dem Rechner voraus, an dem gesprochen wird. Ob und in welcher Reife eine solche Anwendung für ein bestimmtes Betriebssystem angeboten wird, ist eine Tatsachenfrage, die sich über die Zeit ändert – und wir behaupten dazu bewusst nichts.
Für Ihre Beschaffung folgt daraus ein konkretes Vorgehen. Erheben Sie zuerst, mit welchen Geräten die Zielgruppe tatsächlich arbeitet, und zwar getrennt nach Betriebssystem und Gerätetyp: stationäre Rechner, Notebooks, Tablets, Mobiltelefone. Fragen Sie dann beim Anbieter ausdrücklich ab, für welche dieser Plattformen eine Anwendung angeboten wird, ob der Funktionsumfang dort gleich ist und ob der Mitschnitt von Systemaudio auf jeder dieser Plattformen unterstützt wird. Lassen Sie sich die Antwort schriftlich geben und mit einem Datum versehen. Und prüfen Sie den Punkt vor der Vertragsunterschrift im Pilotbetrieb mit echten Geräten aus Ihrem Bestand, nicht mit dem Notebook der Projektleitung.
Der Grund für diese Sorgfalt ist wirtschaftlich. Wenn sich nach der Einführung herausstellt, dass ein Teil der Zielgruppe die Anwendung nicht installieren kann, haben Sie keine Teillösung, sondern zwei Prozesse: einen für die einen und einen für die anderen. Zwei Dokumentationswege für denselben Vorgang setzen sich in keiner Organisation durch, die wir kennen. Entweder das Werkzeug erreicht die ganze Zielgruppe, oder Sie schneiden die Zielgruppe bewusst so zu, dass es sie erreicht – etwa auf den Außendienst oder auf die Beratung.
Zwei weitere Aspekte gehören in dieselbe Prüfung. Erstens die mobile Frage: Ein erheblicher Teil der Gespräche im Mittelstand findet am Telefon statt, häufig unterwegs. Ob und wie ein Werkzeug diesen Fall abdeckt, ist gesondert zu klären – und rechtlich noch einmal deutlich heikler als die Videokonferenz, weil die Gegenseite dort besonders selten mit einer Aufzeichnung rechnet. Zweitens die Frage der verwalteten Geräte: In Organisationen mit Geräteverwaltung entscheidet die IT, welche Anwendungen installiert werden dürfen. Klären Sie früh, ob eine Verteilung über Ihre bestehende Verwaltungslösung möglich ist oder ob Beschäftigte selbst installieren müssten – Letzteres ist in vielen Häusern ein Ausschlusskriterium.
Granola positioniert sich nicht als vollständige Meetingplattform, sondern als Notizwerkzeug mit KI-Unterstützung. Das ist eine bewusst schmalere Aufstellung als die vieler Wettbewerber, die Aufzeichnung, Transkription, Videoclips, Analysefunktionen für Vertriebsgespräche und Verknüpfungen ins Kundenmanagement in einem Paket anbieten. Für die Auswahl bedeutet das: Wer eine Gesprächsanalyseplattform sucht, ist hier falsch. Wer bessere Notizen sucht und alles andere in seinen bestehenden Systemen behalten will, ist hier näher an einer passenden Lösung.
Die zweite Kante der Positionierung ist der Verzicht auf den Bot – mit allen Konsequenzen. Er macht das Werkzeug in fremden Terminen anwendbar und in gesperrten Umgebungen überhaupt erst nutzbar. Er nimmt dem Werkzeug aber auch die eingebaute Ankündigung. Bei bot-basierten Produkten ist ein Hinweis auf die Aufzeichnung Teil des Produkts; hier ist er Teil Ihrer Organisation. Diese Verlagerung von der Technik in den Prozess ist der eigentliche Kern der Positionierung – und der Grund, warum die Einführung mehr Regelarbeit erfordert als bei bot-basierten Werkzeugen, obwohl die Installation schneller geht.
Die dritte Kante betrifft die Zielgruppe. Werkzeuge dieser Bauart adressieren zunächst Einzelpersonen und wachsen von dort in Teams hinein. Das ist bequem für den Einstieg und riskant für die Organisation: Wenn Beschäftigte selbst abonnieren und Kundengespräche über einen Vertrag mitschneiden, den die Firma nicht kennt, entsteht eine Datenverarbeitung ohne Auftragsverarbeitungsvertrag, ohne Verzeichniseintrag und ohne Löschregel. Wir sehen das häufiger, als uns lieb ist, und empfehlen deshalb in dieser Kategorie besonders nachdrücklich, einen Unternehmensvertrag zu schließen oder die Nutzung ausdrücklich zu untersagen. Eine dritte Möglichkeit gibt es nicht.
Sechs Fragen gehören in jedem Fall vor die Beschaffung. Erstens die Plattformfrage aus dem vorigen Abschnitt, schriftlich und mit Datum. Zweitens die Verwaltungsfrage: Ab welcher Ebene ist Anmeldung über Ihren Identitätsdienst möglich, ab welcher Ebene können Konten zentral bereitgestellt und beim Austritt deaktiviert werden? Drittens die Vertragsfrage: Liegt ein Auftragsverarbeitungsvertrag nach Artikel 28 DSGVO vor, mit welchen Anlagen, und welche Standardvertragsklauseln kommen zum Einsatz? Viertens die Trainingsfrage: Ist vertraglich ausgeschlossen, dass Ihre Inhalte zum Training allgemeiner Modelle verwendet werden – und gilt das auch für die eingesetzten Modellanbieter als Unterauftragsverarbeiter? Fünftens die Aufbewahrungsfrage: Wie lange werden Audiodaten, Transkripte und Notizen gespeichert, lässt sich das steuern, und wie löschen Sie vollständig? Sechstens die Ausstiegsfrage: In welchen Formaten kommen Ihre Inhalte wieder heraus?
Der letzte Punkt wird in dieser Kategorie fast nie gestellt und ist besonders relevant, weil sich Gesprächsnotizen über Jahre zu einem erheblichen Wissensbestand summieren. Klären Sie, ob ein vollständiger Export aller Notizen in einem offenen Format möglich ist, ob dabei Metadaten wie Datum, Teilnehmende und Zuordnung erhalten bleiben und ob auch Audiodaten und Transkripte exportierbar sind. Und prüfen Sie den Export einmal praktisch, bevor Sie sich darauf verlassen – ein Exportknopf in der Oberfläche ist noch keine belastbare Ausstiegsstrategie.
Eine Anmerkung zur Erwartungshaltung an dieses gesamte Kapitel: Der Funktionsumfang, die Ebenenzuordnung und die Verfügbarkeit einzelner Fähigkeiten verändern sich in dieser Produktkategorie schnell. Behandeln Sie deshalb jede Fähigkeit, die für Ihre Entscheidung wesentlich ist, als Prüfpunkt mit Datum – und stützen Sie sich nicht auf Marktübersichten, Videos oder Vergleichsbeiträge, die ein halbes Jahr alt sind. Wenn eine Funktion tragend ist, testen Sie sie im Pilotbetrieb mit Ihren echten Gesprächen in Ihrer Vertragsvariante.
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.
Die Bedienung im Termin ist absichtlich unspektakulär. Sie öffnen die Anwendung, wählen den Termin oder starten eine freie Notiz, erteilen dem Gerät gegebenenfalls die Berechtigung zum Mitschnitt und schreiben. Was Sie schreiben, sieht aus wie das, was Sie ohnehin auf Papier notieren würden: „Werk 2 hat andere Prüfvorschrift“, „Frau Berger entscheidet, nicht Herr Kunz“, „Termin für Abnahme offen“. Die Anwendung verlangt keine Vollständigkeit und keine Formulierung.
Dass das Tippen bleibt, ist der Punkt, an dem sich die Geister scheiden. Ein Teil der Kategorie verspricht, das Mitschreiben vollständig zu ersetzen. Der hier beschriebene Ansatz behält es bewusst bei – aus zwei Gründen. Erstens verarbeitet man Gesagtes anders, wenn man es notiert; die Notiz ist auch ein Denkwerkzeug, nicht nur eine Aufzeichnung. Zweitens ist die Gewichtung durch einen Menschen der einzige zuverlässige Weg, das Wichtige vom Häufigen zu unterscheiden. Eine Maschine kann nicht wissen, dass der Nebensatz über die Werksferien Ihr Angebot um sechs Wochen verschiebt.
Praktisch heißt das: Der Nutzen des Werkzeugs korreliert mit der Disziplin der Notiz. In unseren Projekten zeigt sich regelmäßig ein Muster – wer vorher schon mitschrieb, ist nach zwei Wochen begeistert; wer vorher nichts notierte, findet das Ergebnis mittelmäßig und erklärt das Werkzeug für überschätzt. Beide haben recht. Die Konsequenz für die Einführung: Nehmen Sie die Menschen in den Pilotbetrieb, die ohnehin Notizen machen, und schulen Sie die anderen im Notieren, nicht im Werkzeug.
Ein technischer Hinweis, der im Alltag Wirkung entfaltet: Weil der Mitschnitt am Gerät ansetzt, hängt die Qualität an der Tonqualität des Geräts. Ein Notebooklautsprecher in einem hallenden Besprechungsraum liefert schlechtere Ergebnisse als ein Konferenzmikrofon oder ein Headset. Wenn Sie das Werkzeug für Präsenzgespräche einsetzen wollen, gehört ein ordentliches Tischmikrofon zur Ausstattung – das ist eine kleine Investition mit großer Wirkung auf die Ergebnisqualität und wird in Auswahlprojekten fast immer vergessen.
Nach dem Ende des Termins entsteht die eigentliche Mitschrift. Der Vorgang lässt sich in drei Schritte zerlegen. Zunächst wird das Gehörte in Text überführt. Dann werden Ihre Stichpunkte als Gliederung genommen und mit den passenden Stellen aus diesem Text verbunden. Schließlich wird das Ganze nach der gewählten Vorlage strukturiert – etwa in Ausgangslage, Anforderungen, Einwände, Vereinbartes und offene Punkte.
Das Ergebnis ist ein Text, der wie eine sehr sorgfältige Mitschrift aussieht und in aller Regel deutlich besser lesbar ist als ein Wortprotokoll. Es ist aber, und das ist die wichtigste Einschränkung dieses Kapitels, ein generierter Text. Er enthält Formulierungen, die so nicht gefallen sind. Er kann Aussagen einer Person zuordnen, die sie nicht getroffen hat. Er kann Zahlen ungenau wiedergeben. Für den Zweck „Ich erinnere mich wieder, worum es ging“ ist das unproblematisch. Für den Zweck „Wir haben vereinbart, dass …“ ist es das nicht.
Daraus folgt eine Regel, die wir in jedem Projekt dieser Kategorie verankern: Was verbindlich werden soll, wird von einem Menschen geprüft und in ein System übertragen, in dem Verbindliches lebt. Die angereicherte Notiz ist ein Arbeitsstand, kein Nachweis. Wer sie als Nachweis behandelt, baut sich ein Risiko auf, das erst im Streitfall sichtbar wird – und dann besonders unangenehm ist, weil generierter Text glaubwürdig aussieht.
Ein zweiter praktischer Punkt betrifft die Sprache. Werkzeuge dieser Kategorie sind überwiegend für englischsprachige Gespräche entwickelt worden und arbeiten mit deutschen Gesprächen erfahrungsgemäß gut, aber nicht gleich gut. Fachbegriffe des Mittelstands, zusammengesetzte Substantive, Produktbezeichnungen, Dialektfärbung und das Mischen von Deutsch und Englisch in einem Satz sind die typischen Fehlerquellen. Prüfen Sie das im Pilotbetrieb mit Ihren echten Gesprächen und nicht mit einer Vorführung. Welche Sprachen in welcher Qualität unterstützt werden, ist eine Angabe, die Sie beim Anbieter abfragen sollten; wir nennen dazu bewusst keine Zahlen.
Der Teil des Funktionsumfangs, der in Vorführungen am wenigsten beeindruckt und im Alltag am meisten trägt, ist die Sammlung. Jede Notiz landet mit Datum, Titel und Terminbezug in einer Übersicht. Nach einem Vierteljahr haben Sie damit etwas, das es in den meisten Organisationen bisher nicht gibt: eine vollständige, durchsuchbare Geschichte der geführten Gespräche.
Diese Sammlung ist zugleich der Punkt, an dem eine Datenschutzfrage entsteht, die in Kapitel 09 vertieft wird: Eine durchsuchbare Sammlung aller Gespräche einer Person über Jahre ist etwas qualitativ anderes als eine einzelne Notiz. Sie erlaubt Auswertungen, die niemand geplant hat, und sie enthält personenbezogene Daten Dritter, die nie gefragt wurden, ob sie Teil einer solchen Sammlung sein wollen. Beides spricht nicht gegen das Werkzeug, aber sehr wohl für klare Aufbewahrungsregeln.
Zu den Vorlagen: Sie sind der wirksamste Hebel für die Ergebnisqualität, den Sie selbst in der Hand haben. Eine Vorlage legt fest, in welche Rubriken die Mitschrift gegliedert wird. Für ein Vertriebserstgespräch sind das andere Rubriken als für einen Projektstatus oder ein Lieferantengespräch. Wir empfehlen, im Pilotbetrieb genau drei Vorlagen für die drei häufigsten Gesprächstypen zu bauen und diese nach vier Wochen einmal zu überarbeiten. Drei gute eigene Vorlagen wirken mehr als eine große Bibliothek mitgelieferter Muster, weil sie Ergebnisse zwischen Personen vergleichbar machen – und Vergleichbarkeit ist der Punkt, an dem aus individuellen Notizen organisationales Wissen wird.
Zum Export schließlich: Notizen lassen sich in der Regel kopieren, in Textformate ausgeben und an angebundene Systeme übergeben. Was dabei erhalten bleibt und was verloren geht – Formatierung, Zuordnung zu Teilnehmenden, Verweise auf Audiostellen –, ist je Zielsystem unterschiedlich. Prüfen Sie den Weg für Ihr wichtigstes Zielsystem konkret, bevor Sie einen Prozess darauf aufbauen. Der Satz „Das lässt sich exportieren“ hat schon viele Projekte in eine unnötige Nacharbeit geführt.
Vorab eine Einordnung, die für die gesamte Kategorie gilt: Hinter den Funktionen stehen große Sprachmodelle, in der Regel von externen Modellanbietern. Das hat zwei Konsequenzen, die durch das gesamte Kapitel tragen. Fachlich: Die Ausgaben sind gute Rohfassungen und keine geprüften Tatsachen. Datenschutzrechtlich: Die Verarbeitungskette verlängert sich um mindestens eine Stufe, mit eigenem Standort und eigenen Bedingungen – wir behandeln das in Kapitel 09.
Die Anreicherung funktioniert am besten, wenn Ihre Stichpunkte drei Eigenschaften haben. Sie sollten verankert sein, also einen erkennbaren Bezug zu einem Gesprächsabschnitt haben – ein Name, eine Zahl, ein Fachbegriff. Sie sollten gewichtet sein, also nur das enthalten, was Ihnen wichtig war, nicht alles. Und sie sollten zeitlich verteilt sein, also über das Gespräch hinweg entstehen, nicht in einem Block am Ende. Wer diese drei Punkte beachtet, bekommt Ergebnisse, die verblüffend nah an einer sorgfältigen manuellen Mitschrift liegen.
Umgekehrt zeigt sich die Grenze am deutlichsten in Gesprächen ohne klare Struktur. Eine offene Diskussion mit acht Beteiligten, in der viel durcheinander gesprochen wird, liefert eine Mitschrift, die zwar lesbar ist, aber die Positionen nicht sauber trennt. Dasselbe gilt für Termine, in denen viel auf einem geteilten Bildschirm gezeigt und wenig gesagt wird – die Anwendung hört, was gesprochen wird, und sieht nicht, was gezeigt wird. Für Werkstattbesprechungen mit Zeichnungen, für Softwareabnahmen und für Design-Reviews ist der Nutzen deshalb spürbar geringer als für Gespräche, deren Inhalt vorwiegend gesprochen wird.
Eine ehrliche Bewertung der Verlässlichkeit gehört an diese Stelle. Wir nennen bewusst keine Genauigkeitswerte, weil sie ohne Angabe von Sprache, Tonqualität, Gesprächsform und Fachgebiet bedeutungslos sind – und weil Anbieterangaben dazu in dieser Kategorie regelmäßig unter Laborbedingungen entstehen. Was wir aus Projekten sagen können: Namen, Zahlen, Abkürzungen und Produktbezeichnungen sind die typischen Fehlerstellen, und sie sind zugleich die Stellen, an denen ein Fehler teuer wird. Wer die generierte Notiz an drei Stellen prüft – Zahlen, Namen, Zusagen –, fängt den überwiegenden Teil der Probleme ab und braucht dafür zwei Minuten.
Aus einer Mitschrift lassen sich verschiedene Ausgaben erzeugen: eine Kurzfassung in fünf Sätzen, ein Ergebnisprotokoll mit Entscheidungen, eine Liste offener Punkte oder ein Entwurf für die Nachfassnachricht an die Gegenseite. Diese Ausgaben sind der Teil, der Zeit spart, und zugleich der Teil, bei dem am ehesten etwas schiefgeht, weil er das Haus verlässt.
Für die Aufgabenerkennung gilt eine praktische Einschränkung, die in Vorführungen selten vorkommt: Maschinen erkennen Aufgaben an sprachlichen Mustern, nicht an Verbindlichkeit. Ein Satz wie „Da müssten wir mal drüberschauen“ wird zur Aufgabe, während eine tatsächlich verbindliche Zusage, die beiläufig formuliert wurde, durchfällt. In deutschen Geschäftsgesprächen mit ihrem hohen Anteil an höflichem Konjunktiv ist dieser Effekt ausgeprägter als im Englischen. Behandeln Sie erkannte Aufgaben deshalb als Vorschlagsliste, die eine Person bestätigt, bevor daraus ein Vorgang im Aufgabenwerkzeug wird.
Für Nachfassentwürfe empfehlen wir eine schlichte Regel: Kein generierter Text verlässt das Haus, ohne dass ihn eine Person gelesen und angepasst hat. Der Grund ist weniger die Fehlerquote als der Ton. Generierte Nachfassnachrichten klingen glatt, gleichförmig und leicht amerikanisch – und Empfänger im deutschsprachigen Mittelstand erkennen das inzwischen zuverlässig. Eine Nachricht, die erkennbar aus der Maschine kommt, beschädigt genau das Vertrauen, das im Gespräch aufgebaut wurde. Die zwei Minuten Überarbeitung sind gut investiert.
Die Funktion, die im ersten Monat am wenigsten genutzt und im zweiten Jahr am meisten geschätzt wird, ist das Nachfragen über mehrere Gespräche hinweg. Statt eine einzelne Notiz zu öffnen, stellen Sie eine Frage an die Sammlung: was mit einem bestimmten Kunden zum Thema Wartung besprochen wurde, welche Einwände in Erstgesprächen wiederkehren, welche Zusagen in den letzten Monaten offen geblieben sind.
Der Nutzen ist erheblich und wächst mit dem Bestand. Für Vertrieb und Beratung ist es der Unterschied zwischen einem Menschen, der sich an das letzte Gespräch erinnert, und einem, der es nachliest. Für die Übergabe bei Krankheit, Urlaub oder Ausscheiden ist es der Unterschied zwischen einem Kundenverhältnis, das im Kopf einer Person lag, und einem, das dokumentiert ist.
Drei Einschränkungen gehören dazu. Erstens: Antworten über einen Bestand sind Zusammenfassungen von Zusammenfassungen – die Fehlerwahrscheinlichkeit summiert sich. Verlangen Sie deshalb Belege, also den Verweis auf die zugrunde liegende Notiz, und prüfen Sie diese bei allem, was Folgen hat. Zweitens: Die Funktion arbeitet nur mit dem, was in der Sammlung liegt. Gespräche, die aus rechtlichen Gründen nicht mitgeschnitten wurden, fehlen – und ihr Fehlen ist nicht sichtbar. Drittens: Eine solche Sammlung ist ein hochwertiges Ziel für Angreifer und ein sensibles Objekt für Auskunftsersuchen. Wer sie aufbaut, übernimmt eine Verantwortung, die über den Komfort weit hinausgeht.
Vorlagen steuern, wie die Mitschrift gegliedert wird, und damit indirekt, worauf die KI achtet. Sie sind der wirksamste Qualitätshebel überhaupt, weil sie die Aufgabe der Maschine präzisieren. Eine Vorlage für ein Vertriebserstgespräch fragt nach Ausgangslage, Auslöser, Entscheidungsweg, Budgetrahmen, Einwänden und nächstem Schritt. Eine Vorlage für einen Projektstatus fragt nach Fortschritt, Abweichungen, Risiken, Entscheidungen und offenen Punkten. Eine Vorlage für ein Lieferantengespräch fragt nach Konditionen, Lieferfähigkeit, Qualitätsthemen und Vereinbartem.
Unsere Empfehlung für die Einführung lautet: drei Vorlagen, nicht dreißig. Bauen Sie die drei häufigsten Gesprächstypen ab, nutzen Sie sie vier Wochen lang, und überarbeiten Sie sie dann gemeinsam mit den Nutzenden. Diese eine Überarbeitungsrunde hebt die Ergebnisqualität in unseren Projekten spürbarer als jede Modellverbesserung. Benennen Sie außerdem eine Person, die die Vorlagen pflegt – ohne Eigentümerschaft veralten sie, und die Ergebnisse werden über die Zeit wieder beliebig.
Eine letzte Bemerkung zur Erwartungshaltung an KI-Funktionen insgesamt: Sie ordnen, formulieren und erinnern. Sie beurteilen nicht, sie entscheiden nicht, und sie kennen Ihr Unternehmen nicht. Die Grundregel, die wir jeder Organisation mitgeben, lautet daher: Die KI darf ordnen und vorschlagen, Menschen entscheiden und verantworten. Wer diese Regel in die Nutzungsrichtlinie schreibt und in der Schulung erklärt, bekommt Nutzende, die das Werkzeug richtig einsetzen – und vermeidet den Fall, in dem eine generierte Formulierung zur Grundlage einer Zusage wird.
Vorab ein Hinweis, der für die gesamte Kategorie gilt: Welche Anbindungen in welcher Ebene verfügbar sind, ändert sich häufig. Prüfen Sie die für Sie tragenden Verbindungen konkret und im Pilotbetrieb, statt sich auf Listen zu verlassen. Und prüfen Sie sie mit Ihren Daten – eine Anbindung, die im englischsprachigen Standardfall funktioniert, kann bei deutschen Feldbezeichnungen und gewachsenen Objektstrukturen an Grenzen stoßen.
Die wichtigste Anbindung ist der Kalender, und sie ist zugleich die datenschutzrechtlich sensibelste, die beim Einrichten so beiläufig wirkt. Über den Kalender erkennt die Anwendung, welche Termine anstehen, mit welchem Titel und mit welchen Beteiligten – und ordnet Notizen diesen Terminen zu. Ohne diese Anbindung müssten Sie jede Notiz manuell benennen und zuordnen; mit ihr entsteht eine strukturierte Sammlung fast von selbst.
Der Preis dafür ist ein Zugriff auf Kalenderdaten, der weiter reicht, als den meisten Nutzenden bewusst ist. Ein Kalender enthält nicht nur Geschäftstermine, sondern auch Arzttermine, Bewerbungsgespräche, Betriebsratssitzungen und private Einträge. Klären Sie deshalb drei Punkte, bevor Sie die Verbindung in der Breite freigeben: Welcher Umfang an Kalenderdaten wird gelesen, lässt sich der Zugriff auf bestimmte Kalender oder Terminarten begrenzen, und wie werden diese Daten aufbewahrt? In Organisationen mit Betriebsrat ist dieser Punkt regelmäßig Gegenstand der Abstimmung – zu Recht.
Praktisch bewährt hat sich eine einfache Konvention: ein getrennter Arbeitskalender für alles, was das Werkzeug sehen darf, und die Regel, dass Termine mit besonders schutzwürdigem Inhalt – Personalgespräche, Gesundheitsthemen, Mitbestimmungssitzungen – dort nicht geführt werden. Diese Konvention kostet nichts und beseitigt einen erheblichen Teil der Bedenken.
Der zweite Block betrifft die Weitergabe der Ergebnisse. Drei Wege sind in der Praxis relevant und haben jeweils eine eigene Logik.
Das Kundenmanagement. Dies ist der Fall mit dem höchsten Nutzenversprechen und der größten Fallhöhe. Die Idee ist bestechend: Nach jedem Kundengespräch landet eine Zusammenfassung automatisch am richtigen Datensatz, und niemand muss mehr Gesprächsnotizen nachtragen. In der Praxis hängt der Erfolg an drei Fragen. Erstens: Wird Ihr CRM-System überhaupt unterstützt, und in welcher Tiefe? Zweitens: Wie wird die richtige Zuordnung getroffen – über die Teilnehmenden, über die Mail-Domäne, manuell? Drittens: Was genau wird übergeben, die vollständige Mitschrift oder eine Zusammenfassung?
Zur dritten Frage eine deutliche Empfehlung aus Projekten: Übergeben Sie eine geprüfte Zusammenfassung, nicht die vollständige generierte Mitschrift. Ein CRM-System ist ein Ort, an den viele Menschen Zugriff haben und aus dem Angebote, Prognosen und Kundenbewertungen abgeleitet werden. Wenn dort ungeprüfter generierter Text landet, der Aussagen einer Kundin zuordnet, die sie nicht getroffen hat, entsteht ein Risiko, das später schwer zu korrigieren ist – und das bei einem Auskunftsersuchen nach Artikel 15 DSGVO unangenehm sichtbar wird. Der Zwischenschritt „Mensch prüft und gibt frei“ kostet zwei Minuten und ist die wirtschaftlichere Variante.
Zweitens die Frage der Schnittstellen. Für individuelle Anbindungen – etwa an ein Branchensystem oder ein ERP – brauchen Sie eine dokumentierte Programmierschnittstelle oder zumindest die Möglichkeit, über Automatisierungsdienste zu arbeiten. Ob und in welchem Umfang eine solche Schnittstelle angeboten wird und ab welcher Ebene, ist beim Anbieter zu klären. Kalkulieren Sie eine Eigenentwicklung erst, wenn diese Frage schriftlich beantwortet ist; in dieser Produktkategorie sind Schnittstellen häufig schmaler als erwartet, weil die Produkte auf einzelne Nutzende ausgelegt sind.
Viertens der Punkt, den wir am häufigsten nachschärfen müssen: Jede Anbindung ist eine Datenweitergabe. Wenn Notizen automatisch in ein CRM, in einen Kanal und in eine Wissensablage fließen, liegen dieselben personenbezogenen Inhalte an vier Orten mit vier unterschiedlichen Berechtigungs- und Löschregeln. Für das Verarbeitungsverzeichnis und für Auskunfts- und Löschersuchen ist das relevant. Zeichnen Sie deshalb vor der Einführung einmal auf einer Seite auf, welche Inhalte von wo nach wo fließen. Diese eine Seite spart später mehr Zeit als jede Funktionsdiskussion.
Ein Bot ist ein Dienst, der beim Anbieter läuft und der Videokonferenz als zusätzlicher Teilnehmer beitritt. Er erscheint in der Teilnehmerliste, häufig mit einem Namen, der auf die Aufzeichnung hinweist, und wird von der Konferenzplattform behandelt wie ein Gast. Der Ton, den er empfängt, ist der Konferenzton; was außerhalb der Konferenz gesprochen wird, hört er nicht.
Eine lokale Aufnahme ist eine Anwendung, die auf Ihrem Rechner läuft und dort abgreift, was über die Audioschnittstellen des Geräts läuft. Sie tritt keiner Konferenz bei und erscheint in keiner Teilnehmerliste. Sie hört, was am Gerät zu hören ist – unabhängig davon, ob eine Konferenz läuft, ob eine Videodatei abgespielt wird oder ob zwei Menschen am Tisch sprechen.
Aus dieser Architektur ergeben sich vier praktische Unterschiede. Erstens die Reichweite: Der Bot funktioniert nur in Konferenzen, denen er beitreten darf; die lokale Aufnahme funktioniert überall dort, wo das Gerät ist. Zweitens die Abhängigkeit vom Gastgeber: In fremden Terminen entscheidet der Gastgeber über den Beitritt des Bots – und viele Organisationen sperren solche Beitritte administrativ. Die lokale Aufnahme ist davon unabhängig, was ihr Nutzen und zugleich ihr Problem ist. Drittens die Tonqualität: Der Bot erhält den sauberen Konferenzton je Sprecher, die lokale Aufnahme einen gemischten Ton, dessen Qualität am Gerät und am Raum hängt; die Sprecherzuordnung ist dadurch tendenziell schwieriger. Viertens die Sichtbarkeit: Der Bot zeigt sich, die lokale Aufnahme nicht.
Der vierte Punkt ist der wichtigste, und er wird im Markt gern als Vorteil vermarktet. Wir halten das für eine gefährliche Verkürzung. Der Bot ist ein unfreiwilliges, aber wirksames Transparenzwerkzeug: Er zwingt zur Erklärung, weil jemand fragt. Fällt er weg, fällt die Nachfrage weg – und mit ihr die Gelegenheit, die Einwilligung einzuholen. Wer diesen Weg wählt, ersetzt technische Transparenz durch organisatorische Disziplin. Das ist möglich, aber es ist Arbeit, und diese Arbeit muss vor dem ersten Termin erledigt sein.
Die Rechtslage unterscheidet nicht nach der Architektur der Aufnahme. Wer ein Gespräch mitschneidet, verarbeitet personenbezogene Daten im Sinne der DSGVO und berührt das allgemeine Persönlichkeitsrecht der Beteiligten. Ein fehlender Bot ändert daran nichts. Er verändert lediglich, wie leicht die Beteiligten von der Aufnahme erfahren – und damit, wie schwer es fällt, eine wirksame Einwilligung zu belegen.
Vier Punkte gehören in diesem Zusammenhang ausdrücklich benannt.
Daraus folgt für die Praxis ein klarer Grundsatz: Die Ankündigung muss von Ihnen kommen, und zwar vor Beginn der Aufnahme. Ein Satz zu Gesprächsbeginn – dass Sie zur eigenen Dokumentation mitschneiden lassen, wozu, wie lange die Daten aufbewahrt werden und dass ein Widerspruch selbstverständlich möglich ist – erfüllt die Aufgabe, die bei bot-basierten Werkzeugen der Bot übernimmt. Ergänzen Sie eine Dokumentation dieser Einwilligung; bei wiederkehrenden Gesprächspartnern genügt in der Praxis eine einmalige schriftliche Verständigung mit Hinweis zu Beginn jedes Termins. Und stellen Sie sicher, dass ein Nein tatsächlich zum Verzicht führt – auch das ist ein Prozess, den man geübt haben muss.
Und schließlich die Alternative, die im Mittelstand zu selten geprüft wird: der Selbstbetrieb auf Basis offener Spracherkennungsmodelle. Modelle wie Whisper und darauf aufbauende Werkzeuge lassen sich auf eigener Hardware betreiben; die Zusammenfassung kann ein lokal betriebenes Sprachmodell übernehmen. Der Komfort ist deutlich geringer, die Einrichtung erfordert Kompetenz, und Kalender- und CRM-Anbindung müssen Sie selbst bauen. Dafür verlässt kein Ton das Haus. Für Gespräche mit besonderem Schutzbedarf – Personalthemen, Verdachtsfälle, Forschungsvorhaben, Mandatsarbeit – ist das häufig die einzige Variante, die eine Datenschutzbewertung übersteht. Wir behandeln sie in Kapitel 09 noch einmal.
Das folgende Vorgehen hat sich in Mittelstandsprojekten bewährt. Es beginnt bewusst nicht mit der Technik, sondern mit der Regel.
Weil die Anwendung auf dem Endgerät läuft, wird die Geräteverwaltung zum zentralen Steuerungspunkt – anders als bei browserbasierten Diensten, die man über die Anmeldung kontrolliert. Drei Aufgaben ergeben sich daraus.
Erstens die Verteilung. Klären Sie mit Ihrer IT, ob die Anwendung über Ihre bestehende Verwaltungslösung ausgerollt und aktualisiert werden kann. Wenn nicht, bedeutet das Selbstinstallation durch die Beschäftigten – mit allen Folgen für Versionsstände, Sicherheitsaktualisierungen und die Frage, wer eigentlich weiß, auf welchen Geräten das Werkzeug läuft. In Organisationen mit gehärteten Arbeitsplätzen ist die fehlende Verteilbarkeit regelmäßig das Ausschlusskriterium, das erst nach der Produktentscheidung auffällt.
Zweitens die Versionspflege. Eine Anwendung mit Zugriff auf Systemaudio und Kalender ist sicherheitsrelevant. Sie gehört in den regulären Aktualisierungsprozess und in die Software-Inventarisierung, nicht in die Kategorie der stillschweigend geduldeten Hilfsprogramme.
Drittens die Privatgeräte. Dies ist der Punkt, an dem wir in Projekten am nachdrücklichsten werden. Wenn Beschäftigte das Werkzeug auf privaten Geräten installieren und damit Kundengespräche mitschneiden, entstehen Audiodaten und Mitschriften außerhalb Ihrer Kontrolle, unter einem Vertrag, den Sie nicht kennen, mit einer Löschfrist, die niemand steuert. Für die Verantwortlichkeit nach DSGVO ist das ein erhebliches Problem, und im Streitfall ist es Ihres, nicht das der Beschäftigten. Regeln Sie deshalb ausdrücklich: entweder Firmengerät mit verwalteter Anwendung oder gar nicht. Eine dritte Möglichkeit funktioniert nicht.
Moderne Betriebssysteme verlangen für den Zugriff auf Mikrofon, Systemton und teilweise auf Bildschirminhalte eine ausdrückliche Freigabe durch die nutzende Person. Diese Freigabe ist der technische Kern des bot-freien Ansatzes – und der Punkt, an dem die IT hinsehen muss.
Drei Aspekte sind praktisch relevant. Erstens der Umfang: Eine Berechtigung zum Mitschnitt des Systemtons erfasst grundsätzlich alles, was am Gerät zu hören ist – nicht nur die Konferenz. Klären Sie, wie die Anwendung sicherstellt, dass nur während eines bewusst gestarteten Mitschnitts aufgezeichnet wird, und wie erkennbar ist, dass gerade aufgezeichnet wird. Eine gut sichtbare Anzeige ist keine Kosmetik, sondern die Voraussetzung dafür, dass Nutzende die Aufnahme kontrollieren können.
Zweitens die Nachvollziehbarkeit: Halten Sie fest, welche Berechtigungen erteilt wurden, wer sie erteilt hat und zu welchem Zweck. Das ist Teil der technisch-organisatorischen Maßnahmen und wird bei einer Prüfung erfragt. Erfahrungsgemäß existiert diese Dokumentation in mittelständischen Organisationen für Serversysteme, aber nicht für Anwendungen auf Endgeräten – obwohl gerade dort der Zugriff am weitesten reicht.
Drittens die Rücknahme: Beim Ausscheiden einer Person, beim Gerätewechsel und beim Ende der Nutzung müssen Berechtigungen entzogen, die Anwendung entfernt und lokal gespeicherte Daten gelöscht werden. Nehmen Sie diesen Schritt in Ihre Austritts-Checkliste auf. Das ist der unspektakulärste Absatz dieses Kapitels und derjenige, dessen Fehlen am häufigsten auffällt – meist dann, wenn es zu spät ist.
Die vierte Betriebsaufgabe betrifft das, was entsteht. Bei einem Werkzeug dieser Art entstehen mindestens vier Datenarten: Audiodaten, ein Transkript, Ihre Rohnotiz und die angereicherte Mitschrift, dazu Metadaten aus dem Kalender. Für jede dieser Arten braucht es eine Antwort auf drei Fragen: Wo liegt sie, wer hat Zugriff, wann wird sie gelöscht.
Unsere Empfehlung ist in diesem Punkt konservativ und hat sich bewährt. Audiodaten so kurz wie möglich aufbewahren, idealerweise nur so lange, wie die Verarbeitung zur Mitschrift dauert. Der Nutzen einer dauerhaft gespeicherten Tonaufnahme ist im Mittelstand gering; das Risiko ist erheblich, weil eine Tonaufnahme im Streitfall eine ganz andere Wirkung entfaltet als eine Notiz. Transkripte mittelfristig, wenn Sie sie zur Nachvollziehbarkeit brauchen, sonst zusammen mit den Audiodaten löschen. Mitschriften nach fachlichem Bedarf, also entlang der Aufbewahrungslogik des jeweiligen Vorgangs.
Der zweite Grundsatz lautet: Was dauerhaft gebraucht wird, gehört nicht in die Notiz-App. Ein Notizwerkzeug ist an eine Person gebunden. Wenn die Person geht, geht der Bestand mit ihr – oder er bleibt in einem Konto, das eigentlich zu löschen wäre. Überführen Sie deshalb konsequent: dauerhaft Relevantes in die Wissensablage, Kundenbezogenes in das Kundenmanagement, Aufgaben in das Aufgabenwerkzeug. Was danach in der Notiz-App liegen bleibt, ist Arbeitsmaterial mit begrenzter Lebensdauer – und kann guten Gewissens gelöscht werden.
Der dritte Grundsatz betrifft Auskunft und Löschung. Wenn eine Gesprächspartnerin Auskunft nach Artikel 15 DSGVO verlangt oder die Löschung ihrer Daten fordert, müssen Sie wissen, wo überall Inhalte aus dem betreffenden Gespräch liegen – in der App, im CRM, im Kanal, in der Wissensablage, in Sicherungen. Genau dafür ist das in Kapitel 05 empfohlene Datenflussbild da. Ohne dieses Bild ist eine vollständige Auskunft praktisch nicht zu leisten, und die Antwort „Wir wissen nicht genau, wo das überall liegt“ ist keine.
Die Schulung für ein Werkzeug dieser Art dauert zwanzig Minuten, wenn es um die Bedienung geht. Die eigentliche Befähigung braucht länger und betrifft drei Dinge, die nichts mit Knöpfen zu tun haben.
Erstens das Notieren. Der Ansatz lebt von brauchbaren Stichpunkten. Vermitteln Sie, wie eine gute Rohnotiz aussieht: verankert an Namen, Zahlen und Fachbegriffen, gewichtet auf das Wesentliche, verteilt über das Gespräch. Ein halbstündiger gemeinsamer Durchgang an einem echten aufgezeichneten Beispiel wirkt mehr als jede Produktschulung.
Zweitens die Ankündigung. Der Satz zu Gesprächsbeginn ist ungewohnt und fühlt sich beim ersten Mal unangenehm an. Genau deshalb muss er geübt werden. Formulieren Sie ihn gemeinsam, lassen Sie ihn im Rollenspiel aussprechen, und besprechen Sie, was zu tun ist, wenn die Gegenseite Nein sagt. Unsere Erfahrung: Die Sorge vor der Reaktion ist deutlich größer als die tatsächliche Reaktion – gute Gesprächspartner schätzen die Offenheit, und der Hinweis dauert acht Sekunden.
Drittens die Prüfung. Vermitteln Sie die Regel, dass Zahlen, Namen und Zusagen in der generierten Mitschrift nachgesehen werden, bevor etwas daraus abgeleitet wird. Zwei Minuten pro Gespräch, konsequent angewandt, verhindern den überwiegenden Teil der Probleme, die diese Werkzeugkategorie erzeugen kann.
Der wirtschaftlich stärkste Fall im Mittelstand ist nicht die Zeitersparnis beim Protokollieren, sondern die Übergabefähigkeit. In vielen mittelständischen Unternehmen liegt das Kundenwissen in den Köpfen weniger Menschen. Was mit einem Kunden vor zwei Jahren vereinbart wurde, warum ein Angebot damals abgelehnt wurde, welche Person im Kundenhaus tatsächlich entscheidet – all das ist selten dokumentiert und geht bei Krankheit, Elternzeit oder Kündigung verloren.
Eine durchsuchbare Gesprächshistorie ändert das grundlegend. Wenn eine Kollegin einen Kunden übernimmt, kann sie sich in einer halben Stunde in fünf Jahre Gesprächsgeschichte einlesen, statt vier Wochen lang zu rekonstruieren. Für inhabergeführte Unternehmen mit anstehender Nachfolge ist das ein Argument von erheblichem Gewicht – und häufig der Punkt, an dem die Geschäftsführung ein Projekt dieser Art tatsächlich beauftragt.
Damit dieser Nutzen eintritt, müssen allerdings zwei Bedingungen erfüllt sein. Erstens dürfen die Notizen nicht in Einzelkonten liegen, die niemand außer der jeweiligen Person einsehen kann. Das bedeutet: Teamebene oder höher, geteilte Bereiche und eine Regel, welche Gespräche geteilt werden. Zweitens muss das dauerhaft Relevante in ein Unternehmenssystem überführt werden, weil ein persönliches Notizwerkzeug beim Austritt zu löschen ist. Wer beide Bedingungen ignoriert, kauft ein Werkzeug für individuelle Bequemlichkeit und erklärt es intern als Wissensmanagement – ein Widerspruch, der spätestens beim ersten Austritt sichtbar wird.
Für den Vertrieb kommt ein spezifischer Nutzen hinzu, der wenig mit Dokumentation zu tun hat: die Vorbereitung. Wer vor einem Folgetermin in dreißig Sekunden nachlesen kann, welche drei Einwände beim letzten Mal kamen und welche Zusage gemacht wurde, geht anders in das Gespräch. In unseren Projekten ist das der Nutzen, den Vertriebsverantwortliche nach vier Wochen von sich aus nennen – nicht die Zeitersparnis beim Protokoll.
Für Geschäftsführung und Bereichsleitung ist die Entlastung offensichtlich: hohe Terminfrequenz, keine Assistenz im Raum, viele Gespräche mit Folgen. Genau in dieser Rolle liegt aber auch der höchste Anteil an Gesprächen, die nicht mitgeschnitten werden dürfen – und die Versuchung, die Ausnahme zur Regel zu machen, ist entsprechend groß.
Deshalb ist die Negativliste in dieser Rolle besonders wichtig. Sie sollte mindestens umfassen: Personalgespräche jeder Art einschließlich Zielvereinbarungen und Kritikgesprächen, Gespräche über Krankheit, Sucht oder persönliche Notlagen, Bewerbungsgespräche, Gespräche mit dem Betriebsrat und Sitzungen mitbestimmter Gremien, Gespräche im Zusammenhang mit Verdachtsfällen und internen Ermittlungen, Gespräche mit Rechtsanwälten, Steuerberatern und anderen Berufsgeheimnisträgern sowie Gespräche über Restrukturierungen, solange sie vertraulich sind.
Das klingt nach einer langen Liste und ist im Alltag eine kurze Regel: Wenn Sie zögern, ob ein Mitschnitt in Ordnung ist, ist er es nicht. Diese Faustregel hat sich in Projekten bewährt, weil sie ohne Kasuistik funktioniert. Ergänzen Sie sie um den Grundsatz, dass ein Widerspruch der Gegenseite ausnahmslos akzeptiert wird – auch dann, wenn er unbequem kommt, etwa mitten im Gespräch.
Ein zweiter Punkt für diese Rolle: Vorbildwirkung. Wenn die Geschäftsführung den Ankündigungssatz konsequent spricht, tun es die anderen auch. Wenn sie ihn weglässt, weil es schneller geht, ist jede Richtlinie Makulatur. In dieser Werkzeugkategorie entscheidet die gelebte Praxis der Führung stärker über die Rechtssicherheit als jedes Dokument.
Das Präsenzgespräch beim Kunden ist der Fall, in dem ein geräteseitiges Werkzeug seinen größten Vorsprung hat – und in dem die Sorgfalt am höchsten sein muss. In einer Videokonferenz rechnen die Beteiligten inzwischen damit, dass mitgeschnitten werden könnte. Am Besprechungstisch rechnet damit niemand.
Drei Regeln haben sich hier bewährt. Erstens die ausdrückliche Ankündigung mit Blickkontakt, bevor die Anwendung gestartet wird, nicht danach. Zweitens die sichtbare Technik: Das Notebook offen auf dem Tisch, die Anwendung erkennbar, kein Mitschnitt aus der Tasche heraus. Der Unterschied zwischen einem offenen und einem verdeckten Mitschnitt ist nicht nur rechtlich erheblich, sondern auch der Unterschied zwischen einer Geschäftsbeziehung und ihrem Ende. Drittens die Dokumentation: Bei wiederkehrenden Kunden eine einmalige schriftliche Verständigung, bei neuen Kunden ein Vermerk in der Notiz, dass zugestimmt wurde.
Eine praktische Erfahrung dazu, weil die Sorge davor die Einführung häufig blockiert: Die Reaktion der Gegenseite ist in aller Regel unspektakulär. Wer sagt, dass er zur eigenen Dokumentation mitschreiben lässt, damit nichts verloren geht, und anbietet, es zu lassen, erntet meist ein Nicken. Widerspruch kommt vor, ist aber selten – und wenn er kommt, ist er ein wertvolles Signal über die Vertraulichkeitserwartung des Gegenübers, das man ohnehin kennen sollte.
Vier Konstellationen sprechen aus unserer Sicht gegen den Einsatz eines solchen Werkzeugs. Erstens Branchen mit besonderen Verschwiegenheitspflichten – Kanzleien, Steuerberatung, Arztpraxen, Pflege, Sozialdienste: Dort ist die Beteiligung eines externen Verarbeiters an Mandanten- und Patientengesprächen ein eigenständiges Problem, das mit einem Auftragsverarbeitungsvertrag nicht gelöst ist. Zweitens Organisationen ohne belastbare Regelung zur Einwilligung und ohne Bereitschaft, eine solche aufzubauen – dort erzeugt die Einführung absehbar einen Konflikt, der teurer ist als der Nutzen. Drittens Unternehmen mit strikter Souveränitätsvorgabe: Wenn Verarbeitung ausschließlich in eigener oder europäisch beauftragter Infrastruktur zulässig ist, führt der Weg zu selbstgehosteten Lösungen. Viertens Fälle, in denen das eigentliche Problem nicht die Notiz ist: Wer Aufgaben nicht nachverfolgt, löst das im Aufgabenwerkzeug; wer keine Kundenhistorie hat, löst das im CRM. Ein Notizwerkzeug hilft dort nur an der Oberfläche.
Und ein fünfter, seltener genannter Punkt: In Teams mit angespanntem Vertrauensverhältnis ist die Einführung eines Werkzeugs, das Gespräche mitschneidet, ein Brandbeschleuniger. Wenn Beschäftigte den Verdacht haben, dass Mitschnitte zur Leistungsbewertung genutzt werden könnten, verändert das die Gesprächskultur nachhaltig – und zwar nicht zum Besseren. Klären Sie das Verhältnis erst, führen Sie das Werkzeug danach ein. In dieser Reihenfolge, nicht umgekehrt.
Abgerechnet wird typischerweise pro Person und Monat, gestaffelt nach Ebene, günstiger bei jährlicher Zahlung. Konkrete Preise nennen wir bewusst nicht, weil sie sich ändern und von Ebene, Menge, Laufzeit und Region abhängen. Für die Kalkulation sind ohnehin fünf andere Posten entscheidend, von denen die Lizenz häufig der kleinste ist.
Diesen Kosten steht ein Nutzen gegenüber, der sich benennen lässt: vollständigere Gesprächsdokumentation ohne zusätzlichen Zeitaufwand, kürzere Nachbereitung, bessere Vorbereitung von Folgeterminen, übergabefähiges Kundenwissen und eine spürbare Entlastung von Rollen mit hoher Terminfrequenz. Wir empfehlen, diese Nutzenerwartung vor der Einführung schriftlich zu fixieren – mit zwei oder drei einfachen Messpunkten wie der Zahl dokumentierter Kundengespräche oder der Zeit für die Nachbereitung –, damit nach zwölf Monaten überprüfbar ist, ob sie eingetreten ist.
Ein Hinweis zur Wirtschaftlichkeitsrechnung, den wir in Projekten regelmäßig anbringen: Rechnen Sie nicht mit eingesparten Protokollstunden, die es vorher gar nicht gab. In vielen mittelständischen Organisationen wurde vorher schlicht nicht dokumentiert. Der Gewinn ist dann keine Zeitersparnis, sondern eine neue Fähigkeit – und die ist schwerer zu beziffern, aber häufig wertvoller. Ehrlichkeit an dieser Stelle schützt vor einer Nutzenrechnung, die nach einem Jahr niemand belegen kann.
Die datenschutzrechtliche Ausgangslage ist bei einem US-amerikanischen Anbieter strukturell anspruchsvoller als bei einem europäischen, und bei Sprachdaten noch einmal anspruchsvoller als bei Textdaten. Vier Punkte sind zu klären.
Erstens der Verarbeitungsort. Fragen Sie ausdrücklich, wo Audiodaten, Transkripte, Notizen, Kalendermetadaten, Sicherungen und Protokolle verarbeitet und gespeichert werden. Ob eine EU-Datenresidenz angeboten wird, ab welcher Ebene und ob sie sämtliche dieser Datenarten und sämtliche Funktionen einschließlich der KI-Verarbeitung umfasst, ist beim Anbieter zu prüfen – wir behaupten dazu nichts. Lassen Sie sich die Antwort schriftlich und mit Datum geben, und prüfen Sie sie erneut, wenn sich Vertrag oder Ebene ändern.
Zweitens die Transfergrundlage. Wenn Daten das EU-Gebiet verlassen können – für Verarbeitung, Support, Diagnose oder Modellaufrufe –, brauchen Sie eine tragfähige Grundlage. In Betracht kommen Standardvertragsklauseln nach Artikel 46 DSGVO und, sofern der Anbieter und die beteiligten Unterauftragsverarbeiter zertifiziert sind, das EU-U.S. Data Privacy Framework als Angemessenheitsgrundlage. Prüfen Sie die Zertifizierung im offiziellen Verzeichnis und nicht anhand einer Aussage auf einer Produktseite, und dokumentieren Sie eine Übermittlungsfolgenabschätzung. Diese Unterlagen existieren bei etablierten Anbietern in der Regel; die Aufgabe besteht darin, sie einzuholen, zu prüfen und im Verarbeitungsverzeichnis zu dokumentieren.
Drittens die Unterauftragsverarbeiter. Hier liegt der Punkt, der bei KI-Funktionen hinzukommt und regelmäßig übersehen wird. Für Spracherkennung und für die Anreicherung werden in aller Regel Modelle weiterer Anbieter genutzt, dazu Infrastrukturdienste für Speicherung und Betrieb. Damit erweitert sich die Verarbeitungskette um mehrere Stufen, jede mit eigenem Standort, eigenen Bedingungen und eigenen Aufbewahrungsfristen. Fragen Sie ausdrücklich: Welche Modell- und Infrastrukturanbieter werden eingesetzt, wo verarbeiten sie, wie lange speichern sie Eingaben, und ist ein Training mit Ihren Inhalten vertraglich ausgeschlossen? Und: Werden Sie über Änderungen dieser Liste informiert, mit einer Widerspruchsmöglichkeit?
Viertens die besondere Qualität von Sprachdaten. Eine Tonaufnahme ist mehr als der Inhalt des Gesagten. Sie enthält biometrisch auswertbare Merkmale, sie erlaubt Rückschlüsse auf Emotion, Gesundheit und Herkunft, und sie ist im Streitfall von ganz anderer Wirkung als eine Notiz. Behandeln Sie Audiodaten deshalb als die sensibelste Datenart in diesem Zusammenhang – mit der kürzesten Aufbewahrungsfrist, dem engsten Zugriffskreis und der ausdrücklichen Prüfung, ob sie überhaupt dauerhaft gespeichert werden müssen. In den meisten mittelständischen Anwendungsfällen lautet die Antwort Nein.
Dieser Abschnitt ist der wichtigste des ganzen Artikels, und er wiederholt bewusst, was in Kapitel 01 und 06 schon stand. In Verkaufsgesprächen und Marktübersichten wird der bot-freie Ansatz gelegentlich so dargestellt, als sei er datenschutzfreundlicher. Diese Darstellung ist irreführend.
Rechtlich betrachtet ändert die Architektur der Aufnahme an den Pflichten nichts. Verarbeitet werden personenbezogene Daten aller Gesprächsbeteiligten; es braucht eine Rechtsgrundlage nach Artikel 6 DSGVO, Informationspflichten nach den Artikeln 13 und 14 sind zu erfüllen, Betroffenenrechte müssen bedienbar sein, und die Verarbeitung gehört ins Verzeichnis. Daneben steht das Persönlichkeitsrecht mit dem Recht am gesprochenen Wort, und daneben steht die Strafnorm des § 201 StGB zum Schutz der Vertraulichkeit des Wortes. Keine dieser Anforderungen knüpft daran an, ob ein Bot sichtbar ist.
Praktisch betrachtet ist die Lage bei der lokalen Aufnahme sogar anspruchsvoller. Bei einem Bot ist die Aufnahme sichtbar; das erzeugt Nachfragen und damit Gelegenheiten, die Einwilligung einzuholen. Fällt dieses Signal weg, muss die Transparenz vollständig aus Ihrer Organisation kommen – aus einem gesprochenen Satz, aus einer Regel und aus einer Dokumentation. Das ist leistbar, aber es ist eine echte organisatorische Aufgabe, und sie wird bei der Einführung dieser Werkzeuge regelmäßig übersprungen, gerade weil die Installation so einfach ist.
Für die Praxis empfehlen wir drei Festlegungen. Erstens ein verbindlicher Ankündigungssatz, der vor Beginn der Aufnahme gesprochen wird und Zweck, Umfang, Aufbewahrung und Widerspruchsmöglichkeit in zwei Sätzen benennt. Zweitens eine Dokumentation der Einwilligung, die im Alltag funktioniert – bei wiederkehrenden Geschäftspartnern eine einmalige schriftliche Verständigung, bei Einzelterminen ein Vermerk in der Notiz. Drittens ein geübter Umgang mit dem Nein: keine Aufnahme, keine Diskussion, Notiz von Hand. Wenn diese drei Punkte stehen, ist der bot-freie Ansatz sauber führbar. Ohne sie ist er ein Risiko, das sich niemand ansehen will, bis es eintritt.
Und eine Ergänzung, die im Beschäftigtenkontext hinzukommt: Eine Einwilligung von Beschäftigten ist wegen des Abhängigkeitsverhältnisses in ihrer Freiwilligkeit eingeschränkt und als alleinige Rechtsgrundlage häufig nicht tragfähig. Für interne Termine ist deshalb in aller Regel eine Betriebsvereinbarung der richtige Weg – sie schafft die Grundlage, regelt Zweckbindung, Aufbewahrung und Auswertungsverbote und nimmt der Belegschaft die Sorge, dass Mitschnitte in eine Leistungsbewertung einfließen. Diese Sorge ist im Übrigen der häufigste Grund, aus dem Projekte dieser Kategorie im Mittelstand scheitern – deutlich häufiger als Kosten oder Funktionsumfang.
Für Organisationen mit strikten Anforderungen oder für einzelne besonders sensible Gesprächstypen gibt es einen Weg, der im Mittelstand zu selten geprüft wird: die Verarbeitung im eigenen Haus. Offene Spracherkennungsmodelle wie Whisper lassen sich auf eigener Hardware betreiben; für die Zusammenfassung kann ein lokal betriebenes Sprachmodell genutzt werden. Es existieren mehrere Werkzeuge, die beides zu einer nutzbaren Oberfläche verbinden.
Die ehrliche Einordnung dazu lautet: Der Komfort ist deutlich geringer. Es gibt keine gepflegte Kalenderanbindung, keine CRM-Übergabe auf Knopfdruck, keine Suche über alle Gespräche mit gleicher Qualität und keinen Support. Die Einrichtung erfordert Kompetenz, der Betrieb erfordert Hardware, und die Ergebnisqualität hängt stärker von der eigenen Konfiguration ab. Wer das unterschätzt, baut ein Projekt, das nach einem Jahr niemand pflegt.
Der Vorteil ist ebenso deutlich: Kein Ton verlässt das Haus, es gibt keinen Drittlandtransfer, keine Subprozessorenkette und keine Frage nach Modelltraining. Für Personalthemen, Verdachtsfälle, Forschungsvorhaben, Mandatsarbeit und alles, was unter besondere Kategorien personenbezogener Daten nach Artikel 9 DSGVO fallen kann, ist das häufig die einzige Variante, die eine Bewertung übersteht. In der Praxis empfehlen wir deshalb regelmäßig eine Zweiteilung: das komfortable Werkzeug für die alltäglichen externen Gespräche mit sauberer Einwilligung – und der selbstbetriebene Weg für die kleine Zahl von Gesprächen, die das Haus nicht verlassen dürfen. Das ist aufwendiger als eine einzige Lösung, aber es ist die Aufteilung, die beiden Anforderungen tatsächlich gerecht wird.
Acht Punkte gehören in jede Einführung. Erstens der Auftragsverarbeitungsvertrag mit allen Anlagen, abgeschlossen und im Verarbeitungsverzeichnis dokumentiert, einschließlich der Bewertung des Drittlandtransfers. Zweitens eine Nutzungsrichtlinie mit Positiv- und vor allem Negativliste der Gesprächstypen. Drittens der Einwilligungsprozess mit Ankündigungssatz, Dokumentationsweg und geübtem Umgang mit Widerspruch. Viertens die Abstimmung mit der Mitbestimmung, in der Regel als Betriebsvereinbarung mit ausdrücklichem Auswertungsverbot. Fünftens Aufbewahrungsfristen getrennt nach Audiodaten, Transkripten und Mitschriften, so kurz wie möglich. Sechstens die Klärung von Geräteverwaltung, Verteilung und Berechtigungen einschließlich des Verbots privater Geräte. Siebtens ein Datenflussbild, das zeigt, wohin Inhalte fließen, damit Auskunft und Löschung leistbar sind. Achtens eine jährliche Überprüfung von Subprozessorenliste, Zertifizierungsstatus und Vertragsanlagen.
Diese acht 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 Mitschnitte existieren, deren Rechtsgrundlage niemand belegen kann. Der häufigste Fehler in Projekten dieser Kategorie ist nicht die falsche Produktwahl, sondern der Start ohne Regeln – meist, weil die Installation so einfach ist, dass niemand sie für ein Projekt hält.
