Meeting-Assistent

Ein Meeting-Assistent ist ein Programm, das bei einer Besprechung zuhört und mitschreibt. Es wandelt das Gesprochene automatisch in Text um. Aus diesem Text erstellt es anschließend eine kurze Zusammenfassung. Meist listet es außerdem auf, wer welche Aufgabe übernommen hat. In Videokonferenzen erscheint so ein Assistent oft als zusätzlicher Teilnehmer in der Liste. Er ersetzt damit die Person, die früher das Protokoll geschrieben hat.

Warum Protokolle plötzlich niemanden mehr Zeit kosten

Besprechungen sind teuer. Sitzen acht Leute eine Stunde zusammen, sind acht Arbeitsstunden verbraucht. Ein sauberes Protokoll kostete früher noch einmal eine halbe Stunde extra. Genau deshalb wurde es in vielen Firmen einfach nicht geschrieben. Ergebnisse gingen verloren, und niemand wusste hinterher genau, was beschlossen wurde.

Ein Meeting-Assistent senkt diesen Aufwand auf fast null. Die Zusammenfassung liegt oft schon eine Minute nach dem Gespräch im Postfach. Wer nicht dabei war, liest in zwei Minuten nach, statt eine Stunde Aufzeichnung anzuschauen. Für große Unternehmen ist das der Grund, warum solche Funktionen in fast jedem Bürosoftware-Paket auftauchen.

Es gibt aber auch eine Schattenseite. Wenn alles mitgeschrieben wird, entsteht eine dauerhafte Aufzeichnung von allem, was Mitarbeiter sagen. In Deutschland dürfen solche Werkzeuge deshalb meist nur mit Zustimmung aller Beteiligten laufen. Oft muss zusätzlich der Betriebsrat zustimmen. Ein spontaner, unbedachter Satz steht sonst für immer in einer Datei.

Vom Mikrofon zur Aufgabenliste

Der erste Schritt heißt Spracherkennung: ein Modell wandelt die Tonspur in geschriebene Wörter um. Diese Modelle wurden mit vielen tausend Stunden Audio trainiert, zu denen der passende Text bekannt war. Sie erreichen bei klarer Aussprache eine Trefferquote von deutlich über neunzig Prozent. Bei starkem Dialekt, Nebengeräuschen oder durcheinander redenden Leuten sinkt sie spürbar.

Danach versucht das Programm, die Sprecher auseinanderzuhalten. Es vergleicht Stimmmerkmale und ordnet jeden Satz einer Person zu. So entsteht ein Text, in dem steht, wer was gesagt hat. Bei Videokonferenzen ist das einfacher, weil das System weiß, welches Mikrofon gerade aktiv war.

Im letzten Schritt bekommt ein Sprachmodell den fertigen Text vorgelegt. Ein Sprachmodell ist ein Programm, das Texte verarbeitet und selbst Text erzeugt. Es soll das Gespräch kürzen und Aufgaben herausziehen. Genau hier passieren die typischen Fehler: Das Modell erfindet gelegentlich Beschlüsse, die so nie gefallen sind. Fachleute nennen das Halluzination. Eine Zusammenfassung sollte man deshalb vor dem Weiterleiten kurz überfliegen.

Eingebaut in Teams, Zoom und Meet

Am häufigsten trifft man Meeting-Assistenten in Videokonferenz-Programmen. Microsoft bietet die Funktion in Teams unter dem Namen Copilot an, Google in Meet, Zoom hat einen eigenen Companion. Daneben gibt es spezialisierte Anbieter wie Otter oder Fireflies, die sich als Gast in fremde Konferenzen einwählen. Erkennbar sind sie meist an einem Teilnehmer, der nur aus einem Namen und einem Aufnahme-Symbol besteht.

Auch außerhalb von Videokonferenzen ist die Technik verbreitet. Ärzte lassen Patientengespräche mitschreiben, um die Dokumentation zu verkürzen. Vertriebsteams protokollieren Kundentelefonate und werten sie später aus. Manche Smartphones nehmen Anrufe auf und fassen sie direkt auf dem Gerät zusammen.

In Wirtschaftsnachrichten taucht der Begriff aus zwei Gründen auf. Zum einen gilt der Meeting-Assistent als Beispiel für einen KI-Anwendungsfall, mit dem sich tatsächlich Geld verdienen lässt. Zum anderen streiten Unternehmen und Datenschutzbehörden darüber, wie lange die Mitschriften gespeichert werden dürfen. Wer selbst so ein Werkzeug nutzt, sollte deshalb wissen, wo die Daten liegen.