AI Notetaker

In vielen Besprechungen schreibt eine Person mit, damit später jeder nachlesen kann, was besprochen wurde. Ein AI Notetaker übernimmt genau diese Aufgabe, aber als Software. Das Programm hört bei einer Videokonferenz mit, wandelt die gesprochenen Worte in Text um und fasst diesen Text anschließend zusammen. Am Ende steht ein Protokoll im Postfach: die wichtigsten Punkte, getroffene Entscheidungen und offene Aufgaben mit Namen dahinter. Manche dieser Helfer erscheinen als eigener Teilnehmer in der Teilnehmerliste, andere laufen unsichtbar im Hintergrund der Konferenz-App. Der englische Name hat sich durchgesetzt, gemeint ist schlicht ein KI-Protokollant.

Was ein automatisches Protokoll im Arbeitsalltag verändert

Besprechungen kosten viel Arbeitszeit, und ein großer Teil davon geht für Nacharbeit drauf. Wer mitschreibt, kann schlechter mitdenken und mitreden. Genau hier setzt der Nutzen an: Alle Beteiligten können sich auf das Gespräch konzentrieren, das Mitschreiben läuft nebenbei. Außerdem entsteht ein durchsuchbares Archiv. Man kann Monate später nachlesen, wann eine Entscheidung gefallen ist und mit welcher Begründung.

Für Unternehmen ist das auch ein Geschäft. Anbieter wie Otter, Fireflies oder Read verkaufen Abos pro Nutzer und Monat, oft im Bereich von zehn bis dreißig Euro. Zoom, Microsoft und Google haben die Funktion in ihre eigenen Pakete eingebaut und die kleineren Anbieter damit unter Druck gesetzt. In Tech-News taucht der Begriff deshalb häufig auf, wenn es um Umsatzzahlen von Software-Firmen oder um Übernahmen geht.

Es gibt aber eine ernste Kehrseite: den Datenschutz. In Deutschland darf man Gespräche nicht ohne Einverständnis der Beteiligten aufzeichnen. Viele Firmen verbieten deshalb fremde Notetaker in ihren Meetings, weil vertrauliche Inhalte auf Servern anderer Anbieter landen könnten. Wer so ein Werkzeug einsetzt, muss die Teilnehmer vorher informieren.

Vom Mikrofon zur Aufgabenliste

Der Ablauf besteht aus drei Schritten. Zuerst zeichnet die Software den Ton der Konferenz auf. Dann übersetzt eine Spracherkennung diesen Ton in geschriebenen Text, Wort für Wort. Fachleute nennen das Ergebnis ein Transkript, also eine wörtliche Abschrift. Gute Systeme erkennen dabei auch, wer gerade spricht, und ordnen jeden Satz einer Person zu.

Im dritten Schritt kommt ein Sprachmodell ins Spiel, also ein KI-System, das auf sehr großen Textmengen trainiert wurde und Texte fortschreiben oder verkürzen kann. Es bekommt das Transkript und den Auftrag, daraus eine Zusammenfassung zu bauen. Weil eine Stunde Gespräch schnell 10.000 Wörter ergibt, ist das eine harte Kürzungsarbeit. Aus dem Rohtext werden ein paar Absätze und eine Liste von Aufgaben.

Dieser letzte Schritt ist auch die Schwachstelle. Sprachmodelle können Dinge erfinden, die so nie gesagt wurden; man spricht von Halluzinationen. Ironie, Dialekt und Fachjargon führen zusätzlich zu Fehlern. Ein häufiger Irrtum ist deshalb, dem Protokoll blind zu vertrauen. Es bleibt ein Entwurf, den jemand kurz gegenlesen sollte.

Wo diese Helfer heute schon mitschreiben

Am häufigsten begegnet man ihnen in Videokonferenzen im Beruf. Wer in einem Zoom-Meeting einen Teilnehmer namens „Notetaker“ oder „Meeting Assistant“ sieht, hat so ein Programm vor sich. Auch Schulen und Universitäten nutzen die Technik, etwa um Vorlesungen für Studierende mit Hörbehinderung als Text bereitzustellen.

Verwandte Anwendungen gibt es in der Medizin und in der Justiz. Ärzte lassen Patientengespräche mitschreiben, damit sie nicht während der Untersuchung tippen müssen. Journalisten nutzen dieselbe Technik für Interviews. Von einer reinen Diktier-App unterscheidet sich ein AI Notetaker dadurch, dass er nicht nur abschreibt, sondern selbst auswertet und ordnet.

Im Kleinen kennst du das Prinzip vielleicht aus deinem Smartphone. Sprachnachrichten in Messenger-Apps lassen sich seit einiger Zeit als Text anzeigen. Das ist genau der zweite Schritt eines Notetakers, nur ohne Zusammenfassung. Die Technik ist also dieselbe, nur der Umfang ist ein anderer.