Sprachsynthese und Spracherkennung am Arbeitsplatz
Ein Meeting oder Telefonat per KI transkribieren: was das Tool mit Ihrer Stimme macht, was Sie vorher prüfen und was DSGVO und CNIL sagen.
In 30 Sekunden
- Wo es vorkommt
- Automatische Meetingprotokolle, Transkription von Telefonaten, Sprachassistenten, Diktat.
- Worum es geht
- Eine aufgezeichnete Stimme enthält Äußerungen, manchmal vertrauliche, sowie personenbezogene Daten der Teilnehmenden.
- Der Reflex
- Eine Aufnahme nur an ein vom Unternehmen freigegebenes Tool schicken, die Teilnehmenden vor der Aufnahme informieren und die Transkription vor der Weitergabe durchlesen.
- Wenn es schon passiert ist
- Die für Sicherheit oder Datenschutz zuständige Person im Unternehmen unverzüglich informieren.
Worum es geht
Ein Spracherkennungstool hört sich eine Aufnahme an und wandelt sie in Text um. Daraus entsteht das automatische Protokoll eines Meetings oder die Transkription eines Telefonats. Der umgekehrte Weg, die Sprachsynthese, erzeugt aus einem Text eine gesprochene Stimme: Das ist die Stimme eines Sprachassistenten.
Für Beschäftigte ist die nützliche Frage weniger technisch als praktisch: Wohin gelangt die Aufnahme, wer kann sie sich erneut anhören, wie lange bleibt sie gespeichert, und ist der erzeugte Text verlässlich? Diese Seite nennt die Anhaltspunkte, die sich aus den Quellen des Dossiers belegen lassen. Die europäische KI-Verordnung und das Klonen von Stimmen behandelt sie nicht, weil das Redaktionsdossier zu beiden Punkten keine Quelle enthält.
Direkte Fragen
Wie wird aus einer Stimme Text?
Am 6. Dezember 2022 wurde auf arXiv ein Forschungsartikel veröffentlicht1. Er beschreibt Modelle, die darauf trainiert wurden, große Mengen von Transkriptionen von im Internet gefundenem Audio vorherzusagen, im Umfang von 680 000 Stunden mehrsprachiger Daten1. Die Autoren schreiben, im Vergleich mit Menschen kämen diese Modelle an deren Genauigkeit und Robustheit heran: „approach their accuracy and robustness“1. Ihr Niveau nähert sich also dem eines Menschen an, erreicht es nach dieser Formulierung aber nicht1.
Und von Text zu Stimme?
Keine Quelle des Dossiers beschreibt, wie die Sprachsynthese funktioniert. Vorsichtshalber sollten Sie in ein solches Tool keinen Text eingeben, den Sie einem externen Dienst nicht anvertrauen würden.
Ist meine Stimme ein biometrisches Datum?
Die CNIL definiert ein biometrisches Datum als „Caractéristique physique ou biologique permettant d'identifier une personne (ADN, contour de la main, empreintes digitales...)“2. Die Stimme wird in dieser Definition nicht genannt2. Das Dossier erlaubt daher keine Entscheidung. Die DSGVO ordnet zudem besonders sensible Daten einer Kategorie mit besonderem Schutz zu, und biometrische Daten gehören dazu, wenn sie der Identifizierung einer Person dienen3. Bei Zweifeln an einem Tool, das Stimmen erkennt oder authentifiziert, richten Sie die Frage vor jeder Nutzung an die für den Datenschutz zuständige Person.
Gilt die DSGVO für eine Transkription?
Die CNIL weist darauf hin, dass die Daten, wenn die DSGVO gilt, in den Trainingsdatenbanken, in den Modellen, die sie möglicherweise gespeichert haben, und bei der Nutzung der Modelle über Eingaben (Prompts) geschützt werden müssen4. Das Dossier sagt nicht, ob eine Transkription unter diesen Rahmen fällt: Die Frage richtet sich an die für den Datenschutz zuständige Person.
Müssen die Teilnehmenden informiert werden?
Die DSGVO sieht eine Information der Personen vor, deren Daten erhoben werden (Artikel 13 und 14, im Inhaltsverzeichnis der CNIL-Seite)3. Das CNIL-Merkblatt 9 behandelt die Information der Betroffenen: Die CNIL gibt an, dass Organisationen, die personenbezogene Daten verarbeiten, um KI-Modelle oder KI-Systeme zu entwickeln, die betroffenen Personen informieren müssen5. Diese Informationspflicht steht in den praktischen KI-Merkblättern der CNIL5. Die Regel für eine einfache Meetingaufnahme nennt das Dossier nicht. Ratsam ist es, zu Beginn des Meetings die Aufnahme und das verwendete Tool anzukündigen und jeder Person die Ablehnung zu ermöglichen.
1Wie es funktioniert1 min
Ein Transkriptionstool erhält Audio, übergibt es an ein Modell und gibt Text zurück. In jedem dieser Schritte stellen sich zwei praktische Fragen: Wo liegen die Daten, und wie lange bleiben sie dort?
Das britische Nationale Zentrum für Cybersicherheit (NCSC) richtet sich an Anbieter von KI-Systemen, gleich ob sie das System selbst entwickelt oder auf Tools und Diensten anderer aufgebaut haben6. Seine Leitlinien wurden am 27. November 2023 veröffentlicht6. Ihr Ziel ist es, Systeme zu bauen, die wie vorgesehen funktionieren und „work without revealing sensitive data to unauthorised parties“6. Beschäftigte sind nicht ihre Adressaten, doch der Gedanke lässt sich einfach übertragen: Ein KI-Tool muss sagen können, wer Zugriff auf die ihm anvertrauten Daten hat.
Auf Seiten der DSGVO verlangt der Text vom Verantwortlichen und vom Auftragsverarbeiter, Risiken zu bewerten und Maßnahmen zu ihrer Eindämmung umzusetzen, zum Beispiel Verschlüsselung, um ein angemessenes Sicherheitsniveau einschließlich der Vertraulichkeit zu gewährleisten3. Als Risiko nennt er unter anderem die unbefugte Offenlegung übermittelter, gespeicherter oder verarbeiteter Daten3. In einem Unternehmen wählt das Unternehmen das Tool aus und schließt den Vertrag. Deshalb nutzen Beschäftigte das freigegebene Tool.
2Was Sie tun1 min
Vor einer Aufnahme oder Transkription sind vier Prüfungen sinnvoll.
- Prüfen, ob das Tool freigegeben ist. Ein privates Konto bei einem kostenlosen Dienst wurde vom Unternehmen nicht geprüft. Ist kein Tool freigegeben, transkribieren Sie kein sensibles Gespräch.
- Wissen, wohin das Audio gelangt und wie lange es bleibt. Diese Angabe steht in den Nutzungsbedingungen des Tools oder in der internen Dokumentation. Ist sie nicht auffindbar, fragen Sie danach, bevor Sie das Tool nutzen.
- Vertrauliche Gespräche ausnehmen. Ein Mitarbeitergespräch, ein Gesundheitsthema, eine Geschäftsverhandlung oder ein Sicherheitsvorfall gehören nicht in ein nicht freigegebenes Tool.
- Die Teilnehmenden informieren. Sagen Sie zu Beginn des Meetings, dass es aufgezeichnet und transkribiert wird, und mit welchem Tool.
Nach der Transkription wird empfohlen, den Text vor der Weitergabe durchzulesen. Das betrifft Eigennamen, Zahlen, Entscheidungen und Zusagen, denn der Text wandert anschließend in E-Mails und Akten. Wirkt eine Stelle merkwürdig, gleicht man sie mit der Aufnahme ab, statt sie aus dem Gedächtnis zu korrigieren.
3Die Fallstricke2 min
Der erste Fallstrick ist das Vertrauen in den Text. Laut dem oben zitierten Forschungsartikel kann ein System der menschlichen Genauigkeit nahekommen1. Ein Satz kann trotzdem falsch verstanden werden. Das Dossier beziffert die Fehlerquote nicht und beschreibt auch keine erfundenen Transkriptionen, aber OWASP verzeichnet die Sicherheitsrisiken von Anwendungen auf der Grundlage großer Sprachmodelle7. Seine Darstellung nennt insbesondere die „dissemination of sensitive information“ und das „compromised decision-making“7. Eine ohne Durchsicht weitergegebene Transkription kann Folgen dieser Art haben.
Der zweite Fallstrick ist die automatische Zusammenfassung. Das NIST veröffentlichte am 26. Juli 2024 ein Profil zur generativen KI8. Dieses Profil soll Organisationen helfen, die für diese Technologie spezifischen Risiken zu erkennen8. Eine von einem Modell erstellte Meetingzusammenfassung gehört zu dieser Art von Tools, weshalb man sie wie eine Transkription durchlesen sollte.
Der dritte Fallstrick ist die Weiterverwendung von Daten. Die CNIL hält fest, dass Modelle wie Sprachmodelle personenbezogene Daten enthalten können und dass die Rechte auf Auskunft, Berichtigung, Widerspruch und Löschung in einem KI-Modell besonders schwer umzusetzen sein können4.
Der vierte Fallstrick ist die Aufnahme ohne Information. Die DSGVO sieht eine Information der betroffenen Personen vor (Artikel 13 und 14)3. Die CNIL hat außerdem gemeinsam mit der südkoreanischen Behörde PIPC ein Plakat „IA générative et vie privée“ herausgegeben9. Es wurde am 27. Mai 2026 veröffentlicht9. Es erklärt, wie man seine personenbezogenen Daten schützt, wenn man eine KI nutzt9.
Betrug mit nachgeahmter Stimme, oft CEO-Betrug genannt, lässt sich hier nicht im Einzelnen darstellen: Keine Quelle des Dossiers dokumentiert ihn. Die Regel, dass eine bekannte Stimme am Telefon nicht genügt, um eine Überweisungs- oder Passwortanfrage zu bestätigen, ist ein Vorsichtsreflex und keine durch dieses Dossier belegte Tatsache.
Merkblatt
- Kennung
- CP-505
- Flügel
- 4. Künstliche Intelligenz
- Brain-Kompetenz
- Daten schützen (KI) (protect_data)
- Brain-Reflex
- air-024
- Schema
- G3 · Anatomischer Schnitt
- Sprachen
- de, en, fr
- Quellen
- 9 Quellen geprüft am 3. November 2026
Quellen9 Quellen
- arXiv, „Robust Speech Recognition via Large-Scale Weak Supervision“, 6. Dezember 2022. https://arxiv.org/abs/2212.04356 (abgerufen am 3. November 2026)
- CNIL, „Donnée biométrique“. https://www.cnil.fr/fr/definition/donnee-biometrique (abgerufen am 3. November 2026)
- CNIL, „Le règlement général sur la protection des données - RGPD“, 24. Mai 2016. https://www.cnil.fr/fr/reglement-europeen-protection-donnees (abgerufen am 3. November 2026)
- CNIL, „IA et RGPD : la CNIL publie ses nouvelles recommandations pour accompagner une innovation responsable“, 7. Februar 2025. https://www.cnil.fr/fr/ia-et-rgpd-la-cnil-publie-ses-nouvelles-recommandations-pour-accompagner-une-innovation-responsable (abgerufen am 3. November 2026)
- CNIL, „Les fiches pratiques IA“. https://www.cnil.fr/fr/les-fiches-pratiques-ia (abgerufen am 3. November 2026)
- NCSC (Royaume-Uni), „Guidelines for secure AI system development“, 27. November 2023. https://www.ncsc.gov.uk/collection/guidelines-secure-ai-system-development (abgerufen am 3. November 2026)
- OWASP, „OWASP Top 10 for Large Language Model Applications | OWASP Foundation“. https://owasp.org/projects/top-10-for-large-language-model-applications (abgerufen am 3. November 2026)
- NIST, „AI Risk Management Framework“. https://www.nist.gov/itl/ai-risk-management-framework (abgerufen am 3. November 2026)
- CNIL, „Intelligence artificielle | CNIL“. https://www.cnil.fr/fr/intelligence-artificielle (abgerufen am 3. November 2026)
Diesen Artikel zitieren
Brain, „Sprachsynthese und Spracherkennung am Arbeitsplatz“, Cyberpedia, 2026. https:/
BibTeX
@misc{brain_cp505_de_2026,
author = {Brain},
title = {Sprachsynthese und Spracherkennung am Arbeitsplatz},
year = {2026},
howpublished = {Cyberpedia},
url = {https://startbrain.io/cyberpedia/de/articles/sprachsynthese-spracherkennung-datenschutz/},
note = {CC BY 4.0}
}