Sprechen statt tippen
Wer diktiert, gibt deutlich mehr Kontext als beim Tippen – und bekommt bessere Antworten. Der Unterschied zwischen Diktat und Sprachmodus, und wohin deine Stimme dabei geht.
Boaz LichtensteinFakten geprüft am 10. November 2026
Die meisten Prompts sind zu kurz – und der Grund ist die Tastatur. Wer tippt, spart Wörter. Wer spricht, erzählt: den Anlass, die Vorgeschichte, die Ausnahme. Genau diese Angaben fehlen einem Modell sonst.
Zwei Werkzeuge, die gleich aussehen
Hinter dem Mikrofon-Symbol stecken zwei verschiedene Funktionen, und sowohl OpenAI als auch Anthropic trennen sie ausdrücklich.
Diktat wandelt Sprache in Text um. Der Text landet im Eingabefeld, du liest ihn, korrigierst ihn und sendest ihn ab. Das Modell bekommt einen geschriebenen Auftrag.
Sprachmodus ist ein Gespräch in beide Richtungen: Du redest, der Assistent antwortet hörbar, du unterbrichst. OpenAI weist darauf hin, dass die Mitschrift eines solchen Gesprächs kein wortgetreues Protokoll ist. ChatGPT Voice · Sprachmodus bei Claude
So diktierst du einen guten Auftrag
Sprich in drei Abschnitten, mit einer kurzen Pause dazwischen:
- Worum es geht und wofür du das Ergebnis brauchst.
- Was du hast: Unterlagen, Zahlen, bisherige Versuche.
- Wie das Ergebnis aussehen soll und was fehlen darf.
Sprich mindestens eine Minute. Satzzeichen musst du nicht ansagen. Lies den Text danach einmal durch und korrigiere Namen, Zahlen und Fachbegriffe – dort irrt die Erkennung am häufigsten, und dort ist ein Fehler am teuersten.
Auch Agenten lassen sich ansprechen
Diktat gibt es nicht nur im Chat. Claude Code etwa bietet im Terminal eine Sprachaufnahme auf Tastendruck: Taste halten, sprechen, loslassen. Für lange Aufträge an einen Agenten ist das der schnellste Weg, weil du Ausgangslage, Ziel und Grenzen in einem Zug erzählen kannst. Sprachdiktat in Claude Code
Wohin deine Stimme geht
Die Umwandlung passiert in der Regel nicht auf deinem Gerät. Für Claude Code hält die Dokumentation das ausdrücklich fest: Die Aufnahme wird zur Transkription an Anthropics Server übertragen und nicht lokal verarbeitet. Bei den Sprachfunktionen anderer Assistenten gilt grundsätzlich dasselbe, solange der Anbieter nichts anderes zusagt.
Für Vertrauliches – Personalgespräche, Kundendaten, alles unter Schweigepflicht – gibt es zwei Auswege. Das Diktat des Betriebssystems arbeitet je nach Gerät und Einstellung lokal. Und Werkzeuge für lokale Modelle bringen eine eigene Transkription mit: LM Studio Bionic kann Sprache nach Herstellerangaben auf dem Gerät umwandeln. Was dabei genau lokal bleibt, steht in LM Studio Bionic.
Und unabhängig von der Technik: Wer im Großraumbüro einen Auftrag mit Kundennamen diktiert, hat das Datenschutzproblem schon vor dem Mikrofon.