Das Wichtigste in Kürze
Audio lässt sich nicht durchsuchen, nur Dateinamen und Datumsangaben – deshalb ist ein Ordner voller Aufnahmen aus dem letzten Jahr praktisch eine Einbahnstraße: Rein kommt alles, raus nichts. Die Lösung ist nicht, alles zu transkribieren – ein Jahr wöchentlicher Anrufe sind rund fünfzig Stunden und etwa vierhundertfünfzigtausend Wörter, mehr Text, als die meisten Menschen brauchen. Transkribieren Sie nur die Aufnahmen, die mit etwas noch Laufendem zu tun haben: einem Vertrag, einem Streitfall, einer Kollegin, die das Unternehmen verlässt. Benennen Sie Dateien mit dem Datum zuerst, damit sie sich richtig sortieren, und achten Sie auf Sprecherkennzeichnung, damit ein Transkript wirklich danach durchsucht werden kann, wer was gesagt hat.
Irgendwo auf einer Festplatte oder in einem Cloud-Ordner liegen jede Menge Aufnahmen, die meisten mit Namen wie aufnahme_047, und darunter ist der eine Anruf, in dem ein Kunde einem Preis zugestimmt hat, oder das Meeting, in dem eine Entscheidung gefallen ist, die jetzt jemand anzweifelt. Sie wissen, dass es passiert ist. Sie wissen nur nicht, in welcher Datei.
Das ist kein Aufnahmeproblem. Das Audio ist ja schon da. Es ist ein Wiederauffindungsproblem – und die Lösung dafür sieht anders aus, als man denkt: nicht bessere Aufnahmesoftware, sondern ein Weg, das, was schon vorhanden ist, auffindbar zu machen.
Warum man nicht einfach danach suchen kann
Jede Suchfunktion am Computer – Spotlight, die Windows-Suche, das Suchfeld im Cloud-Speicher – funktioniert über Textabgleich. Ein Dateiname ist Text. Ein Datum ist Text. Das eigentliche Gespräch in einer Audiodatei ist kein Text, und keine Suchfunktion kann hineinschauen. Das ist das ganze Problem in einem Satz: Die Datei ist eine Black Box, und Dateiname sowie Datum sind die einzigen Anhaltspunkte, die man hat.
So wird aus einem Jahr Aufnahmen ein Archiv, das man durchblättern, aber nicht durchsuchen kann. Man kann nach Datum sortieren, falls man sich zufällig an den Tag der Aufnahme erinnert. Man kann bei einem Dateinamen raten, falls der- oder diejenige, die aufgenommen hat, ihn anders benannt hat als mit einer Nummer. Ansonsten bleibt nur: Dateien öffnen und anhören – genau das, wofür niemand einen freien Nachmittag hat.
Ein Transkript verändert das komplett, denn es macht aus der Aufnahme dieselbe Art von Text, die der Dateiname ohnehin schon ist – nur dass die Suche jetzt den Namen eines Kunden findet, einen Preis, eine Entscheidung, jedes Wort, das tatsächlich gefallen ist. Die Aufnahme hat sich nicht verändert. Was man damit tun kann, schon.
Nicht alles muss transkribiert werden
Bevor irgendetwas transkribiert wird, lohnt sich ein ehrlicher Blick auf den Umfang. Ein Jahr wöchentlicher einstündiger Anrufe ergibt etwa fünfzig Stunden Audio, was bei normalem Sprechtempo auf rund vierhundertfünfzigtausend Wörter hinausläuft. Das ist eine Menge Text, die erst erzeugt, dann gelesen und schließlich gespeichert werden muss – und der größte Teil davon wird nie durchsucht werden, weil die meisten dieser Anrufe Routine waren und Routine geblieben sind.
Transkriptionswürdig sind die Aufnahmen, die mit etwas verbunden sind, das sich noch bewegt: ein Vertrag, der noch läuft, ein Streit, der noch nicht beigelegt ist, eine Kollegin, die kurz vor der Kündigung steht und mit ihr das Wissen, das nur in ihrem Kopf steckt. Das sind die Anrufe, bei denen in einem halben Jahr durchaus jemand fragen könnte: „Was haben wir da eigentlich vereinbart?“ Eine Aufnahme, auf die im letzten Jahr niemand zurückgegriffen hat, wird auch im nächsten Monat kaum die gesuchte sein.
Der eigentliche erste Schritt ist also nicht, das Archiv zu transkribieren. Er besteht darin, es durchzugehen und die Handvoll Anrufe zu markieren, die tatsächlich tragend sind. Alles andere kann als Audio liegen bleiben, unangetastet, bis es das nicht mehr kann.
Die tatsächlichen Kosten abschätzen
Sobald ungefähr klar ist, um wie viele Stunden es geht, hilft es, Zeitaufwand und Kosten vorher zu kennen statt hinterher. Ein Transkriptionsrechner liefert diese Zahl für die ausgewählte Teilmenge – und die fällt meist deutlich kleiner und vernünftiger aus, als das ganze Jahr auf einmal zu transkribieren.
Sprecherkennzeichnung macht ein Transkript erst nutzbar
Ein Transkript ohne Sprecherkennzeichnung ist eine Textwand – korrekt, per Stichwort durchsuchbar, aber nutzlos für die Frage, die eigentlich im Raum steht, und die meist nicht lautet „wurde das Wort ‚Anzahlung‘ gesagt“, sondern „wer hat gesagt, dass wir auf die Anzahlung verzichten.“ Wer etwas gesagt hat, ist weit öfter die gesuchte Information als die Worte selbst.
Das fällt bei Gesprächen mit drei oder mehr Beteiligten stärker ins Gewicht, wo ein einfaches Transkript wie ein Drehbuch ohne Rollennamen wirkt. Bei einem Zweiergespräch spielt es weniger eine Rolle, weil sich meist aus dem Kontext erschließen lässt, wer spricht. Aber bei einer Konferenzschalte über einen Vertragsstreit macht der Unterschied zwischen einem Transkript mit und ohne Sprecherkennzeichnung den Unterschied zwischen einer Antwort in zehn Sekunden und dem zweimaligen Durchlesen des gesamten Textes.
Eine Aufnahme in ein Transkript mit zugeordneten Sprechern und einer Zusammenfassung zu verwandeln – genau dafür ist die Funktion Audio zu Text in einer Transkriptions-App gedacht: Man gibt die Datei hinein, man bekommt durchsuchbaren Text zurück, geordnet danach, wer was gesagt hat.
Benennen und Organisieren, damit die Suche wirklich funktioniert
Ein Transkript ist nur so auffindbar wie sein Dateiname – das klingt paradox, ist es aber nicht: Sobald Text vorliegt, landet man wieder bei derselben Suchfunktion wie am Anfang, und die gleicht immer noch zuerst Dateinamen und Datum ab. Die Lösung ist eine konsequent angewendete Namenskonvention: zuerst das Datum, im Format Jahr-Monat-Tag, danach das Thema. Diese Sortierreihenfolge funktioniert immer, weil jede andere Konvention – Monat-Tag-Jahr, Thema zuerst, oder wie auch immer das Aufnahmegerät es standardmäßig gemacht hat – irgendwann zu einem Ordner führt, in dem zusammengehörige Dateien nicht mehr nebeneinanderstehen.
Neben dem Transkript macht eine kurze Zusammenfassung das Archiv erst wirklich durchstöberbar, nicht nur durchsuchbar. Ein Absatz pro Meeting macht aus fünfzig Stunden Anrufen etwas, das sich an einem Nachmittag tatsächlich von vorn bis hinten lesen lässt – etwas anderes und oft Nützlicheres, als nach einem bestimmten Wort zu suchen. Man überfliegt die Zusammenfassungen, um das richtige Meeting zu finden, und öffnet dann das vollständige Transkript für die Details. Die App von SozAI erstellt beides – ein Transkript mit Sprechern und eine Zusammenfassung – und übersetzt zusätzlich, falls einer der Anrufe im Archiv in einer Sprache stattgefunden hat, in der man selbst nicht hauptsächlich arbeitet.
- Neue Aufnahmen mit dem Datum zuerst benennen, bevor man es vergisst.
- Die Anrufe transkribieren, die mit etwas noch Offenem zu tun haben, nicht den ganzen Rückstand.
- Sprecherkennzeichnung bei allem mit mehr als zwei Personen aktiviert lassen.
- Pro Meeting eine einabsätzige Zusammenfassung schreiben oder erstellen lassen, damit sich das Archiv überfliegen lässt.
Was sich damit nicht lösen lässt
Eine Transkription rettet keine Aufnahme, die schlicht unverständlich ist, und ein billiges Mikrofon oder ein Anruf über Lautsprecher in einem lauten Raum erzeugt ein Transkript mit echten Lücken, egal was es erstellt. Genauso wenig organisiert es sich selbst – ein Transkript mit schlechtem Dateinamen ist genauso unauffindbar wie das Audio davor war, weshalb der Schritt mit der Benennung nicht optional ist, sondern genau der Teil, der sich am Ende auszahlt.
Speicherplatz war hier nie der Flaschenhals, das sei einmal klar gesagt: Eine Stunde Sprache als komprimiertes Audio braucht kaum Platz. Was das Archiv wirklich verbraucht, ist Aufmerksamkeit, und alles zu transkribieren löst das nicht – es verschiebt nur den ungelesenen Stapel von Audio zu Text. Der Sinn dieser gezielten Vorgehensweise ist, am Ende eine kleinere, beschriftete, zusammengefasste Auswahl der wirklich relevanten Anrufe zu haben, statt einen größeren Stapel aus allem.
Wer bei null anfängt und erst sehen möchte, wie ein Transkript mit Sprechern und Zusammenfassung tatsächlich aussieht, bevor er sich für das ganze Archiv entscheidet, findet auf der Download-Seite der App die Möglichkeit, es zunächst an einer einzigen Datei auszuprobieren.
