Spracherkennung in Eingliederungshilfe und Sozialer Arbeit: Wie gut versteht KI Fachsprache?

Was Transkription heute leistet, wo sie sich verhört und worauf Fachkräfte in der Eingliederungshilfe und anderen Arbeitsfeldern achten sollten, wenn sie ihre Dokumentation einsprechen.

Nicola RitterVeröffentlicht am 3. Juni 2026 · 6 Min. Lesezeit

Das Wichtigste in Kürze

Moderne Spracherkennung schreibt Gesprochenes in Sekunden mit. Bei klarer Sprache liegt die Fehlerquote oft nur bei wenigen Prozent.
Fehler passieren vor allem bei Namen, Fachbegriffen und Verneinungen. In seltenen Fällen erfindet die KI sogar ganze Sätze.
Gespräche mit Klient:innen dürfen nur mit Einwilligung aller Beteiligten aufgenommen werden. Einfacher ist es, nach dem Termin selbst einzusprechen.
Darum gilt: Die KI liefert den Entwurf, die Fachkraft prüft und gibt frei.

So funktioniert Spracherkennung im Alltag

Nach einem Termin, etwa im ambulant betreuten Wohnen, spricht die Fachkraft ihre Beobachtungen ins Handy. Ein Sprachmodell wandelt die Aufnahme in Text um. Eine zweite KI bringt den Text in die passende Form, zum Beispiel als Verlaufseintrag.

Beispiel: Aus einer Sprachaufnahme entsteht ein Entwurf für die Dokumentation — Einsprechen statt tippen: Aus der Aufnahme entsteht ein Entwurf.

Viele Anwendungen nutzen dafür Whisper, ein Spracherkennungsmodell von OpenAI. Das Modell ist frei verfügbar. Es kann deshalb auch auf Servern in Deutschland laufen, ohne dass Aufnahmen an einen US-Anbieter gehen.

Vier Schritte vom gesprochenen Wort zum fertigen Eintrag.

Wie gut ist die Erkennung?

Wie gut die Erkennung ist, hängt stark vom Modell ab. Eine Untersuchung der Hochschule Pforzheim hat 2026 zahlreiche Systeme mit deutschen Anamnesegesprächen aus der Medizin verglichen. Die besten kamen auf eine Wortfehlerrate von rund 3 Prozent. Die meisten Fehler entstanden bei Fachbegriffen und bei Dialekt.

Eine Fehlerrate von 3 Prozent klingt nach wenig. Bei einem Verlaufseintrag mit 200 Wörtern sind das aber im Schnitt sechs falsche Wörter. Entscheidend ist, welche Wörter das sind.

Wo sich die KI verhört

Typische Fehlerquellen sind Eigennamen, Abkürzungen aus dem Hilfesystem, Medikamente und Verneinungen. Ein überhörtes „nicht“ kann die Aussage eines Eintrags umdrehen.

Beispiel: Ein überhörtes Nicht dreht die Aussage eines Eintrags um — Ein fehlendes Wort, eine ganz andere Aussage. Deshalb liest die Fachkraft jeden Entwurf.

Seltener, aber tückischer sind sogenannte Halluzinationen. Dabei schreibt die KI Sätze, die nie gesagt wurden. Eine Studie der Cornell University fand bei rund 1 Prozent der untersuchten Aufnahmen solche erfundenen Passagen. Besonders häufig traten sie bei Menschen auf, die mit langen Pausen sprechen, zum Beispiel bei einer Aphasie.

Auch Stille kann zu erfundenem Text führen. Bei deutschen Aufnahmen schreibt Whisper dann manchmal Sätze wie „Untertitel im Auftrag des ZDF“, weil das Modell mit untertitelten Videos trainiert wurde. Gute Systeme filtern stille Abschnitte deshalb vorher heraus.

Darf man Gespräche aufnehmen?

Gespräche, die nicht öffentlich sind, darf man nur mit Einwilligung aller Beteiligten aufnehmen. Wer heimlich aufnimmt, macht sich nach § 201 StGB strafbar. Hinzu kommt die DSGVO: Die Einwilligung muss freiwillig und informiert sein. Bei Menschen mit kognitiven Einschränkungen oder in Krisen ist das nicht immer gegeben.

Datenschutzfreundlicher ist daher meist ein anderer Weg: Die Fachkraft spricht nach dem Termin selbst eine Zusammenfassung ein. So entsteht keine Aufnahme der Klientin, und die Fachkraft entscheidet, was dokumentiert wird.

Mehr zur DokumentationKI in der Dokumentation: So gehen Entwicklungsberichte und Verlaufsdokumentation schneller→

Tipps für bessere Ergebnisse

1Ruhig sprechen. Suchen Sie eine ruhige Umgebung und halten Sie das Handy nah am Mund.
2Namen deutlich aussprechen. Ungewöhnliche Namen und Fachbegriffe im Zweifel lieber einmal buchstabieren.
3In Abschnitten sprechen. Mehrere kurze Aufnahmen funktionieren besser als ein langer Block.
4Fachbegriffe hinterlegen. Viele Systeme können eigene Begriffe und Abkürzungen lernen, wenn Sie diese einmal eintragen.
5Kritische Stellen prüfen. Lesen Sie Sätze mit „nicht“, „kein“, Zahlen und Medikamenten besonders genau nach.

Aus der Praxis

Bei CloudPal läuft die Spracherkennung mit einem frei verfügbaren Modell bei einem Anbieter in Deutschland. Welches Modell am besten passt, prüfen wir mit typischen Sätzen aus dem Arbeitsalltag unserer Kunden. Das empfehlen wir auch Ihnen: Zehn echte Sätze aus Ihrem Alltag zeigen schnell, ob ein Tool Ihre Fachsprache versteht.

Häufige Fragen

Dürfen wir Gespräche mit Klientinnen aufnehmen?

Nur mit Einwilligung aller Beteiligten. Heimliche Aufnahmen sind nach § 201 StGB strafbar. Einfacher und datenschutzfreundlicher ist es, wenn die Fachkraft nach dem Termin selbst zusammenfasst und einspricht.

Müssen Klient:innen zustimmen, wenn wir KI für die Dokumentation nutzen?

In der Regel nicht. Die Dokumentation hat bereits eine eigene Rechtsgrundlage, und ein KI-Anbieter mit Vertrag zur Auftragsverarbeitung ändert daran nichts. Sie müssen Klient:innen aber informieren: In Ihren Datenschutzhinweisen sollte „KI-Dienstleister“ als eigene Empfängerkategorie stehen. Eine Zustimmung braucht es nur, wenn das Gespräch selbst aufgenommen wird. Klären Sie Einzelfälle mit Ihrer oder Ihrem Datenschutzbeauftragten.

Funktioniert das auch mit Dialekt?

Meist ja, solange klar gesprochen wird. Starker Dialekt, Akzent oder Hintergrundlärm erhöhen aber die Fehlerquote. Testen Sie das vor der Einführung mit Ihren eigenen Mitarbeitenden.

Wo werden die Aufnahmen gespeichert?

Das hängt vom Anbieter ab. Fragen Sie, wo die Aufnahme verarbeitet wird, ob sie danach gelöscht wird und ob sie zum Training genutzt wird. Am besten wird sie direkt nach der Umwandlung in Text gelöscht.

Erfindet die KI wirklich ganze Sätze?

Selten, aber ja. Das passiert vor allem bei langen Pausen oder Stille. Gute Systeme filtern stille Abschnitte vorher heraus. Prüfen Sie trotzdem jeden Entwurf.

Funktioniert das auch in anderen Sprachen?

Ja. Whisper wurde mit Aufnahmen in fast 100 Sprachen trainiert. Die Qualität schwankt aber je nach Sprache, und Deutsch gehört zu den gut abgedeckten.

Wie viel Zeit spart das Einsprechen?

Sprechen geht für die meisten Menschen deutlich schneller als Tippen. Wie viel Zeit am Ende bleibt, hängt von der Nacharbeit ab. Das sollten Sie in einem Pilot mit Ihren Fachkräften messen.

Quellen

Dieser Artikel gibt einen Überblick und ersetzt keine Rechtsberatung. Stand: November 2026.

Über die Autorin

Nicola Ritter

Ich habe CloudPal gegründet und bin Ihre direkte Ansprechpartnerin. Studiert habe ich Maschinenwesen, nebenbei habe ich viele Jahre im ambulanten Pflegedienst gearbeitet. Ich weiß also, wie viel Zeit Dokumentation im Alltag kostet. Seit 2022 arbeite ich mit KI und schule und begleite heute soziale Organisationen dabei, sie sinnvoll einzusetzen.