Die meisten Voice-to-Text-Tools funktionieren gut – solange man Hochdeutsch oder Englisch spricht. Wer im Meeting auf Züritüütsch, Bärndütsch oder Baseldytsch diktiert, erlebt regelmässig eine Enttäuschung: Das Transkript ist unbrauchbar. Ein unabhängiger Test bringt es auf den Punkt: „Schweizerdeutsch bringt Whisper zuverlässig durcheinander."
Warum ist das so – und welche Lösungen verstehen Mundart tatsächlich?
Warum Schweizerdeutsch so schwierig für KI ist
Schweizerdeutsch zu transkribieren ist für eine KI keine einfache Spracherkennung, sondern gleichzeitig eine Übersetzung ins Hochdeutsche. Vier strukturelle Faktoren machen Mundart zur Herausforderung:
Keine standardisierte Orthografie: Ein Wort wie „nicht" kann als 'nöd', 'nid', 'ned', 'nit' oder 'nüd' gesprochen werden – alle Varianten sind korrekt. Das Modell muss sich entscheiden, welche Version es ins geschriebene Hochdeutsch übersetzt.
Eigene Grammatik: Schweizerdeutsch hat kein Präteritum, verwendet andere Dativ-Konstruktionen und baut Sätze anders auf als Hochdeutsch.
Starke Dialektvielfalt: Züritüütsch, Bärndütsch, Baseldytsch, Walliserdeutsch – jeder Dialekt hat eigene Phonologie, Morphologie und Syntax.
Zu wenig Trainingsdaten: Im Vergleich zu Englisch (680'000 Stunden in Whispers Trainingskorpus) gibt es für Schweizerdeutsch kaum öffentliche, qualitativ hochwertige Daten.
Whisper und Schweizerdeutsch: Die Zahlen
OpenAI Whisper gilt als eine der besten Open-Source-Spracherkennungen. Doch bei Schweizerdeutsch zeigt sich die Grenze deutlich: Whisper large-v3 erreicht im Zero-shot-Modus etwa 28,6% Word Error Rate (WER) – das bedeutet, dass statistisch gesehen etwa jedes dritte bis vierte Wort falsch ist. Getestet auf verschiedenen Datensätzen schwankt die WER zwischen 23% (SwissDial, STT4SG-350) und 37,2% (Mock Clinical Interviews).
Fine-tuning verbessert die Lage erheblich: Ein auf ~301 Stunden Swiss German trainiertes Modell erreicht WER 37,96%, ein anderes, trainiert auf 180'000 Samples aus Swiss Parliament Corpus und VoxPopuli, kommt auf WER 13,31%. Auch 13,31% WER bedeutet: Etwa jedes siebte Wort ist falsch – für viele Anwendungen noch zu unsicher.
US-Tools ohne Schweizerdeutsch-Support
Beliebte internationale Tools helfen Schweizer KMU bei Mundart nicht weiter:
Otter.ai unterstützt nur 6 Sprachen (Englisch, Spanisch, Französisch, Deutsch, Japanisch, Chinesisch). Der Hinweis „Swiss accents" bezieht sich nur auf Schweizer Akzent in Englisch – nicht auf Schweizerdeutsch.
Fireflies.ai wirbt mit „Transcription in 100+ languages", doch ein Test zeigt: Die Plattform hat Mühe mit Dialekten. Für Schweizerdeutsch gibt es keine Garantie.
Schweizer Lösungen: Wer versteht Mundart wirklich?
Mehrere Schweizer Anbieter haben sich auf Dialekte spezialisiert:
töggl
töggl nutzt Trainingsmaterial vom Schweizer Radio und Fernsehen (SRF), trägt das Label „swiss made software" und bietet 100% Swiss Hosting. Das Preismodell ist nutzungsbasiert: CHF 0.10 pro Minute. Swisscom setzt töggl regelmässig zur Transkription von Gesprächen ein.
Ein digitec.ch-Test aus dem Jahr 2022 zeigt allerdings die historische Baseline: „Without post-processing, the text is incomprehensible due to faulty speaker separation and numerous errors. I need 20 minutes to make the Töggl text halfway understandable."
Swiss Transcript
Swiss Transcript bietet CHF 0.17/Min (= 10 CHF/h) oder Abo-Modelle: Starter CHF 20/Monat für 5h (= 4 CHF/h), Pro CHF 65/Monat für 20h (= 3.25 CHF/h). Die Preise enthalten bis zu drei Zusammenfassungen pro Transkript. Datenhaltung: 100% Swiss Hosting auf Schweizer Servern bei Infomaniak Genf, GDPR & Swiss DPA. Unterstützte Dialekte: Züritüütsch, Bärndütsch, Baseldytsch. Neue Nutzer erhalten 60 Minuten gratis.
recapp.ch
recapp.ch positioniert sich als Enterprise-Lösung mit Produkten für öffentliche Verwaltungen: mediaparl (Parlamentsprotokolle), voscriba (juristische Einvernahmen), töggl (Interviewtranskripte). Referenzen: Kantone Aarau, Aargau, Appenzell Innerrhoden und Ausserrhoden.
Schweizerdeutsch Übersetzen (App)
Die mobile App von Florian Gyger verspricht Schweizer Datensouveränität, kein US-Zugriff, und erreicht 4.4★ bei 243 Bewertungen. Ein Testimonial der Senior Researcher am Universitätsspital Basel zeigt: „beeindruckt wie gut Bärndütsch transkribieren (Totemügerli Sonderwörter nicht schlecht)".
Speak AI
Speak AI unterstützt Züridütsch, Bärndütsch und Baseldytsch und verarbeitet 100+ Sprachen. Die Plattform handhabt Code-Switching zwischen Schweizerdeutsch und Hochdeutsch im gleichen Recording. Ehrlich: „Accuracy varies by dialect strength" – die Genauigkeit hängt von der Dialekt-Stärke ab.
sprichmal
sprichmal kostet CHF 14/Monat für unlimitierte Dokumente und versteht mehrere Sprachen, auch Schweizerdeutsch. Das Tool ist für manuelle Uploads gedacht – kein Meeting-Bot, sondern von der Aufnahme zum fertigen Dokument in Sekunden.
Datenhaltung: verschlüsselt in Frankfurt (AWS, EU), verarbeitet nach GDPR und revDSG. Entwickelt und betrieben von der matd ag in Rickenbach TG. Deine Wörter werden nie zum Training genutzt.
Ein Alleinstellungsmerkmal: Eigene Firmen-Templates hochladen (1–3 Beispiele), die KI extrahiert Layout, Abschnitte und Ton, bis zu 10 Templates pro Account. Dokumente per Link teilen mit Ablaufdatum, jederzeit widerrufbar.
Bei regelmässiger Nutzung ist sprichmal günstiger als nutzungsbasierte Modelle: Ab etwa 140 Minuten pro Monat ist CHF 14 weniger als CHF 0.10/Min (töggl), ab etwa 3,5 Stunden pro Monat weniger als CHF 20 (Swiss Transcript Starter).
Grenzen: Keine 100%-Lösung
Auch die besten Schweizer Tools erreichen keine perfekte Genauigkeit. Die WER-Zahlen zeigen: Nachbearbeitung bleibt nötig. Wer auf Nummer sicher gehen will, sollte mit dem eigenen Dialekt testen – die Genauigkeit variiert erheblich zwischen Züritüütsch, Bärndütsch, Baseldytsch und Walliserdeutsch.
Fazit: US-Tools scheitern, Schweizer Lösungen unterscheiden sich im Detail
Wer auf Schweizerdeutsch diktieren will, findet bei Otter, Fireflies und Co. keine Hilfe. Die Lösungen liegen in der Schweiz – mit unterschiedlichen Preismodellen, Datenschutz-Ansätzen und Einsatzgebieten.
Nutzungsbasierte Modelle wie töggl (CHF 0.10/Min) und Swiss Transcript (CHF 0.17/Min oder Abo) eignen sich für gelegentliche Transkriptionen oder wenn 100% Schweizer Hosting Pflicht ist. Für wiederkehrende Nutzung (Meetings, Notizen, Berichte) sind Flatrate-Modelle wie sprichmal (CHF 14/Monat unlimitiert) oder Speak AI wirtschaftlicher.
Der entscheidende Punkt: Alle Anbieter arbeiten noch an der Genauigkeit. Teste mit deinem eigenen Dialekt, bevor du dich festlegst – die Unterschiede zwischen Züritüütsch, Bärndütsch und Baseldytsch sind erheblich.
Unsere Einschätzung
Offenlegung: Dieser Abschnitt ist eine redaktionelle Einschätzung von sprichmal.ch — eine Meinung, die die oben belegten Fakten einordnet, aber keine neuen Fakten oder Zahlen einführt. sprichmal.ch ist selbst Anbieter in diesem Markt; wir vergleichen offen und fair, statt Wettbewerber schlechtzureden.
Aus unserer Sicht als Schweizer Anbieter gibt es drei Gruppen von Nutzern, die unterschiedlich gut bedient werden:
Für sporadische Nutzung (ein paar Interviews pro Monat) ist ein nutzungsbasiertes Modell wie töggl oder Swiss Transcript sinnvoll – du zahlst nur, was du verbrauchst, und erhältst bei Swiss Transcript sogar Zusammenfassungen inklusive. Die historischen Qualitätsprobleme (digitec.ch-Test 2022) zeigen allerdings: ohne Nachbearbeitung geht es nicht.
Für regelmässige Dokumentation (Meetings, Kundengespräche, medizinische Berichte) lohnt sich ein Flatrate-Modell. Hier positionieren wir sprichmal bewusst: CHF 14/Monat unlimitiert ist ab etwa 140 Minuten günstiger als CHF 0.10/Min. Der Unterschied zu Meeting-Bots: Du lädst manuell hoch und erhältst ein fertiges Dokument – kein Transkript-Rohtext, sondern strukturiert nach deiner eigenen Vorlage (bis zu 10 Templates). Das ist kein Nachteil, wenn du ohnehin intern aufnimmst und die Kontrolle behalten willst, wer Zugang hat.
Für öffentliche Verwaltungen und Gerichte ist recapp.ch (mediaparl, voscriba) die logische Wahl – entwickelt für die spezifischen Compliance-Anforderungen dieser Sektoren.
Was wir ehrlich sagen müssen: Auch sprichmal erreicht keine 100% Genauigkeit bei Schweizerdeutsch – niemand tut das. Die WER-Zahlen (13,31–37,96%) gelten für alle Whisper-basierten Lösungen. Der Unterschied liegt in der Verarbeitung: Wir verdichten das Transkript direkt in das Zieldokument (Protokoll, Brief, Bericht), statt dir eine Transkript-Wüste zu liefern, die du selbst sortieren musst.
Unser Rat: Wenn du wiederkehrend auf Schweizerdeutsch diktierst, teste zwei bis drei Anbieter mit deinem eigenen Dialekt – die Unterschiede zwischen Züritüütsch, Bärndütsch und Baseldytsch sind zu gross für pauschale Empfehlungen. Die Frage ist nicht nur „Wie gut versteht die Software?", sondern auch „Was bekomme ich am Ende?" – Rohtranskript oder fertiges Dokument.
Wenn du wiederkehrend auf Schweizerdeutsch diktierst und aus deinen Aufnahmen direkt strukturierte Dokumente brauchst – Protokolle, Briefe, Berichte nach deiner eigenen Vorlage – kannst du sprichmal 5 Dokumente lang gratis testen in 4 Fragen herausfinden, was SprichMal dir bringt.