«Drü Stund Montag, zwei Meter Rohr gwächslet» — so klingt ein typisches Rapport-Diktat auf Züritüütsch. «Halbe Tag bim Müller gsi, Sifon ersetzt» sagt der Installateur in Bärndütsch. Doch während Voice-to-Text-Tools bei Hochdeutsch inzwischen Genauigkeiten von 95–98 % erreichen, scheitern viele bei Schweizerdeutsch. Warum ist die Transkription von Dialekten so schwierig — und welche Lösungen funktionieren heute?
Warum Schweizerdeutsch für KI so schwierig ist
Schweizerdeutsch transkribieren ist keine einfache Spracherkennung, sondern eine doppelte Herausforderung: Die KI muss hören und übersetzen — ohne klare Regeln.
Keine standardisierte Schreibweise
Schweizerdeutsch hat keine offizielle Orthografie. Ein einziges Wort kann völlig unterschiedlich geschrieben werden: «nicht» wird zu nöd, nid, ned, nit oder nüd; «auch» zu au, o oder ä; «etwas» zu öppis, äppis oder ebis. Für KI-Modelle bedeutet das: Sie müssen nicht nur hören, sondern auch «entscheiden», welche Schreibweise sie wählen — ohne dass es eine richtige Antwort gibt.
Eigene Grammatik und Wortschatz
Schweizerdeutsch ist nicht einfach «Deutsch mit Akzent», sondern eine eigenständige Sprachform mit eigenem Wortschatz (Rüebli, Müesli, Glace), eigener Grammatik (kein Präteritum, spezielle Dativ-Konstruktionen) und eigener Phonetik. Viele Systeme wurden primär mit Hochdeutsch trainiert — Dialekt ist dabei eher Nebensache.
Dialektvielfalt: Züritüütsch, Bärndütsch, Baseldytsch
Zwischen Zürich, Bern, Basel, dem Wallis und Graubünden liegen nicht nur geografische, sondern auch sprachliche Welten. Typische Dialekte sind Züridütsch, Bärndütsch, Baseldytsch, Walliserdeutsch, Bündnerdeutsch — jeder mit eigenen Lautverschiebungen, Vokabeln und Satzbau. Was in Zürich klar verständlich ist, kann in Visp anders klingen.
Zu wenig Trainingsdaten
Für Schweizerdeutsch gibt es kaum öffentliche Datensätze, wenig verschriftlichte Mundart, deutlich weniger Material als für Deutsch oder Englisch. Moderne KI-Modelle brauchen aber riesige Datenmengen — das Resultat: geringere Erkennungsrate.
Wie gut ist Standard-Whisper bei Schweizerdeutsch?
Whisper von OpenAI gilt als eines der besten Open-Source-Modelle für Spracherkennung. Doch bei Schweizerdeutsch zeigt sich eine deutliche Schwäche.
Zero-shot: unbrauchbar für produktive Nutzung
Das Whisper-Modell large-v3 erreicht ohne spezielles Training (zero-shot) etwa 28,6 % Word Error Rate (WER) auf Schweizerdeutsch — das heisst, rund 7 von 10 Wörtern werden korrekt erkannt. Für produktive Anwendungen wie Meeting-Protokolle oder Arztbriefe ist das zu wenig.
Fine-tuned Models: besser, aber nicht perfekt
Speziell trainierte Whisper-Varianten schneiden deutlich besser ab. Das beste Open-Source-Modell (Felix Akeret, Universität Zürich) erreicht 25,60 % gemessene WER und 13,8 % content WER (cWER) — die cWER zählt nur echte Transkriptionsfehler, nicht valide Übersetzungsvarianten. Das ist besser als der zero-shot-Baseline, aber immer noch zu viele Fehler für kritische Anwendungen.
Ein anderes öffentliches Modell (Flurin17/whisper-large-v3-turbo-swiss-german) kommt auf 37,96 % WER — eine Verbesserung gegenüber dem Basis-Modell, aber mit 62 % Genauigkeit noch nicht produktiv nutzbar für Business-Use-Cases.
WER ist nicht gleich echte Fehlerrate
Ein wichtiger Punkt: Die Mehrheit der WER-Penalties reflektieren valide alternative Übersetzungen (Satzstellung, Tempus, Schweizer Orthografie), nicht echte Recognition-Failures. Wenn die KI «und das ist schlecht» ausgibt, die Referenz aber «das ist schlecht» erwartet, zählt das als Fehler — obwohl beide Varianten korrekt sind. Schweizerdeutsch zu transkribieren ist eben keine reine Spracherkennung, sondern eine simultane Übersetzung mit vielen korrekten Möglichkeiten.
Benchmark-Kontamination: Vorsicht bei Vergleichen
Eine aktuelle Studie zeigt: Ein Whisper-Modell, das nur auf den Test-Datensatz selbst trainiert wurde (ohne jedes Schweizerdeutsch-Training), erreicht 13,88 % WER — und übertrifft damit viele publizierte «State-of-the-art»-Systeme. Das bedeutet: Manche Benchmarks messen eher, wie gut ein Modell die Konventionen des Test-Sets gelernt hat, nicht wie gut es Dialekte versteht. Vorsicht also bei zu optimistischen Zahlen.
Wie genau sind spezialisierte Tools heute?
Die Realität 2026: Hochdeutsch (klar gesprochen) erreicht 95–98 % Genauigkeit, Hochdeutsch mit Schweizer Akzent 90–95 %. Bei Schweizerdeutsch sieht es so aus:
- Leichtes Schweizerdeutsch (deutliche Aussprache, moderates Tempo, ein Sprecher): 80–90 % Genauigkeit
- Mittleres Schweizerdeutsch (regionaler Dialekt, mehrere Sprecher): 70–85 %
- Starker Dialekt (z. B. Walliserdeutsch, viel Mundart-Vokabular, schnelles Sprechen): 50–70 %
80–90 % bei leichtem Dialekt ist heute ein gutes Ergebnis — nicht perfekt, aber für viele Anwendungen brauchbar. 50–70 % bei starkem Dialekt ist die technische Realität, kein Versagen eines einzelnen Tools.
Spezialisierte Lösungen für Schweizerdeutsch
Einige Anbieter haben sich gezielt auf die Herausforderung Schweizerdeutsch spezialisiert. Ein Beispiel ist sprichmal, ein Tool des Schweizer Unternehmens matd ag aus Rickenbach TG.
Was sprichmal auszeichnet
sprichmal funktioniert in mehreren Sprachen, auch Schweizerdeutsch («even Swiss German»), entwickelt von einem Schweizer Unternehmen, das niemals auf Nutzerdaten trainiert. Die Dokumente und Transkripte werden verschlüsselt in Frankfurt (AWS, EU) gespeichert und gemäss DSGVO und revidiertem Schweizer Datenschutzgesetz (revDSG) verarbeitet.
Die Anwendungsfälle reichen von Meeting-Protokollen über Arztberichte bis zu Projekt-Rapports. Aus einer Sprachaufnahme entsteht in Sekunden ein strukturiertes Dokument — nicht nur ein Transkript, sondern ein fertiger Text im gewünschten Format.
Das Preismodell ist transparent: CHF 0 für bis zu 5 Dokumente pro Monat (kostenlos), CHF 19 pro Monat für unbegrenzte Dokumente (Pro Monthly) oder CHF 299 für eine Lifetime-Lizenz. Für Nutzer mit hohem Volumen ist das Unlimited-Modell deutlich günstiger als per-Minute-Abrechnungen anderer Anbieter.
Beispiele aus der Praxis
Wie klingt Schweizerdeutsch transkribieren konkret? Baunex zeigt ein Züritüütsch-Beispiel: «Drü Stund Montag, zwei Meter Rohr gwächslet» — der Sprach-Assistent versteht den Dialekt und füllt die Felder automatisch aus.
Ein Bärndütsch-Beispiel von e-rapport: «Halbe Tag bim Müller gsi, Sifon ersetzt und no zwei Meter Chromstahlrohr verbucht» — die KI ordnet 4 Stunden zu und bucht das Material. Beide Anwendungen zeigen: Schweizerdeutsch-Erkennung funktioniert, wenn die KI den Kontext versteht.
Wann lohnt sich ein spezialisiertes Tool?
Nicht jeder braucht ein auf Schweizerdeutsch spezialisiertes Tool. Hier sind die Fälle, in denen es Sinn macht:
1. Interne Protokolle und Notizen in Mundart
Wenn Hochdeutsch-Approximation nicht reicht — etwa bei internen Meeting-Protokollen, in denen Dialekt-Zitate wichtig sind, oder bei Notizen, die Authentizität bewahren sollen.
2. Meetings mit ausschliesslich Dialekt-Sprechern
Wenn alle Teilnehmenden Dialekt sprechen und kein Hochdeutsch verwenden: 80–90 % Genauigkeit bei leichtem Schweizerdeutsch ist besser als 50–70 % mit einem Standard-Tool, das nicht auf Dialekte trainiert wurde.
3. Datenschutz-Anforderungen: EU- oder CH-Hosting
Für Schweizer KMU, Behörden oder Gesundheitseinrichtungen kann die Frage, wo die Daten liegen, entscheidend sein. sprichmal speichert verschlüsselt in Frankfurt (AWS, EU) gemäss DSGVO und revDSG — ein angemessenes Datenschutzniveau für private Unternehmen. Für öffentliche Träger kann 100-prozentiges CH-Hosting noch wichtiger sein.
4. Hohe Nutzung: Unlimited vs. per-Minute-Abrechnung
Wenn Sie viele Stunden pro Monat transkribieren, ist ein Unlimited-Modell wie sprichmals CHF 19/Monat günstiger als per-Minute-Abrechnungen (z. B. CHF 0,10–0,17 pro Minute). Der Break-even liegt bei etwa 100–190 Minuten pro Monat.
Wo sind die Grenzen?
Auch die besten Tools haben heute Grenzen — Ehrlichkeit ist hier wichtiger als Heilsversprechen.
Kein Tool erreicht 100 %
80–90 % Genauigkeit bei leichtem Schweizerdeutsch ist aktuell ein gutes Ergebnis, nicht schlecht. 100 % sind technisch unrealistisch, solange keine standardisierte Orthografie existiert und Dialekte so vielfältig sind.
Starke Dialekte bleiben schwierig
Starke Dialekte wie Walliserdeutsch erreichen 50–70 % Genauigkeit — das ist die technische Realität 2026. Wer mit sehr ausgeprägten regionalen Dialekten arbeitet, muss mehr Nachbearbeitung einplanen.
Nachbearbeitung bleibt nötig
Für rechtssichere Protokolle, Arztbriefe oder wichtige Geschäftsdokumente bleibt manuelle Korrektur nötig. Schweizerdeutsch transkribieren spart Zeit, ersetzt aber nicht das abschliessende menschliche Lektorat.
Übersetzung, nicht nur Transkription
Schweizerdeutsch ins Hochdeutsche zu übertragen ist eine simultane Übersetzung mit vielen korrekten Varianten. Was die Maschine als «Fehler» zählt, kann eine valide Übersetzungsentscheidung sein. Deshalb sind Genauigkeitsangaben immer mit Vorsicht zu lesen.
Fazit: Realistische Erwartungen und technische Fortschritte
Schweizerdeutsch transkribieren ist 2026 möglich — aber kein Selbstgänger. Die technischen Herausforderungen (keine Orthografie, eigene Grammatik, Dialektvielfalt, zu wenig Daten) bleiben real. Standard-Whisper ist zero-shot unbrauchbar; fine-tuned Modelle erreichen 25–38 % WER, was für viele produktive Anwendungen noch nicht reicht.
Spezialisierte Tools wie sprichmal setzen hier an: Schweizerdeutsch-Support, EU-Hosting, transparentes Pricing, schnelle Verarbeitung. Für Nutzer mit hoher Nutzung, Datenschutz-Anforderungen oder Dialekt-lastigen Meetings sind sie eine sinnvolle Wahl. Die Grenzen bleiben: 80–90 % bei leichtem Dialekt sind gut, 50–70 % bei starkem Dialekt sind Realität. Nachbearbeitung bleibt nötig.
Wer das versteht, kann Schweizerdeutsch transkribieren produktiv nutzen — mit realistischen Erwartungen und dem passenden Tool.
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 lohnt sich ein spezialisiertes Tool für Schweizerdeutsch vor allem dann, wenn Dialekt regelmässig vorkommt und Genauigkeit zählt. Die Preismodelle sind heute transparent genug, dass sich die Rechnung schnell machen lässt: Wer mehr als 100–150 Minuten pro Monat transkribiert, fährt mit einem Unlimited-Abo wie dem von sprichmal (CHF 19/Monat) günstiger als mit per-Minute-Abrechnungen.
Die ehrliche technische Realität ist: 100 % Genauigkeit gibt es nicht — weder bei sprichmal noch bei anderen Anbietern. 80–90 % bei leichtem Schweizerdeutsch sind ein solides Ergebnis, mit dem sich produktiv arbeiten lässt. Wer starke Dialekte wie Walliserdeutsch transkribieren muss, sollte von vornherein 50–70 % Genauigkeit einplanen und entsprechend mehr Zeit für die Nachbearbeitung reservieren.
sprichmal positioniert sich gezielt als Schweizer Lösung mit EU-Hosting (Frankfurt) und transparentem Datenschutz gemäss revDSG — für KMU, Freiberufler und kleinere Teams ein klarer Vorteil gegenüber Anbietern, die weniger transparent über Datenhaltung und KI-Training kommunizieren. Die CHF-299-Lifetime-Lizenz ist im Wettbewerbsfeld einzigartig; kein anderer Anbieter bietet ein vergleichbares Modell.
Für uns gilt: Wer Dialekt-Transkription braucht, sollte realistisch kalkulieren — Zeit für Nachbearbeitung einplanen, Genauigkeitsangaben kritisch lesen (Benchmark-Kontamination ist real) und Tools wählen, die offen über ihre Grenzen sprechen. Heilsversprechen helfen niemandem; ehrliche technische Einordnung schon.
Wenn du Schweizerdeutsch regelmässig transkribieren musst — für Meetings, Protokolle oder Projekt-Rapporte — kannst du sprichmal kostenlos mit bis zu 5 Dokumenten pro Monat ausprobieren. Keine Kreditkarte nötig, einfach Audio hochladen und sehen, wie gut es für deinen Dialekt funktioniert. in 4 Fragen herausfinden, was SprichMal dir bringt.