Richtig diktieren: Sätze, die die KI sicher zuordnet

Der Satzbau, der zuverlässig funktioniert, sechzehn Beispiele mit Ergebnis, die typischen Fehler und was man besser tippt als spricht.

Zuletzt aktualisiert am 5. Oktober 2026 12 Minuten Lesezeit

Spracherkennung ist heute gut genug für den Alltag. Ob aus einem gesprochenen Satz eine brauchbare Aufgabe wird, hängt trotzdem davon ab, wie man ihn sagt — und zwar in einer Weise, die man in zehn Minuten lernt.

Dieser Text zeigt den Satzbau, der funktioniert, mit Beispielen und dem, was jeweils dabei herauskommt. Was die Erkennung grundsätzlich kann und wo sie scheitert, steht unter Aufgaben sprechen statt tippen.

Der Satzbau, der trägt

Vier Bausteine, immer in derselben Reihenfolge. Nicht alle sind nötig, aber die Reihenfolge hilft.

Reihenfolge	Baustein	So klingt er
1.	Projekt	„Projekt Kundenportal:"
2.	Was zu tun ist	„Die Freigabe einholen"
3.	Wer	„Nima macht das"
4.	Bis wann	„bis Donnerstag"
5.	Zusätze	„vorher noch die Zahlen prüfen, das ist wichtig"

Ein vollständiges Beispiel:

„Projekt Messe Frühjahr: Die Unterlagen müssen nächste Woche Dienstag beim Kunden sein. Nima übernimmt das, vorher noch Preise prüfen. Das ist wichtig."

„Projekt Messe Frühjahr"→Projekt
„Nima übernimmt das"→Zuständig
„nächste Woche Dienstag"→Termin
„vorher noch Preise prüfen"→Arbeitsschritt
„das ist wichtig"→Priorität Hoch

Warum diese Reihenfolge? Weil das Modell den Anfang als Rahmen benutzt. Wer mit dem Projekt beginnt, ordnet alles Folgende richtig ein. Wer es am Ende nachschiebt, bekommt häufiger eine Zuordnung, die nicht passt.

Das ist der Punkt, der die meisten überrascht. „Berger, Angebot, Freitag" ist schlechter als „Das Angebot für Berger muss bis Freitag raus."

Fünfzehn Beispiele

Einfach und sicher

Was du sagst	Was daraus wird
„Angebot Berger bis Freitag fertigstellen"	Aufgabe, Termin Freitag
„Nima soll die Unterlagen zum Kunden bringen"	Aufgabe, zuständig Nima
„Projekt Kundenportal: Startseite abnehmen lassen"	Aufgabe im Projekt Kundenportal
„Morgen bei Familie Krüger die Dachrinne reinigen"	Aufgabe, Termin morgen
„Das ist dringend: Rückruf bei Berger"	Aufgabe, Priorität Dringend

Mehrere Aufgaben in einem Durchgang

Was du sagst	Was daraus wird
„Erstens Material bestellen, zweitens Termin bestätigen, drittens Angebot rausschicken"	Drei Aufgaben
„Angebot Berger fertigmachen. Und Nima soll den Kunden anrufen."	Zwei Aufgaben, eine davon mit Zuständigem

Das ist der eigentliche Zeitgewinn: einmal reden statt dreimal tippen.

Arbeitsschritte statt neuer Aufgaben

Was du sagst	Was daraus wird
„Angebot Berger fertigstellen, vorher noch Preise prüfen"	Eine Aufgabe, ein Arbeitsschritt
„Termin bestätigen und dann die Unterlagen schicken"	Eine Aufgabe, ein Arbeitsschritt

Die Wörter „vorher noch", „und dann", „danach" werden als Schritte erkannt und hängen sich an die richtige Aufgabe.

Dringlichkeit

Was du sagst	Priorität
„Das ist dringend" / „Notfall" / „brennt"	Dringend
„Das ist wichtig" / „zügig"	Hoch
„Wenn Zeit ist" / „kein Stress" / „irgendwann"	Niedrig
(nichts gesagt)	Normal

Zeitangaben

Was du sagst	Was daraus wird
„morgen"	das Datum von morgen
„nächste Woche Dienstag"	der Dienstag der kommenden Woche
„bis Ende des Monats"	der letzte Tag des Monats
„am 13."	der 13. des laufenden oder kommenden Monats

Vorsicht bei „nächsten Montag": Ob der kommende oder der übernächste gemeint ist, verstehen nicht einmal Menschen einheitlich. Sag lieber „am Montag" oder „Montag in einer Woche".

Was zuverlässig schiefgeht

Wird nicht verstanden

„Der Kunde von letzter Woche"
„Das Ding von gestern"
„Mach das fertig"
„Der Chef soll das machen"
„Wie besprochen"

So geht es

„Kunde Berger"
„Die Unterlagen für Messe Frühjahr"
„Angebot Berger fertigstellen"
„Nima soll das übernehmen"
„Material für Objekt Nord bestellen"

Alle linken Beispiele haben dasselbe Problem: Sie verweisen auf etwas, das nur in deinem Kopf steht. Ein Mensch würde nachfragen. Ein Modell lässt das Feld leer — und das ist richtig so, denn alles andere wäre geraten.

Weitere Stolperfallen

Projekte, die es nicht gibt. Wer ein Projekt nennt, das nicht angelegt ist, bekommt ein leeres Feld. Entweder vorher anlegen oder in der Vorschau zuweisen.

Zwei Namen, die ähnlich klingen. Bei zwei Michaels im Team braucht es den Nachnamen. Bei einem reicht der Vorname, auch falsch ausgesprochen.

Zu lange Monologe. Nach anderthalb Minuten wird die Zuordnung schlechter — und zwar deutlich. Lieber dreimal zwanzig Sekunden.

Zwei Leute gleichzeitig. Wenn im Auto beide reden, mischt die Erkennung beides zu einem Text. Das ergibt Unsinn.

Füllwörter am Anfang. „Ähm, also, ich wollte noch sagen, dass…" kostet nichts, aber verzögert. Einfach loslegen.

Was man besser tippt

Ehrlichkeitshalber, denn es gibt Fälle, in denen Sprechen die schlechtere Wahl ist:

Maße. „2,20 mal 0,80" wird häufig falsch. Tippen.
Artikel- und Kundennummern. Zu fehleranfällig.
Lange Beschreibungen. Ein diktierter Absatz ist ein Absatz ohne Absätze.
Alles mit rechtlicher Wirkung. Ein Abnahmeprotokoll diktiert man nicht nebenbei.
Im Großraumbüro. Da will niemand seine Aufgaben vorlesen.

Die Umgebung

Technisch macht Lärm weniger aus, als man denkt. Entscheidend sind drei Dinge:

Abstand zum Mikrofon. Zwanzig Zentimeter sind besser als Armlänge. Der häufigste Grund für schlechte Erkennung ist nicht Lärm, sondern Entfernung.

Wind. Beim Freisprechen im Auto stört nicht der Motor, sondern das offene Fenster. Fenster zu, dann klappt es.

Direkter Maschinenlärm. Normales Hintergrundrauschen ist kein Problem. Ein Winkelschleifer einen Meter daneben schon — da hilft nur, zwei Schritte wegzugehen.

Wie es in verschiedenen Branchen klingt

Der Satzbau bleibt gleich, die Wörter nicht. Fünf Beispiele aus unterschiedlichen Betrieben:

Montage und Service

„Projekt Objekt Nordstraße: Morgen die Heizung in Wohnung 12 prüfen. Thomas übernimmt das, vorher noch Ersatzteil mitnehmen. Das ist dringend."

Hausverwaltung

„Objekt Ahornweg: Frau Berger meldet, dass das Treppenhauslicht ausfällt. Angebot beim Elektriker einholen, bis Freitag."

Agentur

„Projekt Kundenportal: Die Startseite muss Dienstag zur Abnahme raus. Nima übernimmt, vorher noch Texte prüfen."

Pflege

„Tour Nord: Bei Herrn Schmidt war die Tür verschlossen, morgen früh noch mal probieren. Bitte vorher anrufen."

Gastronomie

„Schicht Samstag: Reservierung für zwölf Personen um neunzehn Uhr, großer Tisch hinten. Allergie bei einer Person, Küche informieren."

Drei Dinge fallen auf: Es wird immer mit dem Ordnungsbegriff begonnen — Projekt, Objekt, Tour, Schicht. Es steht immer ein Verb darin. Und die Zusätze stehen hinten, nicht mittendrin.

Diktieren unter schwierigen Bedingungen

Mit Handschuhen. Das ist der eigentliche Grund, warum Sprache auf der Baustelle gewinnt. Wichtig ist nur, dass der Knopf groß genug und immer an derselben Stelle ist — eine Aufnahme, die man suchen muss, macht niemand mit Arbeitshandschuhen.

Im Auto. Fenster zu, Radio aus, Freisprechanlage ignorieren und direkt ins Telefon sprechen. Die Freisprechanlage ist für Telefonate optimiert und filtert Frequenzen weg, die die Erkennung braucht.

Auf der Leiter. Kurz halten. Zwei Sätze, nicht sechs. Wer sich auf der Leiter einen längeren Text überlegt, denkt nicht an die Leiter.

Beim Kunden. Hier geht es weniger um Technik als um Takt. Vor dem Kunden ins Telefon zu sprechen wirkt leicht unhöflich — besser im Auto, direkt danach, solange es frisch ist.

Im Stehen mit Lärm. Zwanzig Zentimeter Abstand, und beim Sprechen das Telefon leicht schräg halten, sodass das Mikrofon unten zum Mund zeigt. Klingt nach Kleinigkeit und macht den größten Unterschied.

Wie man es im Team einführt

Spracheingabe überzeugt schneller als jede andere Funktion und wird genauso schnell verbrannt. Was sich bewährt hat:

Einmal vorführen, nicht erklären. Eine Minute in der Besprechung: sprechen, Vorschau zeigen, übernehmen. Das überzeugt mehr als jede Anleitung — siehe auch Software einführen, ohne dass das Team streikt.

Mit der Person anfangen, die am meisten unterwegs ist. Dort ist der Gewinn am größten und am sichtbarsten.

Die Grenzen gleich mitsagen. Wer vorher weiß, dass Maße nicht gut funktionieren, ärgert sich nicht, wenn es passiert — und probiert es gar nicht erst.

Freiwillig lassen. Es geht um die eigene Stimme. Wer lieber tippt, tippt. Zwang erzeugt hier besonders schnell Widerstand.

Einmal zusammen üben. Fünf Minuten, jeder sagt einen Satz, alle sehen das Ergebnis. Danach ist die Hemmschwelle weg — und das ist bei Sprache die einzige echte Hürde.

Immer prüfen, bevor es gespeichert wird

In der Vorschau steht zweierlei: der wörtlich erkannte Text und die gefüllten Felder. Daran siehst du sofort, woran es lag, wenn etwas nicht stimmt:

Text falsch → es lag am Zuhören. Näher ans Mikrofon, langsamer, leiser Umgebung.
Text richtig, Feld falsch → es lag am Zuordnen. Formuliere beim nächsten Mal deutlicher, und korrigiere es jetzt von Hand.

Beides dauert fünf Sekunden und ist der Unterschied zwischen einem Werkzeug, dem man traut, und einem, das man nach drei Fehlversuchen nicht mehr benutzt.

Die fünf Gewohnheiten, die den Unterschied machen

Wer diese fünf Dinge verinnerlicht hat, braucht keine Korrekturen mehr.

Projekt zuerst. Ein Wort am Anfang, und alles Folgende wird richtig einsortiert.

Ein Verb pro Aufgabe. „Angebot Berger fertigstellen" statt „Angebot Berger". Das Verb sagt, was zu tun ist — ohne es ist es nur ein Stichwort.

Namen statt Rollen. „Nima" statt „der Kollege", „Thomas" statt „einer von euch".

Zeiten relativ. „Nächste Woche Dienstag" ist eindeutiger als „am 13.", weil niemand im Kopf hat, welcher Wochentag der 13. ist.

Kurz halten. Drei Aufnahmen von zwanzig Sekunden sind besser als eine von einer Minute — bei jeder einzelnen stimmt die Zuordnung häufiger.

Was passiert, wenn man es falsch macht

Ein Beispiel, das in echten Betrieben so vorkommt. Gesagt wurde:

„Ähm, ja, also wegen dem Kunden von gestern, da müsste nochmal einer hin, am besten bald, und das andere Ding auch noch."

Was daraus wird: eine Aufgabe mit dem Titel „Beim Kunden vorbeifahren", kein Projekt, kein Zuständiger, kein Termin. Das ist nicht falsch — es ist das Beste, was sich aus diesem Satz machen lässt. Die Information war schlicht nicht enthalten.

Derselbe Gedanke, brauchbar formuliert:

„Projekt Objekt Nordstraße: Diese Woche noch mal hinfahren, der Kunde war gestern nicht da. Thomas übernimmt das. Und das Angebot für Berger muss auch noch raus."

Daraus werden zwei Aufgaben, eine mit Projekt, Zuständigem und Zeitraum. Der Unterschied sind zwölf Wörter und fünf Sekunden.

Häufige Fragen

Muss ich in Stichworten sprechen?

Nein, im Gegenteil. Ganze Sätze funktionieren deutlich besser als Telegrammstil. „Das Angebot für Berger muss bis Freitag raus" schlägt „Berger, Angebot, Freitag".

In welcher Reihenfolge soll ich sprechen?

Projekt zuerst, dann was zu tun ist, dann wer, dann bis wann. Das Modell benutzt den Anfang als Rahmen – wer das Projekt nachschiebt, bekommt häufiger eine falsche Zuordnung.

Wie sage ich mehrere Aufgaben auf einmal?

Einfach nacheinander, gern mit „erstens, zweitens, drittens" oder als getrennte Sätze. Daraus werden mehrere Aufgaben. Nur zu lang sollte es nicht werden.

Wie bekomme ich Arbeitsschritte statt neuer Aufgaben?

Mit „vorher noch", „und dann" oder „danach". Diese Wörter werden als Schritte erkannt und hängen sich an die richtige Aufgabe, statt eigene zu erzeugen.

Warum wird mein Projekt nicht erkannt?

Entweder gibt es das Projekt nicht, oder der Name klingt anders als im System. Sag ihn so, wie er dort steht – und leg Projekte an, bevor du sie das erste Mal sprichst.

Was tue ich bei Lärm auf der Baustelle?

Näher ans Mikrofon, etwa zwanzig Zentimeter. Hintergrundrauschen stört kaum, direkter Maschinenlärm schon – dann zwei Schritte weggehen. Im Auto: Fenster zu, der Wind ist schlimmer als der Motor.

Was soll ich lieber tippen als sprechen?

Maße, Artikelnummern, lange Beschreibungen und alles mit rechtlicher Wirkung. Dort ist Sprechen zu fehleranfällig oder das Ergebnis unbrauchbar formatiert.

Wie lange darf eine Aufnahme sein?

Zwanzig bis dreißig Sekunden sind der Punkt, an dem die Zuordnung am besten funktioniert. Ab anderthalb Minuten wird sie spürbar schlechter – nicht weil die Erkennung schwächelt, sondern weil der Zusammenhang zwischen Anfang und Ende verloren geht.

Muss ich besonders deutlich sprechen?

Nein, normal reicht. Übertriebene Betonung macht es sogar schlechter, weil die Modelle auf natürliche Sprache trainiert sind. Wichtiger als Deutlichkeit ist der Abstand zum Mikrofon.

Was mache ich, wenn etwas falsch verstanden wurde?

In der Vorschau korrigieren, bevor du übernimmst. Und schauen, woran es lag: Ist schon der erkannte Text falsch, lag es am Zuhören. Ist der Text richtig und nur das Feld falsch, lag es am Zuordnen.

Was sich mit der Zeit einspielt

Nach etwa zwei Wochen stellt sich bei den meisten ein eigener Rhythmus ein, und er sieht fast immer gleich aus: Man sammelt nicht mehr, sondern spricht sofort. Drei kurze Aufnahmen über den Tag verteilt statt einer langen am Abend.

Das hat einen praktischen Grund, der nichts mit Technik zu tun hat. Wer abends zusammenfasst, erinnert sich an das Auffällige und vergisst das Beiläufige — und das Beiläufige ist genau das, was später fehlt: dass der Zugang über den Hinterhof geht, dass der Kunde erst ab zehn erreichbar ist, dass ein Teil nachbestellt werden muss.

Wer es dagegen in dem Moment sagt, in dem es auffällt, braucht dafür keine zehn Sekunden und keine Erinnerung. Das ist derselbe Grund, aus dem Zettel entstehen — nur ohne Papier.

Zusammengefasst

Reihenfolge: Projekt, was zu tun ist, wer, bis wann, Zusätze.
Ganze Sätze schlagen Stichworte.
„Vorher noch" und „und dann" erzeugen Arbeitsschritte, keine neuen Aufgaben.
„Dringend", „wichtig", „wenn Zeit ist" steuern die Priorität.
Verweise auf Ungesagtes bleiben leer — und das ist richtig so.
Maße, Nummern und lange Texte besser tippen.
Zwanzig Zentimeter Abstand helfen mehr als jede Ruhe.
Immer in der Vorschau prüfen: Der erkannte Text verrät, woran es lag.