Wer in den 1980er-Jahren ein Anwaltsbüro oder eine Arztpraxis betrat, hörte oft ein leises Surren aus dem Nebenzimmer. Dort saß eine Sekretärin mit Kopfhörer und Fußschalter und tippte ab, was der Chef am Vormittag auf eine Mikrokassette gesprochen hatte. Das Diktiergerät war damals ein Statussymbol und ein Werkzeug zugleich, und es hat sich in den Jahrzehnten danach mehrfach neu erfunden. Die jüngste Wandlung ist die gründlichste: Das Gerät ist verschwunden, die Funktion aber ist geblieben und hat gelernt, sich selbst zu transkribieren.

Tonband, Kassette, Mikrokassette

Angefangen hat alles mit Wachswalzen und dem Namen Dictaphone, der so alt ist, dass er längst zum Gattungsbegriff geworden ist. Richtig praktisch wurde das Diktieren aber erst mit dem Magnetband. Grundigs Stenorette aus den 1950er-Jahren war in deutschen Büros so verbreitet, dass sie noch heute in Kanzleien als Sammlerstück im Regal steht. Philips brachte 1963 die Compact Cassette, und Olympus verkleinerte das Prinzip Ende der 1960er zur Mikrokassette, die für die nächsten dreißig Jahre das Diktat dominierte. Die Geräte wurden handlicher, die Bänder kürzer, das Grundprinzip blieb: Man sprach, jemand anderes tippte.

Der digitale Rekorder

Mitte der 1990er verschwanden die Bänder. Olympus, Sony und Philips brachten digitale Diktiergeräte mit Flash-Speicher, die keine Kassette mehr brauchten, sich über eine Dockingstation mit dem PC verbanden und die Dateien per Software an die Schreibkraft weiterreichten. Etwa zur gleichen Zeit erschien 1997 Dragon NaturallySpeaking, die erste Spracherkennung für den Heimcomputer, die fließende Sprache verstand. Für Ärzte und Anwälte entstanden daraus in den 2000er-Jahren ganze Diktierlösungen mit Spezialmikrofonen und Fachwörterbüchern. Das funktionierte, war aber teuer, an den Schreibtisch gebunden und erforderte in der Regel ein Training auf die eigene Stimme.

Das Smartphone frisst das Diktiergerät

Mit dem iPhone kam die Sprachmemo-App, und für die meisten Menschen war das Diktiergerät damit erledigt. Das Telefon hatte man ohnehin dabei, das Mikrofon war gut genug, und wer eine Vorlesung mitschneiden wollte, brauchte kein zweites Gerät mehr. Für Profis blieb der Umstieg lange schwierig: Die Aufnahmen brachen bei Anrufen ab, die Qualität war komprimiert, und die Transkription verlagerte sich in die Cloud. Dienste wie Otter, Trint oder die Diktierfunktion der großen Bürosuiten schicken das Audio auf Server, verarbeiten es dort und liefern den Text zurück. Praktisch, solange man nicht darüber nachdenkt, wessen Stimme da gerade auf welchem Server liegt. Für ein Arztgespräch, eine Mandantenbesprechung oder ein Interview mit einer Quelle, die anonym bleiben will, ist das schlicht keine Option.

Die Wende: Erkennung auf dem Gerät

Was sich in den letzten Jahren geändert hat, ist die Rechenleistung in der Hosentasche. Apple liefert seit iOS 13 eine Spracherkennung, die vollständig auf dem iPhone läuft, und hat sie mit iOS 26 so ausgebaut, dass auch stundenlange Aufnahmen am Stück verarbeitet werden. Android zieht mit eigenen On-Device-Modellen nach. Damit ist zum ersten Mal möglich, was die Mikrokassette nie konnte und die Cloud nur mit Vertrauensvorschuss: Die Aufnahme wird auf dem eigenen Gerät zu Text, ohne dass ein Byte davon das Telefon verlässt.

Eine App, die genau diesen Ansatz konsequent umsetzt, ist NotaVoice aus dem Hause myn.to. Sie nimmt verlustfrei auf, pausiert automatisch bei Anrufen, transkribiert ohne Längenbegrenzung und versucht sogar, die einzelnen Sprecher einer Besprechung auseinanderzuhalten, alles lokal auf dem Gerät. Es gibt sie für iPhone und Android, als Einmalkauf ohne Abo. Wir haben sie uns in unserem Apps-Bereich genauer angesehen.

Wer heute noch diktiert

Die interessante Frage ist, wer ein Diktiergerät im Jahr 2026 überhaupt noch braucht. Die Antwort fällt breiter aus, als man denkt.

Ärztinnen und Ärzte diktieren nach wie vor Befunde und Arztbriefe, oft zwischen zwei Patienten auf dem Flur. Für sie zählt, dass die Aufnahme nicht abbricht und dass Patientendaten die Praxis nicht verlassen. Die Referenznummer am Diktat ist hier keine Spielerei, sondern Pflicht.

Juristen arbeiten mit Aktenzeichen, Schriftsätzen und Vermerken, die häufig länger als eine Stunde werden. Ein Transkript mit Zeitstempeln, in dem man per Tipp an die Stelle im Audio springt, ersetzt das lästige Vor- und Zurückspulen.

Journalisten führen Interviews, die sie hinterher zitieren müssen. Eine Sprechertrennung, die den Interviewer vom Gesprächspartner unterscheidet, spart beim Auswerten enorm Zeit, selbst wenn sie nicht jede Überlappung sauber auflöst.

Studierende schneiden Vorlesungen mit und suchen später nach einem einzelnen Begriff. Eine Bibliothek, die den Inhalt des Transkripts durchsucht, macht aus drei Stunden Audio ein Nachschlagewerk.

Handwerker, Gutachter und Außendienst diktieren Aufmaße, Zustandsbeschreibungen und Besuchsberichte im Auto oder auf der Baustelle, wo Tippen keine Option ist. Die omnidirektionale Aufnahme, bei der das Handy auf dem Armaturenbrett liegen darf, ist hier praktischer als jedes Headset.

Und dann sind da noch alle, die einfach Besprechungen haben. Ein Handy in der Tischmitte, das hinterher ein Protokoll mit Sprecherzuordnung liefert, ist die unspektakulärste und zugleich nützlichste Anwendung von allen.

Was bleibt

Das Diktiergerät hat den Weg vieler Geräte genommen: vom Möbelstück zum Taschengerät zur App. Ungewöhnlich ist, dass es dabei nicht schlechter, sondern besser geworden ist. Die Mikrokassette konnte aufnehmen. Der digitale Rekorder konnte speichern. Die App kann zuhören, mitschreiben und die Sprecher auseinanderhalten, und sie tut das inzwischen, ohne dass jemand außer dem Besitzer je die Aufnahme hört. Die Sekretärin mit dem Fußschalter würde vermutlich sagen: Das hätte ich auch gern gehabt.