Blog · 2026-09-12

Meetings lokal auf dem Mac transkribieren – ohne Cloud, ohne Bot

In fast jeder Produktbeschreibung für Meeting-Tools steht inzwischen das Wort „lokal“. Gemeint ist damit sehr Unterschiedliches, und der Unterschied entscheidet, ob ein vertrauliches Gespräch den Rechner verlässt oder nicht. Dieser Text sortiert das: welche drei Stellen es gibt, an denen Audio abfließen kann, wie du in zwei Minuten selbst prüfst, was ein Tool wirklich tut, und was auf einem Mac heute tatsächlich ohne Cloud möglich ist.

„Ohne Bot“ heißt nicht „lokal“

Zwei Aussagen werden regelmäßig vermischt, obwohl sie von verschiedenen Dingen handeln:

• Ohne Bot ist eine Aussage über Sichtbarkeit. In der Teilnehmerliste steht kein zusätzlicher Gast. Das Tool schneidet den Ton mit, der ohnehin auf deinem Rechner läuft.
• Lokal ist eine Aussage über den Datenfluss. Aufnahme, Transkription und Zusammenfassung passieren auf deinem Rechner, und es wird nichts hochgeladen.

Die meisten Anbieter, die mit „ohne Bot“ werben, erfüllen nur das erste. Sie nehmen lokal auf und laden die Aufnahme danach hoch – zur Transkription, zur Zusammenfassung oder für beides. Für die Frage, wer am Ende eine Kopie des Gesprächs hat, ändert der fehlende Bot nichts. Er ändert nur, ob die anderen im Call davon etwas mitbekommen, und das ist aus Datenschutzsicht eher ein Problem als eine Lösung.

Drei Stellen, an denen Audio den Rechner verlassen kann

Wer ein Tool bewertet, sollte die Kette in drei Schritte zerlegen und jeden einzeln fragen:

1. Aufnahme. Sitzt ein Bot im Call, oder wird der Ton auf dem Gerät mitgeschnitten? Nur beim Bot bekommt der Anbieter das Audio schon hier.
2. Transkription. Läuft die Spracherkennung auf dem Gerät, oder geht die Audiodatei an eine Schnittstelle? Das ist die Stelle, an der die meisten „lokalen“ Tools doch hochladen.
3. Zusammenfassung. Schreibt ein Sprachmodell auf dem Gerät das Protokoll, oder geht das Transkript an ein Cloud-Modell? Ein Transkript ist kein harmloses Nebenprodukt – es enthält denselben Inhalt wie die Aufnahme, nur besser durchsuchbar.

In der Praxis ist der häufigste Fall: Schritt 1 lokal, Schritt 2 und 3 in der Cloud. Der umgekehrte Fall kommt praktisch nicht vor.

Der Zwei-Minuten-Test: WLAN aus

Produktseiten sind schlechte Belege. Der Test ist besser und dauert wirklich nur zwei Minuten:

1. Aufnahme starten.
2. WLAN abschalten und das Netzwerkkabel ziehen.
3. Eine Minute lang sprechen.
4. Aufnahme beenden und warten.

Kommt danach ein vollständiges Transkript und ein Protokoll heraus, laufen beide Schritte auf dem Gerät. Bleibt das Transkript leer, hängt ein Fortschrittsbalken, oder steht der Eintrag auf „wird verarbeitet“, bis das Netz zurück ist, dann geht die Verarbeitung an einen Server. Das ist unabhängig davon, was die Marketingseite behauptet.

Der zweite Test kostet noch weniger Zeit: Datenschutzerklärung öffnen und nach „Auftragsverarbeiter“ oder „Unterauftragsverarbeiter“ suchen. Wer wirklich auf dem Gerät verarbeitet, hat dort keine Transkriptions- oder Modellanbieter stehen, weil es keine gibt.

Was auf einem Mac heute ohne Cloud geht

Die Antwort hat sich in den letzten zwei Jahren geändert. Lokal bedeutet nicht mehr automatisch schlechter:

• Spracherkennung. macOS bringt seit macOS 26 eine On-Device-Engine mit, die für etwa zehn Sprachen sehr schnell und sehr sparsam ist. Alles darüber hinaus deckt Whisper large-v3-turbo ab, das auf Apple Silicon lokal läuft. Das Modell wird einmal geladen (rund 1,6 GB) und arbeitet danach ohne Netz.
• Zusammenfassung. Für das Protokoll reicht ein Sprachmodell auf dem Gerät. Die Aufgabe ist eng umrissen – aus einem Transkript Themen, Entscheidungen und Aufgaben ziehen – und genau dafür braucht es kein Modell mit hunderten Milliarden Parametern.

Der begrenzende Faktor ist nicht mehr die Qualität, sondern der Arbeitsspeicher. Deshalb setzen Tools dieser Art Apple Silicon voraus.

Den Ton der Gegenseite aufnehmen, ohne Zusatztreiber

Das eigene Mikrofon aufzunehmen, ist trivial. Der Ton der Gegenseite liegt dagegen im Prozess von Zoom, Teams oder Chrome und nicht in deinem. Früher brauchte man dafür einen virtuellen Audiotreiber wie BlackHole oder Soundflower, also eine Systemerweiterung und ein umgebogenes Ausgabegerät.

Seit macOS 14.2 gibt es in Core Audio sogenannte Process Taps: Ein Programm kann den Ausgabeton anderer Prozesse mitschneiden, nachdem die Nutzerin die Berechtigung dafür erteilt hat. Damit lässt sich die Gegenseite als eigener Kanal aufnehmen – getrennt vom Mikrofon, ohne Treiberinstallation und ohne dass jemand dem Call beitritt.

Der eigentliche Gewinn ist nicht die Aufnahme, sondern die Trennung. Wenn dein Mikrofon und die Gegenseite auf zwei Spuren liegen, steht fest, wer was gesagt hat. Eine Diarisierung, die Sprecher aus einer gemischten Spur schätzt, kann sich irren; zwei getrennte Spuren können es nicht. Die technischen Einzelheiten stehen in der englischen Fassung: Recording the other side of a call on macOS.

Und rechtlich?

In Deutschland ist das Aufnehmen des nichtöffentlich gesprochenen Wortes ohne Einwilligung strafbar – auch dann, wenn du selbst am Gespräch teilnimmst (§ 201 StGB). In Österreich und der Schweiz gelten vergleichbare Regeln. Dass ein Tool keinen Bot zeigt, ändert daran nichts. Es macht den kurzen Hinweis zu Beginn des Termins nicht überflüssig, sondern wichtiger, weil niemand sonst darauf aufmerksam wird.

Der praktikable Weg ist derselbe wie bei einem Protokoll auf Papier: am Anfang sagen, dass mitgeschrieben wird, und wozu. In den meisten Terminen ist das eine Nebenbemerkung. Dieser Abschnitt ist eine Einordnung, keine Rechtsberatung.

Kurz zusammengefasst

• „Ohne Bot“ betrifft die Sichtbarkeit, „lokal“ den Datenfluss.
• Prüfe Aufnahme, Transkription und Zusammenfassung getrennt – meist ist nur die Aufnahme lokal.
• Der Offline-Test entscheidet die Frage in zwei Minuten und zuverlässiger als jede Produktseite.
• Auf Apple Silicon ist die komplette Kette ohne Netz möglich, inklusive getrennter Spuren für beide Gesprächsseiten.