Sprachsteuerung ist längst kein Komfortfeature mehr. In Unternehmen, die mit ALBERT | AI arbeiten, werden täglich Abfragen, Aufgaben und Anweisungen per Sprache eingegeben. Was dabei entsteht, ist nicht nur ein Transkript – es ist eine Tonspur mit Stimme, Kontext und Inhalt. Wer diese Tonspur an einen externen Cloud-Dienst schickt, hat ein Datenschutzproblem. Wer sie im eigenen Netzwerk verarbeitet, hat keines. Der Unterschied klingt einfach. Er ist es auch – vorausgesetzt, die Architektur macht ihn möglich.
Genau das liefert die neue Whisper-Integration in ALBERT | AI.
Warum browserbasierte Spracherkennung an ihre Grenzen stößt
Bis dato transkribierte ALBERT | AI Spracheingaben direkt im Browser – über die jeweilige Browser-Schnittstelle des Betriebssystems. Das funktioniert, aber nicht immer gut. Die Qualität variiert je nach Browser, Gerät und Endkonfiguration. Fachbegriffe, interne Bezeichnungen, Eigennamen von Produkten oder Standorten – genau dort, wo Genauigkeit zählt, versagt die browserbasierte Erkennung am häufigsten. Und wer im geschäftlichen Alltag häufig sprachgesteuert arbeitet, kennt das Problem: Nachkorrekturen kosten Zeit, und zwar konstant, jeden Tag, bei jeder Eingabe.
Die DSGVO stellt dabei eine zusätzliche Hürde. Tonspuren enthalten personenbeziehbare Daten. Sobald sie an fremde Dienste übertragen werden, greift die Verordnung (EU) 2016/679 mit ihren Anforderungen zu Auftragsverarbeitung und – bei Drittstaaten – zu zusätzlichen Schutzmaßnahmen. Wer diese Anforderungen nicht vollständig erfüllen kann, darf die Spracherkennung schlicht nicht nutzen. Für regulierte Branchen wie Recht, Gesundheit, Finanzdienstleistung oder öffentliche Verwaltung ist das keine theoretische Einschränkung – es ist gelebter Alltag.
Whisper löst beide Probleme gleichzeitig
Whisper ist ein Open-Source-Spracherkennungsmodell, das OpenAI unter der MIT-Lizenz auf GitHub veröffentlicht hat. Diese Lizenz ist entscheidend: Sie erlaubt den Betrieb auf eigener Hardware, ohne Abhängigkeit von einem Modellbetreiber oder Cloud-Anbieter. Wer einen Whisper-Server in der eigenen Infrastruktur betreibt, verarbeitet Audiodaten vollständig lokal – unter eigenen Berechtigungen, mit eigener Protokollierung, unter physischer Kontrolle.
„Die Audio-Daten werden an den vom Administrator konfigurierten Whisper-Server gesendet. Bei einem selbst gehosteten Server verlassen die Daten das Netzwerk nicht", erklärt Oliver Schulze, Teil des Kernteams bei agorum®.
Die neue Whisper-Erweiterung in ALBERT | AI macht genau das möglich. Der Administrator des Kunden entscheidet, welcher Whisper-Server angesprochen wird. Modellwahl, Hosting-Ort und Betriebsverantwortung liegen beim Unternehmen – nicht beim Plattformanbieter. Für Mitarbeitende ändert sich an der täglichen Arbeitsweise nichts. Der Unterschied zeigt sich ausschließlich in der verbesserten Transkription.
agorum® setzt die Logik konsequent fort
Die Whisper-Integration ist kein isoliertes Feature. Sie folgt der gleichen Architekturlogik, auf der agorum core pro aufgebaut ist: Daten liegen dort, wo der Kunde es entscheidet – On-Premises, in der eigenen Cloud oder in der agorum® Cloud. Die Integration erweitert dieses Prinzip auf die Spracherkennung.
Das eigene Produktivsystem von agorum® läuft bereits mit Whisper. Das Kernteam hat die Umstellung intern vollzogen und bestätigt: Die Transkriptionsqualität ist in der Regel höher als mit der vorherigen Browser-Lösung – insbesondere bei Fachbegriffen, Eigennamen und fremdsprachigen Passagen. Das Ergebnis hängt vom eingesetzten Modell ab, aber der Richtungswechsel ist eindeutig.
Zwei Betriebsmodelle stehen zur Wahl: ein selbst gehosteter Whisper-Server im eigenen Netzwerk – das ist die vollständig lokale, DSGVO-konforme Variante – oder ein extern gehosteter Server, sofern der Administrator dies bewusst konfiguriert und die entsprechenden Auftragsverarbeitungsverträge vorliegen. Welcher Weg sinnvoll ist, hängt vom Schutzbedarf der Daten und vom internen Compliance-Rahmen ab.
Technisch fügt sich Whisper nahtlos in die bestehende ALBERT | AI-Architektur ein. Die Erweiterung verändert das Berechtigungsmodell nicht – sie ergänzt lediglich die Modalität, über die ALBERT | AI angesprochen wird. Was die KI per Sprachbefehl tut, geschieht im Rechtekontext derjenigen, die den Befehl gaben. Eingaben, Verarbeitung und Folgehandlungen sind vollständig nachvollziehbar – ein Punkt, der für Revisionssicherheit in regulierten Umgebungen unverzichtbar ist.
Fazit: Datensouveränität ist keine Option – sie ist Architektur
DSGVO-konforme Spracherkennung lässt sich nicht nachträglich auf ein System aufschrauben, das dafür nicht gebaut wurde. Sie entsteht dort, wo die Infrastruktur von Anfang an so konzipiert ist, dass Daten unter eigener Kontrolle bleiben. agorum® hat diese Logik mit der Whisper-Integration konsequent weitergedacht. Wer KI-gestützte Spracherkennung im Unternehmen einsetzen will, ohne dabei die Datenschutz-Hausaufgaben zu umgehen, hat jetzt eine Antwort. Die Frage ist nicht mehr ob – sondern wann.
Die Whisper-Erweiterung ist bereits veröffentlicht und steht Kunden und Partnern über den Plugin Manager in ALBERT | AI zur Verfügung.
Genau das liefert die neue Whisper-Integration in ALBERT | AI.
Warum browserbasierte Spracherkennung an ihre Grenzen stößt
Bis dato transkribierte ALBERT | AI Spracheingaben direkt im Browser – über die jeweilige Browser-Schnittstelle des Betriebssystems. Das funktioniert, aber nicht immer gut. Die Qualität variiert je nach Browser, Gerät und Endkonfiguration. Fachbegriffe, interne Bezeichnungen, Eigennamen von Produkten oder Standorten – genau dort, wo Genauigkeit zählt, versagt die browserbasierte Erkennung am häufigsten. Und wer im geschäftlichen Alltag häufig sprachgesteuert arbeitet, kennt das Problem: Nachkorrekturen kosten Zeit, und zwar konstant, jeden Tag, bei jeder Eingabe.
Die DSGVO stellt dabei eine zusätzliche Hürde. Tonspuren enthalten personenbeziehbare Daten. Sobald sie an fremde Dienste übertragen werden, greift die Verordnung (EU) 2016/679 mit ihren Anforderungen zu Auftragsverarbeitung und – bei Drittstaaten – zu zusätzlichen Schutzmaßnahmen. Wer diese Anforderungen nicht vollständig erfüllen kann, darf die Spracherkennung schlicht nicht nutzen. Für regulierte Branchen wie Recht, Gesundheit, Finanzdienstleistung oder öffentliche Verwaltung ist das keine theoretische Einschränkung – es ist gelebter Alltag.
Whisper löst beide Probleme gleichzeitig
Whisper ist ein Open-Source-Spracherkennungsmodell, das OpenAI unter der MIT-Lizenz auf GitHub veröffentlicht hat. Diese Lizenz ist entscheidend: Sie erlaubt den Betrieb auf eigener Hardware, ohne Abhängigkeit von einem Modellbetreiber oder Cloud-Anbieter. Wer einen Whisper-Server in der eigenen Infrastruktur betreibt, verarbeitet Audiodaten vollständig lokal – unter eigenen Berechtigungen, mit eigener Protokollierung, unter physischer Kontrolle.
„Die Audio-Daten werden an den vom Administrator konfigurierten Whisper-Server gesendet. Bei einem selbst gehosteten Server verlassen die Daten das Netzwerk nicht", erklärt Oliver Schulze, Teil des Kernteams bei agorum®.
Die neue Whisper-Erweiterung in ALBERT | AI macht genau das möglich. Der Administrator des Kunden entscheidet, welcher Whisper-Server angesprochen wird. Modellwahl, Hosting-Ort und Betriebsverantwortung liegen beim Unternehmen – nicht beim Plattformanbieter. Für Mitarbeitende ändert sich an der täglichen Arbeitsweise nichts. Der Unterschied zeigt sich ausschließlich in der verbesserten Transkription.
agorum® setzt die Logik konsequent fort
Die Whisper-Integration ist kein isoliertes Feature. Sie folgt der gleichen Architekturlogik, auf der agorum core pro aufgebaut ist: Daten liegen dort, wo der Kunde es entscheidet – On-Premises, in der eigenen Cloud oder in der agorum® Cloud. Die Integration erweitert dieses Prinzip auf die Spracherkennung.
Das eigene Produktivsystem von agorum® läuft bereits mit Whisper. Das Kernteam hat die Umstellung intern vollzogen und bestätigt: Die Transkriptionsqualität ist in der Regel höher als mit der vorherigen Browser-Lösung – insbesondere bei Fachbegriffen, Eigennamen und fremdsprachigen Passagen. Das Ergebnis hängt vom eingesetzten Modell ab, aber der Richtungswechsel ist eindeutig.
Zwei Betriebsmodelle stehen zur Wahl: ein selbst gehosteter Whisper-Server im eigenen Netzwerk – das ist die vollständig lokale, DSGVO-konforme Variante – oder ein extern gehosteter Server, sofern der Administrator dies bewusst konfiguriert und die entsprechenden Auftragsverarbeitungsverträge vorliegen. Welcher Weg sinnvoll ist, hängt vom Schutzbedarf der Daten und vom internen Compliance-Rahmen ab.
Technisch fügt sich Whisper nahtlos in die bestehende ALBERT | AI-Architektur ein. Die Erweiterung verändert das Berechtigungsmodell nicht – sie ergänzt lediglich die Modalität, über die ALBERT | AI angesprochen wird. Was die KI per Sprachbefehl tut, geschieht im Rechtekontext derjenigen, die den Befehl gaben. Eingaben, Verarbeitung und Folgehandlungen sind vollständig nachvollziehbar – ein Punkt, der für Revisionssicherheit in regulierten Umgebungen unverzichtbar ist.
Fazit: Datensouveränität ist keine Option – sie ist Architektur
DSGVO-konforme Spracherkennung lässt sich nicht nachträglich auf ein System aufschrauben, das dafür nicht gebaut wurde. Sie entsteht dort, wo die Infrastruktur von Anfang an so konzipiert ist, dass Daten unter eigener Kontrolle bleiben. agorum® hat diese Logik mit der Whisper-Integration konsequent weitergedacht. Wer KI-gestützte Spracherkennung im Unternehmen einsetzen will, ohne dabei die Datenschutz-Hausaufgaben zu umgehen, hat jetzt eine Antwort. Die Frage ist nicht mehr ob – sondern wann.
Die Whisper-Erweiterung ist bereits veröffentlicht und steht Kunden und Partnern über den Plugin Manager in ALBERT | AI zur Verfügung.
