Mein Freund, die KI: Darf KI im Meeting mithören und transkribieren?

Man stellt sich ein ganz normales Online-Meeting vor. Vier oder fünf Personen sind eingeladen. Plötzlich ist ein Teilnehmer mehr in der Runde. Ein Bot ist aufgetaucht, etwa ein Tool wie Fireflys oder ein anderer Meeting-Assistent. Jemand beruhigt die Gruppe: „Keine Sorge, der schreibt nur mit.“

Genau dieses „nur“ verdient Aufmerksamkeit. Denn worüber wird in solchen Meetings gesprochen? Über Kunden, über Preise, über Umsätze, über laufende Projekte und oft auch über konkrete Namen. Vielleicht fällt zwischendurch sogar der Satz: „Das muss aber unter uns bleiben.“ Alle nicken, natürlich bleibt das unter uns.

Doch gehört der digitale Teilnehmer eigentlich zu diesem „uns“? Er sitzt ebenfalls im Raum, nur eben unsichtbar. Und anders als die menschlichen Teilnehmer vergisst er kaum etwas. Was im Gespräch vertraulich gemeint war, steht anschließend in einem Transkript, das irgendwo gespeichert wird.

Damit tauchen neue Fragen auf. Wo landen die Inhalte? Bei welchem Anbieter liegen sie? Wer kann später darauf zugreifen? Und wussten wirklich alle Teilnehmer, dass ihre Aussagen dauerhaft festgehalten werden?

Das Wort „nur“ vermittelt den Eindruck, es passiere nichts Nennenswertes. Tatsächlich entsteht durch das Mitschreiben aber ein neues Dokument mit möglicherweise sensiblen Inhalten. Für Unternehmer bedeutet das: Ein Meeting-Assistent ist kein harmloses Hintergrundrauschen, sondern ein Werkzeug, das Daten verarbeitet. Und für diese Verarbeitung trägt derjenige Verantwortung, der das Tool einsetzt.

Um die Frage nach dem Datenschutz bei KI-Transkription sinnvoll zu beantworten, lohnt sich ein Blick auf die Technik. Denn vielleicht tut man der KI Unrecht, wenn man pauschal sagt, sie „höre mit“.

Wenn ein Mensch neben einem sitzt und zuhört, ist die Sache klar. Er nimmt die Worte auf, versteht sie und behält einen Teil davon im Gedächtnis. Bei einer KI läuft technisch deutlich mehr ab. Angenommen, man sagt im Meeting: „Wir verschieben das Projekt auf Oktober.“ Die Stimme wird erfasst, im Hintergrund arbeitet eine Spracherkennung, und wenige Sekunden später steht genau dieser Satz als Text auf dem Bildschirm.

Doch was ist in diesen Sekunden eigentlich passiert? Hat die KI die Person „gehört“ im menschlichen Sinn? Wurde die Stimme aufgezeichnet und gespeichert? Oder wurde sie lediglich kurzfristig verarbeitet, damit daraus Text entstehen kann?

Diese Unterscheidung ist nicht nur eine technische Spitzfindigkeit. Sie entscheidet darüber, welche Daten überhaupt entstehen, wo sie liegen und wie lange sie existieren. Eine Audioaufnahme ist etwas anderes als ein reines Textprotokoll. Eine Datei, die dauerhaft auf einem Server liegt, ist etwas anderes als eine Verarbeitung, die nach wenigen Sekunden abgeschlossen ist.

Für Unternehmer heißt das: Bevor man ein Transkriptionstool einsetzt, sollte man verstehen, was es tatsächlich tut. Die Beschreibung „schreibt mit“ sagt darüber nur sehr wenig aus. Erst wenn klar ist, welche Schritte im Hintergrund ablaufen, lässt sich einschätzen, welche Datenschutzfragen damit verbunden sind.

Ein kleines Gedankenexperiment macht den Unterschied besonders greifbar. Es beschreibt zwei Situationen, die auf den ersten Blick nahezu identisch wirken.

In der ersten Situation sprechen mehrere Personen miteinander. Eine KI verarbeitet das Gesagte direkt und wandelt es in Text um. Nehmen wir an, die Audiodaten werden dabei nicht dauerhaft gespeichert. Am Ende bleibt ausschließlich das Transkript übrig.

In der zweiten Situation wird das komplette Gespräch aufgenommen. Es entsteht eine Audiodatei, vielleicht zusätzlich eine Videodatei. Diese Dateien werden gespeichert, möglicherweise an einen anderen Ort übertragen und erst anschließend von einer KI transkribiert. Auch hier steht am Ende ein Text.

Das Ergebnis kann in beiden Fällen praktisch gleich sein. Der Weg dorthin ist jedoch ein völlig anderer. Im zweiten Fall existieren zusätzliche Dateien mit Stimme und womöglich Bild, die gespeichert, übertragen und potenziell von weiteren Personen abgerufen werden können.

Interessant ist dabei auch das Gefühl, das beide Varianten auslösen. Der Satz „Keine Sorge, ich nehme nichts auf, die KI schreibt nur mit“ klingt für viele deutlich harmloser als „Ich zeichne unser Gespräch auf“. Das eine wirkt beiläufig, das andere nach einem bewussten Eingriff.

Doch warum eigentlich? Denn auch ohne Aufnahme existiert das Gesagte hinterher weiter. Die Stimme mag verschwunden sein, die Worte bleiben. Genau diese Beobachtung führt direkt zum nächsten Punkt und zeigt, dass die Frage nach der Aufzeichnung allein nicht ausreicht, um das Thema zu bewerten.

Ein einfaches Beispiel zeigt, warum ein Transkript keineswegs harmlos ist. Angenommen, im Meeting fällt der Satz: „Unser Kunde Müller hat seine Rechnung noch nicht bezahlt.“ Die KI verarbeitet diesen Satz, und die Audiodatei wird danach gelöscht. Auf den ersten Blick wunderbar, denn die Stimme ist weg.

Der Satz allerdings ist noch da. Im Transkript steht weiterhin schwarz auf weiß, dass Kunde Müller seine Rechnung nicht bezahlt hat. Eine Sprachaufnahme gibt es vielleicht nicht mehr, dafür aber einen Namen, eine konkrete Information und einen Kontext. Unter Umständen handelt es sich sogar um vertrauliche Angaben, die nie für einen größeren Personenkreis gedacht waren.

Genau hier wird deutlich, dass personenbezogene Daten nicht nur in Audiodateien stecken. Ein Transkript kann ebenso sensible Informationen enthalten, und zwar in einer Form, die sich besonders leicht weiterverwenden lässt. Text ist durchsuchbar, kopierbar und lässt sich mit wenigen Klicks weiterleiten.

Damit verschiebt sich die eigentliche Frage. Ist entscheidend, dass die Stimme gespeichert wurde? Oder dass die Worte gespeichert wurden? Oder beides? Wer nur auf das Löschen der Audiodatei achtet, übersieht leicht, dass der inhaltlich brisante Teil im Text weiterlebt.

Für die Praxis bedeutet das: Ein Transkript verdient denselben sorgfältigen Umgang wie jedes andere Dokument mit Kundendaten. Es sollte klar sein, wo es abgelegt wird, wer darauf Zugriff hat und wann es wieder gelöscht wird. Die Aussage „Wir speichern ja keine Aufnahme“ beantwortet diese Fragen nicht.

Eine naheliegende Lösung scheint schnell gefunden: Man informiert einfach alle Teilnehmer. Beim Start des Meetings erscheint die Meldung „Die Transkription wurde gestartet“, und damit ist das Thema erledigt. Oder etwa nicht?

Bei genauerer Betrachtung sagt ein solcher Hinweis erstaunlich wenig aus. Du weißt zwar, dass transkribiert wird. Aber weißt du auch, was genau passiert? Wird deine Stimme gespeichert oder nur verarbeitet? Wo landet das Transkript? Wer hat darauf Zugriff?

Hinzu kommen weitere Fragen, die für den Datenschutz wesentlich sind. Welcher Anbieter steckt hinter dem Tool? Werden die Daten in einer Cloud abgelegt, und wenn ja, wo? Wie lange werden die Inhalte gespeichert? Wer kann später noch auf sie zugreifen? Und was geschieht anschließend mit dem Text?

Die kurze Einblendung beantwortet keine dieser Fragen. Sie schafft zwar ein gewisses Maß an Transparenz, doch sie informiert nur darüber, dass etwas passiert, nicht darüber, was passiert. Für die Teilnehmer bleibt vieles im Unklaren.

Gerade im Datenschutz spielt Transparenz eine zentrale Rolle. Menschen sollen nachvollziehen können, was mit ihren Daten geschieht. Das lässt sich mit einem kurzen Systemhinweis kaum erreichen. Wer KI-Transkription im eigenen Unternehmen nutzt, sollte deshalb nicht davon ausgehen, dass der automatische Hinweis des Tools alle Fragen abdeckt. Sinnvoller ist es, selbst zu wissen, wie das Tool arbeitet, und diese Informationen auch verständlich weitergeben zu können.

Oft bleibt es nicht beim reinen Transkript. Nach dem Mitschreiben folgt der nächste Klick: „KI, fasse das Meeting zusammen.“ Dann vielleicht: „Welche Probleme wurden angesprochen?“ Und irgendwann möglicherweise sogar: „Wer im Meeting war gegen den Vorschlag?“ Spätestens an dieser Stelle ist man ein gutes Stück weiter als bei der Aussage, die KI schreibe nur mit.

Wie schnell sich diese Grenze verschiebt, zeigt ein Beispiel aus der Podcastpraxis selbst. Ein Gast wird eingeladen, und selbstverständlich wird vorher gesagt, dass das Gespräch aufgenommen wird. Schließlich handelt es sich um einen Podcast. Der Gast stimmt zu, und es wird eine Stunde lang gesprochen.

Anschließend wandert die Aufnahme in ein KI-Tool. Zuerst entsteht ein Transkript. Danach werden die wichtigsten Aussagen des Gastes zusammengefasst. Dann folgt die Frage, welche Aussagen kontrovers waren. Und schließlich soll die KI die Argumentation des Gesprächspartners analysieren.

Hier lohnt es sich, innezuhalten. Wozu hat der Gast eigentlich zugestimmt? Zur Aufnahme und zur Veröffentlichung sicherlich. Aber auch zur Transkription? Zur Verarbeitung durch einen externen KI-Anbieter? Und zur Analyse seiner Aussagen? Sind das automatisch alles dieselben Dinge?

Eine eindeutige Antwort darauf gibt die Podcastfolge bewusst nicht. Sie macht aber deutlich, dass jeder zusätzliche Verarbeitungsschritt eine neue Qualität hat. Wer Gespräche mit KI weiterverarbeitet, sollte sich deshalb fragen, ob die Beteiligten tatsächlich wissen, was mit ihren Worten geschieht, und nicht nur, dass aufgezeichnet wird.

Besonders spannend wird das Thema, wenn man dieselbe Technik in einen anderen Raum verlegt. Stell dir ein Bewerbungsgespräch vor. Dir gegenüber sitzt dein möglicher zukünftiger Arbeitgeber und sagt beiläufig: „Nur zur Info, die KI schreibt das Gespräch mit.“

Vielleicht denkst du: kein Problem, schließlich willst du den Job. Vielleicht kommen dir aber auch Zweifel. Schreibt die KI wirklich nur mit, oder werden deine Antworten später ausgewertet? Wer nimmt diese Auswertung vor? Wer hat Zugriff darauf? Und was passiert, wenn du auf bestimmte Fragen auf eine bestimmte Art reagierst? Entspannt im Gespräch zu sitzen, fällt unter diesen Umständen schwer. Schnell entsteht der Gedanke, dass man den Job jetzt vermutlich vergessen kann.

Ein ganz anderes Bild zeigt die Arztpraxis. Viele kennen die Situation, dass der Arzt während des Gesprächs vor allem auf den Bildschirm schaut und tippt. Übernimmt eine KI im Hintergrund die Dokumentation, kann er seinem Gegenüber deutlich mehr Aufmerksamkeit schenken. Das ist durchaus ein Einsatzbereich, in dem KI echten Nutzen stiften kann.

Gleichzeitig geht es beim Arzt um Krankheiten, Medikamente, psychische Probleme und sehr persönliche Dinge. Gesundheitsdaten gehören zu den besonders sensiblen Informationen. Technisch mag im Hintergrund etwas Harmloses passieren, doch das Gefühl ist ein anderes. Wo werden diese Informationen gelagert? Vielleicht bei einem amerikanischen Unternehmen? Sind sie verschlüsselt? Was passiert bei einem Hackerangriff, wenn die Transkripte in falsche Hände geraten? Je sensibler das Gespräch, desto wichtiger werden Antworten auf genau diese Fragen.

Neben den rechtlichen Aspekten gibt es eine Frage, die weniger mit Gesetzen und mehr mit uns Menschen zu tun hat: Sprechen wir eigentlich anders, wenn wir wissen, dass eine KI mithört und jedes Wort festhält?

Vieles spricht dafür. Stell dir vor, in der Ecke eines Besprechungsraums sitzt jemand, den du nicht kennst. Er hat einen Block in der Hand und schreibt jeden einzelnen Satz mit. Ob im Teammeeting oder im Arztgespräch, diese Person ist immer dabei. Würdest du genauso offen reden wie sonst? Oder würdest du anfangen, deine Worte so zu wählen, dass sie im Protokoll gut aussehen?

Mit einem KI-Assistenten verhält es sich im Grunde ähnlich, auch wenn er nicht sichtbar in der Ecke sitzt. Am Ende steht alles im Protokoll. Das kann dazu führen, dass Gespräche vorsichtiger, glatter und weniger spontan werden. Ehrliche Einwände, erste unfertige Ideen oder kritische Anmerkungen bleiben dann vielleicht lieber unausgesprochen.

Dahinter steckt ein grundlegender Unterschied zwischen gesprochenem Wort und Dokument. Wenn du etwas sagst und dein Gegenüber es hört, ist dieser Moment irgendwann vorbei. Die KI macht daraus jedoch etwas Dauerhaftes: durchsuchbar, kopierbar, zusammenfassbar und analysierbar.

Für Unternehmen ist das mehr als eine philosophische Überlegung. Eine offene Gesprächskultur lebt davon, dass Menschen sich trauen, frei zu sprechen. Wer KI-Transkription im Team einführt, sollte deshalb auch bedenken, wie sich das auf das Miteinander auswirken kann, und das Thema offen ansprechen.

Darf die KI also einfach mithören und transkribieren? Auf diese Ausgangsfrage gibt es in der Podcastfolge ganz bewusst kein Ja und kein Nein. Die Frage selbst ist schlicht zu einfach gestellt. Sinnvoller ist es, zunächst genau hinzuschauen, was im Einzelfall passiert.

Dazu gehören vor allem diese Punkte: Was geschieht technisch? Wird aufgenommen oder nur transkribiert? Was wird gespeichert und wo? Wer bekommt Zugriff auf die Inhalte? Was passiert anschließend mit dem Transkript, wird es zusammengefasst, ausgewertet oder analysiert? Und wissen wirklich alle Beteiligten, was mit ihren Worten geschieht?

Vielleicht lautet die entscheidende Frage deshalb gar nicht, ob eine KI zuhören darf. Vielleicht lautet sie: Was darf aus meinen Worten werden, nachdem ich sie ausgesprochen habe?

Für das nächste Meeting kann das ganz praktisch bedeuten, nicht nur zu fragen, ob die KI das Gespräch transkribieren kann, sondern auch, was danach damit passiert. Und wenn beim nächsten Videocall wieder ein KI-Assistent als zusätzlicher Teilnehmer auftaucht, lohnt sich ein kurzer Moment des Innehaltens. Schaut ihn an und frag Euch: Wer hat dich eigentlich eingeladen?