SayLocal›Ratgeber: Lokal oder Cloud
Lokale Spracherkennung oder Cloud: die Unterschiede
Jede Diktierlösung muss aus einer Aufnahme Text machen. Entscheidend ist, wo das passiert: auf einem Server oder auf deinem eigenen Rechner. Das hat Folgen für Datenschutz, Offline-Nutzung, Tempo und Hardware.
Für Mac und Windows · Test mit E-Mail-Adresse, ohne Kreditkarte
Der Unterschied in einem Satz
Bei Cloud-Spracherkennung wird die Aufnahme an einen Server geschickt und dort in Text umgewandelt. Bei lokaler Spracherkennung läuft dieser Schritt auf dem Rechner, an dem du sprichst – die Aufnahme verlässt das Gerät nicht.
Vergleich
| Cloud | Lokal | |
|---|---|---|
| Erkennung | Auf dem Server | Auf dem Rechner |
| Übers Netz | Jede Aufnahme | Keine Aufnahme |
| Offline | Nein | Ja |
| AV-Vertrag (DSGVO) | In der Regel nötig | Für die Erkennung nicht nötig |
| Hardware | Kaum Anforderungen | Grafikeinheit hilft stark |
| Download | Klein | Sprachmodell einmalig (SayLocal: rund 550 MB) |
Wie schnell ist lokale Erkennung?
Das hängt von der Hardware ab. Bei SayLocal steht der Text auf einem Windows-PC mit Vulkan-fähiger Grafikkarte nach etwa 0,2 Sekunden da; nur auf dem Prozessor dauert es einige Sekunden. Auf Macs mit Apple-Chip läuft die Erkennung auf der Grafikeinheit des Chips. Intel-Macs sind lokal deutlich langsamer.
Deshalb bietet SayLocal auf Intel-Macs und PCs ohne passende Grafikkarte eine freiwillige Cloud-Erkennung an – standardmäßig aus, nur mit ausdrücklichem Häkchen. Auf Macs mit Apple-Chip und PCs mit passender Grafikkarte gibt es diese Option nicht.
Und die Genauigkeit?
Die Genauigkeit hängt vor allem vom Sprachmodell ab, nicht davon, ob es lokal oder auf einem Server läuft. Schwierig sind für beide vor allem Namen und Fachbegriffe. SayLocal gleicht das mit Kontext aus: Es liest Namen aus dem Fenster, auf das du antwortest (nur im Arbeitsspeicher), und merkt sich Wörter, die du korrigierst.
Messung vom 16.10.2026: 14 deutsche Testsätze mit 104 Wörtern, darunter Namen, Orte und Fachbegriffe, MacBook Pro mit M3 Pro. Dieselbe Spracherkennung ohne SayLocal: 5,8 % Wortfehler; mit SayLocal: 0 %. Mit anderen Stimmen, Mikrofonen und Texten weichen die Ergebnisse ab.
Worauf du bei „lokal“ achten solltest
- Läuft wirklich die Erkennung lokal – oder nur die App, die Aufnahmen dann hochlädt?
- Gibt es eine Cloud-Option, und ist sie standardmäßig aus?
- Was geht trotzdem übers Netz – Lizenzprüfung, Updates, Nutzungszahlen – und was davon ist abschaltbar?
- Werden Bildschirminhalte genutzt, und wenn ja: gespeichert oder nur im Arbeitsspeicher?
- Braucht die App ein Konto?
Für SayLocal stehen die Antworten auf Diktieren ohne Cloud.
Häufige Fragen
Ist lokale Spracherkennung DSGVO-konform?
Lokale Verarbeitung vermeidet die Übertragung der Aufnahmen; für die Erkennung selbst ist dann kein Auftragsverarbeitungsvertrag nötig. Ob eine Lösung insgesamt zu deinen Pflichten passt, bewertest du oder dein Datenschutzbeauftragter – das hier ist keine Rechtsberatung.
Ist lokale Spracherkennung langsamer?
Mit Grafikeinheit nicht spürbar: SayLocal liefert auf einem PC mit Vulkan-fähiger Grafikkarte den Text nach etwa 0,2 Sekunden. Nur auf dem Prozessor oder auf Intel-Macs dauert es einige Sekunden.
Funktioniert lokale Spracherkennung offline?
Ja, das ist einer der Vorteile. SayLocal braucht nach der Aktivierung nur ein- bis zweimal am Tag kurz eine Verbindung für die Lizenzprüfung und läuft bis zu 7 Tage ohne.
Wie viel Speicher braucht ein lokales Sprachmodell?
Bei SayLocal einmalig rund 550 MB Download, rund 1 GB freier Speicher und 8 GB Arbeitsspeicher; beim Diktieren belegt die App auf dem Mac rund 800 MB.
Mehr zu SayLocal
Stand: 23. Oktober 2026 · Conto IT, Itzehoe
