Echtzeit-Untertitel gelten bei Webcasts und Townhalls als Qualitätsmerkmal. Sie machen Inhalte zugänglicher und liefern die Grundlage für spätere Transkripte. Doch welcher Spracherkennungsdienst funktioniert im Live-Betrieb auf Deutsch wirklich zuverlässig? MEETYOO hat diese Frage in einem Praxistest untersucht und die Ergebnisse in der WER-Studie zur Live-Transkription veröffentlicht, die MEETYOO am 2.11.2026 aktualisiert hat.
Der Test: ein anspruchsvoller Fachvortrag unter Live-Bedingungen
Das MEETYOO-Team ließ drei Modelle einen etwa 6:30 Minuten langen deutschen Fachvortrag live transkribieren: AWS Transcribe sowie die Google-Cloud-Modelle Chirp2 und Long, jeweils mit und ohne Vokabular (Phrase Set), insgesamt sechs Durchläufe. Der Vortrag enthielt gezielt Stolpersteine wie Komposita, Zahlen, Fachbegriffe, Abkürzungen, Eigennamen, Anglizismen und dialektale Ausdrücke. Als Live-Bedingung galt eine maximale Latenz von 40 Sekunden. Spätere Ergebnisse verwarf der Test. Als Maßstab diente die Word Error Rate (WER).
Die Ergebnisse
* AWS Transcribe erzielte mit einer WER von 11,70 Prozent den niedrigsten Wert und arbeitete mit der stabilsten Latenz.
* Google Chirp2 lag mit 12,45 Prozent knapp dahinter. Mit Phrase Set verbesserte sich der Wert auf 11,95 Prozent.
* Google Long erreichte im Live-Szenario nur eine WER von 64 bis 70 Prozent. Das Modell lieferte viele Finalisierungen nicht innerhalb des 40-Sekunden-Fensters, was zu zahlreichen ausgelassenen Wörtern führte.
Ein Phrase Set half nicht in jedem Fall: Bei AWS Transcribe verschlechterte sich die WER minimal von 11,70 auf 12,08 Prozent. Die Studie führt das auf ein mögliches Over-Biasing zurück.
„Genauigkeit auf dem Papier reicht für Live-Events nicht aus“, sagt Dr. Michael Geißer, CEO von MEETYOO. „Entscheidend ist, ob Ergebnisse zuverlässig im richtigen Moment ankommen. Deshalb testen wir KI-Modelle unter realen Bedingungen, bevor wir sie in unsere Software integrieren. So können sich Teams bei den entscheidenden Momenten auf ihre Untertitel und die daraus entstehenden Transkripte verlassen.“
Empfehlungen für den Live-Einsatz
Die Studie leitet daraus praxisnahe Empfehlungen ab: Modelle nach Einsatzmodus wählen, Phrase Sets schlank und gezielt einsetzen, Latenzunsicherheiten einplanen und nicht nur die WER, sondern auch die Fehlerarten auswerten. Hohe Auslassungen deuten auf Latenzprobleme hin, viele Ersetzungen auf Akustik oder Over-Biasing.
Die Studie benennt auch ihre Grenzen: Sie basiert auf einem einzelnen Vortrag, die Durchläufe liefen nacheinander, und die Latenz wurde nur qualitativ beobachtet.
Vom Live-Untertitel zum wiederverwendbaren Asset
Live-Transkription ist der erste Schritt. Mit KI gewinnen Teams aus jedem Webcast durchsuchbare Transkripte, Kapitelmarken und Zusammenfassungen. Wer die KI-Funktionen selbst ausprobieren möchte, kann kostenlos starten. Für Fragen zu geschäftskritischen Events steht das Expertenteam von MEETYOO zur Verfügung: persönliche Demo vereinbaren.
Live-Transkription im Test: AWS Transcribe und Google Chirp2 liefern verlässliche deutsche Untertitel hinzugefügt von Presse am
Alle Beiträge von Presse →
