Von der Frage am Mac zum eigenen Spracheingabe-Werkzeug für die KI-Arbeit

Martin Rau · 12. Juni 2026 · 4 Min. Lesezeit

Angefangen hat das eigentlich ganz unspektakulär. Ich saß am Mac und dachte mir, es müsste doch irgendwie eine Taste geben, mit der ich einfach lossprechen kann, statt alles mühsam zu tippen. Und tatsächlich gibt es diese Taste. Auf dem Mac ist die Diktierfunktion direkt eingebaut, man muss sie nur finden und aktivieren. Genau das habe ich gemacht und sie dann eine ganze Weile genutzt.

Die eingebaute Lösung war da — aber sie fühlte sich nie gut an

So richtig glücklich wurde ich damit aber nie. Das Ergebnis war meistens unpräzise und ungenau, ganze Halbsätze landeten verdreht im Text, und jedes Mal kam noch dieser nervige Bestätigungston dazu. Es hat sich einfach nicht gut angefühlt. Ich habe es trotzdem eine Zeit lang durchgezogen, weil die Grundidee mich nicht losgelassen hat. Sprechen statt Tippen, das fühlte sich nach der richtigen Richtung an, auch wenn die Umsetzung noch holperte.

Der Umweg über ChatGPT

Bei Claude war die Spracherkennung ohnehin lange Zeit ziemlich schwach. Auf Englisch ging es einigermaßen, aber auf Deutsch überzeugte es mich überhaupt nicht. Genau an dieser Stelle war ChatGPT immer richtig stark. Die deutsche Spracherkennung dort war von Anfang an auf einem ganz anderen Niveau, und damit hatte ich ohnehin schon lange gearbeitet. Es hat einfach zuverlässig funktioniert, und genau diese Zuverlässigkeit habe ich gesucht.

Daraus ist dann ein Arbeitsstil entstanden, der im Rückblick fast ein bisschen kurios wirkt. Mit der Zeit habe ich nämlich immer mehr mit Opus gearbeitet, also mit Claude, gleichzeitig wollte ich aber die gute Spracherkennung von ChatGPT nicht aufgeben. Also hatte ich ständig ein kleines Zusatzfenster von ChatGPT geöffnet, nur für die Sprachaufnahme. Dort habe ich hineingesprochen, den fertigen Text herauskopiert und ihn drüben bei Claude wieder eingefügt. Hin und her, Fenster für Fenster.

Das klingt umständlich, und das war es streng genommen auch. In der Praxis war es aber trotzdem deutlich schneller, als alles selbst zu tippen. Es war jedes Mal ein kleiner, fast lustiger Moment, weil ich mir dachte, dass das doch eigentlich niemand so machen sollte.

Der Moment, in dem der Groschen fiel

Und genau in diesem Moment ist mir klar geworden, dass das eigentlich eine richtig gute Art zu arbeiten ist. Definitiv schneller als Tippen, das stand außer Frage. Mich hat nur gewundert, warum das niemand sauber in ein Werkzeug gegossen hat, das beides verbindet — die gute Spracherkennung auf der einen und die Arbeit mit Claude auf der anderen Seite.

Genau daraus ist dann die Idee entstanden, dass ich mir das selbst bauen muss. Wenn es kein Werkzeug gibt, das gute Spracherkennung und die Arbeit mit Claude unter einen Hut bringt, dann baue ich es eben selbst. Und so bin ich Schritt für Schritt tiefer in das Thema hineingerutscht.

Vom Workaround zum eigenen Werkzeug

Erst stand nur die Grundidee im Raum, dieses Sprechen statt Tippen sauber nutzbar zu machen. Dann ging es in die Richtung Kommandozeile, weil ich gemerkt habe, dass ich dort die meiste Kontrolle und Geschwindigkeit herausholen kann. Und schließlich kam die spannendste Frage überhaupt dazu, nämlich wie man das Ganze optimieren kann und welche Modelle am besten aus Sprache Text machen.

Genau an diesen Punkten teste ich gerade. Ich probiere verschiedene Varianten aus, einmal mit Tastendruck und einmal ganz ohne — also ob ich das Aufnehmen aktiv starte oder ob es im Hintergrund einfach mitläuft. Dazu vergleiche ich verschiedene Modelle daraufhin, welches am genauesten und am schnellsten aus Sprache Text macht, gerade auf Deutsch.

Worum es im Kern geht

Aus einer simplen Frage am Mac ist ein eigenes Werkzeug geworden, an dem ich kontinuierlich weiterfeile. Nicht, weil ich unbedingt etwas bauen wollte — sondern weil mir die fehlende saubere Lösung im Alltag immer wieder aufgefallen ist.

Fazit

Das ist der aktuelle Stand. Im Rückblick mag ich an dieser Geschichte vor allem, dass sie nicht mit einem großen Plan angefangen hat, sondern mit einer kleinen, fast naiven Frage am Mac. Genau diese Fragen sind oft die besten Ausgangspunkte: Man stolpert über etwas, das umständlich ist, findet einen holprigen Umweg, und irgendwann merkt man, dass der Umweg eigentlich der bessere Weg ist — er ist nur noch nicht sauber gebaut. Das hier ist Teil eins; in den nächsten Teilen geht es um den Modell-Vergleich und darum, wie sich das Werkzeug konkret aufbaut.

Entdecke mehr

Glossar

Themenuebersicht

KI-Werkzeuge Coding-CLI