Begriff
Keyword-Glossar (STT)
Ein Keyword-Glossar für Speech-to-Text ist eine kurze, kuratierte Liste eigener Fachbegriffe, Marken- und Produktnamen, die einem STT-Modell vor der Transkription als Kontext-Hint mitgegeben wird — typischerweise über Whispers `initial_prompt`.
Keyword-Glossar — ausführlicher erklärt
Standard-STT-Modelle wie Whisper sind auf allgemeinem Webaudio trainiert und kennen kein domänenspezifisches Vokabular. Ein Keyword-Glossar ist die einfachste Gegenmaßnahme: eine Liste der zehn bis zwanzig häufigsten Eigennamen, Tools, Modell- und Markennamen, die im eigenen Workflow vorkommen. Diese Liste wird dem Modell pro Aufruf als Hint übergeben (Whisper: initial_prompt). Das Glossar verändert nicht die Modellgewichte — es priorisiert beim Decoding bekannte Token-Folgen, sodass „DEVI Runner” konsistent erkannt wird statt als „Debbie Runner” zu landen. Der Hebel ist groß, der Aufwand minimal: kein Training, keine GPU, keine Infrastruktur.
Beispiel / Praxisbezug
Die wirksamste Methode, ein Keyword-Glossar zu bauen, ist datenbasiert: STT-Sessions sammeln, jeden Transkriptionsfehler protokollieren (z. B. via KI-Bewertung in eine CSV) und nach ~90 Sessions die häufigsten Fehler in eine Liste destillieren. Whisper-small verträgt etwa 15 Begriffe, bevor allgemeine Erkennung leidet; Whisper-medium tendenziell 20–25. Beispielglossar aus einem Coding-Workflow: DEVI Runner, boostN, Sonnet, Haiku, Heartbeat, Fußschalter, Transkription, Claude, CLI, JWT, Commit, Branch, Node, Worktree.
Abgrenzung zu ähnlichen Begriffen
Ein Custom Vocabulary in kommerziellen APIs (Deepgram, AssemblyAI) ist konzeptionell dasselbe — eine projektspezifische Begriffsliste, oft mit Boost-Gewichten — aber in die jeweilige API gegossen statt als generischer Prompt. Fine-Tuning des STT-Modells auf domänenspezifischen Daten ist die nächste Stufe: präziser, aber teurer und mit Trainings-Pipeline. Ein Wörterbuch für Post-Processing korrigiert Whisper-Output erst nachträglich (Regex- oder LLM-basiert) und löst andere Fehlerklassen — etwa Worttrennungen und Halluzinationen, die ein Hint nicht abdeckt.
Entdecke mehr
Headless ohne API-Rechnung — wie kommt man 2026 an die besten KI-Modelle für Automatisierung?
Anbieter-Vergleich Mitte 2026: Wer hat Headless-Modus, wessen Abo deckt ihn noch — und warum BYOK das stabilste Fundament ist.
GlossarDSGVO-konformer LLM-Einsatz
DSGVO-konformer LLM-Einsatz bezeichnet die datenschutzgerechte Nutzung grosser Sprachmodelle wie ChatGPT, Claude oder Gemini im Unternehmen — mit Rechtsgrundlage, Auftragsverarbeitungsvertrag, kontrollierter Eingabe personenbezogener Daten, EU-Hosting und Trainings-Opt-out.
LexikonFunction Calling / Tool Use
Wie ein LLM Werkzeuge aufruft: Tool-Definition als Schema, Modell wählt Funktion und Argumente, Ergebnis zurück ins Gespräch — der Grundbaustein jedes Agenten.