Dienstag, Baubesprechung, zwölf Leute im Container: Bauherr, Architekt, Statiker, vier Gewerke, Bauleitung. Neunzig Minuten. Am Abend soll das Protokoll bei allen sein, weil am Mittwoch die Lüftungsfirma in die Decke geht und wissen muss, ob der Schacht jetzt vierzig oder fünfzig Zentimeter breit wird. Früher hat mich das Protokoll danach eine Stunde bis eineinhalb gekostet, aus Stichworten und Erinnerung. Heute sind es höchstens zehn Minuten samt Korrekturlesen. Der Weg dorthin ist kurz, hat aber zwei Stellen, an denen man vorher denken muss.
Zuerst das Gesetz, dann das Mikrofon
Wer in Österreich eine Besprechung aufnimmt, landet bei § 120 StGB. Absatz 1 stellt unter Strafe, ein Tonaufnahmegerät zu benützen, um sich von einer nicht öffentlichen und nicht zu seiner Kenntnisnahme bestimmten Äußerung Kenntnis zu verschaffen. In der Baubesprechung ist jede Äußerung für die Anwesenden bestimmt. Wer am Tisch sitzt und aufnimmt, verschafft sich keine Kenntnis, die er nicht ohnehin hat.
Der Haken steckt in Absatz 2: Ebenso strafbar macht sich, wer ohne Einverständnis des Sprechenden die Aufnahme einem Dritten zugänglich macht, für den sie nicht bestimmt ist. Ein externer Transkriptionsdienst ist genau so ein Dritter. Die Ansage „ich nehme auf" reicht dafür nicht. Entweder die Teilnehmer sind einverstanden, und das steht im Protokoll, oder die Aufnahme verlässt den eigenen Rechner nicht. Das Zweite ist machbar: Whisper wurde samt Modellen und Code veröffentlicht und läuft lokal.
Dazu kommt die Datenschutzseite. Eine Stimme ist ein personenbezogenes Datum. Die DSGVO verlangt eine Rechtsgrundlage (Art. 6), Information der Betroffenen bei der Erhebung (Art. 13) und Speicherung nur so lange, wie es der Zweck braucht (Art. 5 Abs. 1 lit. e). Übersetzt: vor der Aufnahme sagen, wozu sie dient und wo sie hingeht, und sie löschen, sobald das Protokoll freigegeben ist. Die Fragen, die davor im Betrieb geklärt gehören, stehen im Beitrag zu DSGVO und KI.
Was aus der Aufnahme wird
Whisper ist ein Spracherkennungsmodell von OpenAI, trainiert auf 680.000 Stunden Audio mit Transkripten aus dem Netz, und es funktioniert ohne Nachtraining auf neuen Aufnahmen (Radford u. a. 2022, arXiv:2212.04356). Im Container mit Hall, Dialekt und einem Plan, der über den Tisch geschoben wird, kommt trotzdem kein fehlerfreier Text heraus. Er ist brauchbar, mehr nicht.
Der zweite Schritt ist ein Sprachmodell mit einer festen Vorlage: Teilnehmer, Tagesordnung, Beschlüsse, offene Punkte mit Zuständigem und Termin. Aus neunzig Minuten Transkript wird ein Entwurf von zwei Seiten.
Was daran gut wird: die Reihenfolge und die Vollständigkeit. Nichts fällt unter den Tisch, weil ich in dem Moment mitgeschrieben habe, statt zuzuhören. Ein Punkt, der bei Minute 70 noch einmal aufgemacht wurde, landet dort, wo er hingehört.
Was nicht gut wird, und darauf achte ich beim Korrekturlesen:
- Wer hat was zugesagt. Im Transkript steht „das machen wir bis Freitag". Wer „wir" ist, weiß das Modell nicht. Ich weiß es.
- Zahlen. „Vierzig, nein, fünfzig" wird gern zu vierzig. Jede Zahl im Entwurf prüfe ich gegen den Plan oder gegen meine Notiz.
- Ironie. „Das schaffen wir locker" mit Gelächter im Raum ist keine Zusage. Das Modell hört das Gelächter nicht.
Was der Bauleiter danach noch tut
Der Entwurf ist kein Protokoll. Protokoll ist, was ich verschicke und wofür ich gerade stehe. Dazwischen liegen zehn Minuten, und die sind nicht verhandelbar:
- Jede Zusage bekommt einen Namen und ein Datum. Wo beides fehlt, frage ich nach, statt zu raten.
- Jede Zahl gegen Plan oder Notiz.
- Was im Raum ein Scherz war, fliegt raus.
- Die Aufnahme wird gelöscht, das Transkript auch. Das Protokoll bleibt.
Wer das aufsetzt, spart nicht die Verantwortung, sondern die Schreibarbeit. Der Bauleiter unterschreibt am Ende dasselbe wie früher, er braucht dafür nur eine Stunde weniger.