Spracherkennung im Handwerk

45 Minuten dauert eine Bestandsaufnahme vor Ort. Die Dokumentation danach kostet 2 Stunden, wenn Du es richtig machst. Und wenn später jemand fragt, welche Leitungen schon erneuert sind, weiß niemand mehr genau, was besprochen wurde. Spracherkennung im Handwerk dreht diesen Ablauf um.

Dokumentation ist der Arbeitsschritt, der in keiner Kalkulation auftaucht und trotzdem jeden Tag Geld kostet. Sie kommt in fast jedem Betrieb zu spät. Sie fällt zu dünn aus. Und aus dem, was am Ende abgelegt ist, lässt sich kaum Wissen gewinnen. Schon gar nicht für eine KI (Künstliche Intelligenz), die Deinen Betrieb verstehen soll. Die Lösung ist das Einfachste, was Du ohnehin jeden Tag stundenlang tust: reden.

Formulare ausfüllen will draußen niemand mehr

Stundenzettel werden ausgefüllt. Tagesberichte werden ausgefüllt. Es wird versucht, alles aufzuschreiben. Und ehrlich gesagt hat darauf niemand Lust.

Thorsten Moortz verfolgt deshalb eine Mission bis zum Ende seines Berufslebens: Kein Mensch soll mehr Formulare ausfüllen müssen. Wer Formulare unbedingt braucht, bekommt sie. Aber sie füllen sich selbst aus. Die Werkzeuge dafür gibt es bereits. Agenten wie Atlas von ChatGPT oder Cowork von Claude sitzen mit Dir am Rechner und füllen ein Formular aus, auch auf einer Webseite. Du drückst nur noch auf Absenden.

Für die Baustelle heißt das: Sprache wird zur Grundlage. Was draußen unstrukturiert erzählt wird, enthält alles Wichtige. Was eingebaut wurde. Wo es hakt. Was nachgearbeitet werden muss. Wo ein Vorlieferant oder ein Fremdgewerk nicht sauber gearbeitet hat. Eine KI bringt diese Informationen in eine Struktur und macht daraus Wissen, das der Betrieb wiederfindet.

Bestandsaufnahme per Sprache: sprechen, fotografieren, fertig

Die klassische Bestandsaufnahme läuft in zwei getrennten Schritten. Erst 45 Minuten vor Ort, dann 2 Stunden Dokumentation am Schreibtisch. Die KI-gestützte Variante legt beides zusammen. Du läufst das Objekt durch und sprichst, was Du siehst.

So klingt das in der Praxis: Heizungsanlage, Baujahr ungefähr 2003. Ausdehnungsgefäß sichtbar. Rohrleitungen teilweise ungedämmt. Die Kundin möchte auf eine Wärmepumpe umstellen, das Budget steht noch nicht fest.

Während der Begehung machst Du Fotos. Die KI ordnet jedes Foto dem zu, was Du gerade gesagt hast. Sprichst Du über das defekte Ausdehnungsgefäß, fotografierst Du es. Im Bericht steht dann: Ausdehnungsgefäß defekt. Darunter sitzt das passende Foto. Die Dokumentation entsteht während der Begehung statt 2 Stunden danach.

Für Thorsten ist das kein Extra. Bevor ein Betrieb irgendetwas anderes mit KI anfängt, ist die Bestandsaufnahme per Sprache Pflicht. Wer hier nicht startet, braucht mit dem Rest gar nicht erst weiterzumachen.

Spracherkennung im Handwerk scheitert am Eingabefeld

Viele Softwareanbieter haben inzwischen eine Spracherkennung eingebaut. Der Ablauf bleibt derselbe: Formular öffnen, Eingabefeld suchen, hineindiktieren. Thorsten hält davon wenig:

„Das wäre so, als würde ich sagen: Wir haben das Fax jetzt automatisiert.“

Der Grund liegt im Aufbau solcher Programme. Klickoberflächen, Pflichtfelder und Eingabemasken sind für Büroarbeitsplätze gebaut. Bedient werden sie von Menschen, die den ganzen Tag vor einem Bildschirm sitzen. Seit Jahren zwingt man diese Oberflächen den Menschen auf der Baustelle auf, weil es keine andere Lösung gab. Heute gibt es sie.

„Das Problem liegt nicht bei deinen Mitarbeitern für die mangelnde Nutzung von irgendeiner Software oder von irgendeiner Digitalisierung. Das Problem liegt in der Software selbst.“ – Thorsten Moortz

Das Zielbild sieht anders aus. Der Techniker sagt: Bin fertig, dafür habe ich noch dieses und jenes Material gebraucht. Wir müssen noch einen Termin vereinbaren, weil das Ausdehnungsgefäß kaputt ist. Die KI weiß, wo er gerade ist und welchen Auftrag er hat. Sie kennt die Planung und das vorgesehene Material. Sie schlägt die verbrauchten Materialien aus dem Katalog vor. Der Techniker bestätigt nur noch. So weit ist nicht jede Software heute.

In sechs Schritten zur Dokumentation per Sprache

Diese Schritte stammen direkt aus der Folge:

1. Prozess auswählen: Suche Dir einen Prozess, der täglich Zeit kostet und bei dem Du mit Sprache zu Text zu Struktur wirklich etwas erreichst.
2. Werkzeug festlegen: Setze diesen Prozess mit einem Aufnahmegerät wie Plaud um.
3. Struktur dahintersetzen: Hinterlege eine Vorlage in Form des Formulars, das Du bisher ausgefüllt hast.
4. Klein testen: Nimm Dir ein oder zwei Mitarbeitende und lasse sie ihre Tagesberichte diktieren.
5. Lücken finden: Schaue, was herauskommt. Erkennt die KI Artikelbezeichnungen noch nicht, weißt Du, wo Du nachtrainieren musst.
6. Hilfe holen, wenn es hakt: Kommst Du bei der Struktur nicht weiter, reicht oft eine Stunde Einrichtung mit jemandem, der das schon gemacht hat.

Drei Werkzeuge für Sprache zu Text

Plaud ist ein Aufnahmegerät und hat sich im Moment am besten bewährt. Das Gerät kostet laut Folge 170 Euro, dazu kommen 300 Minuten Transkription im Monat frei. Richtig stark wird Plaud mit einer hinterlegten Vorlage. Du sitzt mit Deinen Mitarbeitenden zusammen, drückst auf den Knopf und bekommst am Ende ein fertiges Baubesprechungsprotokoll.

„Du nimmst die Vorlage und wirst sehen, dass du immer wieder im selben strukturierten Ablauf das bekommst, so wie früher die Formulare. Nur mit einem Unterschied: Wir füllen sie nicht mehr aus, und diese Informationen landen anschließend automatisch in unserem Firmenwissen.“

Wer technisch sicher ist, baut die Vorlagen selbst. Wer das nicht will, lässt sich das Gerät einrichten. Das spart die 5 Stunden, die sonst beim Ausprobieren draufgehen.

VoicePen ist eine schlanke App für das Telefon. Sie eignet sich zum Ausprobieren, ohne vorher Geld in ein Gerät zu stecken. Für kurze Aufzeichnungen und zum Auswerten von Videos ist sie gut. Für den täglichen Einsatz draußen empfiehlt Thorsten sie nicht. Als App bricht sie manchmal ab, und ohne Internetverbindung transkribiert sie nicht.

Speakly ist das Werkzeug für den Büroarbeitsplatz. Es läuft im Hintergrund auf dem Rechner und legt einen Knopf auf die Tastatur. Du gehst dorthin, wo Du sonst tippen würdest, drückst die Taste und sprichst. Heraus kommt sauberer Text. Der Umweg über ChatGPT, Umformulieren, Kopieren und Einfügen fällt weg. Die Daten werden gespeichert und landen in einem Second Brain, der zentralen Wissenssammlung des Betriebs. Genau hier gilt der Titel der Folge: Wer im Büro noch alles tippt, hat zu viel Zeit.

Vier Anwendungsfälle für den Anfang

• Besprechungsprotokolle: Plaud läuft mit, die Vorlage macht das Protokoll.
• Bestandsaufnahme: Objekt durchlaufen, sprechen, fotografieren. Der Pflichtstart vor allem anderen.
• Tagesberichte: Ein oder zwei Mitarbeitende diktieren lassen und die Struktur daraus prüfen.
• Nachträge: Diktieren und von der KI rechtskonform formulieren lassen. Die KI fragt nach, was fehlt, etwa den Verursacher oder die Dauer eines Schadens.

Wo die KI an Grenzen stößt

Spracherkennung nimmt Dir das Schreiben ab, nicht das Denken. Thorsten bringt es so auf den Punkt:

„Eine KI kann Wissen ersetzen, aber nicht das Denken.“

Du musst wissen, wie ein ordentlicher Tagesbericht aussieht. Du musst wissen, wie eine Baubesprechung geführt wird. Diese Struktur liefert die KI nicht von selbst. Dazu kommen praktische Grenzen: Artikelbezeichnungen werden am Anfang nicht immer erkannt, und eine App auf dem Telefon bricht auch mal ab. Menschlicher Eingriff bleibt nötig.

Aus Sprache wird Firmenwissen

Der größere Nutzen zeigt sich später. Thorsten nutzt Claude bereits so, dass er morgens fragt, welche Termine anstehen. Vor einer Veranstaltung ließ er sich zwei Tage vorher vorbereiten. Gesprächsverläufe und das transkribierte Vorbereitungsgespräch mit Andrea Steinleitner lagen vor. Die KI schlug vor, was zu tun ist, erstellte eine Gliederung und direkt die Präsentation. Nach einer halben Stunde Überarbeitung der Folien war alles fertig.

Dasselbe Prinzip übertragen Betriebe gerade auf den Handwerksalltag. Kennt das Firmenwissen alle Unternehmensinformationen, fragt der Monteur die KI, welche Wartung hier ansteht und welches Ersatzteil er mitnehmen muss. Er fragt, ob er alles eingepackt hat und was bestellt werden muss, damit das Material in 2 Wochen auf der Baustelle ist. Die Inhalte dafür sind längst da. Sie stecken in den Köpfen. Sprache ist der einfachste Weg, sie aufzuzeichnen und abzulegen.

Was Dir Spracherkennung im Betrieb bringt

• Bestandsaufnahme ohne Nacharbeit: Die Dokumentation entsteht in den 45 Minuten vor Ort statt in 2 Stunden danach.
• Protokolle in fester Struktur: Mit Vorlage liefert Plaud bei jeder Besprechung dasselbe Format, bei 300 Freiminuten im Monat.
• Schnellere Vorbereitung: Gliederung und Präsentation stehen nach einer halben Stunde Überarbeitung.

Dein nächster Schritt

Nimm Dir ein oder zwei Mitarbeitende und lasse sie ihre Tagesberichte diktieren. Lege Dein bisheriges Formular als Vorlage dahinter und schaue, was dabei herauskommt.

Mehr in der Folge

In der Folge des Handwerksimpulse Podcasts hörst Du, warum Thorsten in 3 bis 4 Jahren keine klassischen Anwendungsoberflächen mehr erwartet und wie Speakly im Büro den Umweg über Kopieren und Einfügen spart. Wer tiefer einsteigen will, findet in der handwerksimpulse Akademie Seminare zum Thema. Nach einem Tag gehst Du mit Werkzeugen nach Hause, die Du im Betrieb einsetzen kannst. Wie aus diktierten Berichten eine feste Struktur wird, zeigt die Folge Tagesbericht per Sprache.

Häufige Fragen zur Spracherkennung im Handwerk

Was bringt Spracherkennung im Handwerk?

Spracherkennung im Handwerk ersetzt das Tippen und das Ausfüllen von Formularen durch Sprechen. Mitarbeitende sprechen, was sie sehen und getan haben. Eine Vorlage bringt das Gesprochene in eine feste Struktur. So entsteht die Dokumentation während der Arbeit und landet im Firmenwissen, statt Stunden später am Schreibtisch.

Welches Gerät eignet sich für Sprache zu Text auf der Baustelle?

Für den Praxiseinsatz empfiehlt Thorsten Moortz ein eigenes Aufnahmegerät wie Plaud. Plaud hat sich im Moment am besten bewährt. Stark wird es mit einer hinterlegten Vorlage, zum Beispiel für ein Baubesprechungsprotokoll. Dann kommt bei jeder Aufnahme dieselbe Struktur heraus.

Reicht nicht eine App auf dem Handy?

Zum Ausprobieren reicht eine App, für den täglichen Einsatz draußen eher nicht. VoicePen ist eine schlanke App und gut für kurze Aufzeichnungen oder zum Auswerten von Videos. Als App bricht sie aber manchmal ab. Ohne Internetverbindung kann sie nicht transkribieren.

Wie diktiere ich im Büro direkt in jedes Programm?

Mit Speakly. Das Werkzeug läuft im Hintergrund auf dem Rechner und legt einen Knopf auf die Tastatur. Du gehst dorthin, wo Du sonst tippen würdest, drückst die Taste und sprichst. Heraus kommt sauberer Text, ohne den Umweg über ChatGPT und Kopieren.

Warum nutzen Mitarbeitende die Software für Berichte nicht?

Das Problem liegt meist nicht bei den Mitarbeitenden, sondern in der Software. Klickoberflächen, Pflichtfelder und Eingabemasken sind für Büroarbeitsplätze gebaut. Auf der Baustelle bremsen sie aus. Eine Spracherkennung im Eingabefeld ändert daran wenig, weil das Formular trotzdem geöffnet werden muss.

Erkennt die KI meine Artikel und Materialien?

Noch nicht immer. Wer Tagesberichte diktieren lässt, sieht schnell, an welchen Artikelbezeichnungen die KI hängt. Genau dort wird nachtrainiert: Wenn dieser Mitarbeitende das sagt, meint er dieses Produkt. Das funktioniert, braucht aber einen Durchlauf mit echten Berichten.

Kann die KI einen Nachtrag rechtskonform schreiben?

Die KI kann einen diktierten Nachtrag rechtskonform formulieren und nach Lücken fragen, etwa nach dem Verursacher oder der Dauer eines Schadens. Das Denken nimmt sie Dir nicht ab. Du musst wissen, was in einen Nachtrag gehört, und das Ergebnis prüfen.

Womit fange ich mit Spracherkennung im Handwerk an?

Suche Dir einen Prozess, der täglich Zeit kostet, und setze ihn mit einem Werkzeug wie Plaud um. Gute Einstiege sind Besprechungsprotokolle, Bestandsaufnahmen, Tagesberichte und Nachträge. Lege eine Vorlage in Form Deines bisherigen Formulars dahinter und teste mit ein oder zwei Mitarbeitenden.