Datenerfassung per Sprache: Wie Handwerker mit KI-gestützter Spracherkennung Zeit sparen

Spracherkennung macht aus dem Diktat des Monteurs am Ende des Einsatzes einen fertigen Datensatz: Leistungen, Material, Kundenwunsch, direkt im Auftrag statt auf dem Zettel. Für Betriebe, in denen abends Zettel abgetippt werden, ist das der kürzeste Weg, die Doppelerfassung loszuwerden.

Warum Spracherkennung im Handwerk Zeit spart

Die Zeit geht nicht beim Aufschreiben verloren, sondern beim zweiten Aufschreiben. Der Monteur notiert auf der Baustelle, was er eingebaut hat, im Büro wird es in die Auftragssoftware übertragen, und die Rechnung entsteht aus dieser zweiten Fassung. Jede Übertragung kostet Zeit, und jede kann Fehler einbauen: eine vergessene Position, eine falsch gelesene Seriennummer.

Mit Spracherkennung (Speech-to-Text) diktiert der Monteur direkt nach der Installation einer Heizungsanlage, was er verbaut hat und was der Kunde noch wollte. Das System schreibt mit und legt die Angaben strukturiert im Auftrag ab. Kein Stift, keine Tastatur mit Handschuhen, kein Abtippen am Abend.

Wie Spracherkennung für Handwerker funktioniert

Moderne Spracherkennung basiert auf vortrainierten Sprachmodellen, die mit Dialekt und Hintergrundgeräuschen deutlich besser zurechtkommen als die Diktiersysteme früherer Jahre. Der Ablauf: Die Aufnahme kommt vom Smartphone oder einem Headset. Ein Erkennungsdienst, in der Cloud oder direkt auf dem Gerät, macht daraus Text. Ein zweiter Schritt sortiert den Text in Felder: Material, Menge, Arbeitszeit, Hinweis für die Rechnung. Fachbegriffe wie „Heizkreisverteiler“ oder „Dämmstärke“ lernt das System über eine Vokabelliste des Betriebs.

Der zweite Schritt ist der wichtigere. Reiner Text hilft dem Büro wenig; erst die Zuordnung zu Auftragsfeldern erspart die Nacharbeit.

Prozesse digitalisieren statt Excel: Sprache als Eingabe, nicht als Insel

Spracherkennung lohnt sich nur, wenn die Daten dort landen, wo der Betrieb arbeitet. Wer das Diktat als Textdatei ablegt und danach in eine Excel-Liste überträgt, hat die Doppelerfassung bloß verschoben. Der Dienst gehört als Baustein an die Auftragsverwaltung, das Warenwirtschaftssystem oder die Rechnungssoftware angebunden, über dokumentierte Schnittstellen (REST-APIs) und offene Datenformate wie JSON.

Der zweite Grund ist der Anbieterwechsel. Viele Spracherkennungslösungen binden Sie an eine geschlossene Plattform. Bleibt die Erkennung ein austauschbarer Baustein, können Sie einen Cloud-Dienst gegen ein quelloffenes Modell wie Whisper tauschen, das auf eigener Infrastruktur läuft, ohne dass die Auftragssoftware davon etwas merkt.

Einsatzfälle aus dem Alltag

Baustellenprotokoll: Ein Elektriker diktiert nach der Installation die durchgeführten Arbeiten und Prüfhinweise. Daraus entsteht das Protokoll als PDF, der Auftragsstatus springt weiter.

Materialerfassung: Bei der Heizungswartung spricht der Monteur Seriennummern, Füllmengen und Austauschteile ein. Die Angaben landen im Warenwirtschaftssystem.

Rechnungsvorbereitung: Nach dem Kundentermin diktiert der Handwerker Leistungen und vereinbarte Preise. Im Büro liegt danach eine Rechnungsvorlage, die nur noch geprüft und freigegeben wird.

Die Freigabe bleibt beim Menschen. Spracherkennung liefert den Entwurf, nicht die Rechnung.

Datenschutz: Wohin die Audioaufnahme geht

Ein Diktat enthält Kundennamen, Adressen und Anlagendaten. Damit gilt die DSGVO, und damit stellt sich die Frage, auf welchen Servern Aufnahme und Transkript verarbeitet werden. Läuft die Erkennung bei einem Anbieter außerhalb der EU, brauchen Sie mehr als eine Klausel im Vertrag. Zwei Wege vermeiden das Problem: ein Erkennungsdienst auf europäischer Infrastruktur oder die Verarbeitung direkt auf dem Gerät, die nebenbei auch ohne Netz funktioniert. Die dataso GmbH baut Spracherkennung als Baustein auf souveräner Infrastruktur in Deutschland; die Audiodaten verlassen den Betrieb nur, wenn Sie das so entscheiden.

Was die Umstellung bringt

Rechnen Sie es für Ihren Betrieb selbst nach. Wie lange sitzt jeder Monteur am Tag an Zetteln und Nacherfassung, und wie viel davon ist reines Abtippen? Multipliziert mit der Zahl Ihrer Monteure ergibt das die Stunden, die die Spracheingabe zurückholen kann. In den meisten Betrieben ist das mehr, als der Aufbau des Bausteins kostet. Ob es bei Ihnen so ist, zeigt Ihre Rechnung, nicht das Versprechen eines Anbieters.

Häufige Fragen zur Spracherkennung im Handwerk

Welche Hardware braucht der Monteur?

Ein handelsübliches Smartphone oder Tablet reicht. Für laute Umgebungen empfiehlt sich ein Headset mit Geräuschunterdrückung.

Funktioniert die Erkennung bei Baustellenlärm?

Aktuelle Modelle kommen mit Umgebungsgeräuschen gut zurecht, fehlerfrei werden sie nicht. Ein kurzes Gegenlesen im Büro bleibt, dauert aber erheblich kürzer als das Abtippen.

Erkennt das System Fachbegriffe?

Ja, wenn die Fachsprache des Betriebs als Vokabelliste hinterlegt ist. Sanitär, Elektro und Heizungsbau haben jeweils eigene Begriffe, die das Modell sonst falsch schreibt.

Wie wird die Erkennung in die bestehende Software eingebunden?

Über offene Schnittstellen der Auftrags- oder Warenwirtschaftssoftware. Fehlt eine Schnittstelle, wird ein kleiner Zwischendienst gebaut, der die Daten übergibt. Die bestehende Software bleibt.

Was kostet das?

Quelloffene Modelle kosten keine Lizenz, brauchen aber eigene Infrastruktur. Cloud-Dienste rechnen nach Sprechminuten ab. Den größeren Teil macht die Anbindung an Ihre Software aus, und die hängt davon ab, welche Schnittstellen Ihre Software mitbringt.

Ihr nächster Schritt

Zählen Sie eine Woche lang, wie viele Zettel Ihre Monteure abends abgeben und wer sie abtippt. Mit dieser Zahl klären wir im Potenzial-Check, ob die Spracheingabe bei Ihnen der richtige erste Baustein ist und wie sie in Ihre Auftragssoftware kommt.