Lokal oder Cloud? Was beim Diktieren mit deinem Text wirklich passiert
Aktualisiert
Fast jede Diktier-App wirbt heute mit «privat» und «sicher». Trotzdem funktionieren sie technisch grundverschieden: Die einen schicken deine Stimme an Server und bekommen Text zurück, die anderen rechnen alles auf deinem Gerät. Beides ist legitim — aber du solltest wissen, welches Modell du benutzt, bevor du deine Verträge, Mails oder Patientennotizen diktierst.
Wie Cloud-Diktat funktioniert
Beim Cloud-Modell nimmt die App deine Stimme auf, verschickt sie (oder einen Audio-Stream) an Rechenzentren, dort transkribiert und poliert ein grosses Modell den Text, und das Ergebnis kommt zurück in dein Textfeld. Das hat echte Vorteile: Die Server-Modelle können riesig sein, unterstützen oft über 100 Sprachen und laufen auch auf schwacher Hardware flüssig.
Der Preis dafür: Dein gesprochener Inhalt verlässt dein Gerät — bei jedem einzelnen Diktat. Achte dabei auf die Wortwahl: «Auf deinem Gerät gespeichert» ist nicht dasselbe wie «auf deinem Gerät gerechnet». Es gibt Apps, deren Startseite nach Gerät klingt, während die Datenschutzerklärung Cloud- und KI-Infrastruktur-Anbieter als Verarbeiter auflistet — gespeichert wird lokal, gerechnet in der Cloud. Das ist kein Skandal, aber ein Unterschied, den man kennen sollte. Und: «Zero data retention» heisst «wir behalten es nicht» — nicht «es war nie dort».
Was «100 % lokal» technisch heisst
Lokales Diktat war lange ein Kompromiss: kleine Modelle, mässige Qualität. Das hat sich mit Apple Silicon geändert. Moderne Macs haben genug GPU- und Neural-Engine-Leistung, um ernsthafte Spracherkennungs- und Sprachmodelle direkt auf dem Gerät laufen zu lassen — in Echtzeit.
Konkret bei Twirly: Die Spracherkennung (Parakeet v3), das Sprachmodell fürs Ausformulieren und Umschreiben (Qwen3-8B) und die Vorlese-Stimme (Supertonic 3) liegen als Dateien auf deinem Mac und rechnen auf der Apple-Silicon-GPU. Es gibt keinen Server, an den etwas geschickt werden könnte — Internet braucht die App nur für die Lizenz-Aktivierung und den optionalen Update-Check. Das ist überprüfbar: Diktieren funktioniert im Flugmodus.
Der ehrliche Trade-off
Cloud gewinnt bei: Sprachvielfalt (100+ Sprachen), Geräte-Vielfalt (Windows, Android, iPhone), und es läuft auch auf alten Rechnern. Wenn du in Teams arbeitest, die geteilte Wörterbücher und Admin-Funktionen brauchen, führt an Cloud-Diensten kaum ein Weg vorbei.
Lokal gewinnt bei: Vertraulichkeit (der Text existiert nur bei dir — relevant für Anwältinnen, Ärzte, Journalistinnen, HR und alle mit NDA), Verfügbarkeit (Zug, Flugzeug, schlechtes WLAN), Latenz (kein Netzwerk-Roundtrip) und langfristig beim Preis: Lokale Werkzeuge kosten meist einmal, Cloud-Dienste monatlich — was sich über die Jahre summiert.
Wichtig für Compliance: Bei manchen Berufsgeheimnissen (Anwalts-, Arzt-, Bankgeheimnis) ist die Frage nicht, ob der Anbieter vertrauenswürdig ist, sondern ob Inhalte überhaupt an Dritte fliessen dürfen. On-Device-Verarbeitung beantwortet diese Frage strukturell statt vertraglich.
Woran du erkennst, was eine App wirklich tut
Drei Prüfungen, die jede Marketing-Seite überleben:
1. Flugmodus-Test — Internet aus, diktieren. Kommt Text, rechnet die App lokal. Kommt ein Fehler, war die Cloud im Spiel.
2. Datenschutzerklärung nach «processors» oder «sub-processors» durchsuchen. Stehen dort Cloud- oder KI-Infrastruktur-Anbieter, wird dort gerechnet — egal, was die Startseite sagt.
3. Konto-Zwang als Indiz: Eine App, die ohne Konto und ohne Login funktioniert, hat strukturell weniger Wege, Daten mit dir zu verknüpfen.
Kurz entschieden
Du diktierst gelegentlich kurze Nachrichten? Das eingebaute macOS-Diktat reicht, es kostet nichts.
Du brauchst Windows, Android oder mehr als 25 Sprachen? Dann führt an einem Cloud-Dienst kaum ein Weg vorbei — mit dem Wissen von oben.
Du schreibst täglich auf dem Mac und willst, dass Text bei dir bleibt — ohne Abo? Genau dafür haben wir Twirly gebaut: diktieren, umschreiben, vorlesen, 100 % auf deinem Mac, CHF 30 einmal.