DictNow im Test
Ergebnisse aus 3 Testreihen auf deutschsprachigen Korpora. Alle Anbieter einer Aufgabe bearbeiten dieselben Fälle nach demselben Protokoll.
Ergebnisse im Überblick
ScribeIndex hat DictNow im 3. Quartal 2026 in drei Testreihen getestet. Im Test „Medizinische Spracherkennung“ erreicht DictNow 82,0 von 100 Punkten (Platz 7 von 9, 62 Diktate, je 3 Durchläufe). Im Test „Allgemeine Diktate“ erreicht DictNow 75,2 von 100 Punkten (Platz 3 von 6, 40 Diktate, je 3 Durchläufe). Im Test „Juristische Diktate“ erreicht DictNow 70,6 von 100 Punkten (Platz 2 von 4, 40 Diktate, je 3 Durchläufe).
| Aufgabe | ScribeIndex-Score | Platz | Hauptkennzahl | Nacharbeit | Getestet |
|---|---|---|---|---|---|
| Medizinische Spracherkennung | Schlussgruppe: 82,0 | 7 von 9 | Fakten-F1: 94,0 % | 3,59 min je Diktat | 3. Quartal 2026 |
| Allgemeine Diktate | Mittelfeld: 75,2 | 3 von 6 | Wortfehlerrate: 8,0 % | 2,69 min je Diktat | 3. Quartal 2026 |
| Juristische Diktate | Mittelfeld: 70,6 | 2 von 4 | Wortfehlerrate: 7,5 % | 4,9 min je Diktat | 3. Quartal 2026 |
DictNow: Medizinische Spracherkennung
In der Testreihe „Medizinische Spracherkennung“ liegt DictNow mit 82,0 Punkten auf Platz 7 von 9, 14,8 Punkte hinter Tippiti (96,8) und 0,4 Punkte vor MIRA medical (81,6). Hinter Tippiti bleibt DictNow vor allem beim Fakten-F1 (94,0 % gegenüber 98,9 %) und bei der Nacharbeit (3,59 gegenüber 0,75 Minuten je Diktat) zurück. Vor MIRA medical liegt DictNow vor allem bei der Nacharbeit (3,59 gegenüber 4,10 Minuten je Diktat). MIRA medical liegt dafür beim Fakten-F1 (94,2 % gegenüber 94,0 %) vorn. Das 95-%-Konfidenzintervall des Fakten-F1 reicht von 93,1 bis 94,7 %. Die Präzision liegt bei 93,7 %, der Recall bei 94,3 %. Die Wortfehlerrate liegt bei 6,73 % (95-%-Konfidenzintervall 6,15–7,32 %). Die Nacharbeit ist eine Schätzung von ScribeIndex und kommt zum einmaligen Durchlesen hinzu, bei einer durchschnittlichen Aufnahmedauer von 5,0 Minuten. 2 von 186 Ausgaben enthielten mindestens einen schwerwiegenden Fehler.
Einordnung: Schlussgruppe · ScribeIndex-Score 82,0 / 100 · 95-%-Intervall 76,7–84,1 · Platz 7 von 9 · Wortnah (Der Text folgt dem gesprochenen Wortlaut. Die WER ist mit anderen wortnahen Diensten vergleichbar)
3,1 Punkte unter dem Median des Feldes und im untersten Fünftel der Punktespanne. Hinter Dragon Copilot bleibt DictNow vor allem beim Fakten-F1 (94,0 % gegenüber 94,6 %) und bei den schwerwiegenden Fehlern (in 2 von 186 Dokumenten gegenüber 1 von 186) zurück.
Fakten-F1 (Platz 8 von 9): 94,0 % · 95-%-Intervall 93,1–94,7 %
Schwächster Wert: 92,9 % · Median (9 Anbieter): 95,1 % · Bester Wert: 98,9 %
Harmonisches Mittel aus Faktenpräzision und Fakten-Recall gegenüber der annotierten Referenz.
Wortfehlerrate (WER) (Platz 3 von 5): 6,73 % · 95-%-Intervall 6,15–7,32 % · 6.945 Wortfehler von 103.161 Referenzwörtern
Schwächster Wert: 8,80 % · Median (5 Anbieter): 6,73 % · Bester Wert: 6,44 %
Ersetzungen, Auslassungen und Einfügungen je Referenzwort nach Normalisierung.
Nacharbeit je Diktat (Platz 7 von 9): 3,59 min · 95-%-Intervall 3,29–3,89 min
Schwächster Wert: 4,58 min · Median (9 Anbieter): 3,53 min · Bester Wert: 0,75 min
Geschätzte Nacharbeit bis zur Zielfassung je Diktat, bei durchschnittlich 5,0 Minuten Aufnahme. Nicht enthalten ist das einmalige Durchlesen, das auch ein von Hand getipptes Dokument braucht. Auf eine Stunde Aufnahme gerechnet sind das 42,8 Minuten.
Verarbeitungszeit (Median) (Platz 1 von 2): 78,6 s · Niedriger ist besser
Schwächster Wert: 85,4 s · Median (2 Anbieter): 82,0 s · Bester Wert: 78,6 s
Gemessen von „Uploadstart“ bis „Vollständig verfügbares, exportierbares Ergebnis“. Platz und Vergleichswerte nur unter Diensten derselben Messstrecke.
Dokumente mit schwerwiegendem Fehler (Geteilter Platz 8 von 9, schwächster Wert): 1,1 % · 95-%-Intervall 0,2–5,8 % (Wilson mit Designeffekt) · 2 von 186 abgeschlossenen Ausgaben mit schwerwiegendem Fehler
Schwächster Wert: 1,1 % · Median (9 Anbieter): 0,5 % · Bester Wert: 0,0 %
Ausgaben mit mindestens einem potenziell schwerwiegenden medizinischen Fehler pro abgeschlossener Ausgabe. Bewertet wird jeder Fall nach einer festgelegten Fehlerrubrik. Fehler bei Medikation oder Verneinung zählen hier nur, wenn die Rubrik die betroffene Angabe als potenziell schwerwiegend einstuft. Die Zähler je Fehlerart enthalten auch folgenlose Abweichungen.
So setzt sich der ScribeIndex-Score zusammen
| Teilwert | Punkte | Gewicht | Beitrag |
|---|---|---|---|
| Inhaltsqualität | 80,0 | 60 % | 48,0 |
| Schwerwiegende Fehler | 92,8 | 20 % | 18,6 |
| Korrekturaufwand | 69,7 | 15 % | 10,4 |
| Abschlussquote | 100,0 | 5 % | 5,0 |
| ScribeIndex-Score | 100 % | 82,0 |
Ein Fakten-F1 von 93,99 % liegt 6,01 Prozentpunkte unter einem fehlerfreien Ergebnis. Bei 30 Prozentpunkten Abstand fällt die Inhaltsqualität auf null, hier liegt sie deshalb bei 80,0 von 100 Punkten.
Die Beiträge entstehen aus ungerundeten Teilwerten. Deshalb kann die Summe der angezeigten Werte um 0,1 vom Score abweichen. Bewertungsmodell 2.2. Formel und Skalierung
Testbedingungen
- Korpus: Medizinische Diktate
- Fälle: 62 Szenarien × 3 Durchläufe
- Abgeschlossen: 186 von 186 Läufen
- Testweg: Datei-Upload
- Bewertete Ausgabe: Wortnahes Transkript
- Getestete Version: DictNow Windows-Client mit Cloud-Diktatverwaltung, Hintergrundverarbeitung importierter Diktate, Stand 3. Quartal 2026
- Protokoll und Zeitraum: Version 1.0, getestet im 3. Quartal 2026
Alle Kennzahlen
DictNow erreicht im Test „Medizinische Spracherkennung“ 82,0 von 100 Punkten. Fakten-F1 94,0 % (95-%-Konfidenzintervall 93,1–94,7 %). Getestet wurden 62 Szenarien mit je 3 Durchläufen, 186 von 186 Läufen wurden abgeschlossen. Korpus de-diktat-v1, Protokoll 1.0, getestet im 3. Quartal 2026.
| Kennzahl | Wert | Zählung und Bedeutung | 95-%-Intervall |
|---|---|---|---|
| ScribeIndex-Score | 82,0 / 100 | Gewichteter Gesamtwert aus Inhaltsqualität, schwerwiegenden Fehlern, Nacharbeit und Abschlussquote, Bewertungsmodell 2.2. | 76,7–84,1 |
| Fakten-F1 | 94,0 % | Erläuterung weiter oben. | 93,1–94,7 |
| Wortfehlerrate (WER) | 6,73 % | 6.945 Wortfehler von 103.161 Referenzwörtern. | 6,15–7,32 |
| Nacharbeit je Diktat | 3,59 min | Erläuterung weiter oben. | 3,29–3,89 |
| Verarbeitungszeit (Median) | 78,6 s | Erläuterung weiter oben. | – |
| Erkennungsfehler | 6,73 % | 6.945 Wortfehler von 103.161 Referenzwörtern. Falsch erkannte, ausgelassene oder eingefügte Wörter pro Referenzwort, ohne zulässige Umformulierungen. Bei wortnaher Ausgabe entspricht der Wert der WER, dort zählt jede Abweichung vom Wortlaut. Bei KI-überarbeiteter Ausgabe zählen nur falsch erkannte oder inhaltlich veränderte Wörter. Für wortnahe Dienste ist die Zählung damit strenger. Gezählt wird, was im gelieferten Text falsch ist, fehlt oder hinzukommt, bezogen auf die Wörter der Referenz. | 6,15–7,32 |
| Zeichenfehlerrate · CER | 2,8 % | 20.590 Zeichenabweichungen von 743.736 Referenzzeichen. Zeichenabweichungen pro Referenzzeichen nach NFC-Normalisierung, einheitlicher Groß- und Kleinschreibung, entfernten Satzzeichen und zu einem Leerzeichen zusammengefasstem Leerraum. Leerzeichen zählen als Zeichen. | 2,5–3,0 |
| Dokumente mit schwerwiegendem Fehler | 1,1 % | 2 von 186 abgeschlossenen Ausgaben mit schwerwiegendem Fehler. | 0,2–5,8 (Wilson mit Designeffekt) |
| Falsche oder unbelegte Aussagen | 5,5 % | 369 falsche oder unbelegte Aussagen von 6.747 ausgegebenen Aussagen. Ausgegebene Aussagen, die der Referenz widersprechen oder sich weder auf das Gespräch noch auf bereitgestellten Kontext stützen, pro ausgegebener deduplizierter Aussage. Zutreffende, aber nicht dokumentationsrelevante Aussagen zählen getrennt und nicht hier. | 4,7–6,4 (Wilson mit Designeffekt) |
| Fehler bei Fachbegriffen | 2,6 % | 292 fehlerhafte Fachkonzepte von 11.205 Referenzkonzepten. Fachlich falsch wiedergegebene oder ausgelassene medizinische Konzepte pro annotiertem Fachkonzept der Referenz. Synonyme gelten bei gleicher Bedeutung als korrekt. | 2,1–3,2 (Wilson mit Designeffekt) |
| Fehler bei Medikamenten und Dosierungen | 3,8 % | 29 fehlerhafte Medikationsangaben von 762 Referenzangaben zur Medikation. Falsch wiedergegebene oder ausgelassene Angaben zu Wirkstoff, Dosis, Einheit und Einnahme pro annotierter Medikationsangabe. Jede Angabe zählt höchstens einmal. | 2,2–6,6 (Wilson mit Designeffekt) |
| Fehler bei Verneinungen | 1,7 % | 19 fehlerhafte Verneinungen von 1.107 Referenzaussagen zu Negation oder Bestätigung. Verlorene, hinzugefügte oder umgekehrte Negationen pro Referenzaussage mit verneintem oder ausdrücklich bestätigtem Befund. Eine Aussage zählt höchstens einmal. | 0,8–3,5 (Wilson mit Designeffekt) |
| Fehler bei zeitlichen Angaben | 4,1 % | 60 fehlerhafte zeitliche Angaben von 1.455 zeitlichen Referenzangaben. Falsch zugeordnete oder ausgelassene Zeitpunkte, Dauern und zeitliche Beziehungen pro annotierter zeitlicher Referenzangabe. | 2,7–6,2 (Wilson mit Designeffekt) |
| Fehler bei der Zuordnung | 2,1 % | 50 fehlerhafte Zuordnungen von 2.415 Referenzfakten mit Quellenzuordnung. Falsche oder ausgelassene Zuordnung von Aussagen zu Patient, behandelnder Person oder Drittperson pro Referenzfakt mit erforderlicher Quellenzuordnung. | 1,3–3,2 (Wilson mit Designeffekt) |
| Umgesetzte Diktatbefehle | 89,9 % | 1.192 umgesetzte Diktatbefehle von 1.326 Diktatbefehlen. Richtig ausgeführte festgelegte Satzzeichen-, Absatz- und Korrekturbefehle pro ausgesprochenem Referenzbefehl. Der Befehl soll wirken und nicht als Befehlswort im Text stehen. | 86,4–92,6 (Wilson mit Designeffekt) |
| Umgesetzte Selbstkorrekturen | 2,4 % | 6 umgesetzte Selbstkorrekturen von 252 Selbstkorrekturen. Spontane Selbstkorrekturen, nach denen das Dokument nur die endgültige Angabe enthält, pro annotierter Selbstkorrektur der Referenz. Steht die verworfene Angabe noch im Text oder ersetzt sie die endgültige, ist die Selbstkorrektur nicht umgesetzt. Ob eine Regel oder ein Sprachmodell sie umsetzt, spielt keine Rolle. | 0,8–7,2 (Wilson mit Designeffekt) |
| Umgesetzte Bearbeitungsanweisungen | 0,0 % | 0 umgesetzte Bearbeitungsanweisungen von 90 Bearbeitungsanweisungen. Frei formulierte Anweisungen an das Dokument, deren Wirkung das gelieferte Dokument zeigt, pro annotierter Anweisung der Referenz. Eine solche Anweisung ändert eine früher genannte Angabe, ergänzt Inhalt an einer früheren Stelle oder verschiebt einen Abschnitt. Steht sie wörtlich im Text oder bleibt sie ohne Wirkung, ist sie nicht umgesetzt. Ob eine Regel oder ein Sprachmodell sie umsetzt, spielt keine Rolle. | 0,0–10,2 (Wilson mit Designeffekt) |
| Faktenpräzision | 93,7 % | 6.322 korrekte relevante Fakten von 6.747 ausgegebenen Fakten. Korrekte relevante Fakten im Verhältnis zu allen deduplizierten ausgegebenen Fakten. | 92,8–94,6 |
| Fakten-Recall | 94,3 % | 6.322 korrekt erhaltene Fakten von 6.705 dokumentationsrelevanten Referenzfakten. Korrekt erhaltene Fakten im Verhältnis zu allen dokumentationsrelevanten Referenzfakten. | 93,2–95,3 |
| Verarbeitungszeit (95. Perzentil) | 181 s | 95 % der erfolgreichen Läufe waren nach dieser Zeit fertig. | – |
| Abschlussquote | 100,0 % | 186 von 186 gestarteten Läufen abgeschlossen. Anteil der Läufe mit verwertbarem Ergebnis. | – |
Verarbeitungszeit
- Median (p50): 78,6 s
- 95. Perzentil (p95): 181 s
- Testweg: Datei-Upload
- Messstrecke: Von „Uploadstart“ bis „Vollständig verfügbares, exportierbares Ergebnis“
Über alle abgeschlossenen Läufe. p95 zeigt die Dauer, die 95 % der Läufe nicht überschreiten. Median und p95 beschreiben die Verteilung der Messwerte und sind kein Konfidenzintervall.
Geschätzte Nacharbeit
- Je Diktat: 3,59 min (Ø 5,0 min Aufnahme)
- Je Stunde Aufnahme: 42,76 min
- 95-%-Intervall je Stunde: 39,18–46,32 min
- Geschätzte Nacharbeit gesamt: 667,66 min
- Audiodauer aller Ausgaben: 15 h 37 min (15,615 h)
- Ausgaben: 186, alle abgeschlossenen Läufe
Geschätzt aus den gezählten Fehlern aller abgeschlossenen Ausgaben, mit festen Zeiten je Korrekturschritt, die für alle Dienste gleich sind. Die Rate je Stunde ist die Nacharbeit gesamt ÷ Audiostunden und lässt sich aus den angezeigten Minuten und den Stunden in Klammern genau nachrechnen.
Wortvergleich
WER: Vergleichbar- Wortfehlerrate (WER): 6,73 % · 95-%-Intervall 6,15–7,32 %
- Ersetzungen (S): 4.089
- Auslassungen (D): 2.019
- Einfügungen (I): 837
- Referenzwörter (N): 103.161
- Zeichenfehlerrate (CER): 2,8 %
WER wird aus der gelieferten wortnahen Transkriptausgabe gegen die normalisierte Referenz berechnet. WER = (S + D + I) ÷ N × 100, gezählt über alle abgeschlossenen Läufe.
Fehler nach Typ
| Fehlertyp | Anzahl | Anteil am häufigsten Fehlertyp | Bedeutung |
|---|---|---|---|
| Nicht erfasste Referenzfakten | 383 (5,7 % der Referenzfakten) | 9 % | Eine erforderliche Angabe aus der Aufnahme fehlt oder ist verfälscht (FN), etwa eine nicht dokumentierte Allergie. Korrekte Umformulierungen zählen als Treffer. |
| Falsche oder unbelegte Aussagen | 369 (5,5 % der ausgegebenen Aussagen) | 9 % | Die Ausgabe enthält eine Angabe, die der Referenz widerspricht oder sich nicht auf die Aufnahme stützt (FP, inhaltlicher Fehler), etwa eine nie genannte Dosis. Eine verfälschte Referenzangabe zählt zugleich hier und als nicht erfasster Referenzfakt. |
| Zutreffende, aber nicht relevante Aussagen | 56 (0,8 % der ausgegebenen Aussagen) | 1 % | Die Angabe stimmt, gehört laut Rubrik aber nicht in das Dokument (FP, nicht relevant), etwa Smalltalk oder wiederholte Begrüßungen. Sie senkt die Präzision, ist aber kein inhaltlicher Fehler. |
| Ersetzungen | 4.089 (4,0 % der Referenzwörter) | 100 % | Ein Referenzwort wird durch ein anderes Wort ersetzt (S), etwa „heute“ statt „morgen“. |
| Auslassungen | 2.019 (2,0 % der Referenzwörter) | 49 % | Ein Referenzwort fehlt in der Ausgabe (D), etwa „seit“ statt „seit gestern“. Gezählt werden Wörter, nicht fehlende Inhalte. |
| Einfügungen | 837 (0,8 % der Referenzwörter) | 20 % | Die Ausgabe enthält ein Wort, das in der Referenz nicht vorkommt (I). |
Über alle abgeschlossenen Läufe ergab der Faktenabgleich 6.322 korrekt erhaltene Fakten (TP), 425 falsch positive Aussagen (FP), davon 369 falsch oder unbelegt und 56 zutreffend, aber nicht relevant, 383 nicht erfasste Referenzfakten (FN). Fakten-F1 = 2TP ÷ (2TP + FP + FN). Beide FP-Arten senken die Präzision, nur falsche oder unbelegte Aussagen gelten als inhaltlicher Fehler.
Abgeschlossene Läufe: 186 von 186 (100,0 %)
Alle 186 Läufe lieferten ein auswertbares Ergebnis.
Konfiguration im Test
- Produktversion: DictNow Windows-Client mit Cloud-Diktatverwaltung, Hintergrundverarbeitung importierter Diktate, Stand 3. Quartal 2026
- Modellversion: Vom Anbieter nicht ausgewiesen
- Sprache: Deutsch (de-DE)
- Vorlage: Keine Dokumentvorlage, nur der Arbeitsauftrag
- Arbeitsauftrag: Wortnahes Diktat, Version 1.0
- Eigener Wortschatz: Nicht hinterlegt
- Audioeingang: Dateiimport des Diktats per Drag-and-drop zur Hintergrundverarbeitung
- Wörterbuch: Medizinisches Grundwörterbuch
- Einträge im eigenen Wortschatz: 0
- Vorlagen: Nein
- Sprecherprofil: Neues Profil ohne Training
- Auswertung: Version 1.0
- Textnormalisierung: de-med-wer, Version 1.0
- Bewertungsrubrik: clinical-facts-v1, Version 1.0
Korpus, Ausschlüsse und Prüfsummen
Nachgesprochene ärztliche Diktate aus sieben Fachrichtungen zu fiktiven Patientinnen und Patienten, mit Befunden, Medikation und Verneinungen. Dazu kommen gesprochene Anweisungen, also Diktatbefehle, spontane Selbstkorrekturen und gelegentliche Bearbeitungsanweisungen zu früheren Stellen des Diktats. Die Aufnahmen entstehen mit Headset oder Tischmikrofon, teils mit Hintergrundgeräuschen oder als komprimierte Diktiergerätedateien.
- Korpus: Medizinische Diktate (
de-diktat-v1, Version 1.0) - Szenarien: 64 aufgenommen, 62 ausgewertet, je 3 Läufe
- Audio gesamt: 5 h 12 min, je Fall 1 min bis 15 min (Median 5 min)
- Sprecher je Fall: 1
- Fachrichtung: Innere Medizin (13), Allgemeinmedizin (11), Orthopädie und Unfallchirurgie (10), Radiologie (9), Kardiologie (8), Neurologie (7), Gynäkologie (4)
- Aussprache: Standarddeutsch (27), Regional (Deutschland) (13), Österreichisch (9), Schweizerisch gefärbt (6), Nicht muttersprachlich (7)
- Aufnahmebedingung: Ruhiger Raum, Headset (22), Ruhiger Raum, Tischmikrofon (14), Hintergrundgeräusche (15), Komprimierte Aufnahme (11)
- Audioformate: PCM 24 Bit (WAV), 48 kHz, mono · MP3 128 kbit/s, 44,1 kHz, mono · AAC-LC (M4A), 44,1 kHz, mono
- Referenz: Version 1.0: 34.387 Wörter, 247.912 Zeichen, 2.235 Referenzfakten
- Annotierte Einheiten: Annotierte medizinische Fachkonzepte 3.735 · Medikationsangaben (Wirkstoff, Dosis, Einheit, Einnahme) 254 · Verneinte oder ausdrücklich bestätigte Befunde 369 · Zeitliche Referenzangaben 485 · Fakten mit erforderlicher Quellenzuordnung 805 · Diktatbefehle 442 · Selbstkorrekturen mit geänderter Angabe 84 · Bearbeitungsanweisungen 30
- Referenzprüfung: Diktattext und Fakten entstehen als Sprechvorlage vor der Aufnahme. Nach der Aufnahme wird das Gesprochene automatisch mit der Vorlage abgeglichen, abweichende Stellen werden an der Aufnahme geprüft und die Referenz vor dem ersten Anbieterlauf eingefroren. Rubrik clinical-facts-v1, Version 1.0.
- Zeitraum der Testreihe: 2. und 3. Quartal 2026 für alle Dienste, Korpus vor dem ersten Lauf eingefroren
- Ausgeschlossen:
diktat-023: Die sprechende Person nannte versehentlich einen echten Namen. Die Aufnahme wurde vor der Referenzfreigabe zurückgezogen.diktat-057: Endgültige Angabe einer Selbstkorrektur auch nach Prüfung der Aufnahme nicht eindeutig hörbar.
- SHA-256 Manifest:
6768f28bb70c0457e31c2eaafd4f3c498c05b4aec26501537825bbaa22733060 - SHA-256 Referenz:
18772162e86230bce7cfb8a2f52f90244df2b1cdf52bdb6a646494dd3596dbb9
Unsicherheit und Berechnung
- Verfahren: Gepaarter Cluster-Bootstrap, Konfidenzniveau 95 %, Perzentilintervall. Anteile aus Zählern erhalten ein Wilson-Intervall mit Designeffekt. Für das Score-Intervall wird der Anteil schwerwiegender Fehler je Dienst aus einer Beta-Verteilung gezogen.
- Cluster: 62 Cluster, Einheit Szenario. Alle Läufe eines Szenarios bleiben im selben Cluster.
- Wiederholungen: 2.000 Bootstrap-Stichproben, Seed 4214870755
- Aggregation: Zähler aller abgeschlossenen Läufe werden gepoolt. Kennzahlen entstehen aus Summen, nicht aus Mittelwerten je Fall.
- Gepaarte Stichprobe: Alle Anbieter dieses Korpus nutzen dieselben Bootstrap-Stichproben. SHA-256 der Ziehungsliste:
1feb69fb1f1a9ee5134ab583a5bf6a80625f840f53d2d833da91149ac9f1550a - Fakten: Präzision = TP ÷ (TP + FP) = 93,7 %. Recall = TP ÷ (TP + FN) = 94,3 %. F1 = 2TP ÷ (2TP + FP + FN) = 94,0 % (95-%-Intervall 93,1–94,7 %).
- Wörter: WER = (4.089 + 2.019 + 837) ÷ 103.161 × 100 = 6,73 %
- ScribeIndex-Score: 95-%-Intervall 76,7–84,1 Punkte, je Bootstrap-Stichprobe aus dem vollständigen Score neu berechnet. Wie das Score-Intervall entsteht
Rangliste Medizinische Spracherkennung
Sortiert nach ScribeIndex-Score.
- Platz 1: Tippiti im Test 96,8
- Platz 2: Heidi im Test 93,4
- Platz 3: Idana Flow im Test 93,3
- Platz 4: HealthJet im Test 91,6
- Platz 5: Dragon Medical One im Test 85,1
- Platz 6: Dragon Copilot im Test 84,1
- Platz 7: DictNow 82,0
- Platz 8: MIRA medical im Test 81,6
- Platz 9: Fluency Direct im Test 79,9
DictNow: Allgemeine Diktate
In der Testreihe „Allgemeine Diktate“ liegt DictNow mit 75,2 Punkten auf Platz 3 von 6, 9,0 Punkte hinter Wispr Flow (84,2) und 3,1 Punkte vor Letterly (72,1). Hinter Wispr Flow bleibt DictNow vor allem bei der Wortfehlerrate (8,0 % gegenüber 3,8 %) zurück. Vor Letterly liegt DictNow vor allem beim Anteil korrekter Namen (93,1 % gegenüber 84,3 %) und beim Anteil korrekter Zahlen (94,5 % gegenüber 91,0 %). Zum einmaligen Durchlesen kommen nach Schätzung von ScribeIndex im Schnitt 2,69 Minuten Nacharbeit je Diktat hinzu, bei einer durchschnittlichen Aufnahmedauer von 3,5 Minuten.
Einordnung: Mittelfeld · ScribeIndex-Score 75,2 / 100 · 95-%-Intervall 72,3–78,0 · Platz 3 von 6
9,0 Punkte hinter dem besten Dienst und 1,5 Punkte über dem Median des Feldes.
Wortfehlerrate (WER) (Platz 3 von 6): 8,0 % · 95-%-Intervall 7,2–9,0 % · 4.299 Wortfehler von 53.508 Referenzwörtern
Schwächster Wert: 12,2 % · Median (6 Anbieter): 8,0 % · Bester Wert: 3,8 %
Nacharbeit je Diktat (Platz 4 von 6): 2,69 min · 95-%-Intervall 2,45–2,95 min
Schwächster Wert: 3,85 min · Median (6 Anbieter): 2,67 min · Bester Wert: 1,59 min
Geschätzte Nacharbeit bis zur Zielfassung je Diktat, bei durchschnittlich 3,5 Minuten Aufnahme. Auf eine Stunde Aufnahme gerechnet sind das 46,3 Minuten.
Verarbeitungszeit (Median) (Platz 2 von 6): 1,5 s · Niedriger ist besser
Schwächster Wert: 8,5 s · Median (6 Anbieter): 1,9 s · Bester Wert: 1,1 s
Gemessen von „Ende des letzten zugespielten Wortes“ bis „Stabile nutzbare Textausgabe“.
So setzt sich der ScribeIndex-Score zusammen
| Teilwert | Punkte | Gewicht | Beitrag |
|---|---|---|---|
| Inhaltsqualität | 74,5 | 75 % | 55,8 |
| Korrekturaufwand | 71,7 | 20 % | 14,4 |
| Abschlussquote | 100,0 | 5 % | 5,0 |
| ScribeIndex-Score | 100 % | 75,2 |
Die Qualitätsformel besteht zu 80 % aus der Erkennung (100 minus WER) mit 92,0 Punkten, zu 10 % aus den korrekten Namen mit 93,1 Punkten und zu 10 % aus den korrekten Zahlen mit 94,5 Punkten. Sie ergibt 92,34 von 100, also 7,66 Punkte weniger als ein fehlerfreies Ergebnis. Bei 30 Punkten Abstand fällt die Inhaltsqualität auf null, hier liegt sie deshalb bei 74,5 von 100 Punkten.
Die Beiträge entstehen aus ungerundeten Teilwerten. Deshalb kann die Summe der angezeigten Werte um 0,1 vom Score abweichen. Bewertungsmodell 2.2. Formel und Skalierung
Testbedingungen
- Korpus: Allgemeine Diktate für Büro und Beruf
- Fälle: 40 Szenarien × 3 Durchläufe
- Abgeschlossen: 120 von 120 Läufen
- Testweg: Live-Diktat
- Bewertete Ausgabe: Wortnahes Transkript
- Getestete Version: DictNow Windows-Client, Stand 3. Quartal 2026
- Protokoll und Zeitraum: Version 1.0, getestet im 3. Quartal 2026
Alle Kennzahlen
DictNow erreicht im Test „Allgemeine Diktate“ 75,2 von 100 Punkten. Wortfehlerrate (WER) 8,0 % (95-%-Konfidenzintervall 7,2–9,0 %). Getestet wurden 40 Szenarien mit je 3 Durchläufen, 120 von 120 Läufen wurden abgeschlossen. Korpus de-buero-diktat-v1, Protokoll 1.0, getestet im 3. Quartal 2026.
| Kennzahl | Wert | Zählung und Bedeutung | 95-%-Intervall |
|---|---|---|---|
| ScribeIndex-Score | 75,2 / 100 | Gewichteter Gesamtwert aus Inhaltsqualität, Nacharbeit und Abschlussquote, Bewertungsmodell 2.2. | 72,3–78,0 |
| Wortfehlerrate (WER) | 8,0 % | 4.299 Wortfehler von 53.508 Referenzwörtern. | 7,2–9,0 |
| Nacharbeit je Diktat | 2,69 min | Erläuterung weiter oben. | 2,45–2,95 |
| Verarbeitungszeit (Median) | 1,5 s | Erläuterung weiter oben. | – |
| Zeichenfehlerrate · CER | 4,2 % | 14.420 Zeichenabweichungen von 344.913 Referenzzeichen. | 3,5–4,9 |
| Korrekte Namen | 93,1 % | 447 korrekt erkannte Namen von 480 Referenznamen. Korrekt übernommene Personen- und Firmennamen pro annotiertem Referenznamen. Vorab freigegebene Schreibvarianten zählen als richtig. | 88,0–96,2 (Wilson mit Designeffekt) |
| Korrekte Zahlen | 94,5 % | 675 korrekt erkannte Zahlen von 714 Referenzzahlen. Korrekt übernommene Zahlen mit ihrer Einheit und ihrem Bezug pro annotierter Zahlenangabe. Falsche oder ausgelassene Werte zählen als nicht korrekt. | 90,8–96,8 (Wilson mit Designeffekt) |
| Umgesetzte Diktatbefehle | 91,6 % | 404 umgesetzte Diktatbefehle von 441 Diktatbefehlen. | 85,2–95,4 (Wilson mit Designeffekt) |
| Umgesetzte Selbstkorrekturen | 0,0 % | 0 umgesetzte Selbstkorrekturen von 207 Selbstkorrekturen. | 0,0–6,1 (Wilson mit Designeffekt) |
| Umgesetzte Bearbeitungsanweisungen | 0,0 % | 0 umgesetzte Bearbeitungsanweisungen von 36 Bearbeitungsanweisungen. | 0,0–25,9 (Wilson mit Designeffekt) |
| Verarbeitungszeit (95. Perzentil) | 4,0 s | Erläuterung weiter oben. | – |
| Abschlussquote | 100,0 % | 120 von 120 gestarteten Läufen abgeschlossen. | – |
Verarbeitungszeit
- Median (p50): 1,5 s
- 95. Perzentil (p95): 4,0 s
- Testweg: Live-Diktat
- Messstrecke: Von „Ende des letzten zugespielten Wortes“ bis „Stabile nutzbare Textausgabe“
Über alle abgeschlossenen Läufe, Audio in Echtzeit zugespielt. p95 zeigt die Dauer, die 95 % der Läufe nicht überschreiten. Median und p95 beschreiben die Verteilung der Messwerte und sind kein Konfidenzintervall.
Geschätzte Nacharbeit
- Je Diktat: 2,69 min (Ø 3,5 min Aufnahme)
- Je Stunde Aufnahme: 46,35 min
- 95-%-Intervall je Stunde: 42,18–50,81 min
- Geschätzte Nacharbeit gesamt: 322,89 min
- Audiodauer aller Ausgaben: 6 h 58 min (6,967 h)
- Ausgaben: 120, alle abgeschlossenen Läufe
Geschätzt aus den gezählten Fehlern aller abgeschlossenen Ausgaben, mit festen Zeiten je Korrekturschritt, die für alle Dienste gleich sind. Die Rate je Stunde ist die Nacharbeit gesamt ÷ Audiostunden und lässt sich aus den angezeigten Minuten und den Stunden in Klammern genau nachrechnen.
Wortvergleich
WER: Vergleichbar- Wortfehlerrate (WER): 8,0 % · 95-%-Intervall 7,2–9,0 %
- Ersetzungen (S): 2.028
- Auslassungen (D): 976
- Einfügungen (I): 1.295
- Referenzwörter (N): 53.508
- Zeichenfehlerrate (CER): 4,2 %
WER wird aus der gelieferten wortnahen Transkriptausgabe gegen die normalisierte Referenz berechnet. WER = (S + D + I) ÷ N × 100, gezählt über alle abgeschlossenen Läufe.
Fehler nach Typ
| Fehlertyp | Anzahl | Anteil am häufigsten Fehlertyp | Bedeutung |
|---|---|---|---|
| Ersetzungen | 2.028 (3,8 % der Referenzwörter) | 100 % | Ein Referenzwort wird durch ein anderes Wort ersetzt (S), etwa „heute“ statt „morgen“. |
| Auslassungen | 976 (1,8 % der Referenzwörter) | 48 % | Ein Referenzwort fehlt in der Ausgabe (D), etwa „seit“ statt „seit gestern“. Gezählt werden Wörter, nicht fehlende Inhalte. |
| Einfügungen | 1.295 (2,4 % der Referenzwörter) | 64 % | Die Ausgabe enthält ein Wort, das in der Referenz nicht vorkommt (I). |
Gezählt werden Wörter nach Normalisierung über alle abgeschlossenen Läufe.
Abgeschlossene Läufe: 120 von 120 (100,0 %)
Alle 120 Läufe lieferten ein auswertbares Ergebnis.
Konfiguration im Test
- Produktversion: DictNow Windows-Client, Stand 3. Quartal 2026
- Modellversion: Vom Anbieter nicht ausgewiesen
- Sprache: Deutsch (de-DE)
- Vorlage: Keine Dokumentvorlage, nur der Arbeitsauftrag
- Arbeitsauftrag: Wortnahes Diktat, Version 1.0
- Eigener Wortschatz: Nicht hinterlegt
- Audioeingang: Virtueller Mikrofoneingang in eine leere Zielanwendung
- Einträge im eigenen Wortschatz: 0
- Ausgabestil: Wortnah mit Satzzeichen
- Diktatbefehle: Ja
- Auswertung: Version 1.0
- Textnormalisierung: de-allg-wer, Version 1.0
- Bewertungsrubrik: Keine, da kein Faktenabgleich
Korpus, Ausschlüsse und Prüfsummen
Vierzig Geschäftsdiktate von unter einer Minute bis zehn Minuten Länge mit E-Mails, Notizen, Namen, Terminen, Zahlen und Selbstkorrekturen. Jedes Diktat wird als wortnaher Text in eine leere Zielanwendung geschrieben.
- Korpus: Allgemeine Diktate für Büro und Beruf (
de-buero-diktat-v1, Version 1.0) - Szenarien: 40 aufgenommen, 40 ausgewertet, je 3 Läufe
- Audio gesamt: 2 h 19 min, je Fall 1 min bis 10 min (Median 3 min)
- Sprecher je Fall: 1
- Textart: E-Mail (12), Geschäftsnotiz (10), Zahlen und Namen (10), Selbstkorrekturen (8)
- Aussprache: Standarddeutsch (20), Regional (Deutschland) (8), Österreichisch (6), Schweizerisch gefärbt (6)
- Aufnahmequalität: Nahmikrofon, ruhig (32), Nahmikrofon mit spontanen Korrekturen (8)
- Audioformate: PCM 24 Bit (WAV), 48 kHz, mono
- Aufbereitung:
- Kontrollierte Wiedergabe der Referenzaufnahmen über einen virtuellen Mikrofoneingang mit −20 dBFS RMS in Echtzeit
- Referenz: Version 1.0: 17.836 Wörter, 114.971 Zeichen
- Annotierte Einheiten: Personen- und Firmennamen 160 · Zahlenangaben 238 · Diktatbefehle 147 · Selbstkorrekturen mit geänderter Angabe 69 · Bearbeitungsanweisungen 12
- Referenzprüfung: Der Wortlaut entsteht als Sprechvorlage vor der Aufnahme. Nach der Aufnahme wird die Vorlage automatisch mit dem Gesprochenen abgeglichen, abweichende Stellen werden an der Aufnahme geprüft und die Referenz vor den Anbieterdurchläufen eingefroren.
- Zeitraum der Testreihe: 3. und 4. Quartal 2026 für alle Dienste, Korpus vor dem ersten Lauf eingefroren
- SHA-256 Manifest:
be86355a52a9e6e6ac547fa75797ca0c34d34b998965c77efe431e8cac1bf200 - SHA-256 Referenz:
2f3f1976d19c5059b932063bd9b929c3ad3df1d749efd78e0060e5b1364c5f41
Unsicherheit und Berechnung
- Verfahren: Gepaarter Cluster-Bootstrap, Konfidenzniveau 95 %, Perzentilintervall. Anteile aus Zählern erhalten ein Wilson-Intervall mit Designeffekt
- Cluster: 40 Cluster, Einheit Szenario. Alle Läufe eines Szenarios bleiben im selben Cluster.
- Wiederholungen: 2.000 Bootstrap-Stichproben, Seed 2217701174
- Aggregation: Zähler aller abgeschlossenen Läufe werden gepoolt. Kennzahlen entstehen aus Summen, nicht aus Mittelwerten je Fall.
- Gepaarte Stichprobe: Alle Anbieter dieses Korpus nutzen dieselben Bootstrap-Stichproben. SHA-256 der Ziehungsliste:
5b6419a32e9fc2e489a2dae6029ddcb9e755388234d69b65a19df934ad0bdabc - Wörter: WER = (2.028 + 976 + 1.295) ÷ 53.508 × 100 = 8,0 %
- ScribeIndex-Score: 95-%-Intervall 72,3–78,0 Punkte, je Bootstrap-Stichprobe aus dem vollständigen Score neu berechnet. Wie das Score-Intervall entsteht
Rangliste Allgemeine Diktate
Sortiert nach ScribeIndex-Score.
- Platz 1: Wispr Flow im Test 84,2
- Platz 2: Dragon Legal im Test 80,2
- Platz 3: DictNow 75,2
- Platz 4: Letterly im Test 72,1
- Platz 5: AudioPen im Test 70,0
- Platz 6: Superwhisper im Test 60,6
DictNow: Juristische Diktate
In der Testreihe „Juristische Diktate“ liegt DictNow mit 70,6 Punkten auf Platz 2 von 4, 3,4 Punkte hinter Dragon Legal (74,0) und 2,2 Punkte vor SpeechLive Legal (68,4). Hinter Dragon Legal bleibt DictNow vor allem bei den schwerwiegenden Fehlern (in 11 von 120 Ausgaben gegenüber 9 von 120) zurück. Vor SpeechLive Legal liegt DictNow vor allem bei den schwerwiegenden Fehlern (in 11 von 120 Ausgaben gegenüber 12 von 119) und bei der Wortfehlerrate (7,5 % gegenüber 8,0 %). Zum einmaligen Durchlesen kommen nach Schätzung von ScribeIndex im Schnitt 4,9 Minuten Nacharbeit je Diktat hinzu, bei einer durchschnittlichen Aufnahmedauer von 6,1 Minuten.
Einordnung: Mittelfeld · ScribeIndex-Score 70,6 / 100 · 95-%-Intervall 61,9–80,6 · Platz 2 von 4
3,4 Punkte hinter dem besten Dienst und 1,1 Punkte über dem Median des Feldes.
Wortfehlerrate (WER) (Platz 2 von 4): 7,5 % · 95-%-Intervall 6,7–8,2 % · 7.123 Wortfehler von 95.199 Referenzwörtern
Schwächster Wert: 8,0 % · Median (4 Anbieter): 7,6 % · Bester Wert: 7,0 %
Nacharbeit je Diktat (Platz 2 von 4): 4,9 min · 95-%-Intervall 4,3–5,3 min
Schwächster Wert: 5,6 min · Median (4 Anbieter): 5,0 min · Bester Wert: 4,6 min
Geschätzte Nacharbeit bis zur Zielfassung je Diktat, bei durchschnittlich 6,1 Minuten Aufnahme. Auf eine Stunde Aufnahme gerechnet sind das 48,0 Minuten.
Verarbeitungszeit (Median) (Geteilter Platz 3 von 4, schwächster Wert): 1,8 s · Niedriger ist besser
Schwächster Wert: 1,8 s · Median (4 Anbieter): 1,8 s · Bester Wert: 1,1 s
Dokumente mit schwerwiegendem Fehler (Platz 2 von 4): 9,2 % · 95-%-Intervall 3,7–21,2 % (Wilson mit Designeffekt) · 11 von 120 abgeschlossenen Ausgaben mit schwerwiegendem Fehler
Schwächster Wert: 14,2 % · Median (4 Anbieter): 9,6 % · Bester Wert: 7,5 %
Ausgaben mit mindestens einem schwerwiegenden juristischen Fehler pro abgeschlossener Ausgabe. Bewertet werden Parteien, Fristen, Forderungen und Normbezüge nach der Rubrik legal-errors-v1.
So setzt sich der ScribeIndex-Score zusammen
| Teilwert | Punkte | Gewicht | Beitrag |
|---|---|---|---|
| Inhaltsqualität | 78,5 | 60 % | 47,1 |
| Schwerwiegende Fehler | 38,9 | 20 % | 7,8 |
| Korrekturaufwand | 71,3 | 15 % | 10,7 |
| Abschlussquote | 100,0 | 5 % | 5,0 |
| ScribeIndex-Score | 100 % | 70,6 |
Die Qualitätsformel besteht zu 80 % aus der Erkennung (100 minus WER) mit 92,5 Punkten, zu 10 % aus den Parteien (100 minus Fehlerquote) mit 96,7 Punkten und zu 10 % aus den Beträgen und Fristen (100 minus gemeinsame Fehlerquote) mit 98,5 Punkten. Sie ergibt 93,54 von 100, also 6,46 Punkte weniger als ein fehlerfreies Ergebnis. Bei 30 Punkten Abstand fällt die Inhaltsqualität auf null, hier liegt sie deshalb bei 78,5 von 100 Punkten.
Die Beiträge entstehen aus ungerundeten Teilwerten. Deshalb kann die Summe der angezeigten Werte um 0,1 vom Score abweichen. Bewertungsmodell 2.2. Formel und Skalierung
Testbedingungen
- Korpus: Juristische Diktate
- Fälle: 40 Szenarien × 3 Durchläufe
- Abgeschlossen: 120 von 120 Läufen
- Testweg: Live-Diktat
- Bewertete Ausgabe: Wortnahes Transkript
- Getestete Version: DictNow Windows-Client, Stand 3. Quartal 2026
- Protokoll und Zeitraum: Version 1.0, getestet im 3. Quartal 2026
Alle Kennzahlen
DictNow erreicht im Test „Juristische Diktate“ 70,6 von 100 Punkten. Wortfehlerrate (WER) 7,5 % (95-%-Konfidenzintervall 6,7–8,2 %). Getestet wurden 40 Szenarien mit je 3 Durchläufen, 120 von 120 Läufen wurden abgeschlossen. Korpus de-recht-diktat-v1, Protokoll 1.0, getestet im 3. Quartal 2026.
| Kennzahl | Wert | Zählung und Bedeutung | 95-%-Intervall |
|---|---|---|---|
| ScribeIndex-Score | 70,6 / 100 | Gewichteter Gesamtwert aus Inhaltsqualität, schwerwiegenden Fehlern, Nacharbeit und Abschlussquote, Bewertungsmodell 2.2. | 61,9–80,6 |
| Wortfehlerrate (WER) | 7,5 % | 7.123 Wortfehler von 95.199 Referenzwörtern. | 6,7–8,2 |
| Nacharbeit je Diktat | 4,9 min | Erläuterung weiter oben. | 4,3–5,3 |
| Verarbeitungszeit (Median) | 1,8 s | Erläuterung weiter oben. | – |
| Zeichenfehlerrate · CER | 3,9 % | 24.120 Zeichenabweichungen von 613.482 Referenzzeichen. | 3,5–4,4 |
| Dokumente mit schwerwiegendem Fehler | 9,2 % | 11 von 120 abgeschlossenen Ausgaben mit schwerwiegendem Fehler. | 3,7–21,2 (Wilson mit Designeffekt) |
| Fehler bei Normzitaten und Aktenzeichen | 4,0 % | 42 fehlerhafte Normzitate von 1.041 Normzitaten. Falsche oder fehlende Paragraphen, Absätze, Gesetze und Aktenzeichen pro annotierter Referenzangabe. Vorab freigegebene typografische Varianten gelten als korrekt. | 2,6–6,2 (Wilson mit Designeffekt) |
| Fehler bei Fristen und Daten | 1,3 % | 8 fehlerhafte Fristen von 639 Referenzfristen. Falsche oder fehlende Fristen und Datumsangaben pro Referenzangabe. Zahlen und Bezugspunkte müssen zusammen stimmen. | 0,4–3,8 (Wilson mit Designeffekt) |
| Fehler bei Parteien und Rollen | 3,3 % | 33 falsche Parteienzuordnungen von 1.014 Parteienzuordnungen. Falsche oder fehlende Zuordnung einer Partei oder Rolle pro referenzierter Parteienangabe. Eine vertauschte Kläger- und Beklagtenrolle zählt als Fehler. | 1,8–5,9 (Wilson mit Designeffekt) |
| Fehler bei Beträgen | 1,7 % | 9 fehlerhafte Beträge von 522 Referenzbeträgen. Falsche oder fehlende Geldbeträge einschließlich Währung pro annotierter Betragsangabe. Wert und Währung müssen zusammen mit der Referenz übereinstimmen. | 0,7–4,1 (Wilson mit Designeffekt) |
| Umgesetzte Diktatbefehle | 91,5 % | 914 umgesetzte Diktatbefehle von 999 Diktatbefehlen. | 87,2–94,5 (Wilson mit Designeffekt) |
| Umgesetzte Selbstkorrekturen | 2,7 % | 7 umgesetzte Selbstkorrekturen von 255 Selbstkorrekturen. | 0,8–9,3 (Wilson mit Designeffekt) |
| Umgesetzte Bearbeitungsanweisungen | 0,0 % | 0 umgesetzte Bearbeitungsanweisungen von 108 Bearbeitungsanweisungen. | 0,0–15,5 (Wilson mit Designeffekt) |
| Verarbeitungszeit (95. Perzentil) | 3,7 s | Erläuterung weiter oben. | – |
| Abschlussquote | 100,0 % | 120 von 120 gestarteten Läufen abgeschlossen. | – |
Verarbeitungszeit
- Median (p50): 1,8 s
- 95. Perzentil (p95): 3,7 s
- Testweg: Live-Diktat
- Messstrecke: Von „Ende des letzten zugespielten Wortes“ bis „Stabile nutzbare Textausgabe“
Über alle abgeschlossenen Läufe, Audio in Echtzeit zugespielt. p95 zeigt die Dauer, die 95 % der Läufe nicht überschreiten. Median und p95 beschreiben die Verteilung der Messwerte und sind kein Konfidenzintervall.
Geschätzte Nacharbeit
- Je Diktat: 4,9 min (Ø 6,1 min Aufnahme)
- Je Stunde Aufnahme: 47,98 min
- 95-%-Intervall je Stunde: 42,77–52,62 min
- Geschätzte Nacharbeit gesamt: 583,64 min
- Audiodauer aller Ausgaben: 12 h 10 min (12,165 h)
- Ausgaben: 120, alle abgeschlossenen Läufe
Geschätzt aus den gezählten Fehlern aller abgeschlossenen Ausgaben, mit festen Zeiten je Korrekturschritt, die für alle Dienste gleich sind. Die Rate je Stunde ist die Nacharbeit gesamt ÷ Audiostunden und lässt sich aus den angezeigten Minuten und den Stunden in Klammern genau nachrechnen.
Wortvergleich
WER: Vergleichbar- Wortfehlerrate (WER): 7,5 % · 95-%-Intervall 6,7–8,2 %
- Ersetzungen (S): 3.417
- Auslassungen (D): 1.570
- Einfügungen (I): 2.136
- Referenzwörter (N): 95.199
- Zeichenfehlerrate (CER): 3,9 %
WER wird aus der gelieferten wortnahen Transkriptausgabe gegen die normalisierte Referenz berechnet. WER = (S + D + I) ÷ N × 100, gezählt über alle abgeschlossenen Läufe.
Fehler nach Typ
| Fehlertyp | Anzahl | Anteil am häufigsten Fehlertyp | Bedeutung |
|---|---|---|---|
| Ersetzungen | 3.417 (3,6 % der Referenzwörter) | 100 % | Ein Referenzwort wird durch ein anderes Wort ersetzt (S), etwa „heute“ statt „morgen“. |
| Auslassungen | 1.570 (1,6 % der Referenzwörter) | 46 % | Ein Referenzwort fehlt in der Ausgabe (D), etwa „seit“ statt „seit gestern“. Gezählt werden Wörter, nicht fehlende Inhalte. |
| Einfügungen | 2.136 (2,2 % der Referenzwörter) | 63 % | Die Ausgabe enthält ein Wort, das in der Referenz nicht vorkommt (I). |
Gezählt werden Wörter nach Normalisierung über alle abgeschlossenen Läufe.
Abgeschlossene Läufe: 120 von 120 (100,0 %)
Alle 120 Läufe lieferten ein auswertbares Ergebnis.
Konfiguration im Test
- Produktversion: DictNow Windows-Client, Stand 3. Quartal 2026
- Modellversion: Vom Anbieter nicht ausgewiesen
- Sprache: Deutsch (de-DE)
- Vorlage: Keine Dokumentvorlage, nur der Arbeitsauftrag
- Arbeitsauftrag: Wortnahes Diktat, Version 1.0
- Eigener Wortschatz: Nicht hinterlegt
- Audioeingang: Virtueller Mikrofoneingang in eine leere Zielanwendung
- Einträge im eigenen Wortschatz: 0
- Ausgabestil: Wortnah mit Satzzeichen
- Diktatbefehle: Ja
- Auswertung: Version 1.0
- Textnormalisierung: de-legal-wer, Version 1.0
- Bewertungsrubrik: legal-errors-v1, Version 1.0
Korpus, Ausschlüsse und Prüfsummen
Vierzig juristische Diktate mit Schriftsatzausschnitten, Aktenvermerken, Parteien, Normzitaten, Aktenzeichen, Fristen und Beträgen. Verglichen wird die gelieferte wortnahe Fassung ohne juristische Ergänzungen.
- Korpus: Juristische Diktate (
de-recht-diktat-v1, Version 1.0) - Szenarien: 40 aufgenommen, 40 ausgewertet, je 3 Läufe
- Audio gesamt: 4 h 3 min, je Fall 1 min bis 18 min (Median 5 min)
- Sprecher je Fall: 1
- Textart: Schriftsatz (14), Aktenvermerk (10), Zahlen und Namen (10), Selbstkorrekturen (6)
- Aussprache: Standarddeutsch (20), Regional (Deutschland) (8), Österreichisch (6), Schweizerisch gefärbt (6)
- Aufnahmequalität: Nahmikrofon, ruhig (34), Nahmikrofon mit spontanen Korrekturen (6)
- Audioformate: PCM 24 Bit (WAV), 48 kHz, mono
- Aufbereitung:
- Kontrollierte Wiedergabe der Referenzaufnahmen über einen virtuellen Mikrofoneingang mit −20 dBFS RMS in Echtzeit
- Referenz: Version 1.0: 31.733 Wörter, 204.494 Zeichen
- Annotierte Einheiten: Normzitate und Aktenzeichen 347 · Frist- und Datumsangaben 213 · Parteien und Rollen 338 · Geldbeträge 174 · Diktatbefehle 333 · Selbstkorrekturen mit geänderter Angabe 85 · Bearbeitungsanweisungen 36
- Referenzprüfung: Der Wortlaut entsteht als Sprechvorlage vor der Aufnahme. Nach der Aufnahme wird die Vorlage automatisch mit dem Gesprochenen abgeglichen, abweichende Stellen werden an der Aufnahme geprüft und die Referenz vor den Anbieterdurchläufen eingefroren. Rubrik legal-errors-v1, Version 1.0.
- Zeitraum der Testreihe: 2. und 3. Quartal 2026 für alle Dienste, Korpus vor dem ersten Lauf eingefroren
- SHA-256 Manifest:
2e856c64cf093797ea7a7b27b4ac15e541a33528e55d943bde123a02d67c7e83 - SHA-256 Referenz:
686a87e5af4681ab48fa6d1b65481ec57e9d04c2ef6bb6c22a5023b47bea5732
Unsicherheit und Berechnung
- Verfahren: Gepaarter Cluster-Bootstrap, Konfidenzniveau 95 %, Perzentilintervall. Anteile aus Zählern erhalten ein Wilson-Intervall mit Designeffekt
- Cluster: 40 Cluster, Einheit Szenario. Alle Läufe eines Szenarios bleiben im selben Cluster.
- Wiederholungen: 2.000 Bootstrap-Stichproben, Seed 5519911
- Aggregation: Zähler aller abgeschlossenen Läufe werden gepoolt. Kennzahlen entstehen aus Summen, nicht aus Mittelwerten je Fall.
- Gepaarte Stichprobe: Alle Anbieter dieses Korpus nutzen dieselben Bootstrap-Stichproben. SHA-256 der Ziehungsliste:
1045b46bde817656db5bc6b6b8be5c8a0aa04f1b4670527079e1ac9da69ba920 - Wörter: WER = (3.417 + 1.570 + 2.136) ÷ 95.199 × 100 = 7,5 %
- ScribeIndex-Score: 95-%-Intervall 61,9–80,6 Punkte, je Bootstrap-Stichprobe aus dem vollständigen Score neu berechnet. Wie das Score-Intervall entsteht
Rangliste Juristische Diktate
Sortiert nach ScribeIndex-Score.
- Platz 1: Dragon Legal im Test 74,0
- Platz 2: DictNow 70,6
- Platz 3: SpeechLive Legal im Test 68,4
- Platz 4: Wispr Flow im Test 61,9
Daten zu dieser Seite
Maschinenlesbar mit Zählern, Nennern und Intervallen. Frei nutzbar mit Quellenangabe. Zitierweise und Lizenz
So testet ScribeIndex
Jede Testreihe nutzt einen festen deutschsprachigen Korpus mit geprüften, vor dem ersten Lauf eingefrorenen Referenzen. Bewertet wird automatisch nach festen Regeln, unklare Zuordnungen werden anhand der Aufnahme fachlich geprüft. Jeder Fall läuft zwei- bis dreimal. Die Konfidenzintervalle von Score, Hauptkennzahl und weiteren Fehlerraten stammen aus einem gepaarten Bootstrap über die Szenarien, sodass alle Anbieter auf denselben Stichproben verglichen werden. Anteile aus Zählern erhalten ein Wilson-Intervall mit Designeffekt. Der ScribeIndex-Score ist ein gewichteter Gesamtwert aus Inhaltsqualität, aufgabenspezifischen Fehlern, Nacharbeit und Abschlussquote. Die Rangliste ordnet nach diesem Punktwert.
Für das Score-Intervall wird in jeder Bootstrap-Stichprobe der vollständige Score mit den Gewichten des Bewertungsmodells neu berechnet. Weil alle Dienste einer Testreihe dieselben Stichproben nutzen, lassen sich auch Scoredifferenzen gepaart auswerten. In Testreihen, deren Score schwerwiegende Fehler enthält, gilt das für den Teilwert „Schwerwiegende Fehler“ nicht. Der Anteil schwerwiegender Fehler wird je Dienst unabhängig aus einer Beta-Verteilung mit effektivem Stichprobenumfang gezogen, weil der Bootstrap bei null oder wenigen Ereignissen kaum streut. Der gemeinsame Einfluss schwieriger Aufnahmen hebt sich in den gepaarten Scoredifferenzen deshalb nicht auf, die Differenzintervalle werden breiter. Bei null oder wenigen schwerwiegenden Fehlern reicht das Score-Intervall vor allem nach unten, weil eine Stichprobe dieser Größe seltene Fehler übersehen haben kann.