Nuance Dragon Legal Group 16 im Test
Ergebnisse aus 2 Testreihen auf deutschsprachigen Korpora. Alle Anbieter einer Aufgabe bearbeiten dieselben Fälle nach demselben Protokoll.
Ergebnisse im Überblick
Im 3. Quartal 2026 erreicht Dragon Legal im ScribeIndex-Test „Juristische Diktate“ 74,0 von 100 Punkten (Platz 1 von 4, 40 Diktate, je 3 Durchläufe) und im Test „Allgemeine Diktate“ 80,2 Punkte (Platz 2 von 6, 40 Diktate, je 3 Durchläufe).
| Aufgabe | ScribeIndex-Score | Platz | Hauptkennzahl | Nacharbeit | Getestet |
|---|---|---|---|---|---|
| Juristische Diktate | Spitzengruppe: 74,0 | 1 von 4 | Wortfehlerrate: 7,0 % | 4,6 min je Diktat | 3. Quartal 2026 |
| Allgemeine Diktate | Mittelfeld: 80,2 | 2 von 6 | Wortfehlerrate: 6,4 % | 2,10 min je Diktat | 3. Quartal 2026 |
Dragon Legal: Juristische Diktate
In der Testreihe „Juristische Diktate“ liegt Dragon Legal mit 74,0 Punkten auf Platz 1 von 4, 3,4 Punkte vor DictNow (70,6). Den Unterschied machen vor allem die schwerwiegenden Fehler (in 9 von 120 Ausgaben bei Dragon Legal gegenüber 11 von 120 bei DictNow). Die Wortfehlerrate liegt bei 7,0 % (95-%-Konfidenzintervall 6,5–7,6 %). Zum einmaligen Durchlesen kommen nach Schätzung von ScribeIndex im Schnitt 4,6 Minuten Nacharbeit je Diktat hinzu, bei einer durchschnittlichen Aufnahmedauer von 6,1 Minuten.
Einordnung: Spitzengruppe · ScribeIndex-Score 74,0 / 100 · 95-%-Intervall 63,6–81,0 · Platz 1 von 4
Bester Score der Testreihe.
Wortfehlerrate (WER) (Platz 1 von 4): 7,0 % · 95-%-Intervall 6,5–7,6 % · 6.702 Wortfehler von 95.199 Referenzwörtern
Schwächster Wert: 8,0 % · Median (4 Anbieter): 7,6 % · Bester Wert: 7,0 %
Ersetzungen, Auslassungen und Einfügungen je Referenzwort nach Normalisierung.
Nacharbeit je Diktat (Platz 1 von 4): 4,6 min · 95-%-Intervall 4,2–4,9 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. Nicht enthalten ist das einmalige Durchlesen, das auch ein von Hand getipptes Dokument braucht. Auf eine Stunde Aufnahme gerechnet sind das 45,0 Minuten.
Verarbeitungszeit (Median) (Platz 1 von 4): 1,1 s · Niedriger ist besser
Schwächster Wert: 1,8 s · Median (4 Anbieter): 1,8 s · Bester Wert: 1,1 s
Gemessen von „Ende des letzten zugespielten Wortes“ bis „Stabile nutzbare Textausgabe“. Platz und Vergleichswerte nur unter Diensten derselben Messstrecke.
Dokumente mit schwerwiegendem Fehler (Platz 1 von 4): 7,5 % · 95-%-Intervall 2,7–19,0 % (Wilson mit Designeffekt) · 9 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 | 80,1 | 60 % | 48,0 |
| Schwerwiegende Fehler | 50,0 | 20 % | 10,0 |
| Korrekturaufwand | 73,1 | 15 % | 11,0 |
| Abschlussquote | 100,0 | 5 % | 5,0 |
| ScribeIndex-Score | 100 % | 74,0 |
Die Qualitätsformel besteht zu 80 % aus der Erkennung (100 minus WER) mit 93,0 Punkten, zu 10 % aus den Parteien (100 minus Fehlerquote) mit 97,6 Punkten und zu 10 % aus den Beträgen und Fristen (100 minus gemeinsame Fehlerquote) mit 98,9 Punkten. Sie ergibt 94,02 von 100, also 5,98 Punkte weniger als ein fehlerfreies Ergebnis. Bei 30 Punkten Abstand fällt die Inhaltsqualität auf null, hier liegt sie deshalb bei 80,1 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: Dragon Legal Group 16, Stand 3. Quartal 2026
- Protokoll und Zeitraum: Version 1.0, getestet im 3. Quartal 2026
Alle Kennzahlen
Nuance Dragon Legal Group 16 erreicht im Test „Juristische Diktate“ 74,0 von 100 Punkten. Wortfehlerrate (WER) 7,0 % (95-%-Konfidenzintervall 6,5–7,6 %). 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 | 74,0 / 100 | Gewichteter Gesamtwert aus Inhaltsqualität, schwerwiegenden Fehlern, Nacharbeit und Abschlussquote, Bewertungsmodell 2.2. | 63,6–81,0 |
| Wortfehlerrate (WER) | 7,0 % | 6.702 Wortfehler von 95.199 Referenzwörtern. | 6,5–7,6 |
| Nacharbeit je Diktat | 4,6 min | Erläuterung weiter oben. | 4,2–4,9 |
| Verarbeitungszeit (Median) | 1,1 s | Erläuterung weiter oben. | – |
| Zeichenfehlerrate · CER | 3,8 % | 23.451 Zeichenabweichungen von 613.482 Referenzzeichen. Zeichenabweichungen pro Referenzzeichen nach NFC-Normalisierung, einheitlicher Groß- und Kleinschreibung, entfernten Satzzeichen und zu einem Leerzeichen zusammengefasstem Leerraum. Leerzeichen zählen als Zeichen. | 3,4–4,3 |
| Dokumente mit schwerwiegendem Fehler | 7,5 % | 9 von 120 abgeschlossenen Ausgaben mit schwerwiegendem Fehler. | 2,7–19,0 (Wilson mit Designeffekt) |
| Fehler bei Normzitaten und Aktenzeichen | 3,1 % | 32 fehlerhafte Normzitate von 1.041 Normzitaten. Falsche oder fehlende Paragraphen, Absätze, Gesetze und Aktenzeichen pro annotierter Referenzangabe. Vorab freigegebene typografische Varianten gelten als korrekt. | 1,9–5,1 (Wilson mit Designeffekt) |
| Fehler bei Fristen und Daten | 1,4 % | 9 fehlerhafte Fristen von 639 Referenzfristen. Falsche oder fehlende Fristen und Datumsangaben pro Referenzangabe. Zahlen und Bezugspunkte müssen zusammen stimmen. | 0,5–4,0 (Wilson mit Designeffekt) |
| Fehler bei Parteien und Rollen | 2,4 % | 24 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. | 1,2–4,7 (Wilson mit Designeffekt) |
| Fehler bei Beträgen | 0,8 % | 4 fehlerhafte Beträge von 522 Referenzbeträgen. Falsche oder fehlende Geldbeträge einschließlich Währung pro annotierter Betragsangabe. Wert und Währung müssen zusammen mit der Referenz übereinstimmen. | 0,2–2,7 (Wilson mit Designeffekt) |
| Umgesetzte Diktatbefehle | 92,4 % | 923 umgesetzte Diktatbefehle von 999 Diktatbefehlen. Richtig ausgeführte festgelegte Satzzeichen-, Absatz- und Korrekturbefehle pro ausgesprochenem Referenzbefehl. Der Befehl soll wirken und nicht als Befehlswort im Text stehen. | 88,2–95,2 (Wilson mit Designeffekt) |
| Umgesetzte Selbstkorrekturen | 2,0 % | 5 umgesetzte Selbstkorrekturen von 255 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. | 0,4–8,1 (Wilson mit Designeffekt) |
| Umgesetzte Bearbeitungsanweisungen | 0,0 % | 0 umgesetzte Bearbeitungsanweisungen von 108 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. | 0,0–15,5 (Wilson mit Designeffekt) |
| Verarbeitungszeit (95. Perzentil) | 2,1 s | 95 % der erfolgreichen Läufe waren nach dieser Zeit fertig. | – |
| Abschlussquote | 100,0 % | 120 von 120 gestarteten Läufen abgeschlossen. Anteil der Läufe mit verwertbarem Ergebnis. | – |
Verarbeitungszeit
- Median (p50): 1,1 s
- 95. Perzentil (p95): 2,1 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: 4,6 min (Ø 6,1 min Aufnahme)
- Je Stunde Aufnahme: 44,98 min
- 95-%-Intervall je Stunde: 41,19–48,24 min
- Geschätzte Nacharbeit gesamt: 547,15 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): 7,0 % · 95-%-Intervall 6,5–7,6 %
- Ersetzungen (S): 2.929
- Auslassungen (D): 1.253
- Einfügungen (I): 2.520
- Referenzwörter (N): 95.199
- Zeichenfehlerrate (CER): 3,8 %
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 |
|---|---|---|---|
| Ersetzungen | 2.929 (3,1 % der Referenzwörter) | 100 % | Ein Referenzwort wird durch ein anderes Wort ersetzt (S), etwa „heute“ statt „morgen“. |
| Auslassungen | 1.253 (1,3 % der Referenzwörter) | 43 % | Ein Referenzwort fehlt in der Ausgabe (D), etwa „seit“ statt „seit gestern“. Gezählt werden Wörter, nicht fehlende Inhalte. |
| Einfügungen | 2.520 (2,6 % der Referenzwörter) | 86 % | 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: Dragon Legal Group 16, 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
- Sprecherprofil: Neues Profil ohne Training
- Hardware: Windows 11 Pro, AMD Ryzen 7 7700, 32 GB RAM, NVIDIA RTX 4070 12 GB VRAM
- 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. Für das Score-Intervall wird der Anteil schwerwiegender Fehler je Dienst aus einer Beta-Verteilung gezogen.
- 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 = (2.929 + 1.253 + 2.520) ÷ 95.199 × 100 = 7,0 %
- ScribeIndex-Score: 95-%-Intervall 63,6–81,0 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 74,0
- Platz 2: DictNow im Test 70,6
- Platz 3: SpeechLive Legal im Test 68,4
- Platz 4: Wispr Flow im Test 61,9
Dragon Legal: Allgemeine Diktate
In der Testreihe „Allgemeine Diktate“ liegt Dragon Legal mit 80,2 Punkten auf Platz 2 von 6, 4,0 Punkte hinter Wispr Flow (84,2) und 5,0 Punkte vor DictNow (75,2). Hinter Wispr Flow bleibt Dragon Legal vor allem bei der Wortfehlerrate (6,4 % gegenüber 3,8 %) zurück. Vor DictNow liegt Dragon Legal vor allem bei der Wortfehlerrate (6,4 % gegenüber 8,0 %) und bei der Nacharbeit (2,10 gegenüber 2,69 Minuten je Diktat). Die Nacharbeit ist eine Schätzung von ScribeIndex und kommt zum einmaligen Durchlesen hinzu, bei einer durchschnittlichen Aufnahmedauer von 3,5 Minuten.
Einordnung: Mittelfeld · ScribeIndex-Score 80,2 / 100 · 95-%-Intervall 77,8–82,6 · Platz 2 von 6
Im obersten Fünftel der Punktespanne des Feldes, aber 4,0 Punkte hinter dem besten Dienst. Die Spitzengruppe erlaubt höchstens zwei Punkte Abstand.
Wortfehlerrate (WER) (Platz 2 von 6): 6,4 % · 95-%-Intervall 5,6–7,1 % · 3.399 Wortfehler von 53.508 Referenzwörtern
Schwächster Wert: 12,2 % · Median (6 Anbieter): 8,0 % · Bester Wert: 3,8 %
Nacharbeit je Diktat (Platz 2 von 6): 2,10 min · 95-%-Intervall 1,89–2,30 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 36,1 Minuten.
Verarbeitungszeit (Median) (Platz 1 von 6): 1,1 s · Niedriger ist besser
Schwächster Wert: 8,5 s · Median (6 Anbieter): 1,9 s · Bester Wert: 1,1 s
So setzt sich der ScribeIndex-Score zusammen
| Teilwert | Punkte | Gewicht | Beitrag |
|---|---|---|---|
| Inhaltsqualität | 79,5 | 75 % | 59,6 |
| Korrekturaufwand | 78,0 | 20 % | 15,6 |
| Abschlussquote | 100,0 | 5 % | 5,0 |
| ScribeIndex-Score | 100 % | 80,2 |
Die Qualitätsformel besteht zu 80 % aus der Erkennung (100 minus WER) mit 93,6 Punkten, zu 10 % aus den korrekten Namen mit 94,0 Punkten und zu 10 % aus den korrekten Zahlen mit 95,4 Punkten. Sie ergibt 93,85 von 100, also 6,15 Punkte weniger als ein fehlerfreies Ergebnis. Bei 30 Punkten Abstand fällt die Inhaltsqualität auf null, hier liegt sie deshalb bei 79,5 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: Dragon Legal Group 16, Stand 3. Quartal 2026
- Protokoll und Zeitraum: Version 1.0, getestet im 3. Quartal 2026
Alle Kennzahlen
Nuance Dragon Legal Group 16 erreicht im Test „Allgemeine Diktate“ 80,2 von 100 Punkten. Wortfehlerrate (WER) 6,4 % (95-%-Konfidenzintervall 5,6–7,1 %). 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 | 80,2 / 100 | Gewichteter Gesamtwert aus Inhaltsqualität, Nacharbeit und Abschlussquote, Bewertungsmodell 2.2. | 77,8–82,6 |
| Wortfehlerrate (WER) | 6,4 % | 3.399 Wortfehler von 53.508 Referenzwörtern. | 5,6–7,1 |
| Nacharbeit je Diktat | 2,10 min | Erläuterung weiter oben. | 1,89–2,30 |
| Verarbeitungszeit (Median) | 1,1 s | Erläuterung weiter oben. | – |
| Zeichenfehlerrate · CER | 3,6 % | 12.472 Zeichenabweichungen von 344.913 Referenzzeichen. | 3,0–4,3 |
| Korrekte Namen | 94,0 % | 451 korrekt erkannte Namen von 480 Referenznamen. Korrekt übernommene Personen- und Firmennamen pro annotiertem Referenznamen. Vorab freigegebene Schreibvarianten zählen als richtig. | 89,0–96,8 (Wilson mit Designeffekt) |
| Korrekte Zahlen | 95,4 % | 681 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. | 91,9–97,4 (Wilson mit Designeffekt) |
| Umgesetzte Diktatbefehle | 93,7 % | 413 umgesetzte Diktatbefehle von 441 Diktatbefehlen. | 87,7–96,8 (Wilson mit Designeffekt) |
| Umgesetzte Selbstkorrekturen | 1,4 % | 3 umgesetzte Selbstkorrekturen von 207 Selbstkorrekturen. | 0,2–8,6 (Wilson mit Designeffekt) |
| Umgesetzte Bearbeitungsanweisungen | 0,0 % | 0 umgesetzte Bearbeitungsanweisungen von 36 Bearbeitungsanweisungen. | 0,0–25,9 (Wilson mit Designeffekt) |
| Verarbeitungszeit (95. Perzentil) | 2,0 s | Erläuterung weiter oben. | – |
| Abschlussquote | 100,0 % | 120 von 120 gestarteten Läufen abgeschlossen. | – |
Verarbeitungszeit
- Median (p50): 1,1 s
- 95. Perzentil (p95): 2,0 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: 2,10 min (Ø 3,5 min Aufnahme)
- Je Stunde Aufnahme: 36,12 min
- 95-%-Intervall je Stunde: 32,55–39,63 min
- Geschätzte Nacharbeit gesamt: 251,66 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): 6,4 % · 95-%-Intervall 5,6–7,1 %
- Ersetzungen (S): 1.383
- Auslassungen (D): 633
- Einfügungen (I): 1.383
- Referenzwörter (N): 53.508
- Zeichenfehlerrate (CER): 3,6 %
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 | 1.383 (2,6 % der Referenzwörter) | 100 % | Ein Referenzwort wird durch ein anderes Wort ersetzt (S), etwa „heute“ statt „morgen“. |
| Auslassungen | 633 (1,2 % der Referenzwörter) | 46 % | Ein Referenzwort fehlt in der Ausgabe (D), etwa „seit“ statt „seit gestern“. Gezählt werden Wörter, nicht fehlende Inhalte. |
| Einfügungen | 1.383 (2,6 % der Referenzwörter) | 100 % | 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: Dragon Legal Group 16, 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
- Sprecherprofil: Neues Profil ohne Training
- Hardware: Windows 11 Pro, AMD Ryzen 7 7700, 32 GB RAM, NVIDIA RTX 4070 12 GB VRAM
- 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 = (1.383 + 633 + 1.383) ÷ 53.508 × 100 = 6,4 %
- ScribeIndex-Score: 95-%-Intervall 77,8–82,6 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 80,2
- Platz 3: DictNow im Test 75,2
- Platz 4: Letterly im Test 72,1
- Platz 5: AudioPen im Test 70,0
- Platz 6: Superwhisper im Test 60,6
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.