Sally AI: KI-Modelle und Technik
Welche Modelle erkennen die Sprache, trennen die Sprecher und erzeugen die Dokumente? Belegte Herstellerangaben und begründete Einschätzungen sind getrennt gekennzeichnet.
Kurzfassung
Sally AI nutzt Whisper für die Spracherkennung und ein nicht offengelegtes Sprachmodell.
Sally betreibt eine Whisper-basierte Spracherkennung auf eigenen GPUs bei Hetzner in Deutschland. Auch das Sprachmodell für die Notizen betreibt Sally selbst. DeepL übersetzt nur und erstellt keine Notizen.
Auf einen Blick
Einordnung: Schwache Modelle- Spracherkennung: Whisper · Eigener Modellabgleich: Whisper
- Dokumenterstellung: Nicht offengelegt
Fazit zur Technik
Schwache Modelle: Die Spracherkennung schneidet nach Referenzwerten schlechter ab als der Median aktueller Modelle und hat zusätzlich einen Abzug von einer Stufe für belegte Qualitätsprobleme.
Für die Spracherkennung setzt Sally AI auf die Sally-Spracherkennung auf Whisper-Basis.
Modelle aus der Familie des Basismodells liegen im Hugging Face Open ASR Leaderboard, Deutsch (FLEURS und Common Voice) zwischen 4 und 6,1 % WER. Der Median aller dort gemessenen Modelle liegt bei 4,1 % WER. Weil offen ist, welches Modell dieser Familie Sally AI einsetzt, zählt ihr mittlerer Wert. Er ist schlechter als der Median und ergibt damit „Solide“. Nach Abzug einer Stufe für belegte Qualitätsprobleme ergibt sich „Schwach“. Der Modellabgleich von ScribeIndex ordnet die deutschen Ausgaben Whisper zu.
Für die Dokumenterstellung setzt Sally AI auf ein selbst betriebenes Sally-Sprachmodell.
Im ScribeIndex-Test „Meeting-Scribes“ erreicht Sally AI ein Fakten-F1 von 84,2 %.
Verarbeitungskette
- Audio
- Spracherkennung: Sally-Spracherkennung auf Whisper-Basis · belegt
- Sprecherzuordnung: Nicht offengelegt
- Dokumenterstellung: Selbst betriebenes Sally-Sprachmodell · belegt
- Ergebnis
belegt: Angabe des Herstellers oder eines offiziellen Partners. Einschätzung: abgeleitet aus Unterauftragsverarbeiterlisten, technischen Merkmalen oder Veröffentlichungen
Welches Modell wandelt Sprache in Text um?
Selbst betriebene Whisper-basierte Spracherkennung auf GPUs bei Hetzner in Deutschland.
Sally-Spracherkennung auf Whisper-Basis
Nachweis: belegt (Vom Anbieter oder einem offiziellen Partner selbst genannt, samt Einsatzzweck)- Anbieter: Aliru GmbH
- Herkunft: Offenes Modell
Die technische Hilfe nennt eine eigene Whisper-basierte Spracherkennung auf GPUs bei Hetzner.
Einstufung: Schwach (Vor dem Abzug „Solide“. ScribeIndex stuft das Modell um eine Stufe herunter, die Begründung steht unter den Referenzwerten) · Angepasstes Modell: Referenz des Basismodells
- Whisper Large v3 · Eintrag openai/whisper-large-v3: 4 % WER · Stark · Hugging Face Open ASR Leaderboard, Deutsch (FLEURS und Common Voice)
- Whisper Large v3 · ohne Streaming, fal.ai API: 4,1 % WER · Solide · AA Word Error Rate Index
- Whisper Large v2 · ohne Streaming, OpenAI API: 4,1 % WER · Solide · AA Word Error Rate Index
- Whisper Large v3 Turbo · ohne Streaming, Groq API: 4,6 % WER · Solide · AA Word Error Rate Index
- Whisper Large v3 Turbo · Eintrag openai/whisper-large-v3-turbo: 6,12 % WER · Solide · Hugging Face Open ASR Leaderboard, Deutsch (FLEURS und Common Voice)
2 weitere Referenzwerte in den Daten zu Sally AI (JSON).
Der Anbieter hat das Modell angepasst. Unabhängige Werte gibt es nur für die Modellfamilie des Basismodells. ScribeIndex stuft Whisper um eine Stufe herunter. Studien belegen für Whisper erfundene Textpassagen, bei englischen Aufnahmen über die Whisper-API 2023 in rund 1 % der Transkripte und bei Whisper large-v3 in 40 % der Eingaben ohne Sprache. Solche Halluzinationen kommen natürlich bei allen Spracherkennungsmodellen vor, ausschlaggebend sind hier jedoch die eigenen Tests von ScribeIndex mit deutschen Aufnahmen, in denen Whisper hinter seinen Referenzwerten zurückbleibt. Studien: Koenecke et al. 2024, Barański et al. 2025.
Whisper-Version und Anpassung nennt Sally nicht. Sally bietet fünf Erkennungsmodelle. Starter enthält Jade v1, Opal v1 und Topaz v1, Pro zusätzlich Jade v2 und Enterprise zusätzlich Topaz v2. Die empfohlene Einstellung „Automatisch“ wählt unter den Modellen des Tarifs.
Modellabgleich im 3. Quartal 2026: Modell zugeordnet. ScribeIndex hat die Ausgaben von Sally AI für 96 eigene Prüfeingaben mit den typischen Ausgaben bekannter Spracherkennungsmodelle verglichen. Bei 69 % davon ähneln sie am stärksten Whisper. Das passt zur Angabe von Sally AI. Version und Anpassungen bestimmt der Abgleich nicht.
- Whisper 69 %
- Andere Referenzmodelle 31 %
Wie werden Sprecher getrennt und zugeordnet?
Automatische Sprecherzuordnung im Transkript.
Sally AI legt das Modell für diesen Schritt nicht offen.
Für diesen Schritt gibt es keine öffentlich verfügbaren Referenzmodelle, gegen die der Modellabgleich prüfen könnte. Er deckt Spracherkennung und Dokumenterstellung ab.
Welches Sprachmodell erstellt Notiz, Bericht oder Zusammenfassung?
Selbst betriebenes Sprachmodell für Textanalyse und Notizen laut AVV.
Selbst betriebenes Sally-Sprachmodell
Nachweis: belegt- Anbieter: Aliru GmbH
- Herkunft: Nicht bekannt
Laut deutschem AVV betreibt Sally das Modell selbst, ohne externe KI-Dienstleister.
Einstufung: Ohne Referenz (ScribeIndex vergibt keine Stufe, weil ein unabhängiger Benchmarkwert fehlt)
Für dieses Modell oder diesen Dienst ist kein unabhängiger Referenzwert veröffentlicht.
Auf welchem Basismodell das Sally-Modell beruht, nennt Sally nicht.
Modellabgleich im 3. Quartal 2026: Keine eindeutige Zuordnung. ScribeIndex hat die Ausgaben von Sally AI für 72 eigene Prüfeingaben mit den typischen Ausgaben bekannter Sprachmodelle verglichen. Kein Referenzmodell erreicht 40 % der Prüfeingaben.
Welche Modelle stehen hinter Chat- und Zusatzfunktionen?
Gesprächsbezogener KI-Assistent beantwortet Folgefragen.
Sally AI legt das Modell für diesen Schritt nicht offen.
Für diesen Schritt gibt es keine öffentlich verfügbaren Referenzmodelle, gegen die der Modellabgleich prüfen könnte. Er deckt Spracherkennung und Dokumenterstellung ab.
Wo werden die Daten verarbeitet und gespeichert?
Hetzner Deutschland für Gesprächsdaten, DeepL als Übersetzungsdienst.
Hetzner Cloud-Infrastruktur
Nachweis: belegt- Anbieter: Hetzner
Die Vertragsanlage nennt deutsche Rechenzentren für Hosting, Daten und Backups.
DeepL-Übersetzung
Nachweis: belegt · Nebenrolle (Zählt nicht zur Bewertung der Kernverarbeitung deutscher Gespräche)- Anbieter: DeepL
Die Vertragsanlage nennt DeepL in Deutschland nur für die KI-gestützte Übersetzung.
Für Rechenzentren und Hosting gibt es keinen Modellleistungswert. Maßgeblich sind Verarbeitungsort und Datenschutz.
Häufige Fragen
Welches KI-Modell nutzt Sally AI?
- Für die Spracherkennung nutzt Sally AI die Sally-Spracherkennung auf Whisper-Basis. Der Modellabgleich ordnet die deutschen Ausgaben Whisper zu.
- Für die Dokumenterstellung nutzt Sally AI ein selbst betriebenes Sally-Sprachmodell.
Welches Modell wandelt bei Sally AI Sprache in Text um?
- Sally-Spracherkennung auf Whisper-Basis, Aliru GmbH, belegt
Der Modellabgleich ordnet die deutschen Ausgaben Whisper zu.
Welches Sprachmodell erstellt bei Sally AI Notiz, Bericht oder Zusammenfassung?
- Selbst betriebenes Sally-Sprachmodell, Aliru GmbH, belegt
Quellen
Technische Dokumentation, Unterauftragsverarbeiter, Partnerschaften und Veröffentlichungen zu Sally AI. Stand 13. Oktober 2026.
- Sally AI: Datenmaskierung und eigene Spracherkennung help.sally.io · abgerufen am 5. Oktober 2026
- Sally AI: Spracherkennungsmodelle help.sally.io · abgerufen am 13. Oktober 2026
- Sally AI: Deutscher AVV mit Anlagen help.sally.io · abgerufen am 5. Oktober 2026