Philips SpeechLive Legal im Test
Ergebnisse aus 2 Testreihen auf deutschsprachigen Korpora. Alle Anbieter einer Aufgabe bearbeiten dieselben Fälle nach demselben Protokoll.
Ergebnisse im Überblick
Im 2. Quartal 2026 erreicht SpeechLive Legal im ScribeIndex-Test „Juristische Diktate“ 68,4 von 100 Punkten (Platz 3 von 4, 40 Diktate, je 3 Durchläufe) und im Test „Sprachgestützte Textausarbeitung“ 81,3 Punkte (Platz 3 von 5, 40 Texte, je 3 Durchläufe).
| Aufgabe | ScribeIndex-Score | Platz | Hauptkennzahl | Nacharbeit | Getestet |
|---|---|---|---|---|---|
| Juristische Diktate | Mittelfeld: 68,4 | 3 von 4 | Wortfehlerrate: 8,0 % | 5,1 min je Diktat | 2. Quartal 2026 |
| Sprachgestützte Textausarbeitung | Mittelfeld: 81,3 | 3 von 5 | Fakten-F1: 94,5 % | 1,41 min je Text | 2. Quartal 2026 |
SpeechLive Legal: Juristische Diktate
In der Testreihe „Juristische Diktate“ liegt SpeechLive Legal mit 68,4 Punkten auf Platz 3 von 4, 5,6 Punkte hinter Dragon Legal (74,0) und 6,5 Punkte vor Wispr Flow (61,9). Hinter Dragon Legal bleibt SpeechLive Legal vor allem bei den schwerwiegenden Fehlern (in 12 von 119 Ausgaben gegenüber 9 von 120) und bei der Wortfehlerrate (8,0 % gegenüber 7,0 %) zurück. Vor Wispr Flow liegt SpeechLive Legal vor allem bei den schwerwiegenden Fehlern (in 12 von 119 Ausgaben gegenüber 17 von 120). Zum einmaligen Durchlesen kommen nach Schätzung von ScribeIndex im Schnitt 5,1 Minuten Nacharbeit je Diktat hinzu, bei einer durchschnittlichen Aufnahmedauer von 6,1 Minuten.
Einordnung: Mittelfeld · ScribeIndex-Score 68,4 / 100 · 95-%-Intervall 60,8–78,9 · Platz 3 von 4
1,1 Punkte unter dem Median des Feldes und 6,5 Punkte vor dem schwächsten Dienst.
Wortfehlerrate (WER) (Platz 4 von 4): 8,0 % · 95-%-Intervall 7,3–8,8 % · 7.567 Wortfehler von 95.027 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 3 von 4): 5,1 min · 95-%-Intervall 4,7–5,5 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 49,7 Minuten.
Verarbeitungszeit (Median) (Platz 2 von 4): 1,7 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 3 von 4): 10,1 % · 95-%-Intervall 4,2–22,3 % (Wilson mit Designeffekt) · 12 von 119 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 | 77,2 | 60 % | 46,3 |
| Schwerwiegende Fehler | 32,8 | 20 % | 6,6 |
| Korrekturaufwand | 70,2 | 15 % | 10,5 |
| Abschlussquote | 99,2 | 5 % | 5,0 |
| ScribeIndex-Score | 100 % | 68,4 |
Die Qualitätsformel besteht zu 80 % aus der Erkennung (100 minus WER) mit 92,0 Punkten, zu 10 % aus den Parteien (100 minus Fehlerquote) mit 96,5 Punkten und zu 10 % aus den Beträgen und Fristen (100 minus gemeinsame Fehlerquote) mit 98,8 Punkten. Sie ergibt 93,16 von 100, also 6,84 Punkte weniger als ein fehlerfreies Ergebnis. Bei 30 Punkten Abstand fällt die Inhaltsqualität auf null, hier liegt sie deshalb bei 77,2 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: 119 von 120 Läufen
- Testweg: Live-Diktat
- Bewertete Ausgabe: Wortnahes Transkript
- Getestete Version: SpeechLive Rechts-Spracherkennung, Stand 2. Quartal 2026
- Protokoll und Zeitraum: Version 1.0, getestet im 2. Quartal 2026
Alle Kennzahlen
Philips SpeechLive Legal erreicht im Test „Juristische Diktate“ 68,4 von 100 Punkten. Wortfehlerrate (WER) 8,0 % (95-%-Konfidenzintervall 7,3–8,8 %). Getestet wurden 40 Szenarien mit je 3 Durchläufen, 119 von 120 Läufen wurden abgeschlossen. Korpus de-recht-diktat-v1, Protokoll 1.0, getestet im 2. Quartal 2026.
| Kennzahl | Wert | Zählung und Bedeutung | 95-%-Intervall |
|---|---|---|---|
| ScribeIndex-Score | 68,4 / 100 | Gewichteter Gesamtwert aus Inhaltsqualität, schwerwiegenden Fehlern, Nacharbeit und Abschlussquote, Bewertungsmodell 2.2. | 60,8–78,9 |
| Wortfehlerrate (WER) | 8,0 % | 7.567 Wortfehler von 95.027 Referenzwörtern. | 7,3–8,8 |
| Nacharbeit je Diktat | 5,1 min | Erläuterung weiter oben. | 4,7–5,5 |
| Verarbeitungszeit (Median) | 1,7 s | Erläuterung weiter oben. | – |
| Zeichenfehlerrate · CER | 4,6 % | 27.871 Zeichenabweichungen von 612.354 Referenzzeichen. Zeichenabweichungen pro Referenzzeichen nach NFC-Normalisierung, einheitlicher Groß- und Kleinschreibung, entfernten Satzzeichen und zu einem Leerzeichen zusammengefasstem Leerraum. Leerzeichen zählen als Zeichen. | 4,1–5,1 |
| Dokumente mit schwerwiegendem Fehler | 10,1 % | 12 von 119 abgeschlossenen Ausgaben mit schwerwiegendem Fehler. | 4,2–22,3 (Wilson mit Designeffekt) |
| Fehler bei Normzitaten und Aktenzeichen | 4,1 % | 43 fehlerhafte Normzitate von 1.037 Normzitaten. Falsche oder fehlende Paragraphen, Absätze, Gesetze und Aktenzeichen pro annotierter Referenzangabe. Vorab freigegebene typografische Varianten gelten als korrekt. | 2,7–6,4 (Wilson mit Designeffekt) |
| Fehler bei Fristen und Daten | 1,1 % | 7 fehlerhafte Fristen von 636 Referenzfristen. Falsche oder fehlende Fristen und Datumsangaben pro Referenzangabe. Zahlen und Bezugspunkte müssen zusammen stimmen. | 0,3–3,6 (Wilson mit Designeffekt) |
| Fehler bei Parteien und Rollen | 3,5 % | 35 falsche Parteienzuordnungen von 1.009 Parteienzuordnungen. Falsche oder fehlende Zuordnung einer Partei oder Rolle pro referenzierter Parteienangabe. Eine vertauschte Kläger- und Beklagtenrolle zählt als Fehler. | 1,9–6,1 (Wilson mit Designeffekt) |
| Fehler bei Beträgen | 1,3 % | 7 fehlerhafte Beträge von 520 Referenzbeträgen. Falsche oder fehlende Geldbeträge einschließlich Währung pro annotierter Betragsangabe. Wert und Währung müssen zusammen mit der Referenz übereinstimmen. | 0,5–3,5 (Wilson mit Designeffekt) |
| Umgesetzte Diktatbefehle | 90,3 % | 899 umgesetzte Diktatbefehle von 996 Diktatbefehlen. Richtig ausgeführte festgelegte Satzzeichen-, Absatz- und Korrekturbefehle pro ausgesprochenem Referenzbefehl. Der Befehl soll wirken und nicht als Befehlswort im Text stehen. | 85,7–93,5 (Wilson mit Designeffekt) |
| Umgesetzte Selbstkorrekturen | 1,2 % | 3 umgesetzte Selbstkorrekturen von 254 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. | 0,2–6,9 (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) | 2,6 s | 95 % der erfolgreichen Läufe waren nach dieser Zeit fertig. | – |
| Abschlussquote | 99,2 % | 119 von 120 gestarteten Läufen abgeschlossen. Anteil der Läufe mit verwertbarem Ergebnis. | – |
Verarbeitungszeit
- Median (p50): 1,7 s
- 95. Perzentil (p95): 2,6 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: 5,1 min (Ø 6,1 min Aufnahme)
- Je Stunde Aufnahme: 49,69 min
- 95-%-Intervall je Stunde: 45,62–53,79 min
- Geschätzte Nacharbeit gesamt: 603,34 min
- Audiodauer aller Ausgaben: 12 h 9 min (12,142 h)
- Ausgaben: 119, 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 7,3–8,8 %
- Ersetzungen (S): 3.051
- Auslassungen (D): 1.935
- Einfügungen (I): 2.581
- Referenzwörter (N): 95.027
- Zeichenfehlerrate (CER): 4,6 %
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 | 3.051 (3,2 % der Referenzwörter) | 100 % | Ein Referenzwort wird durch ein anderes Wort ersetzt (S), etwa „heute“ statt „morgen“. |
| Auslassungen | 1.935 (2,0 % der Referenzwörter) | 63 % | Ein Referenzwort fehlt in der Ausgabe (D), etwa „seit“ statt „seit gestern“. Gezählt werden Wörter, nicht fehlende Inhalte. |
| Einfügungen | 2.581 (2,7 % der Referenzwörter) | 85 % | Die Ausgabe enthält ein Wort, das in der Referenz nicht vorkommt (I). |
Gezählt werden Wörter nach Normalisierung über alle abgeschlossenen Läufe.
Abgeschlossene Läufe: 119 von 120 (99,2 %)
| Szenario | Lauf | Grund |
|---|---|---|
recht-024 | 1 | Verbindung zur Cloud-Erkennung während der Einspielung getrennt, Text unvollständig |
Abgebrochene Läufe zählen in keinem Nenner der Qualitätskennzahlen. Sie stehen nur im Nenner der Abschlussquote und senken so den ScribeIndex-Score. Abgebrochene Läufe wiederholt ScribeIndex nicht. Die Zeitlimits stehen in der Methodik unter Laufzeit, Ausfälle und Nacharbeit.
Konfiguration im Test
- Produktversion: SpeechLive Rechts-Spracherkennung, Stand 2. 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 = (3.051 + 1.935 + 2.581) ÷ 95.027 × 100 = 8,0 %
- ScribeIndex-Score: 95-%-Intervall 60,8–78,9 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 im Test 70,6
- Platz 3: SpeechLive Legal 68,4
- Platz 4: Wispr Flow im Test 61,9
SpeechLive Legal: Sprachgestützte Textausarbeitung
In der Testreihe „Sprachgestützte Textausarbeitung“ liegt SpeechLive Legal mit 81,3 Punkten auf Platz 3 von 5, 2,9 Punkte hinter Wispr Flow (84,2) und 4,5 Punkte vor AudioPen (76,8). Hinter Wispr Flow bleibt SpeechLive Legal vor allem beim Fakten-F1 (94,5 % gegenüber 95,9 %) zurück. Vor AudioPen liegt SpeechLive Legal vor allem beim Fakten-F1 (94,5 % gegenüber 93,1 %) und beim Anteil umgesetzter Schreibanweisungen (90,6 % gegenüber 88,1 %). Das 95-%-Konfidenzintervall des Fakten-F1 reicht von 93,2 bis 95,7 %. Die Präzision liegt bei 96,7 %, der Recall bei 92,4 %. Zum einmaligen Durchlesen kommen nach Schätzung von ScribeIndex im Schnitt 1,41 Minuten Nacharbeit je Text hinzu, bei einer durchschnittlichen Aufnahmedauer von 4,0 Minuten.
Einordnung: Mittelfeld · ScribeIndex-Score 81,3 / 100 · 95-%-Intervall 77,0–85,2 · Platz 3 von 5
Genau auf dem Median des Feldes und 7,0 Punkte vor dem schwächsten Dienst.
Fakten-F1 (Platz 3 von 5): 94,5 % · 95-%-Intervall 93,2–95,7 %
Schwächster Wert: 92,7 % · Median (5 Anbieter): 94,5 % · Bester Wert: 95,9 %
Harmonisches Mittel aus Faktenpräzision und Fakten-Recall gegenüber der annotierten Referenz.
Nacharbeit je Text (Platz 3 von 5): 1,41 min · 95-%-Intervall 1,05–1,84 min
Schwächster Wert: 1,79 min · Median (5 Anbieter): 1,41 min · Bester Wert: 1,03 min
Geschätzte Nacharbeit bis zur Zielfassung je Text, bei durchschnittlich 4,0 Minuten Aufnahme. Auf eine Stunde Aufnahme gerechnet sind das 21,2 Minuten.
Verarbeitungszeit (Median) (Platz 1 von 5): 19,4 s · Niedriger ist besser
Schwächster Wert: 29,0 s · Median (5 Anbieter): 24,2 s · Bester Wert: 19,4 s
Gemessen von „Ende des gesprochenen Auftrags“ bis „Fertiger Text verfügbar“.
So setzt sich der ScribeIndex-Score zusammen
| Teilwert | Punkte | Gewicht | Beitrag |
|---|---|---|---|
| Inhaltsqualität | 79,0 | 75 % | 59,3 |
| Korrekturaufwand | 85,1 | 20 % | 17,0 |
| Abschlussquote | 100,0 | 5 % | 5,0 |
| ScribeIndex-Score | 100 % | 81,3 |
Die Qualitätsformel besteht zu 80 % aus dem Fakten-F1 mit 94,5 Punkten und zu 20 % aus der Anweisungstreue mit 90,6 Punkten. Sie ergibt 93,71 von 100, also 6,29 Punkte weniger als ein fehlerfreies Ergebnis. Bei 30 Punkten Abstand fällt die Inhaltsqualität auf null, hier liegt sie deshalb bei 79,0 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: Sprachgestützte Textausarbeitung
- Fälle: 40 Szenarien × 3 Durchläufe
- Abgeschlossen: 120 von 120 Läufen
- Testweg: Live-Diktat
- Bewertete Ausgabe: Ausgearbeiteter Text
- Getestete Version: SpeechLive Legal AI Assistant, Stand 2. Quartal 2026
- Protokoll und Zeitraum: Version 1.0, getestet im 2. Quartal 2026
Alle Kennzahlen
Philips SpeechLive Legal erreicht im Test „Sprachgestützte Textausarbeitung“ 81,3 von 100 Punkten. Fakten-F1 94,5 % (95-%-Konfidenzintervall 93,2–95,7 %). Getestet wurden 40 Szenarien mit je 3 Durchläufen, 120 von 120 Läufen wurden abgeschlossen. Korpus de-voice-writing-v1, Protokoll 1.0, getestet im 2. Quartal 2026.
| Kennzahl | Wert | Zählung und Bedeutung | 95-%-Intervall |
|---|---|---|---|
| ScribeIndex-Score | 81,3 / 100 | Gewichteter Gesamtwert aus Inhaltsqualität, Nacharbeit und Abschlussquote, Bewertungsmodell 2.2. | 77,0–85,2 |
| Fakten-F1 | 94,5 % | Erläuterung weiter oben. | 93,2–95,7 |
| Nacharbeit je Text | 1,41 min | Erläuterung weiter oben. | 1,05–1,84 |
| Verarbeitungszeit (Median) | 19,4 s | Erläuterung weiter oben. | – |
| Falsche oder unbelegte Aussagen | 1,6 % | 40 falsche oder unbelegte Aussagen von 2.496 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. | 1,0–2,5 (Wilson mit Designeffekt) |
| Umgesetzte Schreibanweisungen | 90,6 % | 682 korrekt ausgeführte Anweisungen von 753 Referenzanweisungen. Korrekt umgesetzte explizite Anweisungen zu Format, Ton, Reihenfolge und Änderungen pro vorab festgelegter Schreibanweisung. Eine korrekt geschriebene E-Mail ersetzt keinen fehlenden Einzelauftrag. | 86,0–93,8 (Wilson mit Designeffekt) |
| Faktenpräzision | 96,7 % | 2.414 korrekte relevante Fakten von 2.496 ausgegebenen Fakten. Korrekte relevante Fakten im Verhältnis zu allen deduplizierten ausgegebenen Fakten. | 95,4–98,0 |
| Fakten-Recall | 92,4 % | 2.414 korrekt erhaltene Fakten von 2.613 dokumentationsrelevanten Referenzfakten. Korrekt erhaltene Fakten im Verhältnis zu allen dokumentationsrelevanten Referenzfakten. | 90,3–94,3 |
| Verarbeitungszeit (95. Perzentil) | 44,3 s | Erläuterung weiter oben. | – |
| Abschlussquote | 100,0 % | 120 von 120 gestarteten Läufen abgeschlossen. | – |
Verarbeitungszeit
- Median (p50): 19,4 s
- 95. Perzentil (p95): 44,3 s
- Testweg: Live-Diktat
- Messstrecke: Von „Ende des gesprochenen Auftrags“ bis „Fertiger Text verfügbar“
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 Text: 1,41 min (Ø 4,0 min Aufnahme)
- Je Stunde Aufnahme: 21,16 min
- 95-%-Intervall je Stunde: 15,79–27,69 min
- Geschätzte Nacharbeit gesamt: 168,84 min
- Audiodauer aller Ausgaben: 7 h 59 min (7,979 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.
Fehler nach Typ
| Fehlertyp | Anzahl | Anteil am häufigsten Fehlertyp | Bedeutung |
|---|---|---|---|
| Nicht erfasste Referenzfakten | 199 (7,6 % der Referenzfakten) | 100 % | Eine erforderliche Angabe aus der Aufnahme fehlt oder ist verfälscht (FN), etwa ein fehlender Termin. Korrekte Umformulierungen zählen als Treffer. |
| Falsche oder unbelegte Aussagen | 40 (1,6 % der ausgegebenen Aussagen) | 20 % | Die Ausgabe enthält eine Angabe, die der Referenz widerspricht oder sich nicht auf die Aufnahme stützt (FP, inhaltlicher Fehler), etwa eine nie genannte Zahl. Eine verfälschte Referenzangabe zählt zugleich hier und als nicht erfasster Referenzfakt. |
| Zutreffende, aber nicht relevante Aussagen | 42 (1,7 % der ausgegebenen Aussagen) | 21 % | 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. |
Über alle abgeschlossenen Läufe ergab der Faktenabgleich 2.414 korrekt erhaltene Fakten (TP), 82 falsch positive Aussagen (FP), davon 40 falsch oder unbelegt und 42 zutreffend, aber nicht relevant, 199 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.
Die gelieferte Ausgabe ist ein ausgearbeiteter Text, keine wortnahe Abschrift. Deshalb gibt es keine WER.
Abgeschlossene Läufe: 120 von 120 (100,0 %)
Alle 120 Läufe lieferten ein auswertbares Ergebnis.
Konfiguration im Test
- Produktversion: SpeechLive Legal AI Assistant, Stand 2. Quartal 2026
- Modellversion: Vom Anbieter nicht ausgewiesen
- Sprache: Deutsch (de-DE)
- Vorlage: ScribeIndex-Vorlage „Freie Textausarbeitung“, Version 1.0
- Arbeitsauftrag: Sprachgestützte Textausarbeitung, Version 1.0
- Eigener Wortschatz: Nicht hinterlegt
- Audioeingang: Virtueller Mikrofoneingang
- Vorlage im Produkt: Eigene Vorlage für E-Mail, strukturierte Notiz oder Aufgabenbeschreibung je Zieltextgruppe
- Modus: Nach Aufnahme Vorlage auswählen und Generieren auslösen. Änderungen anschließend im geöffneten Dokument per diktiertem Chatauftrag
- Persönliches Wörterbuch: Nein
- Zusätzlicher Kontext: Nein
- Auswertung: Version 1.0
- Textnormalisierung: Keine, da kein Wortvergleich
- Bewertungsrubrik: writing-facts-v1, Version 1.0
Korpus, Ausschlüsse und Prüfsummen
Vierzig gesprochene Rohentwürfe für E-Mails, Aufgabenbeschreibungen und strukturierte Notizen. Fakten und vorgegebene Anweisungen zu Ton, Reihenfolge, Format und spontanen Änderungen werden getrennt bewertet.
- Korpus: Sprachgestützte Textausarbeitung (
de-voice-writing-v1, Version 1.0) - Szenarien: 40 aufgenommen, 40 ausgewertet, je 3 Läufe
- Audio gesamt: 2 h 40 min, je Fall 1 min bis 10 min (Median 4 min)
- Sprecher je Fall: 1
- Zieltext: E-Mail (16), Strukturierte Notiz (12), Aufgabenbeschreibung (12)
- Aussprache: Standarddeutsch (20), Regional (Deutschland) (8), Österreichisch (6), Schweizerisch gefärbt (6)
- Auftrag: Ausarbeitung mit vorab festgelegter Zielstruktur (40)
- 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: 20.776 Wörter, 133.189 Zeichen, 871 Referenzfakten
- Annotierte Einheiten: Vorab festgelegte Schreibanweisungen 251
- Referenzprüfung: Wortlaut und Fakten entstehen 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 writing-facts-v1, Version 1.0.
- Zeitraum der Testreihe: 2. bis 4. Quartal 2026 für alle Dienste, Korpus vor dem ersten Lauf eingefroren
- SHA-256 Manifest:
a2194236d0c043d838b24210574c7bf8a3c918cbe1bcce4db693e95b675ca2e2 - SHA-256 Referenz:
2d895d782442beec8769e48974bf2d650e4c80f2b6555d633e58c77a5a161833
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 3301926752
- 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:
175bb08bcec3d46df9a7e79d3383ed75fd39e092bfc7ebe4823aec3915a1820a - Fakten: Präzision = TP ÷ (TP + FP) = 96,7 %. Recall = TP ÷ (TP + FN) = 92,4 %. F1 = 2TP ÷ (2TP + FP + FN) = 94,5 % (95-%-Intervall 93,2–95,7 %).
- ScribeIndex-Score: 95-%-Intervall 77,0–85,2 Punkte, je Bootstrap-Stichprobe aus dem vollständigen Score neu berechnet. Wie das Score-Intervall entsteht
Rangliste Sprachgestützte Textausarbeitung
Sortiert nach ScribeIndex-Score.
- Platz 1: Wispr Flow im Test 84,2
- Platz 2: Letterly im Test 82,5
- Platz 3: SpeechLive Legal 81,3
- Platz 4: AudioPen im Test 76,8
- Platz 5: Superwhisper im Test 74,3
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.