Anruftranskription: Telefonate automatisch in Text umwandeln

Kurz gesagt: Um ein Telefonat in Text zu verwandeln, brauchen Sie zuerst die Aufzeichnung, und genau sie ist der schwierigere Teil. Haben Sie die Aufnahme schon, laden Sie die Datei in ein Transkriptionstool hoch. Sollen alle Gespräche von selbst zu Text werden, muss die Transkription auf der Seite der Nummer stattfinden, nicht auf dem Telefon.

Drei Wege von der Aufnahme zum Text

Weg	Wann er sinnvoll ist	Was er nicht leistet
Transkription auf dem Telefon	Sie haben ein einzelnes Gespräch und ein Telefon, das es kann	Auf dem iPhone unterstützt die Transkription in der Telefon-App nur einige Sprachen; unter Android hängt es von Modell, Systemversion und Anbieter ab
Datei in ein Tool hochladen	Sie haben schon eine Aufnahme und wollen daraus Text	Bei jedem Gespräch Handarbeit; die Aufnahme müssen Sie vorher beschaffen
Transkription auf der Seite der Nummer	Gespräche sollen automatisch zu Text werden	Die Nummer muss eingerichtet werden; Gespräche in Messengern sind nicht abgedeckt

Im Folgenden jeder Weg der Reihe nach, mit dem, was Sie realistisch erwarten können.

Weg 1: Transkription auf dem Telefon

Das ist der bequemste und zugleich am wenigsten verfügbare Weg. Apple hat in iOS 18.1 die Aufzeichnung samt Transkription eingeführt, doch die Transkription in der Telefon-App unterstützt nur ausgewählte Varianten von Englisch, Spanisch, Japanisch, Koreanisch, Chinesisch und Portugiesisch. Deutsch steht nicht auf der Liste (iOS-Funktionsverfügbarkeit, geprüft am 20. Oktober 2026). Unter Android ist es uneinheitlich: Laut Google funktioniert die Aufzeichnung in der Telefon-App nur auf einigen Geräten, bei einigen Anbietern und nicht in allen Ländern (Google-Hilfe, geprüft am 20. Oktober 2026), und die Hersteller handhaben ihre eigenen Lösungen je nach Verkaufsregion unterschiedlich.

Praktisch heißt das: Sie können keinen Prozess darauf aufbauen, denn zwei Personen im selben Team können beim gleichen Telefonmodell unterschiedliches Verhalten erleben. Die Einschränkungen beschreiben wir ausführlicher im Beitrag Telefongespräche aufzeichnen.

Weg 2: Datei hochladen

Wenn Sie die Aufnahme schon haben, etwa von einem Diktiergerät, aus einer Telefonkonferenz oder aus einem System, das sie gespeichert hat, ist die Umwandlung in Text heute einfach und günstig. Sie laden die Datei hoch und bekommen Text; die Dauer hängt von der Länge der Aufnahme und vom Tool ab.

Drei Dinge sollten Sie vor dem ersten Mal wissen:

Format und Länge spielen eine Rolle. Eine Telefonaufnahme ist schmalbandig, also in schlechterer Qualität gespeichert als eine Mikrofonaufnahme. Derselbe Dienst liefert darauf deutlich schwächere Ergebnisse als bei einem Podcast.
Die Trennung der Sprecher ist eine eigene Funktion. Reine Transkription liefert eine Textwand; die Zuordnung der Sätze zu den Sprechern ist etwas anderes, und nicht jedes Tool kann sie.
Wohin die Datei geht. Wenn Sie ein Kundengespräch in einen beliebigen Dienst hochladen, geben Sie die personenbezogenen Daten des Kunden an ihn weiter. Bei geschäftlichen Gesprächen ist das eine Frage des Auftragsverarbeitungsvertrags und keine der Bequemlichkeit.

Weg 3: Transkription auf der Seite der Nummer

Das Gespräch läuft über eine Nummer, die ein System betreibt. Aufnahme und Text entstehen bei jedem Gespräch von selbst, ohne dass Sie an etwas denken müssen. Auch das Problem des Telefonmodells aus Weg 1 entfällt, weil nichts vom Gerät oder von einem Android-Update abhängt.

Der Preis ist die Einrichtung der Nummer, das ist also keine Lösung für ein einzelnes Gespräch. Dafür ist es der einzige Weg, der jedes Mal gleich funktioniert und einen Telefonwechsel des Mitarbeiters übersteht. Bei Heilo sieht das so aus: Gesprächsnotizen über eine Firmennummer liegen nach dem Gespräch im Panel. Mit Heilo Line bekommt jeder Vertriebsmitarbeiter eine eigene polnische Firmennummer (+48). Heilo zeichnet darauf eingehende Gespräche und ausgehende Gespräche auf, die mit „Über Heilo anrufen” gestartet wurden, und Transkript, Zusammenfassung und Aufgaben gelangen nach der Einrichtung der Integration über API, Webhooks, Zapier oder Make in Ihr CRM. Mehr dazu auf der Seite Gesprächsassistent für Vertriebsteams und unter Preise.

Welche Genauigkeit Sie wirklich erwarten können

Es gibt keine einzelne Zahl, die man hier ehrlich nennen könnte, und jede solche Zahl in einem Ratgeber ist verdächtig. Das Ergebnis hängt von mehreren Dingen gleichzeitig ab:

Qualität der Verbindung. Ein Gespräch über die Freisprechanlage im Auto und eines über den Hörer sind zwei verschiedene Ausgangsmaterialien.
Zahl der Sprecher und Ins-Wort-Fallen. Überlappende Stimmen schaden einer Transkription mehr als Hintergrundgeräusche.
Eigennamen, Adressen, Zahlen. Dort entstehen die meisten Fehler, und genau sie sind meist der Grund, warum wir den Text überhaupt wollen.
Länge. Je länger das Gespräch, desto größer die Chance, dass mittendrin etwas verrutscht.

Eine vernünftige Erwartung: Der Text taugt zum Durchsuchen und zum Erinnern an Absprachen, er ist aber kein Dokument, das Sie ungelesen unterschreiben können. Die Quelle der Wahrheit bleibt die Aufnahme, nicht das Transkript. Heilo speichert die Aufnahme standardmäßig 365 Tage und löscht sie dann, das Transkript bleibt erhalten; prüfen Sie wichtige Absprachen daher rechtzeitig in der Aufnahme.

Um die Genauigkeit an Gesprächen Ihres eigenen Teams zu prüfen, testen Sie eine Stichprobe von Aufnahmen strukturiert und bewerten Namen, Beträge und Termine getrennt.

Namen, Zahlen und flektierende Sprachen

In Sprachen mit reicher Flexion, etwa Polnisch, erscheint ein Name in mehreren Formen, und das System muss sie als einen erkennen. Dazu kommen Zahlwörter, Branchenkürzel und Firmennamen, die nicht wie gewöhnliche Wörter aussehen.

Praktische Folgen, die Sie sofort sehen:

Nachnamen und Firmennamen müssen häufiger korrigiert werden als der Rest des Textes.
Beträge und Daten sollten Sie in der Aufnahme prüfen, bevor Sie sich darauf berufen.
Kurze Bestätigungen wie „mhm” gehen manchmal verloren, und manchmal tragen gerade sie die Zustimmung.

Darum ist es bei Kundengesprächen sinnvoller, ein Transkript als Landkarte der Aufnahme zu verstehen, die den Moment einer Absprache auffindbar macht, und nicht als Ersatz fürs Abhören.

Wenn Text allein nicht reicht

In einem Unternehmen fehlt selten der Text. Das Problem ist, dass der Text getrennt vom Kontakt, vom Termin und von der Aufgabe liegt, die aus dem Gespräch folgte. Drei Wochen später weiß niemand mehr, in welcher Datei er suchen soll.

Brauchbare Transkription landet dort, wo Sie arbeiten: einem Kontakt zugeordnet, mit herausgezogenen Absprachen und nächstem Schritt, für das ganze Team zugänglich, auch bei Anrufen, die niemand angenommen hat. Heilo Voicemail arbeitet als Anrufbeantworter mit Transkription: Nachrichten nach verpassten Anrufen werden zu Text, sobald Sie die Rufumleitung beim Anbieter eingerichtet haben (Voicemail in Text umwandeln).

Zusammenfassung

Ein Gespräch in Text zu verwandeln ist längst nicht mehr der schwierige Teil. Schwierig ist, was davor liegt, nämlich an eine Aufnahme zu kommen, die sich auf vielen Telefonen nicht erstellen lässt, und was danach kommt: dass der Text nicht in einem Ordner landet, in den niemand schaut. Für ein einzelnes Gespräch reicht der Datei-Upload in ein Tool. Für ein Unternehmen zählt, dass Text von selbst entsteht und dort ankommt, wo der Kundenvorgang liegt.

Sie möchten, dass die Transkription bei jedem Gespräch auf einer Firmennummer automatisch entsteht? Siehe: Anrufaufzeichnung für Unternehmen.

FAQ

Kann ich die Aufnahme eines Kundengesprächs bei einem beliebigen Transkriptionsdienst hochladen?

Technisch ja, rechtlich geben Sie damit aber personenbezogene Daten eines Kunden an einen Dritten weiter. Bei geschäftlichen Gesprächen brauchen Sie einen Auftragsverarbeitungsvertrag und müssen wissen, wo diese Daten verarbeitet werden. Die Pflichten rund um die Aufzeichnung haben wir separat beschrieben: Rechtliches zur Gesprächsaufzeichnung.

Funktioniert Transkription live, während des Gesprächs?

Manchmal ist sie verfügbar, bei einem Telefonat ist sie aber selten das, was man wirklich braucht. Live-Text lässt sich schwer lesen und gleichzeitig sprechen; nützlicher ist die Zusammenfassung nach dem Gespräch.

Warum verpasst die Transkription Namen und Beträge?

Weil das Wörter sind, die ein Modell nicht so leicht aus dem Kontext erraten kann wie gewöhnliche Sätze, und weil eine Telefonaufnahme schmalbandig ist. Dort entstehen die meisten Fehler, und dort liegt zugleich der häufigste Grund, warum wir den Text wollen – prüfen Sie genau diese Stellen in der Aufnahme.

Kann ich WhatsApp-Anrufe transkribieren?

Das ist ein eigenes Problem, denn ein solcher Anruf läuft nicht über das Telefonnetz und lässt sich nicht verlässlich aufzeichnen. Wir haben es im Beitrag WhatsApp-, Messenger- und Telegram-Anrufe aufzeichnen behandelt.

Wie lange dauert die Transkription?

Bei einer hochgeladenen Datei hängt es von der Länge der Aufnahme und vom Tool ab. Bei Heilo beginnt die Verarbeitung automatisch, wenn das Gespräch endet, und Aufnahme, Transkript und Zusammenfassung erscheinen kurz danach im Panel. Eine bestimmte Zeit versprechen wir nicht.