Kann KI Schweizerdeutsch transkribieren?

Schweizerdeutsch ist die harte Nuss der deutschen Spracherkennung. Drei Gründe machen es so schwierig:

1. Keine standardisierte Schriftform. Schweizerdeutsch ist eine reine Mundart — es gibt keine offizielle Rechtschreibung. "Chuchichäschtli", "Zmorge", "Iisdäcki" — die Schreibweise variiert von Person zu Person. Ein Sprachmodell braucht zum Training konsistente Schrift, und die existiert hier nicht.

2. Viele Dialekte. Berndeutsch, Zürichdeutsch, Walliserdeutsch, Baselbieter, Aargauer, Innerschweizer — alle deutlich unterschiedlich in Aussprache, Vokabular und Grammatik. Ein Modell, das auf Zürichdeutsch trainiert ist, versagt bei Walliserdeutsch.

3. Wenig Trainingsmaterial. Standarddeutsch hat hunderttausende Stunden öffentlich verfügbarer Audio-Korpora. Schweizerdeutsch hat ein paar Tausend Stunden — und vieles davon ist nicht frei lizenziert.

Wie gute Modelle das angehen Der übliche Trick: Statt zu versuchen, Mundart-Text auszugeben, übersetzen die Modelle direkt nach Hochdeutsch (Standardsprache). "Mir gönd hei" wird zu "Wir gehen heim". Das ist nicht wörtlich, aber für die meisten Anwendungsfälle (Interviews, Meetings, Untertitel) genau das, was du brauchst.

Schweizerdeutsch-spezialisierte Anbieter: - Recapp und Töggl sind die zwei bekanntesten lokalen Anbieter. Sie nutzen Modelle, die auf Schweizerdeutsch fein-tuniert sind. - DeepScript Premium ist DACH-optimiert (CH/AT/DE) — wir tunen unser Modell speziell auf Schweizer und österreichische Aussprache. In unseren Tests erreichen wir auf Zürichdeutsch und Berndeutsch ~85 % Genauigkeit nach Hochdeutsch-Normalisierung.

Was funktioniert - Moderate Dialekte (Aargau, Zürich, Bern) bei klarer Aussprache. - Output als Hochdeutsch (nicht als Mundart-Schrift). - Einzelsprecher, gute Audioqualität. - Premium-Modell mit DACH-Tuning statt Allgemein-Modell.

Was nicht funktioniert - Mundart-Schrift als Output — kein Modell kann das zuverlässig. - Walliser, Bündner, Innerschweizer Dialekte — diese sind selbst für andere Schweizer schwer verständlich. - Mehrere Sprecher, die schnell switchen. - Mischung aus Hochdeutsch und Mundart in einem Satz ("Code Mixing").

Praxis-Tipp Bei Schweizer Interviews oder Meetings: Bitte die Sprecher, am Anfang des Gesprächs einen Satz auf Hochdeutsch zu sagen ("Mein Name ist …, wir sprechen heute über …"). Das stabilisiert das Modell für die ersten Sekunden. Bei stark dialektgefärbten Aufnahmen ist eine menschliche Nachkorrektur fast immer nötig — plane 1-2 Stunden Korrektur pro Audiostunde ein.