Führungskräfte brauchten Protokolle und Aufgaben, doch vertrauliche Gespräche durften nicht an öffentliche KI-Dienste
gehen und manuelle Transkription kostete Zeit.
Entwickelt wurde eine Desktop-App für macOS und Windows mit Tkinter/ttk. Apple Silicon nutzt MLX Whisper; Intel Mac und Windows verwenden Faster Whisper mit CTranslate2 auf der CPU. Nutzer wählen Datei, Sprache und TXT/SRT-Format. Hintergrundaufgaben halten die Oberfläche reaktionsfähig und zeigen Fortschritt sowie detaillierte Fehler. Beim ersten Start werden Abhängigkeiten und Modell geladen; danach läuft die Transkription lokal.
Der Stack umfasst Python 3.10+, Hugging Face Hub für Modelldownload und Cache sowie FFmpeg zum Lesen von Audio/Video (bei Bedarf auf macOS über Homebrew installiert). Apple Silicon nutzt mlx-community/whisper-large-v3-turbo; der CPU-Modus verwendet Faster Whisper, CTranslate2 und large-v3-turbo. Der Gesamtfortschritt berücksichtigt die Dateigröße, damit der Prozentwert zwischen Dateien nicht zurückspringt. Die Verarbeitung läuft in Hintergrundthreads mit GUI-Ereigniswarteschlange; Fehler zeigen Prozessausgabe und einen vollständigen, kopierbaren Python-Traceback.
Laut den Fallunterlagen wird eine einstündige Besprechung in 3–5 Minuten statt in 1–2 Stunden Handarbeit transkribiert. Die Audiodaten werden lokal verarbeitet; die Unterlagen nennen außerdem 6–8 Stunden weniger Protokollierungsaufwand pro Team und Woche.
| Kennzahl | Ergebnis |
|---|---|
| Transkription einer einstündigen Aufnahme | 1–2 Stunden manuell → 3–5 Minuten automatisch |
| An externe Dienste gesendete Audiodaten | 0 Byte |
| Protokollierungsaufwand des Teams pro Woche | 6–8 Stunden → Minuten zur Prüfung |
| Windows ohne GPU | Läuft auf der CPU (CTranslate2) |
Geschwindigkeit und Zeitersparnis sind in den Fallmaterialien angegeben; die tatsächliche Leistung hängt von der Aufnahme und dem Computer ab.