Spracheingabe auf der Website: wann Sprechen statt Tippen hilft

Inhalt
Auf dem Smartphone, mit einer Tasche in der Hand oder auf dem Weg zum Termin: In vielen Situationen ist Sprechen bequemer als Tippen. Spracheingabe auf der Website greift das auf. Besucher tippen auf ein Mikrofonsymbol, stellen ihre Frage und lesen die Antwort am Bildschirm. Wer möchte, lässt sie sich vorlesen.
Ob sich das für Ihre Website lohnt, hängt weniger von der Technik ab als von Ihren Besuchern und deren Fragen. Dieser Beitrag richtet sich an Unternehmen mit viel Servicekontakt, etwa Hotels, Handwerksbetriebe, Händler oder Dienstleister. Er erklärt, wann Spracheingabe wirklich hilft, wie die Spracherkennung im Browser arbeitet, wohin die Aufnahme dabei geht und warum die Texteingabe immer dazugehört.
Wann Spracheingabe auf der Website hilft
Spracheingabe ist kein Ersatz für eine gute Navigation. Sie ist ein zusätzlicher Zugang, der in bestimmten Situationen Vorteile hat.
- Unterwegs: Wer im Auto sitzt (als Beifahrer) oder gerade ankommt, möchte schnell wissen, wo geparkt wird oder bis wann die Rezeption besetzt ist.
- Längere Fragen: Eine Frage wie „Kann ich meinen Hund mitbringen, und gibt es dafür einen Aufpreis?“ ist schneller gesagt als getippt.
- Barrierefreiheit: Menschen, denen das Tippen schwerfällt, etwa wegen eingeschränkter Feinmotorik, erhalten einen weiteren Weg zur Information.
- Wiederkehrende Fragen: Wenn viele Anrufe dieselben Themen betreffen, kann ein Teil davon online beantwortet werden.
Wenig Sinn ergibt Spracheingabe dagegen bei Formularen mit vielen Pflichtfeldern, bei sensiblen Angaben, die niemand laut aussprechen möchte, und auf Seiten, die überwiegend am Arbeitsplatz im Großraumbüro genutzt werden.
Wie Spracherkennung im Browser arbeitet
Moderne Browser bringen eine Schnittstelle für Spracherkennung mit. Die Website fragt sie an, der Browser nimmt über das Mikrofon auf und liefert den erkannten Text zurück. Die Website selbst muss dafür keine eigene Spracherkennung betreiben.
Der wichtige Punkt für den Datenschutz: Je nach Browser findet die Erkennung nicht auf dem Gerät statt, sondern bei einem Dienst des Browserherstellers. Die Aufnahme verlässt dann das Gerät, auch wenn die Website selbst sie weder erhält noch speichert. Nicht jeder Browser bietet die Funktion überhaupt an. Eine Website kann deshalb nicht davon ausgehen, dass Spracheingabe bei allen Besuchern funktioniert.
Daneben gibt es zwei weitere Wege. Die Website kann die Aufnahme an einen eigenen oder beauftragten Erkennungsdienst schicken. Das gibt mehr Kontrolle über Anbieter und Speicherort, bedeutet aber auch Verantwortung für Verträge, Speicherfristen und Sicherheit. Oder die Erkennung läuft vollständig auf dem Gerät, was je nach Gerät und Sprache unterschiedlich gut funktioniert.
Für die Sprachausgabe gilt Ähnliches. Ich empfehle, nur Stimmen zu nutzen, die bereits auf dem Gerät installiert sind. Dann wird kein Antworttext an Online-Dienste übertragen. Fehlt eine passende Stimme, bleibt die Antwort einfach lesbar.
Einwilligung und Transparenz
Weil die Aufnahme je nach Browser an einen fremden Dienst geht, halte ich eine ausdrückliche Zustimmung vor dem ersten Einschalten des Mikrofons für den richtigen Weg. Die Freigabeabfrage des Browsers reicht dafür nicht aus. Sie fragt nur, ob die Website das Mikrofon benutzen darf, erklärt aber nicht, wohin die Aufnahme geht.
Gut gemacht sieht das so aus:
- Neben dem Mikrofon steht in zwei, drei Sätzen, wer die Aufnahme verarbeitet und was die Website speichert.
- Ein Link führt zur Datenschutzerklärung, in der der Vorgang beschrieben ist.
- Die Aufnahme startet nur auf Knopfdruck und lässt sich jederzeit stoppen.
- Der erkannte Text ist sichtbar, bevor er abgeschickt wird.
Die konkrete rechtliche Einordnung, etwa zur passenden Rechtsgrundlage und zum Text der Datenschutzerklärung, sollte Ihre Datenschutzberatung vornehmen. Kommt für die Antworten ein Sprachmodell zum Einsatz, gilt zusätzlich seit dem 2. August 2026 Art. 50 Abs. 1 der KI-Verordnung: Menschen sollen erkennen können, dass sie mit einem KI-System interagieren, sofern das nicht offensichtlich ist.
Texteingabe als gleichwertige Alternative
Spracheingabe darf nie der einzige Weg sein. Es gibt Browser ohne Spracherkennung, Geräte ohne Mikrofon, laute Umgebungen und Menschen, die nicht sprechen können oder wollen. Daher gehört immer ein Textfeld daneben, das dieselben Antworten liefert.
Das ist auch eine Frage der Barrierefreiheit. Spracheingabe kann einigen Menschen helfen, anderen aber den Zugang erschweren, wenn sie die einzige Option ist. Wer beides anbietet, erweitert die Bedienung, ohne jemanden auszuschließen. Tastaturbedienung, gut sichtbarer Fokus und klare Beschriftungen bleiben die Grundlage.
Grenzen, die Sie kennen sollten
Spracherkennung macht Fehler, besonders bei Dialekt, Fachbegriffen, Eigennamen und Hintergrundgeräuschen. Deshalb ist die sichtbare Transkription so wichtig: Der Besucher sieht sofort, ob „Check-in“ oder „Schecking“ verstanden wurde, und kann korrigieren.
Die zweite Grenze liegt bei den Antworten. Die Spracheingabe löst nur das Eingabeproblem. Woher die Antwort kommt, ist eine eigene Frage. Bewährt hat sich eine begrenzte, gepflegte Wissensbasis mit kurzen, vorlesbaren Sätzen. Sie kann dieselbe sein, die auch ein KI-Chatbot auf der Website nutzt. Wie eine solche Wissensbasis aufgebaut und gepflegt wird, beschreibe ich im Beitrag zum Chatbot mit eigener Wissensbasis.
In der Live-Demo des Sprachassistenten können Sie einem erfundenen Beispielhotel Fragen zu Check-in, Parken oder Frühstück stellen, per Mikrofon oder Tastatur. Die Demo läuft im gekennzeichneten Demo-Modus ohne KI: Die Antworten kommen aus einer lokalen Suche in einer kleinen Wissensbasis, nicht aus einem Sprachmodell. Das Mikrofon startet erst nach Ihrer Zustimmung, und die Demo zeigt an, ob Ihr Browser Spracherkennung anbietet.
Was Sie jetzt tun können
- Fragen auswerten: Welche Fragen kommen am häufigsten per Telefon oder E-Mail? Eignen sie sich für eine kurze, vorlesbare Antwort?
- Zielgruppe prüfen: Nutzen Ihre Besucher die Website überwiegend mobil und unterwegs? Dann spricht mehr für Spracheingabe.
- Datenfluss klären: Entscheiden Sie, ob die Erkennung im Browser, auf eigenen Servern oder bei einem beauftragten Dienst laufen soll, und stimmen Sie Einwilligung und Datenschutzerklärung ab.
- Alternative sicherstellen: Planen Sie die Texteingabe von Anfang an als gleichwertigen Weg ein.
- Demo ausprobieren: Testen Sie Spracheingabe und die anderen Beispiele im Digital Experience Lab. Wer zusätzlich Wege und Orte zeigen möchte, findet dort auch die interaktive Standortkarte.
Fazit
Spracheingabe auf der Website ist dann sinnvoll, wenn Besucher unterwegs sind, längere Fragen haben oder Tippen ihnen schwerfällt. Sie ersetzt weder Navigation noch Texteingabe, sondern ergänzt beide. Die eigentliche Planungsarbeit liegt bei zwei Fragen: Wohin geht die Aufnahme, und woher kommen die Antworten? Wer beides offen erklärt, das Mikrofon nur nach Zustimmung einschaltet und die Texteingabe gleichwertig anbietet, schafft einen zusätzlichen Zugang, der Vertrauen nicht kostet.
Quellen
- Artikel 50: Transparenzpflichten für Anbieter und Betreiber bestimmter KI-Systeme, AI Act Service Desk der Europäischen Kommission (konsolidierte Fassung)
- Regulatory framework for AI, Europäische Kommission






