Das Meeting dauerte zwei Stunden, und nach dem Ende verbrachte die für die Protokollierung verantwortliche Person weitere drei Stunden damit, das Protokoll zu erstellen.
Zuerst die Aufnahme erneut anhören, um zu bestätigen, wer welche Zahl genannt hat; dann Links aus dem Chatverlauf ergänzen; und schließlich „alle schauen es sich später noch einmal an“ in Aufgaben mit Verantwortlichen und Fristen übersetzen. Wenn das Protokoll verschickt wird, beginnen die Teilnehmer bereits, sich nicht mehr an die Details zu erinnern.
Der Wert der Automatisierung von Meetingprotokollen liegt darin, solche wiederholten Arbeiten zu reduzieren. Sie lässt sich jedoch auch leicht übertreiben formulieren: Aufnahme hochladen und wenige Minuten später automatisch ein vollständig korrektes Protokoll mit klaren Verantwortlichkeiten erhalten.
Die Realität ist nicht so einfach. Ein zuverlässiger Prozess besteht mindestens aus vier Ebenen: Aufnahme, Transkription, Aufbereitung, Bestätigung. Die Sprach-zu-Text-Schnittstelle ist hauptsächlich für die zweite Ebene zuständig; die nachfolgende Zusammenfassung, Entscheidungsableitung und Aufgabensynchronisierung erfordern zusätzliche Logik oder große Sprachmodelle, und wichtige Inhalte sollten weiterhin von Menschen bestätigt werden.
¶ Zuerst „Protokoll“ und „Wortprotokoll“ trennen
Ein Wortprotokoll beantwortet die Frage „Was haben alle gesagt?“; ein Protokoll beantwortet die Frage „Was wurde besprochen, was wurde entschieden und wer macht als Nächstes was?“.
Beides darf nicht gleichgesetzt werden. Die automatische Transkription liefert die faktische Grundlage, während das Protokoll eine Verdichtung und Organisation dieser Grundlage ist. Verdichtung kann Auslassungen verursachen, Organisation kann zu Missverständnissen führen, daher sollten in Unternehmensszenarien die ursprüngliche Transkription und die Audiodatei zur Nachprüfung aufbewahrt werden.
¶ Erster Schritt: Zuerst die Aufnahmequalität verbessern
Das spätere Ergebnis hängt zu einem großen Teil von der Eingabe ab. Wenn sich im Konferenzraum jemand zu weit vom Mikrofon entfernt befindet, mehrere Personen gleichzeitig sprechen oder die Klimaanlage sehr laut ist, wird selbst die beste Erkennung beeinträchtigt.
Einige kleine Maßnahmen können helfen:
- Bei Online-Meetings bevorzugt die Originalaufnahme der Plattform speichern
- Bei Präsenzmeetings das Mikrofon in die Mitte des Tisches stellen
- Vor dem Meeting die Aufnahmegenehmigung und interne Richtlinien bestätigen
- Wichtige Zahlen und Eigennamen im Meeting noch einmal wiederholen
- Metadaten wie Meetingtitel, Zeit, Teilnehmer und Themen erfassen.
Das sieht vielleicht nicht wie eine KI-Funktion aus, ist aber effektiver, als im Nachhinein wiederholt Parameter anzupassen.
¶ Zweiter Schritt: Die Aufnahme in überprüfbaren Text umwandeln
Die OpenAI Transcriptions API von Ace Data Cloud unterstützt gängige Audio- und Videoformate, mit einer Obergrenze von 25 MB pro Datei. Längere Meetings müssen möglicherweise zuerst komprimiert oder in Abschnitte aufgeteilt werden.
Für eine gewöhnliche Textgrundlage kann gpt-transcribe verwendet werden; wenn Inhalte im Protokoll mit der Originalaufnahme verknüpft werden sollen, kann verbose_json von whisper-1 in Betracht gezogen werden, um Segment- oder Wortzeitstempel zu speichern.
Vor dem Meeting kann außerdem ein kurzes Glossar vorbereitet werden, einschließlich:
- Unternehmens- und Produktnamen
- Projektcodenamen
- Namen der Teilnehmer
- Häufige englische Abkürzungen
- Kunden oder Partner, die im Meeting vorkommen
Terminologiehinweise helfen dabei, einige falsche Erkennungen von Eigennamen zu reduzieren, sind aber keine Garantie. Wichtige Informationen wie Vertragsbeträge, Daten, Versionsnummern und Verantwortliche müssen überprüft werden.
¶ Dritter Schritt: Das Wortprotokoll in ein strukturiertes Protokoll aufbereiten
Sobald der transkribierte Text vorliegt, können nachfolgende Programme oder große Sprachmodelle ihn nach einer festen Vorlage aufbereiten, zum Beispiel:
# 会议主题
## 参会信息
- 时间：
- 参会人：
- 议题：
## 讨论摘要
## 已确认决策
## 待办事项
| 事项 | 负责人 | 截止时间 | 来源时间点 |
|---|---|---|---|
## 尚未确认的问题
In der Vorlage sollte am besten „Noch nicht bestätigte Fragen“ beibehalten werden; das System sollte nicht gezwungen werden, jeden Diskussionsabschnitt zu einem Fazit zusammenzufassen. In Meetings kommen häufig sondierende Meinungen, verworfene Vorschläge und Empfehlungen ohne eindeutig Verantwortliche vor. Wenn das System all dies als formelle Entscheidungen festhält, schafft das Protokoll stattdessen Probleme.
Bei der Aufbereitung sollte außerdem verlangt werden:
- Keine Informationen ergänzen, die nicht in der Aufnahme enthalten sind
- Unsichere Verantwortliche als zu bestätigen kennzeichnen
- Zahlen und Daten mit Originaltext oder Zeitstempel versehen
- Entscheidungen und Vorschläge trennen
- Bei mehreren Versionen eines Vorschlags das letztlich angenommene Ergebnis beibehalten
¶ Vierter Schritt: Menschen bestätigen lassen, statt sie erneut aufbereiten zu lassen
Das sinnvollste Ziel der Automatisierung besteht nicht darin, menschliche Arbeit vollständig abzuschaffen, sondern den Inhalt der menschlichen Arbeit zu verändern.
Früher hörten Protokollierende von Grund auf erneut zu, tippten und formatierten; nach der Automatisierung erledigen sie hauptsächlich drei Dinge:
- Eigennamen, Zahlen und Daten prüfen
- Bestätigen, ob Entscheidungen korrekt sind
- Verantwortliche und Fristen ergänzen
Nach Abschluss der Bestätigung werden die Aufgaben in das Projektmanagementsystem oder Aufgaben-Tool synchronisiert. Vor der menschlichen Bestätigung sollten nicht automatisch zahlreiche Aufgaben erstellt werden, da sonst eine einzige falsche Erkennung fehlerhafte Benachrichtigungen auslösen kann.
¶ Eine praktische Einschränkung bei Meetings mit mehreren Personen
Aktuelle Transkriptionsfähigkeiten sollten nicht direkt mit zuverlässiger Sprecheridentifikation gleichgesetzt werden. Selbst wenn einige Systeme unterschiedliche Stimmen unterscheiden können, bedeutet das nicht, dass sie sicher wissen, ob „Stimme A“ Zhang San oder Li Si entspricht.
Wenn das Geschäft stark davon abhängt, „wer was gesagt hat“, kann Folgendes in Betracht gezogen werden:
- Separate Tonspuren von Online-Meetings verwenden
- Die Reihenfolge der Wortmeldungen der Teilnehmer einbeziehen
- Vor jeder Wortmeldung den Namen zu nennen, ist nicht realistisch, aber wichtige Entscheidungen können vom Moderator wiederholt werden
- In der Prüfoberfläche eine Funktion zum schnellen Korrigieren von Sprechern bereitstellen
Artikel und Produktseiten sollten Meetings mit mehreren Personen nicht so darstellen, als könne die Zuordnung von Natur aus vollständig automatisch erfolgen.
¶ Datenschutz und Berechtigungen dürfen nicht nachträglich ergänzt werden
Meetingaufnahmen können Kundeninformationen, Mitarbeiterinformationen, Vertragsinhalte und unveröffentlichte Pläne enthalten. Vor der Einführung sollte Folgendes klar definiert werden:
- Welche Meetings dürfen aufgezeichnet werden
- Wer darf die Original-Audiodatei und das Wortprotokoll einsehen
- Wie lange Dateien aufbewahrt werden
- Ob Inhalte zur Verarbeitung an externe Dienste übergeben werden dürfen
- Wie Löschanfragen ausgeführt werden
- Ob Protokolle sensible Texte erfassen
Die konkreten Anforderungen hängen von der Region, Branche und den internen Richtlinien des Unternehmens ab und können nicht allein auf Grundlage eines technischen Artikels abschließend beurteilt werden. Bei hochsensiblen Inhalten sollten Sicherheits-, Rechts- und Compliance-Teams an der Bewertung beteiligt werden.
¶ Ein vorsichtiger Einführungsweg
Es wird empfohlen, nicht von Anfang an alle Meetings abzudecken, sondern mit regelmäßig stattfindenden Meetings mit klarer Struktur und geringem Risiko zu beginnen:
- Besprechungsmetadaten erfassen und Aufnahmegenehmigung einholen
- Aufnahme hochladen, übergroße Dateien aufteilen
- Transkript mit Zeitmarkierungen erstellen
- Entwurf des Protokolls nach einer einheitlichen Vorlage erstellen
- Vom Besprechungsleiter oder Protokollführer bestätigen lassen
- Erst nach der Bestätigung das Protokoll veröffentlichen und Aufgaben synchronisieren
- Fehlerarten stichprobenartig prüfen und das Glossar fortlaufend ergänzen
Bei der Bewertung sollte nicht nur darauf geachtet werden, „wie schnell die Erstellung erfolgt“, sondern vielmehr auf:
- Ob Fehler bei Zahlen und Namen kontrollierbar sind
- Ob Entscheidungen korrekt unterschieden werden
- Ob Prüfer schnell zur Originalaufnahme zurückkehren können
- Ob das endgültige Protokoll termingerecht versendet wird
- Ob das Team bereit ist, es dauerhaft zu nutzen
Die Automatisierung von Besprechungsprotokollen bedeutet nicht, dass Maschinen Entscheidungen für das Team treffen, sondern dass Maschinen zunächst das Diktat, die Lokalisierung und die erste Strukturierung erledigen, damit die Zeit der Menschen für die Bestätigung von Verantwortlichkeiten, das Verstehen des Kontexts und die Umsetzung von Dingen bleibt.