KI-Transkription auf eigenen Servern: warum wir das machen

Alle KI-Funktionen in Coviqo nutzen Spracherkennung, Übersetzung und ein Sprachmodell auf Infrastruktur, die wir selbst betreiben. Unsere Server stehen in Deutschland, der Betreiber sitzt in Luxemburg. Das betrifft:

• Spracherkennung für Live-Untertitel, Meeting-Transkripte und Transkripte von Sprachnachrichten.
• Übersetzung von Untertiteln und von Meeting-Zusammenfassungen in die Sprache der Lesenden.
• Das Sprachmodell hinter Meeting-Zusammenfassungen, vorgeschlagenen Aufgaben und Entscheidungen, „Frag den Space“ und dem Absatz in „Was habe ich verpasst?“.

Audio, Transkripte und andere Inhalte gehen nicht an externe KI-Anbieter. Wir trainieren damit auch keine KI-Modelle. Das steht genauso in unserer Datenschutzerklärung.

In Meetings sagen Leute Dinge, die sie nicht aufschreiben würden: Zahlen vor dem Abschluss, Personalfragen, halbfertige Ideen. Ein Transkript macht daraus durchsuchbaren Text. Wer diesen Text verarbeitet, ist nicht egal.

Ruft eine KI-Funktion einen externen Dienst auf, verarbeitet eine weitere Firma die Inhalte – oft nach eigenen Bedingungen, manchmal außerhalb der EU. Für ein Team oder einen Verein heißt das: ein Vertrag mehr zum Prüfen, ein Eintrag mehr in der Liste der Auftragsverarbeiter und eine Frage mehr, die schwer zu beantworten ist.

Wenn wir die Modelle selbst betreiben, fällt diese zusätzliche Partei weg. Die Antwort auf „Wohin geht mein Meeting?“ bleibt kurz: auf die Server von Coviqo – und für die KI nirgendwo sonst hin.

KI auf eigenen Servern ist nur die halbe Sache. Die andere Hälfte: Menschen entscheiden, wann sie zum Einsatz kommt.

• Mehrere Schalter müssen an sein. KI-Funktionen hängen von der Plattform, vom Tarif (der Free-Tarif enthält keine KI-Transkription und keine Zusammenfassungen), von den Space-Einstellungen und vom einzelnen Meeting ab. Space-Admins legen die Vorgaben unter Space-Einstellungen › KI & Transkription fest.
• Jede Person kann widersprechen. Mit Meine Stimme nicht transkribieren (Einstellungen › KI & Untertitel) bleibt dein Mikrofon in allen Meetings aus Untertiteln, Transkripten und Zusammenfassungen heraus. Auch deine Sprachnachrichten werden dann nicht transkribiert.
• Alle sehen es. Während transkribiert wird, sehen alle ein Abzeichen Wird transkribiert. Wer per Telefon teilnimmt, hört eine Ansage.
• Aufnahme schaltet erst stumm. Startet eine Aufnahme, sind standardmäßig alle außer der startenden Person stummgeschaltet und sehen einen Hinweis. Wer das Mikrofon wieder einschaltet, entscheidet sich bewusst.
• KI schlägt vor, Menschen entscheiden. Zusammenfassungen, Aufgaben und Entscheidungen sind Entwürfe und als KI-generiert gekennzeichnet. Vorschläge werden erst veröffentlicht, wenn jemand sie geprüft hat.
• Manches ist immer ausgenommen. Direktnachrichten fließen nie in KI-Zusammenfassungen ein. In Ende-zu-Ende-verschlüsselten Räumen gibt es keine KI-Funktionen.
• Du kannst nachsehen. Das Datenschutz-Cockpit zeigt, welche KI-Funktion Inhalte verarbeitet hat, die dich betreffen – ohne die Inhalte selbst.

Neue Spaces bewahren Transkripte standardmäßig 90 Tage auf. Admins können einen anderen Zeitraum wählen.

Selbst gehostete KI hat Grenzen. Wir nennen sie lieber selbst, bevor du sie entdeckst.

• Die Kapazität ist begrenzt. Spracherkennung braucht Grafikkarten, und die lassen sich nicht in Sekunden nachrüsten. Auch deshalb sind Transkriptionsminuten ein Tarif-Limit. Ist der Dienst kurz nicht erreichbar, steht im Abzeichen Transkription wartet. Sobald er zurück ist, geht es von allein weiter.
• Modelle, die zu unserer Hardware passen. Wir wählen Modelle, die auf unseren Servern gut laufen. Zusammenfassungen sind brauchbare Entwürfe, können aber Nuancen übersehen oder Fehler enthalten. Prüfe wichtige Aussagen am Transkript oder an der Aufnahme.
• Nicht jede Sprache ist gleich gut. Die Erkennung funktioniert in vielen Sprachen. Die Qualität hängt aber von Sprache, Akzent, Tonqualität und davon ab, ob Leute durcheinanderreden. Oft hilft es, die gesprochene Sprache fest einzustellen statt sie automatisch erkennen zu lassen.
• Nicht überall. In Ende-zu-Ende-verschlüsselten Räumen kann der Server die Inhalte nicht lesen. Dort gibt es also weder Transkript noch Zusammenfassung. Genau dafür sind diese Räume da.

• Stell beim Planen des Meetings die gesprochene Sprache ein.
• Nutz ein Headset oder ein ordentliches Mikrofon. Und: eine Person spricht zur Zeit.
• Schreib Agenda und Kernpunkte in die Meeting-Notizen. Sie fließen zusammen mit Transkript und Chat in die Zusammenfassung ein.
• Prüf vorgeschlagene Aufgaben und Entscheidungen, bevor du sie veröffentlichst.
• Sag Gästen am Anfang, dass transkribiert wird, und weise auf den Widerspruch hin.

Alle KI-Funktionen findest du unter KI in Coviqo, Schritt für Schritt im Handbuch-Kapitel Meetings.