Voice Monkeys

Prompts an ChatGPT, Claude und Co. diktieren

Aktualisiert:

Die meisten Prompts werden besser, sobald sie Kontext enthalten: für wen die Antwort ist, was du schon versucht hast, wie ein gutes Ergebnis aussieht. Das tippt kaum jemand. Gesprochen dauert es eine Minute. Hier geht es um die drei Wege, wie deine Stimme ins Chatfenster kommt, eine Vorlage für lange Prompts, die du laut sagen kannst, und die kleinen Fallen, etwa eine gesprochene neue Zeile, die den halben Prompt abschickt. Die Hilfeseiten von Anthropic und OpenAI sind überwiegend auf Englisch; die relevanten Stellen fassen wir hier zusammen.

Diktat ist nicht dasselbe wie Sprachmodus

KI-Chat-Apps bieten meist zwei verschiedene Sprachfunktionen, und wer sie verwechselt, ist schnell enttäuscht. Beim Diktat wird deine Sprache zu Text im Eingabefeld; du liest ihn, korrigierst und schickst ihn ab, die Antwort kommt als Text. Der Sprachmodus ist ein gesprochenes Hin und Her, bei dem der Assistent laut antwortet.

Anthropic zieht genau diese Grenze für Claude: Das Diktat macht aus Sprache einen Text-Prompt, der Sprachmodus ist ein Gespräch in beide Richtungen. Für alles, was du vor dem Absenden noch einmal lesen willst, also eine Anfrage mit Vorgaben, einen Text zum Umschreiben oder eine Programmierfrage, ist das Diktat das richtige Werkzeug. Der Sprachmodus passt zu schnellen Fragen unterwegs, etwa auf dem Weg zur S-Bahn.

Drei Wege ins Chatfenster

WegWo es funktioniertGut fürWorauf achten
Mikrofon der Chat-App selbstNur in dieser AppSmartphone, kurze PromptsFunktionen je App und Plattform verschieden; Hilfeseite des Anbieters lesen
Diktierfunktion des Systems (Mac, Windows 11)In jedem TextfeldKostenlos, schon installiertMac stoppt nach 30 s Stille; Windows braucht Internet
Eigene Diktier-AppIn jedem Textfeld, eine TasteLange Prompts, häufige Nutzung, mehrere KI-ToolsMeist kostenpflichtig; prüfen, wo der Ton verarbeitet wird

Zu Claude im Detail: In den Apps für iOS und Android sitzt das Diktat hinter dem Mikrofonsymbol rechts im Eingabefeld. Den Sprachmodus, eine Beta in allen Tarifen einschließlich Free, startest du auf Smartphone, Desktop und im Web mit dem Schallwellen-Symbol. Laut Anthropic gibt es in Claude Code und Claude Cowork das Diktat, aber keinen Sprachmodus. Für ChatGPT schau in OpenAIs eigene Hilfe, weil sich die Sprachoptionen dort zwischen App-Versionen ändern.

Systemdiktat und eigene Apps haben einen Vorteil gegenüber dem Knopf einer einzelnen App: Dieselbe Gewohnheit funktioniert in ChatGPT, Claude, Gemini, im KI-Panel deiner IDE und in Outlook. Wer mehr als ein KI-Tool nutzt, merkt das schnell.

Eine Prompt-Vorlage zum Laut-Sprechen

Lange Prompts zerfallen beim Sprechen, wenn du ohne Plan loslegst. Kurze Schlagwörter vor jedem Teil halten dich und das Modell in der Spur. Mach zwischen den Teilen eine kleine Pause, damit die automatische Zeichensetzung den Satz beenden kann.

Ein vollständiges Beispiel zum Üben: „Kontext Doppelpunkt ich führe eine kleine Bäckerei in Leipzig und schreibe den Newsletter an rund 400 Stammkunden Punkt Ziel Doppelpunkt eine freundliche Ankündigung, dass wir samstags jetzt schon um sieben öffnen Punkt Vorgaben Doppelpunkt höchstens 120 Wörter Komma keine Ausrufezeichen Komma das neue Roggenbrot einmal erwähnen Komma du-Form Punkt Format Doppelpunkt Betreffzeile und Text Punkt“

Setzt dein Werkzeug Satzzeichen automatisch, lass „Doppelpunkt“ und „Punkt“ weg und mach einfach Pausen. So oder so übernehmen die Schlagwörter die Arbeit, die in einem getippten Prompt Zwischenüberschriften machen würden. Ein kleiner deutscher Zusatz lohnt sich fast immer: Sag dazu, ob du die Antwort in Du- oder Sie-Form willst.

  • Kontext: wer du bist, für wen das Ergebnis ist, worum es geht.
  • Ziel: das eine, was du zurückhaben willst.
  • Vorgaben: Länge, Ton, Anrede, was fehlen soll, was bleiben muss.
  • Material: Dokumente, Code oder Daten nach dem Sprechen per Kopieren einfügen, nie vorlesen.
  • Format: Liste, Tabelle, E-Mail, drei Varianten, eine Antwort.

Die Enter-Falle

In den meisten KI-Chats schickt die Eingabetaste die Nachricht ab, Umschalt plus Eingabetaste macht einen Zeilenumbruch. Gesprochene Zeilenumbrüche drücken aber die Eingabetaste. Apple beschreibt den Befehl „neue Zeile“ in der Mac-Diktierfunktion als einmal Return drücken, und die deutsche Befehlsliste der Windows-11-Spracheingabe enthält ausdrücklich „Eingabetaste drücken“ und „Drücke Enter“. Sagst du also mitten im Prompt „neue Zeile“, während du direkt ins Chatfenster diktierst, geht womöglich die erste Hälfte raus und der Rest bleibt hängen.

Zwei Auswege. Entweder verzichtest du auf gesprochene Umbrüche und lässt die Schlagwörter („Kontext“, „Ziel“) die Struktur tragen. Oder du diktierst lange Prompts in eine Notiz oder einen Texteditor, räumst kurz auf und kopierst das Ergebnis in den Chat. Die zweite Gewohnheit hat einen Bonus: Ein guter Prompt liegt danach als Vorlage für nächste Woche bereit.

Lange Prompts ohne Abbruch

Laut nachdenken heißt Pausen machen. Die Mac-Diktierfunktion endet nach 30 Sekunden ohne erkannte Sprache. Das reicht für normale Denkpausen, nicht aber, wenn du nebenbei ein langes Dokument liest. Die Windows-Spracheingabe braucht die ganze Zeit eine Internetverbindung, im ICE mit wackligem WLAN also eher nicht. Bricht das Diktat ab, starte es neu und sprich weiter; der bereits eingefügte Text bleibt stehen.

Teile sehr lange Anfragen in Runden auf, statt fünf Minuten am Stück zu reden. Diktiere Kontext und Ziel, schick ab, lies die erste Antwort und sprich dann die Korrekturen: „Den zweiten Absatz lassen, den ersten halb so lang, und statt begeistert lieber froh.“ Kurze, gesprochene Nachbesserungen wie diese fühlen sich mit Sprache am schnellsten an.

Freihändig diktieren mit einer eigenen App

Eine Taste zwei Minuten lang gedrückt zu halten ermüdet. Viele Diktier-Apps haben deshalb einen Freihandmodus: einmal tippen, losreden, zum Beenden noch einmal tippen. So kannst du dich zurücklehnen und dabei auf ein Dokument schauen.

Voice Monkeys funktioniert so: rechte Wahltaste am Mac halten (rechte Alt-Taste unter Windows und Linux), sprechen, loslassen, und der Text steht in dem Feld mit dem Cursor, ob ChatGPT im Browser, die Claude-Desktop-App oder das Assistenten-Panel im Editor. Kurzes Antippen schaltet auf freihändig bis zum nächsten Antippen, Esc verwirft eine misslungene Aufnahme. Die 25 Sprachen werden am Klang erkannt, ein deutscher Prompt mit englischen Produktnamen braucht also keinen Sprachwechsel. Auf Macs mit Apple Silicon wird die Sprache auf dem Mac verarbeitet; unter Windows, Linux und auf Intel-Macs geht sie verschlüsselt an einen Server in Deutschland, der Ton wird nach der Umwandlung verworfen. Du kannst die App herunterladen oder vorher die 15-Sekunden-Demo auf der Website ausprobieren. Promptest du nur am Smartphone, ist das Mikrofon der Chat-App die einfachere Wahl, denn eine Handy-App hat Voice Monkeys nicht.

Einen breiteren Vergleich bietet die Übersicht der besten Diktier-Apps. Wer Coding-Assistenten füttert, sollte auch Diktieren für Entwickler lesen, dort geht es darum, was man besser tippt.

Datenschutz: zwei getrennte Fragen

Wenn du einen Prompt diktierst, haben zwei Systeme mit deinen Worten zu tun. Das Diktierwerkzeug verarbeitet den Ton, der KI-Dienst den Text, den du abschickst. Ein Werkzeug, das den Ton auf deinem Rechner lässt, ändert nichts daran, was der Chat-Dienst mit dem Prompt selbst macht. Anthropic schreibt zum Beispiel, dass der Ton aus dem Diktat der Claude-Mobil-App nach der Umwandlung gelöscht und nicht fürs Training genutzt wird. Das ist eine Aussage über die Spracheingabe, nicht über das Gespräch. Geht es um Firmeninterna, prüf beide Seiten und die Regeln deines Arbeitgebers; worauf du achten kannst, steht in Ist Diktieren privat?.

Fragen und Antworten

Kann ich am Computer in ChatGPT diktieren?

Ja. Neben einem Mikrofonknopf in der App selbst kannst du die Diktierfunktion des Systems nutzen (am Mac den eingestellten Kurzbefehl, unter Windows Windows-Taste + H) oder eine eigene Diktier-App. Alle schreiben ins Eingabefeld wie eine Tastatur.

Was ist der Unterschied zwischen Diktat und Sprachmodus in Claude?

Das Diktat macht aus deiner Sprache einen Text-Prompt, Claude antwortet schriftlich. Der Sprachmodus ist ein gesprochenes Gespräch, in dem Claude laut antwortet.

Warum wurde mein Prompt abgeschickt, bevor ich fertig war?

Wahrscheinlich hast du „neue Zeile“ oder „Eingabetaste drücken“ gesagt. Gesprochene Umbrüche drücken die Eingabetaste, und die schickt in den meisten Chats die Nachricht ab. Diktiere zuerst in eine Notiz oder strukturiere mit Schlagwörtern.

Wie lang darf ein diktierter Prompt sein?

Die Mac-Diktierfunktion hat keine Gesamtgrenze, stoppt aber nach 30 Sekunden Stille. Bei eigenen Apps ist es unterschiedlich. Sehr lange Anfragen teilst du ohnehin besser in einen ersten Prompt und gesprochene Nachbesserungen.

Soll ich Dokumente in den Prompt vorlesen?

Nein. Dokumente, Code und Daten fügst du per Kopieren ein. Die Stimme nimmst du für Anweisungen und Kontext.

Quellen

Weitere Ratgeber