Was ist automatische Zeichensetzung?

Warum Spracherkennung Zeichen ergänzen muss

Gesprochene Sprache hat keine Satzzeichen. Es gibt Pausen, Betonung und Sprachmelodie, aber keinen hörbaren Punkt. Eine reine Worterkennung liefert deshalb so etwas: „ja dann machen wir das so herr huber schickt das angebot bis freitag passt das“.

Lesbar wird das erst mit Satzgrenzen, Kommas und Großschreibung. Im Deutschen ist Letzteres besonders wichtig: Substantive werden großgeschrieben, und „Sie“ als Anrede ist etwas anderes als „sie“ für eine dritte Person oder mehrere. Ein Transkript ohne diese Unterscheidungen ist schwer zu lesen und manchmal mehrdeutig.

Wie die Zeichen ins Transkript kommen

Früher lief die Zeichensetzung als eigener Schritt nach der Spracherkennung: Ein zweites Modell las die Wortkette und setzte Zeichen. Heute erzeugen viele Modelle Wörter und Zeichen in einem Durchgang. In beiden Fällen nutzen sie zwei Arten von Hinweisen: den Satzbau – ein Satz, der mit einem Verb beginnt, ist oft eine Frage, vor „dass“ steht ein Komma – und den Klang, also Pausen und eine am Satzende ansteigende Stimme.

Verwandt, aber eigenständig ist die Formatierung, fachlich auch inverse Textnormalisierung genannt: Aus „zweitausendsechsundzwanzig“ wird „2026“, aus „fünf Prozent“ wird „5 %“, aus „halb drei“ unter Umständen „14:30“. Und anders als bei der Diktiersoftware, bei der man „Punkt“ und „Komma“ ausspricht, geschieht das hier ohne Zutun der Sprechenden.

Typische Fehler

Spontane Sprache ist schwerer zu interpunktieren als vorgelesener Text. Häufig gehen diese Dinge schief:

• Endlossätze oder Punkte an falscher Stelle: Im Gespräch werden Sätze abgebrochen, neu begonnen, mit „und“ aneinandergereiht.
• Fragen ohne Fragesatz: „Das schickst du mir bis Freitag?“ ist nur an der Sprachmelodie als Frage erkennbar.
• Kommas: vor Nebensätzen, bei Einschüben und Aufzählungen – die Regeln sind komplex, die Pausen beim Sprechen passen oft nicht dazu.
• „Sie“ oder „sie“: Anrede und dritte Person klingen gleich.
• Wörtliche Rede: „Er hat gesagt, wir sollen warten“ und ein direktes Zitat lassen sich kaum unterscheiden.

Meist ändern solche Fehler nur die Lesbarkeit. Manchmal ändern sie aber den Sinn: „Freigegeben ist nur das Angebot, nicht der Vertrag.“ bedeutet etwas anderes als „Freigegeben ist nur das Angebot nicht. Der Vertrag …“.

Wann sich Nacharbeit lohnt

Für Protokolle und Zusammenfassungen ist eine unperfekte Zeichensetzung selten ein Problem, weil dort der Inhalt herausgezogen wird und nicht der Wortlaut zählt. Anders bei Zitaten, Veröffentlichungen und wissenschaftlicher Auswertung: Dort gehört die Zeichensetzung zur Transkriptkorrektur dazu.

In der Forschung geben Transkriptionsregeln oft genau vor, wie Satzzeichen, Pausen und Abbrüche zu notieren sind. Die automatische Zeichensetzung folgt diesen Regeln nicht von selbst – sie liefert einen Rohentwurf, den man an das vorgegebene System anpasst.

Wer ein Transkript an andere weitergibt, sollte zumindest die Anrede prüfen – ein „sie“ statt „Sie“ fällt beim Lesen sofort auf und wirkt unhöflich, obwohl niemand etwas falsch gesagt hat.