Whisper Notes vs Otter.ai: Lokale vs Cloud-Transkription im Vergleich

Bevor wir über Features sprechen, schauen wir uns die Wirtschaftlichkeit an. Transkription ist ein Werkzeug, das die meisten Fachleute über Jahre nutzen, nicht Monate. Die Zahlen zählen.

Preise geprüft am 31. Oktober 2026: Otter.ai-Preise. Bei jährlicher Zahlung; bei monatlicher Zahlung kostet Pro $16.99 und Business $30 im Monat.

Das Abonnement-Modell macht für Otter Sinn — sie betreiben Server, die dein Audio verarbeiten, deine Transkriptionen speichern und Kollaborations-Infrastruktur pflegen. Diese Kosten sind real und laufend.

Unser Modell funktioniert anders. Sobald du Whisper Notes herunterlädst, läuft die KI vollständig auf deinem Gerät. Wir haben keine Server, die dein Audio verarbeiten, keinen Cloud-Speicher zu pflegen, keine laufenden Infrastrukturkosten. Wiederkehrende Gebühren für Software zu verlangen, die keine wiederkehrende Infrastruktur benötigt, fühlte sich falsch an.

Die Frage ist nicht „welches ist günstiger" — sondern ob du für Cloud-Dienste bezahlst, die du tatsächlich brauchst.

Hier geht es nicht nur um Preise. Otter.ai und Whisper Notes sind architektonisch unterschiedliche Produkte, für unterschiedliche Bedrohungsmodelle entwickelt.

Otter.ais Architektur: Dein Audio geht zu Otters Servern → Deren GPUs verarbeiten es → Transkriptionen werden in ihrer Cloud gespeichert → Du greifst über Web/App darauf zu.

Whisper Notes' Architektur: Audio bleibt auf deinem Gerät → Die Neural Engine deines Geräts verarbeitet es → Transkriptionen bleiben auf deinem Gerät → Nichts wird hochgeladen.

Diese Unterscheidung ist wichtig wegen dem, was sie über Datenexposition aussagt. Bei Cloud-Transkription existieren deine Sprachdaten auf Servern, die du nicht kontrollierst. Diese Server können gehackt, gerichtlich angefordert oder von Mitarbeitern eingesehen werden. Das ist nicht theoretisch — Cloud-Dienste erleben regelmäßig Sicherheitsvorfälle.

Bei Offline-Transkription macht die App keine Netzwerkübertragung deines Audios — die Transkription läuft vollständig auf deiner Hardware. Es gibt keinen Server zum Hacken, keine Datenbank für Gerichtsanforderungen, keinen Mitarbeiterzugang zu prüfen.

Für die meisten persönlichen Anwendungsfälle ist diese Unterscheidung philosophisch. Für professionelle Nutzung mit vertraulichen Informationen ist sie architektonisch.

Wir hören ständig von drei Berufsgruppen, die Cloud-Transkription problematisch finden:

Juristen: Das Anwaltsgeheimnis erfordert Kontrolle darüber, wo privilegierte Kommunikation existiert. Das Hochladen von Mandantenaufnahmen auf Drittanbieter-Server schafft Offenlegungsrisiken und potenzielle Probleme mit dem Verzicht auf das Privileg. Lokale Verarbeitung bedeutet, dass privilegiertes Audio niemals das Gerät verlässt.

Gesundheitspersonal: DSGVO-Konformität mit Cloud-Diensten erfordert Auftragsverarbeitungsverträge, Sicherheitsaudits und laufendes Lieferantenmanagement. Bei lokaler Verarbeitung gibt es keinen Transkriptionsanbieter, mit dem du einen Auftragsverarbeitungsvertrag schließen müsstest; ob der gesamte Ablauf DSGVO-konform ist, hängt weiterhin davon ab, wie das Gerät gesichert ist.

Journalisten: Quellenschutz hängt davon ab, die Anzahl der Systeme zu minimieren, die Quellenidentitäten enthalten. Jeder Cloud-Upload schafft einen weiteren potenziellen Expositionspunkt. Offline-Transkription bedeutet, dass Quellenaufnahmen nur auf Hardware existieren, die du physisch kontrollierst.

Das gemeinsame Muster bei diesen Berufen: Cloud-Transkription führt Drittanbieter-Risiken ein, die mit beruflichen Pflichten in Konflikt geraten können. Lokale Transkription eliminiert diese Risikokategorie.

Wir sagen nicht, dass Otter.ai unsicher ist — ihr Business-Plan bietet Enterprise-Sicherheitsfunktionen. Wir beobachten, dass für vertraulichkeitssensible Arbeit die einfachste Sicherheitsarchitektur eine ist, bei der sensible Daten niemals deinen Besitz verlassen.

Wir glauben nicht, dass Whisper Notes für alle besser ist. Otter.ai hat legitime Vorteile für bestimmte Workflows:

Echtzeit-Team-Kollaboration. Wenn fünf Personen während eines Meetings gleichzeitig eine Transkription bearbeiten müssen, ist Otter.ais kollaborativer Arbeitsbereich genau dafür gebaut. Whisper Notes ist von Design her für Einzelnutzer.

Live-Meeting-Integration. Der Bot von Otter.ai tritt Zoom- und Google-Meet-Anrufen bei, transkribiert in Echtzeit und erkennt die Sprecher. Whisper Notes auf dem Mac nimmt den Anruf über das Systemaudio auf, ohne ihm beizutreten, und transkribiert ihn auf dem Mac.

Automatisierte Workflows. CRM-Integration, automatische Extraktion von Aktionspunkten, Meeting-Zusammenfassungen an Slack — Otter.ais Cloud-Architektur macht diese Automatisierungen möglich. Lokale Tools können nicht an Cloud-Workflows teilnehmen.

Webbasierter Zugang. Wenn du von jedem Browser aus auf Transkriptionen zugreifen musst, ohne Software zu installieren, ist Cloud-Speicher die einzige Architektur, die das unterstützt.

Sprecheridentifikation in Live-Anrufen mit großen Gruppen. Beide Apps kennzeichnen jetzt, wer was gesagt hat — Whisper Notes hat 2026 Sprecher-Labels auf dem Gerät für iPhone und Mac eingeführt, mit umbenennbaren Sprechern und gekennzeichneten TXT/SRT/VTT-Exporten. Otters Cloud-Diarisierung hat bei Live-Anrufen mit mehreren Teilnehmern und in sehr großen Gruppen nach wie vor einen Vorsprung; Whisper Notes kennzeichnet Sprecher nach Ende der Aufnahme, vollständig auf deinem Gerät.

Wenn dein primärer Anwendungsfall Team-Meetings sind, die kollaboratives Bearbeiten erfordern, passt Otter.ai wahrscheinlich besser. Die Preise von Otter.ai spiegeln die für diese Funktionen erforderliche Infrastruktur wider.

Whisper Notes macht für unterschiedliche Prioritäten Sinn:

Mehrere Sprachmodelle, nicht nur eines. Whisper Notes liefert Whisper (Large V3 Turbo auf dem Mac, Small auf dem iPhone; 100+ Sprachen), das integrierte Parakeet-Modell (schnellstes Englisch; Parakeet Ultra von Moondream, auf Basis von NVIDIA Parakeet V3 nachtrainiert, das auf 6,32% WER kam) und SenseVoice (Chinesisch, Japanisch, Koreanisch und Kantonesisch mit 115–131× Echtzeit — die schnelle Option für CJK-Audio), dazu Apple Speech unter iOS 26 und macOS 26 und am Mac Qwen3-ASR 1.7B (Beta). Otter.ai nutzt ein proprietäres Modell mit begrenzter Sprachunterstützung.

Lokale KI in der Mac-Version von unserer Website. Schalte die KI-Funktionen ein, dann fasst das lokale Gemma-Modell eine Transkription zusammen, listet die nächsten Schritte auf und beantwortet Fragen dazu. Die gesamte Verarbeitung geschieht auf deinem Mac, deine Daten verlassen das Gerät nicht.

Datenschutz durch Architektur. Wenn berufliche Pflichten oder persönliche Präferenzen erfordern, dass Audio niemals Drittanbieter-Server berührt, ist nur-lokale Verarbeitung die einzige Architektur, die das bietet.

Keine Minutenlimits. Die Tarife von Otter.ai begrenzen die Minuten pro Monat (300 bei Basic, 1.200 bei Pro). Bei lokaler Verarbeitung gibt es kein Monatskontingent und keine Gebühr pro Minute: Eine einzelne Datei darf bis zu 24 Stunden lang sein.

Vorhersehbare Kosten. Eine einzige Zahlung ($7.99 im App Store oder $14 für die Mac-App von unserer Website) bedeutet kein Abonnement-Tracking, keine „Ihr Plan wurde verlängert"-Überraschungen, kein Berechnen, ob du Wert aus den monatlichen Gebühren bekommst.

Offline-Fähigkeit. Flüge, gesicherte Einrichtungen, Gebiete mit schlechter Verbindung, oder einfach die Vorliebe, offline zu arbeiten — lokale Verarbeitung funktioniert ohne Internet.

Lange Transkriptionen. Otter.ai begrenzt jede Unterhaltung auf 30 Minuten im Basic-, 90 Minuten im Pro- und 4 Stunden im Business-Tarif. Whisper Notes transkribiert Dateien mit bis zu 24 Stunden Länge.

Wenn du hauptsächlich deine eigenen Aufnahmen transkribierst und Sprachmodellauswahl, Datenschutz oder Kostenvorhersehbarkeit schätzt, ist lokale Transkription wahrscheinlich besser geeignet.

Sowohl Otter.ai als auch Whisper Notes haben iOS-Apps. Der Unterschied ist, was passiert, wenn du nicht verbunden bist.

Otter.ais iOS-App kann Audio offline aufnehmen, aber die Transkription erfordert das Hochladen auf ihre Server. Kein Internet bedeutet kein Text — du hast Audiodateien, die in einer Warteschlange warten. Das ist wichtig in U-Bahnen, Flugzeugen, gesicherten Einrichtungen oder überall mit unzuverlässiger Verbindung.

Whisper Notes verarbeitet alles auf der Neural Engine deines iPhones. Nimm eine Sprachnotiz im Flug auf, und die Transkription ist vor der Landung fertig. Keine Upload-Warteschlange. Kein Warten auf Server-Verfügbarkeit. Das KI-Modell lebt auf deinem Gerät.

Sperrbildschirm-Widget. Ein Tippen öffnet die App und startet die Aufnahme. Erfasse Gedanken im Moment, in dem sie auftreten, bevor du sie vergisst.

Live Activities. Du siehst die Aufnahmedauer auf deinem Sperrbildschirm und in der Dynamic Island und weißt genau, wie lange du schon aufnimmst, ohne die App zu öffnen.

Verarbeitungsgeschwindigkeit. Auf einem iPhone 15 macht Parakeet, das integrierte Modell, aus fünf Minuten Audio in etwa 18 Sekunden Text — die Zahl aus unserem App-Store-Eintrag, also etwa 17x Echtzeit. Eine 10-minütige Aufnahme ist in etwa 35 Sekunden fertig. Ältere iPhones sind langsamer, aber funktional.

Der Kompromiss: Otter.ais iOS-App bietet Echtzeit-Transkription während Anrufen und Meetings — etwas, das ihre Cloud-Infrastruktur erfordert. Auf dem iPhone transkribiert Whisper Notes, wenn die Aufnahme endet; am Mac zeigt eine Besprechungsaufnahme ein Live-Transkript, das sich etwa alle 30 Sekunden aktualisiert, was aber noch keine Live-Untertitel sind. Wenn du Live-Untertitel während eines Gesprächs brauchst, ermöglicht das Otter.ais Architektur. Wenn du Transkription brauchst, die ohne Verbindung funktioniert, bietet nur lokale Verarbeitung das.

Ein Wort dazu, warum wir den einmaligen Preis gewählt haben:

Otter.ais Abonnement-Modell ist angesichts ihrer Architektur rational. Sie betreiben Server, die jeden Monat Geld kosten. Sie beschäftigen Ingenieure, um Cloud-Infrastruktur zu pflegen. Sie bieten laufende Dienste wie Echtzeit-Kollaboration, die persistente Systeme erfordert. Abonnements finanzieren den Betrieb.

Unsere Architektur ist anders. Nachdem du Whisper Notes heruntergeladen hast, haben wir keine laufenden Kosten, die mit deiner Nutzung verbunden sind. Das KI-Modell läuft auf der Neural Engine deines Geräts. Deine Transkriptionen bleiben auf deinem Gerät. Wir betreiben keine Server, die dein Audio verarbeiten.

$10/Monat für Software zu verlangen, die keine monatliche Infrastruktur benötigt, fühlte sich an, als würden wir Wert extrahieren, den wir nicht lieferten. Also verlangen wir einmalig.

Der Kompromiss: Wir verdienen weniger pro Nutzer als Wettbewerber mit Abonnements. Der Vorteil: Nutzer, die einfache Wirtschaftlichkeit schätzen, finden uns und bleiben. Im US-App-Store liegt die Bewertung bei 4,7 aus 682 Bewertungen.