Protokolle aus Audiofiles — vollautomatisch, vollständig lokal und souverän
Ich arbeite seit Monaten intensiv mit AI-gestützten Workflows auf OpenClaw-Basis für meinen Alltag als Berater. Eines der Themen, das mich oft beschäftigt: Meeting-Protokolle. Zeitfresser, lästig, aber unverzichtbar.
Also habe ich einen vollständigen Protokollierungsstack entwickelt — mein KI-Assistent und ich, gebaut auf OpenClaw. Und ich kann sagen: Es geht. Mit guter Qualität. Und souverän.
🎙️ Die Aufnahme
Entweder wird das komplette Meeting aufgezeichnet, oder ich spreche nach dem Meeting in die Voice-App meines iPhones. Die Aufnahme schicke ich per Telegram an meinen persönlichen KI-Assistenten — und ab da läuft alles automatisch.
Was dann passiert:
1. Der Assistent empfängt das Audio und startet den Workflow. Kein Button, kein Formular. Ich sage „Protokoll bitte”, gebe in der Aufnahme noch Metadaten an — Ort, Teilnehmer, Anlass, ggf. Datum und Format in ein paar Stichwörtern — fertig.
2. Das Audio bleibt auf meinem Mac. Transkription lokal mit faster-whisper large-v3 auf CPU (M4 Pro). Kein Byte in die Cloud. Datenschutz ohne Kompromisse.
3. Diarisierung via pyannote trennt Sprecher automatisch — wer hat wann gesprochen. Im Meetingprotokoll werden die unterschiedlichen Redner als Teilnehmer 1 bis x dargestellt. Diese muss man zum Schluss, insbesondere bei Wortprotokollen, händisch durch die Namen ersetzen.
4. Postprocessing durch ein lokales LLM (qwen3:30b, lokal via Ollama) macht aus dem Rohtranskript ein sauberes Protokoll — wahlweise Wortprotokoll oder Ergebnisprotokoll.
5. Rendering in Word. Das fertige Protokoll landet als .docx direkt in meiner Nextcloud, auf Basis vorgefertigter Dokumentvorlagen. Fertig.
Wie wurde das entwickelt?
Komplett per Vibe Coding. Ich gebe die Anweisungen, der Assistent entwickelt. Die Architektur-Vorgaben zu allen meinen OpenClaw-Workflows liegen in einem Cookbook hinterlegt — das ist die Leitplanke.
Den Code schreibe ich nicht selbst. Ich beschreibe, was ich brauche, und das System baut es. Das ist inzwischen mein produktiver Alltag.
Was beeindruckend ist:
Die Qualität überrascht mich immer noch. Lokale Modelle können das. Das Transkript ist sauber, die Struktur stimmt, die Sprecher-Zuordnung funktioniert auch bei mehreren Personen. Und: ~20 Minuten Verarbeitungsdauer für 15 Minuten Audio — für ein Protokoll, das ich sonst eine Stunde geschrieben hätte, absolut vertretbar.
Mein Fazit:
AI-Workflows müssen nicht in der Cloud stattfinden. Sie müssen nicht teuer sein. Aber sie müssen durchdacht sein — von der Eingabe bis zur Ablage. Und sie müssen zur eigenen Arbeitsweise passen.
Das ist kein Produkt. Das ist mein persönlicher Stack. Und so sieht die Zukunft aus: Composable AI mit Vibe Coding.
Falls dich das interessiert: gerne Austausch.
#AI
#VibeCoding
#LocalAI
#Productivity
#Consulting
#OpenSource
#MeetingProtokoll
#Workflow
#Datenschutz
#PersonalAI