Personenbezogene Daten aus Audioaufnahmen entfernen
Eine Aufnahme ist oft die sensibelste einzelne Datei, mit der Sie zu tun haben — eine echte Stimme, dazu Namen, Nummern und Gesundheits- oder Rechtsdetails. Diese Anleitung zeigt, wie Sie die personenbezogenen Daten auf dem eigenen Computer aus dem Audio schwärzen: lokal transkribieren, die gesprochenen Identifikatoren auspiepen und sicher weitergeben — ohne die Aufnahme irgendwohin hochzuladen.
Warum Audio die am schwersten zu schwärzende Art von PII ist
Personenbezogene Daten stecken weit häufiger in ganz gewöhnlichen Dateien, als man vermutet: Nach dem Scan von rund 6,5 Millionen Google- Drive-Dateien stellte die Sicherheitsfirma Metomic fest, dass 40,2 % sensible Informationen enthielten, darunter PII, und dass ein Drittel extern geteilt wurde. (Quelle: Metomic.) Audio ist der schwierigste Fall. Gesprochene Identifikatoren verteilen sich unvorhersehbar über eine lange Aufnahme, sind nach Gehör nur mühsam aufzuspüren, und die Aufnahme enthält die tatsächliche Stimme der Person — die, sobald sie zur Identifizierung des Sprechers verarbeitet wird, selbst zu einem biometrischen Datum nach der DSGVO werden kann (dazu unten mehr).
Was Audio-Schwärzung tatsächlich bedeutet
Audio-Schwärzung bedeutet, identifizierende Informationen aus einer Aufnahme zu entfernen, indem die betreffenden gesprochenen Segmente stummgeschaltet oder ausgepiept werden — Namen, Nummern, Adressen — und dieselben Werte im Transkript maskiert werden. Der Punkt, an dem die meisten stolpern: Einen Namen im Transkript zu maskieren, ändert an der Aufnahme nichts. Geben Sie das Audio weiter, ist der Name nach wie vor zu hören. Echte Anonymisierung wirkt auf Klang und Text zugleich, sodass in keinem von beiden ein Identifikator übrig bleibt.
Transkription auf dem Gerät vs. Cloud: die Datenschutz-Weggabelung
Der Großteil der Transkription findet in der Cloud statt, und die Größenordnung ist gewaltig — allein Otter.ai berichtet von der Verarbeitung von über 1 Milliarde Meetings für mehr als 35 Millionen Nutzer. (Quelle: Otter.ai.) Diese Bequemlichkeit hat ihren Preis. Im August 2025 sah sich Otter mit einer bundesweiten Sammelklage konfrontiert, die dem Unternehmen vorwirft, Gespräche über Zoom, Meet und Teams „täuschend und heimlich“ aufzuzeichnen und sie zum Training seiner KI zu nutzen. (Quelle: NPR.)
Es geht nicht nur um einen einzigen Anbieter. Die Freedom of the Press Foundation warnt, dass Otter, Rev, Trint und Descript allesamt die technische Möglichkeit haben, auf hochgeladenes Audio zuzugreifen, und dass mehrere von ihnen damit trainieren oder es an Drittverarbeiter und menschliche Prüfer weiterleiten — und rät Journalisten, stattdessen auf Werkzeuge auf dem Gerät wie Whisper zu setzen. (Quelle: Freedom of the Press Foundation.) Diese menschlichen Prüfer sind ein reales Risiko: Eine Recherche von OneZero ergab, dass die freiberuflichen Transkribierenden von Rev zutiefst sensiblem Material ausgesetzt waren, darunter Audio, das sexuellen Kindesmissbrauch schilderte. (Quelle: OneZero.) Transkription auf dem Gerät — Modelle in Whisper-Qualität, die auf Ihrem eigenen Rechner laufen — umgeht all das: Die Roh- aufnahme wird nie hochgeladen, sodass es keine Aufbewahrungsrichtlinie, keinen Unterauftragsverarbeiter und keinen Prüfer gibt, denen man vertrauen müsste.
Ist eine Sprachaufnahme nach der DSGVO ein personenbezogenes oder biometrisches Datum?
Eine Sprachaufnahme ist immer ein personenbezogenes Datum, sofern sich daraus jemand identifizieren lässt. Sie wird zu einem biometrischen Datum besonderer Kategorie, sobald sie technisch verarbeitet wird, um den Sprecher zu identifizieren oder zu verifizieren — etwa indem Sprache in einen Stimmabdruck umgewandelt wird. Die ICO behandelt dies als risikoreiche Verarbeitung, die in den meisten Fällen eine Datenschutz-Folgenabschätzung und, mangels einer eigens vorgesehenen Bedingung, eine ausdrückliche Einwilligung nach Artikel 9 Abs. 2 Buchst. a neben einer Rechtsgrundlage nach Artikel 6 voraussetzt. (Quelle: ICO.) Wer hier Fehler macht, riskiert die oberste DSGVO-Bußgeldstufe — bis zu 20 Millionen € oder 4 % des weltweiten Jahresumsatzes.
Einwilligung und das Recht der Stimmaufnahme
Es gibt zwei Rechtsbereiche, in denen man auf der sicheren Seite bleiben muss. Erstens der Datenschutz: Der EDSA hält es für „sehr wahrscheinlich“, dass Sprach- und Audiodienste eine DSFA benötigen, und vertritt die Auffassung, dass eine versehentlich ausgelöste Aufnahme „höchst unwahrscheinlich“ als gültige Einwilligung gilt. (Quelle: EDSA-Leitlinien 02/2021.)
Zweitens das Abhörrecht. Nach US-Bundesrecht genügt für die Aufnahme die Einwilligung einer Partei, doch mit Stand 2026 verlangen fünfzehn Bundesstaaten die Einwilligung aller Beteiligten: Kalifornien, Connecticut, Delaware, Florida, Illinois, Maryland, Massachusetts, Michigan, Montana, Nevada, New Hampshire, Oregon, Pennsylvania, Vermont und Washington. (Quelle: Sembly AI.) Was auf dem Spiel steht, ist konkret: Nach Kaliforniens Invasion of Privacy Act kann jemand, der ohne die Einwilligung aller Beteiligten aufgenommen wurde, auf gesetzlichen Schadenersatz von 5.000 $ pro Verstoß oder das Dreifache des tatsächlichen Schadens klagen — je nachdem, was höher ist. (Quelle: Shouse Law Group.) Die praktische Lehre ist in beiden Fällen dieselbe: Einwilligung einholen, nur das Nötige aufbewahren und Identifikatoren schwärzen, bevor die Aufnahme irgendwohin gelangt.
Wann Sie eine Aufnahme vor der Weitergabe schwärzen müssen (Auskunftsanfragen)
Ein häufiger Auslöser ist eine Auskunftsanfrage. Betrifft eine DSAR eine Anrufaufzeichnung, die auch Daten anderer Personen enthält, erwartet die ICO, dass Sie die Identifikatoren Dritter vor der Offenlegung entfernen oder auspiepen, innerhalb eines Monats antworten und die Schwärzung so vornehmen, dass sich die entfernten Daten aus der herausgegebenen Kopie nicht wiederherstellen lassen. (Quelle: ICO.) Genau hier fügt sich das Auspiepen auf dem Gerät nahtlos in die Regel ein: Weil sich das ausgepiepte Audio nicht wieder entpiepen lässt, bleibt die Kopie, die Sie offenlegen, von vornherein geschwärzt.
Wer Audio schwärzt und warum
- Journalisten, die Namen, Arbeitgeber und Telefonnummer einer Quelle schützen, bevor eine Interviewdatei in die Redaktion geht.
- Qualitativ Forschende, die einvernehmlich erhobene Interviewaufnahmen für eine Ethikkommission (IRB) anonymisieren, bevor sie Transkripte teilen.
- HR-Teams, die Namen und Wohnadresse einer Zeugin entfernen, die in einer aufgezeichneten Untersuchungssitzung laut genannt wurden.
- Rechtsteams, die den Namen eines Minderjährigen oder eine Sozialversicherungsnummer auspiepen, die in einer Vernehmung vorgelesen wurde.
- Gesundheitswesen und Therapeuten, die eine Sitzungsaufnahme de-identifizieren, bevor sie sie für Supervision oder Notizen nutzen.
PII aus einer Audioaufnahme entfernen, Schritt für Schritt
- Auf dem eigenen Computer transkribieren. Öffnen Sie die Aufnahme in Occlira. Sie wird lokal mit einem Sprachmodell auf dem Gerät transkribiert — die Rohaufnahme, die sensibelste Fassung, verlässt Ihren Rechner nie und berührt keinen Cloud-Dienst.
- Die Sprecher trennen. Die Sprecher werden auf dem Gerät voneinander getrennt, sodass Sie sehen, wer was gesagt hat, und gezielt pro Sprecher schwärzen können, während das Gespräch lesbar bleibt.
- Die gesprochenen personenbezogenen Daten erkennen. Occlira markiert laut ausgesprochene personenbezogene Daten — Namen, Telefonnummern, Adressen sowie Konto- oder Kartennummern — im synchronisierten Transkript, jeweils mit der genauen Position in der Audiospur.
- Prüfen und bestätigen. Entscheiden Sie in einem schnellen Prüfschritt für jeden Treffer, ob Sie ihn behalten oder schwärzen, und ergänzen Sie von Hand, was die Erkennung übersehen hat. Ohne Ihre Zustimmung wird nichts verändert.
- Das Audio auspiepen und das Transkript maskieren. Für jeden bestätigten Eintrag schaltet Occlira das betreffende Segment der Wellenform stumm oder piept es aus und maskiert denselben Wert im Transkript — sodass der Identifikator nicht nur aus dem Geschriebenen, sondern auch aus dem Hörbaren verschwindet.
- Eine weitergabefähige Kopie exportieren. Speichern Sie eine geschwärzte Kopie zum Weitergeben, Archivieren oder Offenlegen. Das ausgepiepte Audio ist dauerhaft — genau das, was Sie für eine Kopie wünschen, die Sie herausgeben —, während das Transkript innerhalb Ihrer Arbeitssitzung umkehrbar bleibt, sodass Sie die Originale prüfen können, bevor Sie fertig sind.
Von Hand vs. automatisch
Sie können Audio von Hand in einem Editor wie Audacity schwärzen — jeden Identifikator nach Gehör suchen, den Bereich auswählen und stummschalten. Bei einem kurzen Clip funktioniert das; bei einem 90-minütigen Interview oder einer Reihe von Anrufaufzeichnungen ist es langsam, und beim zweiten Durchgang übersieht man leicht einen Namen. Transkriptgestützte Erkennung skaliert dagegen: Sie verortet jedes Vorkommen anhand seines Zeitstempels, sodass Sie eine Liste durchgehen, statt eine Wellenform abzusuchen, und nichts Identifizierendes durchrutscht, nur weil es bei Minute 72 leise gesagt wurde. Genau das leistet Occlira: Es transkribiert auf dem Gerät, listet jeden erkannten Namen und jede Nummer nach Zeitstempel auf und piept auf Ihre Bestätigung hin jeden davon aus — und anders als Otter, Rev oder Descript wird die Aufnahme nie hochgeladen.
Checkliste zur Audio-Schwärzung
Bevor Sie eine Aufnahme weitergeben, archivieren oder offenlegen, gehen Sie diese durch:
- Vergewissern Sie sich, dass Sie eine Einwilligung oder eine andere Rechtsgrundlage haben, um das Audio aufzunehmen und zu verarbeiten
- Führen Sie eine DSFA durch, wenn die Aufnahme eine systematische Überwachung umfasst oder Stimmen in Stimmabdrücke umgewandelt werden
- Transkribieren Sie auf dem eigenen Gerät — laden Sie die Rohaufnahme nicht in einen Cloud-Dienst hoch
- Erkennen und prüfen Sie jeden gesprochenen Namen, jede Telefonnummer, Adresse und Konto-/Kartennummer
- Piepen Sie das Audio aus UND maskieren Sie das Transkript — ein maskiertes Transkript allein lässt den Namen weiterhin hörbar
- Spielen Sie die geschwärzte Kopie ab und stellen Sie sicher, dass kein Identifikator übrig bleibt
- Entfernen Sie die Dateimetadaten vor der Weitergabe
- Für eine Offenlegung/Auskunftsanfrage: Exportieren Sie eine frische, nicht umkehrbare Kopie und halten Sie die umkehrbare Zuordnung unter Verschluss
Wie Occlira es macht — vollständig auf Ihrem Gerät
Occlira ist genau dafür gebaut. Es transkribiert Ihre Aufnahme lokal mit einem Modell auf dem Gerät in Whisper-Qualität, trennt die Sprecher, erkennt automatisch die laut ausgesprochenen Namen und Nummern und piept — sobald Sie bestätigen — das Audio aus, während es das Transkript an jedem Treffer maskiert. Es verarbeitet MP3, WAV, M4A, FLAC und OGG, funktioniert nach der Aktivierung offline unter Windows und macOS. Das Audio, das Sie exportieren, ist dauerhaft ausgepiept, während das Transkript innerhalb Ihrer Arbeitssitzung umkehrbar bleibt. Kein Upload, kein Konto, keine Cloud. Sehen Sie genau, was auf Ihrem Gerät bleibt.
Häufig gestellte Fragen
Audio-Schwärzung bedeutet, identifizierende Informationen aus einer Aufnahme zu entfernen, indem die betreffenden gesprochenen Segmente stummgeschaltet oder ausgepiept werden — Namen, Nummern, Adressen — und dieselben Werte in einem etwaigen Transkript maskiert werden. Anders als beim Schwärzen eines Textdokuments wirkt sie auf die Wellenform selbst, sodass der Identifikator beim Abspielen nicht mehr zu hören ist.
Ein maskiertes Transkript verbirgt nur den Text; geben Sie die zugrunde liegende Aufnahme weiter, bleibt der Name weiterhin hörbar. Echte Anonymisierung setzt an beidem an — das Audio wird an jedem Treffer ausgepiept und das Transkript maskiert —, sodass weder in den Worten noch im Klang etwas Identifizierendes übrig bleibt.
Transkribieren Sie das Audio, verorten Sie jeden gesprochenen Namen im Transkript (samt seinem Zeitstempel in der Aufnahme) und schalten Sie das betreffende Segment der Wellenform stumm oder legen Sie einen Ton darüber. Occlira erledigt das automatisch: Es erkennt die Namen auf dem Gerät und piept jedes Vorkommen aus — weit zuverlässiger, als sie von Hand in einem Editor zu suchen.
Eine Sprachaufnahme ist immer ein personenbezogenes Datum, sofern sich daraus eine Person identifizieren lässt. Sie wird zu einem biometrischen Datum besonderer Kategorie, sobald sie technisch verarbeitet wird, um den Sprecher zu identifizieren oder zu verifizieren — etwa indem Sprache in einen Stimmabdruck umgewandelt wird. Die ICO stuft dies als risikoreiche Verarbeitung ein, die in der Regel eine DSFA und eine ausdrückliche Einwilligung nach Artikel 9 voraussetzt.
Meist ja. Nach der DSGVO benötigen Sie eine Rechtsgrundlage, und der EDSA hält eine DSFA für Sprach- und Audiodienste für „sehr wahrscheinlich“ erforderlich. In den USA genügt nach Bundesrecht die Einwilligung einer Partei, doch viele Bundesstaaten verlangen die Einwilligung aller Beteiligten (siehe unten). Die sichere Vorgehensweise lautet: Einwilligung einholen, so wenig wie möglich aufbewahren und Identifikatoren vor der Weitergabe schwärzen.
Mit Stand 2026 verlangen fünfzehn Bundesstaaten die Einwilligung aller Beteiligten: Kalifornien, Connecticut, Delaware, Florida, Illinois, Maryland, Massachusetts, Michigan, Montana, Nevada, New Hampshire, Oregon, Pennsylvania, Vermont und Washington. Bei bundesstaatenübergreifenden Anrufen gilt in der Regel das strengere Recht; befindet sich also ein Teilnehmer in einem Bundesstaat mit Allparteien-Einwilligung wie Kalifornien, benötigen Sie die Einwilligung aller — unabhängig davon, wo Sie selbst sind.
Mehrere Cloud-Transkriptionsdienste können hochgeladene Aufnahmen standardmäßig zur Verbesserung ihrer Modelle nutzen oder an Drittverarbeiter und menschliche Prüfer weiterleiten. Da das Roh-Audio hochgeladen wird, müssen Sie sich auf deren Aufbewahrungs- und Trainingsrichtlinien verlassen. Eine Transkription auf dem Gerät umgeht diese Frage vollständig — die Aufnahme wird nie hochgeladen.
Betrifft eine Auskunftsanfrage (DSAR) eine Aufnahme, die auch personenbezogene Daten anderer Personen enthält, erwartet die ICO, dass Sie die Identifikatoren Dritter vor der Offenlegung entfernen oder auspiepen (unter Anwendung der Abwägungsprüfung), innerhalb eines Monats antworten und die Schwärzung so vornehmen, dass sich die entfernten Daten aus der herausgegebenen Kopie nicht wiederherstellen lassen.
Das Auspiepen des Audios ist dauerhaft: Sobald Sie die geschwärzte Aufnahme exportieren, lassen sich die stummgeschalteten Segmente nicht mehr wiederherstellen — und genau das ist bei einer Kopie erwünscht, die Sie weitergeben oder offenlegen. Das Transkript bleibt innerhalb Ihrer Arbeitssitzung umkehrbar (über Occliras Deanonymisieren), sodass Sie die Originalwerte prüfen können, bevor Sie fertig sind; das exportierte Audio selbst lässt sich nicht mehr entpiepen.
Audio schwärzen, ohne es irgendwohin hochzuladen
Lokal transkribieren, die personenbezogenen Daten auspiepen, sicher weitergeben — 14 Tage kostenlos unter Windows und macOS.
Mehr: für Kanzleien · Was ist PII? · KI nutzen, ohne die DSGVO zu verletzen · wie Ihre Daten behandelt werden