KI-Meeting-Notizen ohne Bot in Ihrem Call — so geht's

2020 hieß „KI-Meeting-Notizen", dass ein Bot Ihrem Call beitrat. 2026 muss das nicht mehr sein. Der Wandel ist technisch (System-Audio-Aufnahme ist auf Consumer-Betriebssystemen verlässlich geworden) und kulturell (Kunden bemerken den Bot und schieben zurück). Dieser Beitrag ist die praxisorientierte Version: warum ein Bot heute eine Belastung ist, wie lokale Aufnahme tatsächlich funktioniert und welcher Stack KI-Meeting-Notizen ermöglicht, ohne dass ein Dritter in Ihrem Meeting auftaucht.

• Optik — „Otter has joined the meeting" ist der erste Eindruck für Ihr Gegenüber. Ein Markenmoment, den niemand angefordert hat, und eine stille Stimme gegen die Sorgfalt Ihres Produkts.
• Security — jeder Meeting-Bot ist ein SaaS-Recorder Ihres Live-Gesprächs. Regulierte Branchen (Finanz, Gesundheit, Verteidigung, Recht) verbieten ihn zunehmend. Selbst unregulierte Käufer fragen, warum Ihr „KI-Assistent" ein Drittanbieter in ihrem Pitch ist.
• Plattform-Sperren — Zoom Phone, MS Teams in manchen Tenants und viele Enterprise-Google-Workspaces blockieren Drittanbieter-Recorder aktiv.
• Unbehagen — der Bot steht in der Teilnehmerliste. Witze hören auf, Widerspruch hört auf, das Meeting wird performativer.
• Einwilligung — die Bot-Aufnahme liegt auf den Servern des Recorder-Anbieters. Damit wird Einwilligung eine Vendor-Frage statt einer beidseitigen Frage.

Lokale Meeting-Erfassung zeichnet zwei Audio-Streams auf der Host-Maschine auf: System-Audio (alles, was Sie über die Lautsprecher hören) und Ihr Mikrofon (Ihre Stimme). Die beiden Streams werden gemischt und an einen Cloud-Transkriptionsdienst gestreamt. Nichts tritt dem Meeting selbst bei — die Aufnahme existiert auf Ihrem Computer, so wie eine Bildschirmaufzeichnung Ihres Laptops auf Ihrem Computer existiert.

Der Mechanismus variiert pro OS. Auf macOS 13+ stellt Apples ScreenCaptureKit System-Audio über eine dokumentierte API bereit (mit expliziter Nutzer-Erlaubnis). Auf Windows 10+ liefert WASAPI Loopback das Gleiche. Beide erfordern beim ersten Mal eine einzige Berechtigung und sind grundsätzlich Ein-Teilnehmer-Operationen — nur das aufnehmende Gerät hat das Audio, sonst niemand im Meeting.

Ein Bot kann Meetings beitreten, zu denen sein Besitzer eingeladen ist, aber nicht teilnimmt. Lokal nicht — Ihr Laptop muss im Call sein. Für die meisten Workflows ist das korrekt (Sie sollten nicht aufnehmen, was Sie nicht miterlebt haben), aber es schließt das „Ich schicke meine KI zum Zuhören"-Muster aus, das Fireflies stark vermarktet.

Sie zahlen die Audio-Speicherkosten lokal (in unseren Tests: unkomprimiert grob 10 MB/min, komprimiert eher 1 MB/min). Über eine lange Meeting-Woche sind das einige hundert Megabyte. Die meisten Tools (Reline inklusive) synchronisieren in die Cloud zur Sicherung, aber das rohe Audio liegt zuerst auf Ihrer Platte.

Ein Bot kann die Teilnehmerliste lesen: „das ist Sarah, die spricht." Lokale Tools müssen rein aus dem Audio arbeiten. Manche setzen auf Sprecher-Diarization (Deepgram und AssemblyAI liefern sie mit) — in unseren Tests kostet das grob 200 ms Latenz, und die Stimmen müssen sich in Tonhöhe/Klangfarbe ausreichend unterscheiden. Reline geht den einfacheren Weg: Sprecher werden als „Ich vs. Andere" gekennzeichnet, je nachdem, über welchen Stream das Audio hereinkam (Ihr Mikrofon versus System-Audio) — robust, aber es unterscheidet nicht Sarah von Raj.

Erfassen Sie den Call lokal auf der Maschine, mit der Sie ohnehin im Meeting sind — ohne Drittanbieter-Teilnehmer — und überlassen Sie Transkription und Zusammenfassung Cloud-Diensten. Konkret sieht der Stack so aus:

1. OS-Audio-Erfassung über die dokumentierte API (ScreenCaptureKit auf macOS, WASAPI Loopback auf Windows). Vermeiden Sie Kernel-Erweiterungen oder VB-Audio-Cable-Hacks — die brechen bei jedem OS-Update.
2. Streaming-Transkriptions-Anbieter — Deepgram, AssemblyAI oder Whisper lokal für paranoide Setups. Streaming liefert Live-Captions, Batch liefert finale Transkripte.
3. Sprecher-Trennung — die meisten Transkriptionsanbieter liefern Diarization mit; die einfachere, robustere Option ist die Trennung nach Stream (Ihr Mikrofon versus System-Audio), so wie Reline es macht.
4. Zusammenfassungs-Schicht — Claude 4.x oder GPT-4.x für die eigentliche Zusammenfassung. Egal welche Wahl: verlangen Sie zitatgestützte Ausgabe (Links zurück zum Transkript-Abschnitt, der jede Aussage belegt).
5. Speicher + Sync — Cloud-Sync für die Notiz, S3-artiger Speicher für das Audio, falls Sie Langzeit-Retention brauchen.
6. Sharing-Schicht — explizite Berechtigungen, nicht „Link teilen" (das schafft das Team-of-N-Problem).

Wir haben Reline gebaut, weil sich jedes andere Tool der KI-Notizblock-Kategorie auf eine von zwei Optionen festgelegt hatte: (a) Bot ausliefern und die oben genannten Kosten akzeptieren, oder (b) Notizblock nur für Solo-Nutzer. Wir dachten, es gibt eine dritte Option — bot-frei, aber mit den Team-Primitiven (Berechtigungen, Zusammenarbeit, RAG-Chat), die Bots historisch durch ihre SaaS-Natur ermöglichten. 2026 existiert die Infrastruktur für beides: lokal erfassen, Notiz in einen Team-Workspace synchronisieren, Audio unter Kontrolle des Aufnehmenden lassen.

Ehrliche Antwort: wenn Sie müssen. Wenn Ihr Workflow erfordert, ein Meeting aufzunehmen, an dem Sie nicht teilnehmen können, ist ein Bot Ihre einzige Option. Wenn Ihre Meeting-Plattform offizielle Cloud-Aufnahme mit API-Zugriff unterstützt (Zoom Enterprise, bestimmte Teams-Tenants) und Ihre Security das abgezeichnet hat, kann ein Bot der einfachere Weg sein. Für alle anderen — und besonders alle, die an sicherheitsbewusste Käufer verkaufen — ist bot-frei der bessere Default in 2026.