Wer ChatGPT viel nutzt, wird das Tippen von Prompts irgendwann leid. Für alles, was länger als ein paar Sätze ist, geht Sprache schneller — die meisten Menschen sprechen mit 130–150 Wörtern pro Minute und tippen mit 40–60. Die Zeitersparnis summiert sich, wenn man den ganzen Tag an ChatGPT schreibt.

Es gibt drei Möglichkeiten zur Spracheingabe bei ChatGPT auf dem Mac, und sie sind nicht gleichwertig. Hier ist, was jede gut kann.

Option 1: OpenAIs eingebauter Sprachmodus

ChatGPT.com und die Desktop-App haben eingebaute Sprachmodi. Man tippt auf das Mikrofon-Symbol, spricht, und der Text wird transkribiert und der Prompt ausgeführt.

Vorteile:

  • Null Einrichtungsaufwand. Es ist bereits vorhanden.
  • Eng in ChatGPT integriert — Sprache rein, Sprache raus, wenn gewünscht.
  • Kostenloses Tier nutzbar, Plus-Tier erhält erweiterte Stimme.

Nachteile:

  • Nur für ChatGPT. Hilft nicht bei Claude, Gemini, Cursor, dem Terminal oder überall sonst, wo man schreibt.
  • Audio geht an OpenAI-Server. Wer über sensible Themen prompts, sollte das bedenken.
  • Standard-Sprache ist in Ordnung, erweiterte Sprache ist gut, aber im Plus-Tarif ratenlimitiert.
  • Der Workflow setzt ein Gespräch voraus. Wer einen langen strukturierten Prompt diktieren und vor dem Senden bearbeiten möchte, wird vom Konversationsmodus ausgebremst.

Am besten für: Gelegenheitsnutzer von ChatGPT, die Sprache für sporadische Fragen verwenden möchten und es nicht stört, dass es nur innerhalb von ChatGPT funktioniert.

Option 2: Browser-basiertes Diktat (Chrome / Web Speech API)

Chrome hat eingebaute Spracheingabe über die Web Speech API. Einige Erweiterungen fügen sie zu jedem Textfeld hinzu. Google Docs hat eine eigene.

Vorteile:

  • Funktioniert in jedem Textfeld im Browser, einschließlich des ChatGPT-Prompt-Felds.
  • Kostenlos.

Nachteile:

  • Genauigkeit bei Fachbegriffen nicht überzeugend.
  • Audio wird zur Verarbeitung an Google gesendet — derselbe Datenschutzkompromiss wie bei Cloud-Diktat.
  • Funktioniert nicht außerhalb des Browsers. Im Terminal oder in Cursor? Pech gehabt.
  • Browser-spezifische Eigenheiten. Die Mikrofon-Berechtigungs-UX ist auf macOS unkomfortabel.

Am besten für: Menschen, die ChatGPT ausschließlich in einem Browser-Tab verwenden und keine Fachbegriffe in ihren Prompts haben.

Option 3: Systemweite Sprache-zu-Text auf dem Mac

Das ist eine separate App, die auf einen Hotkey wartet, die Sprache transkribiert und das Ergebnis überall dort einfügt, wo sich der Cursor befindet — ChatGPT, Claude, Cursor, der Editor, Slack, überall. Die meisten führen die Spracherkennung lokal auf dem Mac durch.

Vorteile:

  • Funktioniert in jeder App, nicht nur in ChatGPT.
  • Lokale Verarbeitung — Audio verlässt den Mac nicht (abhängig von der App).
  • Bessere Genauigkeit bei Fachvokabular als Browser-Diktat.
  • Ein Workflow für ChatGPT, Claude, Cursor, Terminal, E-Mail, alles.
  • KI-Bereinigung ist üblich — Füllwörter und Versprecher werden automatisch entfernt, bevor der Text den Prompt erreicht.

Nachteile:

  • Einmalige Kosten oder Abonnement, je nach App.
  • Lokale Optionen erfordern Apple Silicon.
  • Erstmalige Download des Sprachmodells (600 MB bis 3 GB).

Am besten für: Menschen, die KI-Tools in mehreren Apps nutzen und einen einheitlichen Workflow wollen.

Systemweite Sprache für ChatGPT einrichten

Der Ablauf mit den meisten lokalen Mac-Diktat-Apps sieht so aus:

  1. ChatGPT öffnen (oder Claude, oder Cursor, oder wo auch immer gepromt werden soll).
  2. In das Prompt-Eingabefeld klicken.
  3. Den Diktat-Hotkey gedrückt halten (meist fn oder Right-Shift).
  4. Den Prompt sprechen.
  5. Den Hotkey loslassen.
  6. Bereinigter Text erscheint am Cursor.
  7. Enter drücken zum Absenden.

Der Bereinigungsschritt ist das, was Sprach-Prompts wirklich gut macht. Rohe Transkription ergibt: „okay also im Grunde möchte ich dass du mir so eine Python-Funktion schreibst die ähm eine Liste nimmt und die Summe zurückgibt aber nur von geraden Zahlen." Die Bereinigung verwandelt das in: „Schreib mir eine Python-Funktion, die eine Liste nimmt und die Summe nur der geraden Zahlen zurückgibt."

Dieser zweite Prompt produziert bessere Ergebnisse. Füllwörter und Versprecher verwirren Modelle — sie sind Rauschen für das LLM, genauso wie für einen menschlichen Leser.

Apps, die das auf dem Mac können

  • Vext — einmalig 49 $, vollständig lokal, mit KI-Bereinigung. YOLO Mode sendet Prompts an KI-Tools automatisch ab, ohne Enter drücken zu müssen.
  • Superwhisper — einmalig 249 $, diktationsorientiert mit moduspezifischen Prompts.
  • Wispr Flow — 15 $/Monat, plattformübergreifend, Cloud-basiert.
  • MacWhisper Pro — einmalig €64, dateiorientiert, aber auch Live-Diktat.
  • VoiceInk — Open-Source, günstiger.

Für ChatGPT im Besonderen ist der entscheidende Unterschied, ob die App auch automatisch absenden kann. Vexts YOLO Mode tut genau das — einen Prompt sprechen, den Hotkey loslassen, und das Ergebnis wird getippt und Enter wird automatisch gedrückt. Echtes freihändiges Prompting.

Ohne Auto-Submit spart man das Tippen, muss aber trotzdem Enter drücken.

Warum Sprach-Prompts bessere Ergebnisse liefern

Drei Gründe, warum Menschen, die umsteigen, nicht zurückgehen:

Längere Prompts mit weniger Aufwand. Beim Tippen hält man Prompts kurz, weil Tippen Arbeit ist. Mit Sprache werden Prompts ganz natürlich länger — mehr Kontext, mehr Details, bessere Anweisungen. LLMs reagieren gut auf spezifische, detaillierte Prompts.

Natürlichere Sprache. Gesprochene Prompts klingen wie ein Gespräch. Getippte Prompts klingen oft wie Befehle. Die natürlichsprachlichen produzieren tendenziell besser abgestimmte Antworten, besonders bei nuancierten Aufgaben.

Gedanken schneller festhalten. Wenn Ideen schnell kommen, kommt das Tippen nicht hinterher. Sprache hält Schritt. Man verliert den Faden nicht, während die Finger aufholen.

Der Nachteil ist, dass Sprach-Prompts ausufern können. Der Bereinigungsschritt in guten Diktat-Apps behebt das — er entfernt Füllwörter, strafft die Struktur und bewahrt die Aussage. Ohne Bereinigung bearbeitet man entweder manuell nach (was den Zweck zunichtemacht) oder sendet unordentliche Prompts.

Sprache mit Screenshots kombinieren

Speziell für Coding-Workflows ist die entscheidende Kombination Sprache plus Screenshot. Man sieht etwas in der IDE, macht einen Screenshot, macht einen Sprach-Prompt dazu und schickt beides an Claude oder GPT.

Vexts freihändiges Diktat ermöglicht es, einen Bildschirmbereich per Drag-Select auszuwählen, während der Diktat-Hotkey gedrückt gehalten wird — der Screenshot wird zusammen mit dem transkribierten Text in die aktive App eingefügt. Für Coding mit KI ist das der Workflow, der wirklich mit der Denkgeschwindigkeit mithalten kann.

Die richtige Wahl treffen

Wer ChatGPT ausschließlich im Browser nutzt: OpenAIs eingebauter Sprachmodus reicht aus.

Wer mehrere KI-Tools nutzt (ChatGPT, Claude, Cursor, Copilot Chat, Gemini): Eine systemweite lokale App rechnet sich innerhalb einer Woche.

Wer auch einen Windows-Rechner im Einsatz hat: Wispr Flows plattformübergreifende Unterstützung könnte das Abonnement rechtfertigen.

Für die meisten Mac-Nutzer, die KI-Tools täglich verwenden, ist eine Einmalkauf-App wie Vext oder Superwhisper die richtige Wahl. Die Einrichtung ist einmalig, die Kosten sind einmalig, und der Workflow funktioniert überall, wo man schreibt.

Sobald man sich daran gewöhnt hat, Prompts zu sprechen, wirkt das Tippen wie der langsame Weg.