Wie schnell Menschen sprechen, hängt von der Situation ab: Gemessene Dozierende liegen bei etwa 125–160 Wörtern pro Minute, britische Konversation bei 190–230. Über 2,438 aufgezeichnete amerikanische Telefonate im Switchboard-Korpus hinweg sprachen Menschen im Schnitt 196 Wörter pro Minute, ein größeres Korpus in derselben Studie kam auf 193. Die durchschnittliche Tippkraft in einer Studie mit 168,000 Personen schaffte etwa 52. Nebeneinandergestellt verorten diese Studien das Sprechen bei grob dem Drei- bis Vierfachen der Tippgeschwindigkeit. Diktieren — zu einem Computer sprechen und den Text behalten — liegt irgendwo dazwischen, und die Gründe dafür solltest du kennen, bevor du deine Planung auf den Gewinn stützt.
Ich baue eine Diktat-App, ich habe also ein offensichtliches Interesse an dieser Frage. Jede Zahl unten verlinkt auf ihre Quelle; wo ich eine Studie nur über die Zusammenfassung einer anderen Arbeit erreichen konnte, sage ich das, und wo die Forschung aufhört, sage ich das ebenfalls.
Wörter pro Minute beim Sprechen, nach Situation
Wie viele Wörter pro Minute Menschen sprechen, hängt vor allem vom Kontext ab: Konversation ist am schnellsten, Vorlesungen und Präsentationen am langsamsten. Das sind veröffentlichte Zahlen, keine Rechner-Standardwerte:
| Situation | Wörter pro Minute | Quelle |
|---|---|---|
| Telefonat, amerikanisches Englisch | 196 im Schnitt (111–291 über die Gespräche) | Yuan, Liberman & Cieri, 2006 |
| Dieselben Gespräche, Pausen entfernt | 236 im Schnitt | Yuan et al., 2006 |
| Konversation, britisches Englisch | 190–230 | Tauroza & Allison (1990), zusammengefasst von Huang & Gráf, 2020 |
| Interviews | 160–210 | dieselbe |
| Radiosprecher | 150–170 | dieselbe |
| Dozierende | 125–160 | dieselbe |
| Hörbuch-Erzählung | 140–180 | Brysbaert, 2019, nebenbei genannt statt gemessen |
| Lautlesen | 183 im Schnitt | Brysbaert, 2019 (77 Studien, 5,965 Teilnehmende) |
Zwei Befunde aus der Yuan-Studie verändern, wie du diese Zahlen lesen solltest. Erstens sind sehr kurze Redebeiträge langsam: Die Sprechgeschwindigkeit steigt steil an, während die Beiträge von einem auf sieben Wörter wachsen, und bleibt dann für Beiträge von etwa acht bis dreißig Wörtern grob gleich. Zweitens hängt die Durchschnittsgeschwindigkeit davon ab, wie du zählst. Gegen die gesamte Anrufdauer gemessen lag das Korpus bei 196 WPM; ohne die Pausen waren es 236. Jede pauschale „durchschnittliche Sprechgeschwindigkeit“ wählt stillschweigend eine dieser Definitionen.
Dieselbe Arbeit berichtet, dass ältere Sprechende langsamer sprechen, Männer etwas schneller als Frauen und dass Menschen längere, aber langsamere Redebeiträge nutzen, wenn sie mit Fremden sprechen.
Wie schnell sprechen Menschen im Vergleich zum Tippen und Lesen?
Sprechen ist etwa drei- bis viermal schneller als durchschnittliches Tippen, wenn man diese Studien nebeneinanderstellt, und stilles Lesen ist schneller als beides. Der einzige direkte Labortest maß den Faktor 2.93. Hier die Zahlen zusammen:
| Tätigkeit | Wörter pro Minute | Quelle |
|---|---|---|
| Tippen auf einer physischen Tastatur, Durchschnitt | 52 (SD 20) | Dhakal et al., 2018, 168,000 Freiwillige |
| Tippen, schnellste Teilnehmende | 120 oder mehr | Dhakal et al., 2018 |
| Tippen auf einer Telefontastatur, Labor | 52 | Ruan et al., 2017 |
| Spracherkennung am Telefon, Labor | 153 | Ruan et al., 2017 |
| Konversation | 196 | Yuan et al., 2006 |
| Lautlesen | 183 | Brysbaert, 2019 |
| Stilles Lesen, Sachtexte / Belletristik | 238 / 260 | Brysbaert, 2019 |
Die Zahl zur durchschnittlichen Tippgeschwindigkeit verdient eine Einschränkung. Dhakals Teilnehmende waren selbst ausgewählte Freiwillige in einem Online-Tipptest, die angezeigte Sätze abtippten. Das misst, wie schnell sich Finger bewegen, nicht wie schnell jemand eine E-Mail schreibt, über die er nachdenken muss.
Die Telefonstudie kommt einem direkten Vergleich am nächsten. Sie verglich die iOS-Tastatur mit Baidus Deep-Speech-2-Erkenner, in einem ruhigen Raum, wobei die Teilnehmenden kurze Phrasen kopierten. Gesprochenes Englisch kam auf 153 WPM gegenüber 52 für die Tastatur, 2.93-mal schneller. (Ein Preprint derselben Arbeit ist auf arXiv.)
Wörter zu Minuten: Wie lange eine Rede oder ein Diktat dauert
Um Wörter in Minuten umzurechnen, teilst du die Wortzahl durch die Sprechgeschwindigkeit. Im Präsentationstempo dauert eine Rede mit 1,000 Wörtern etwa 6 bis 8 Minuten; sie mit 52 WPM zu tippen dauert etwa 19.
Auf die Frage, wie viele Wörter pro Minute eine Rede hat, gibt es keine einzelne Antwort, deshalb habe ich drei Sprechgeschwindigkeiten verwendet: 130 WPM (ein üblicher Standardwert in Online-Rechnern für Reden und innerhalb der für Dozierende gemessenen Spanne von 125–160), 150 WPM (innerhalb beider Spannen oben für Dozierende und Radiosprecher) und 196 WPM (Yuans Konversationsdurchschnitt). Die letzte Spalte ist die durchschnittliche Tippkraft mit 52 WPM.
| Wörter | 130 WPM | 150 WPM | 196 WPM | Tippen mit 52 WPM |
|---|---|---|---|---|
| 100 | 0:46 | 0:40 | 0:31 | 1:55 |
| 250 | 1:55 | 1:40 | 1:17 | 4:48 |
| 500 | 3:51 | 3:20 | 2:33 | 9:37 |
| 750 | 5:46 | 5:00 | 3:50 | 14:25 |
| 1,000 | 7:42 | 6:40 | 5:06 | 19:14 |
| 1,500 | 11:32 | 10:00 | 7:39 | 28:51 |
| 2,000 | 15:23 | 13:20 | 10:12 | 38:28 |
| 3,000 | 23:05 | 20:00 | 15:18 | 57:42 |
Die Zeiten sind Minuten:Sekunden. Für eine Rede sind das die Zahlen, mit denen du planst; um mit deiner eigenen Geschwindigkeit zu rechnen, miss zuerst deine Wörter pro Minute beim Sprechen. Beim Diktieren betrachte die Sprechspalten als eine Untergrenze, die du nicht erreichst — aus den Gründen im nächsten Abschnitt.
Warum die Diktatgeschwindigkeit niedriger ist als die Sprechgeschwindigkeit
Diktieren ist langsamer als Sprechen, weil es Denkzeit und Fehlerkorrektur hinzufügt, und beides kommt in Studien zur Sprechgeschwindigkeit nicht vor.
Die bekannten Zahlen messen Kopieren, nicht Formulieren. Ruan und Kollegen wählten bewusst eine Kopieraufgabe, um die Eingabemethode von der schreibenden Person zu trennen. Formulieren bringt Denkzeit und Wortwahl ins Spiel. Wenn du eine echte E-Mail diktierst, hältst du inne, um zu entscheiden, was als Nächstes kommt. Diese Pausen zählen gegen deine effektive Geschwindigkeit.
Korrekturen sind teurer, als es den Anschein hat. In derselben Telefonstudie machte gesprochenes Englisch weniger Fehler, während die Menschen Text eingaben (eine korrigierte Fehlerrate von 3.93 % gegenüber 4.72 % für die Tastatur), doch etwas mehr seiner Fehler überlebten in den fertigen Text (0.55 % gegenüber 0.35 %).
Ältere Desktop-Studien zeigen, wie teuer Korrigieren werden kann. In Koesters Studie von 2003 mit 23 erfahrenen Nutzenden von Spracherkennung, die alle körperliche Beeinträchtigungen hatten, die die Tastaturnutzung betrafen, lag die Texteingabe im Schnitt bei 16.7 WPM, mit einer Spanne von 3.5 bis 31.7. Im Durchschnitt flossen 37 % der Aufgabenzeit in die Korrektur von Erkennungsfehlern, und die Erkennungsgenauigkeit reichte von 72 % bis 94 %. Ruans Arbeit zitiert außerdem eine Studie von Karat und Kollegen aus 1999, in der Sprachnutzende 7.8 WPM beim Formulieren und 13.6 WPM beim Kopieren schafften.
Diese Erkenner sind zwei Jahrzehnte alt, und die heutigen Fehlerraten sehen ganz anders aus. Das Muster hält sich trotzdem: Ein falsch verstandenes Wort ist in einer Sekunde gesagt und braucht viele Sekunden, um es zu finden und zu korrigieren.
Es gibt keinen guten modernen Benchmark. Ich konnte keine aktuelle Peer-Review-Studie finden, die Desktop-Diktat von formuliertem Text, Korrekturen eingeschlossen, auf aktuellen Sprachmodellen misst. Wer eine genaue „Diktatgeschwindigkeit“ für echtes Schreiben nennt, misst entweder sich selbst oder rät.
Es ist schlichte Arithmetik: effektive Geschwindigkeit = Wörter ÷ (Sprechzeit + Pausen + Korrekturzeit). Zur Veranschaulichung, nicht als Messung: 300 Wörter in zwei Minuten gesprochen, plus eine Minute Denken und eine Minute Korrigieren, ergibt 75 WPM. Das liegt deutlich unter der Sprechgeschwindigkeit und ist trotzdem schneller, als die meisten Menschen tippen. Um zu prüfen, ob Diktieren für dich schneller ist als Tippen, miss beides am selben Text.
Wo Diktieren das Tippen schlägt — und wo nicht
Diktieren gewinnt bei langem, lose strukturiertem Text. Tippen gewinnt überall dort, wo exakte Zeichen zählen.
Diktieren hilft tendenziell bei:
- Ersten Entwürfen von E-Mails, Dokumenten und Beiträgen, wo es wichtiger ist, Wörter zu Papier zu bringen, als sie richtig hinzubekommen
- Langen Prompts für KI-Werkzeuge, wo mehr Kontext bessere Ergebnisse liefert
- Notizen und Ideen, die du festhältst, bevor sie verblassen
- Jeglichem Schreiben, wenn deine Hände oder Handgelenke eine Pause brauchen
Tippen bleibt meist schneller für:
- Code, Dateipfade, URLs und alles mit Symbolen
- Tabellen, Zahlenlisten und präzise Formatierung
- Kurze Antworten, wo das Starten des Diktats länger dauert als drei Wörter zu tippen
- Kleine Änderungen in vorhandenem Text
Die meisten, die beim Diktieren bleiben, mischen am Ende beides: den Entwurf sprechen, die Korrekturen tippen. Wenn Schreiben den Großteil deines Tages ausmacht, geht Diktatsoftware für Schreibende tiefer auf diesen Ablauf ein.
So bringst du deine Diktatgeschwindigkeit näher an deine Sprechgeschwindigkeit
Ein großer Teil der Lücke zwischen Sprechen und Diktieren ist Korrekturzeit, deshalb kommen die größten Gewinne aus weniger falsch verstandenen Wörtern und weniger Korrigieren mitten im Fluss.
- Sprich in ganzen Sätzen. Kurze Sprachfetzen sind langsam, was zu Yuans Befund passt, dass Redebeiträge mit sieben Wörtern oder weniger am langsamsten gesprochen werden.
- Editiere nicht, während du sprichst. Diktiere den ganzen Gedanken und korrigiere ihn dann in einem Durchgang.
- Behebe wiederkehrende Fehler an der Quelle. Wenn ein Name oder Begriff jedes Mal falsch verstanden wird, bring ihn dem Werkzeug einmal bei, statt ihn täglich zu korrigieren. Warum die Mac-Diktatfunktion Wörter falsch versteht behandelt die häufigsten Ursachen.
- Fang kostenlos an. Die Diktierfunktion ist in macOS eingebaut. Apple schreibt, du kannst „Text beliebiger Länge ohne Timeout diktieren“, und sie stoppt nach 30 Sekunden ohne Sprache.
Wenn du mehr Kontrolle willst, zielt Vext, die App, die ich baue, auf den Korrekturzeit-Anteil der Lücke. Eigene Vokabularregeln („gehört als“ → „ersetzen durch“) gelten für jedes Transkript, ein einmal korrigierter Name bleibt also korrigiert. Der Stil Bereinigen entfernt Füllwörter und Ansätze und hält deine Formulierung dabei so nah wie möglich an dem, was du gesagt hast, und das Rohtranskript wird neben der bereinigten Fassung gespeichert. Mehr zu dieser Abwägung in KI-Textbereinigung. Für lange Aufnahmen kannst du mit freihändigem Diktieren die Aufnahme ein- und ausschalten, statt eine Taste zu halten.
Vext herunterladen kostet einmalig 49 $, mit einer Testphase über 100 Diktate. Es braucht macOS 14+ auf Apple Silicon. Oder installiere es mit Homebrew:
brew install muvon/tap/vext