Romanautoren, Journalisten, Newsletter-Autoren – die, die viele Wörter produzieren – haben ihre Erstentwurfsphase still und leise auf Stimme umgestellt. Nicht das ganze Schreiben. Redigiert wird weiterhin an der Tastatur. Aber der Teil, in dem die Wörter zum ersten Mal raus müssen? Sprechen ist schneller, und der innere Lektor bleibt ruhiger, wenn du nicht sehen kannst, was du gerade gesagt hast.

Hier kommt das Setup auf dem Mac, was funktioniert und wo es an Grenzen stößt.

Warum Stimme gerade das Entwerfen verändert

Drei Gründe:

Sprechen ist schneller als Tippen. Die meisten Menschen sprechen 130–150 Wörter pro Minute und tippen 40–60. Ein Essay-Entwurf mit 1500 Wörtern sind etwa 10 Minuten Sprechen gegenüber 30+ Minuten Tippen. Das Tempo allein ist nicht die ganze Geschichte – aber ein Teil davon.

Der innere Lektor bleibt ruhiger. Wenn du tippst, siehst du jedes Wort, sobald es landet. Der Instinkt, zurückzulöschen und umzuformulieren, springt sofort an. Wenn du sprichst, sind die Wörter weg, bevor du sie anzweifeln kannst. Du bleibst in Bewegung. Erste Entwürfe brauchen genau das.

Stimme bringt gesprächigere, ehrlichere Prosa hervor. Die Stimme, mit der du redest, ist näher an dem, wie du tatsächlich denkst, als die Stimme, mit der du tippst. Bei Sachtexten bedeutet das meist einen freundlicheren, direkteren ersten Entwurf. Bei Fiktion bedeutet es oft Dialoge, die wie Dialoge klingen, und Erzähltext mit natürlichem Rhythmus.

Sprachentwürfe sind unordentlicher. Füllwörter, Fehlstarts, Bandwurmsätze. Du wirst im zweiten Durchgang mehr redigieren. Die Rechnung geht trotzdem auf – der erste Entwurf entsteht schnell, und redigiert hättest du sowieso.

Was du auf dem Mac brauchst

Du brauchst:

  • Einen halbwegs aktuellen Mac (Apple Silicon dringend empfohlen)
  • Ein ordentliches Mikrofon (das eingebaute im MacBook ist okay; ein USB-Mikro oder ein Headset ist besser)
  • Einen ausreichend ruhigen Raum
  • Eine Diktier-App

Bei der App liegt die eigentliche Entscheidung.

Apps für lange Texte auf dem Mac

Apple Dictation. Kostenlos, on-device, kommt mit macOS. Funktioniert, ist aber für kurze Schübe gebaut – in älteren Versionen stoppt es nach etwa einer Minute Sprechen automatisch, in neueren später. Für absatzweises Entwerfen ist es umständlich, aber machbar.

Dragon Dictate. War einmal der Goldstandard für professionelles Diktieren, besonders im Rechts- und Medizinbereich. Nuance hat die Mac-Version vor Jahren eingestellt. Wenn du Empfehlungen für Dragon auf dem Mac siehst, sind sie veraltet.

Vext – einmalig 49 $. Lokal, nur Apple Silicon. Freihändiges Diktieren für lange Passagen, Enhance fürs Aufräumen, Transkripte werden nebenbei gespeichert. Gebaut für genau das, was Autoren wollen: Tempo, aber sauberer Output.

Superwhisper – 249 $ Lifetime. Poliertes Diktat mit modusbasierten Prompts. Der Modus „writing fiction“ und der Modus „writing nonfiction“ liefern unterschiedliche Output-Stile.

MacWhisper – 64 € für Pro. Ursprünglich ein Tool zum Transkribieren von Dateien; Live-Diktat gibt es in Pro. Stark, wenn du dich manchmal selbst beim Durchsprechen von Ideen aufnimmst und hinterher transkribieren willst.

Otter, Rev, Descript – cloudbasiert, Abo. Stark für Journalisten, die Interviews aufnehmen und Transkription brauchen, weniger ideal fürs Solo-Entwerfen – wegen der Kosten und der Cloud-Verarbeitung.

Voice Memos + Whisper danach – in Apples Voice Memos aufnehmen, später in MacWhisper oder mit der OpenAI Whisper CLI transkribieren. Funktioniert, heißt aber, dass du den Text erst später siehst. Gut fürs Reden beim Spazierengehen, aber nicht für „Entwerfen am Rechner“.

Für den konkreten Anwendungsfall „ich will ein Buchkapitel / Essay / einen Artikel auf meinem Mac entwerfen, per Sprechen, mit automatischem Aufräumen“ ist eine lokale App mit Cleanup (Vext, Superwhisper, MacWhisper Pro) die richtige Antwort.

Vext für lange Texte einrichten

Die Konfiguration, die wir jemandem empfehlen würden, der Vext primär zum Entwerfen nutzt:

  1. Installieren: brew install muvon/tap/vext
  2. Settings > Modes öffnen
  3. Enhance mit dem Standard-Modell Gemma 3 4B aktivieren
  4. Den Hands-free-Hotkey einrichten (getrennt vom push-to-talk-Hotkey) – Entwerfen will Toggle-Modus, nicht Gedrückthalten
  5. YOLO Mode deaktivieren (du willst kein automatisches Enter in einer Schreib-App)
  6. Das Modell Whisper Medium wählen – die beste Balance aus Tempo und Genauigkeit für Prosa

Dann in deiner Schreib-App (Scrivener, Ulysses, Pages, Word, iA Writer, was auch immer):

  1. Klicke im Dokument an die Stelle, an der du anfangen willst zu schreiben
  2. Drücke den Hands-free-Hotkey
  3. Sprich den Abschnitt durch, von Anfang bis Ende, ohne anzuhalten
  4. Drücke den Hotkey zum Stoppen
  5. Der aufgeräumte Text landet im Dokument

Ein Abschnitt mit 1000 Wörtern sind grob 7 Minuten Sprechen. Rechne 30 Sekunden dazu, bis der Cleanup-Durchgang fertig ist. Du bekommst einen Entwurf zum Redigieren.

Wie du einen Entwurf tatsächlich durchsprichst

Zwei Muster funktionieren:

Erst Gliederung, dann gegen die Gliederung diktieren. Schreib eine schnelle Stichpunkt-Gliederung dessen, was der Abschnitt abdecken muss. Dann diktiere entlang der Gliederung, Punkt für Punkt. Das hält dich auf Kurs und verhindert, dass der Entwurf abschweift.

Storytelling-Modus. Bei erzählerischeren Inhalten sprich einfach drauflos, wie du es einem Freund erklären würdest. „Also, die Sache dabei ist...“ „Okay, und was dann passiert, ist...“ Der Gesprächston liest sich gut, sobald der Cleanup-Durchgang die offensichtlichen Füllwörter entfernt hat.

Ein paar Tipps, die immer wieder auftauchen:

  • Halte nicht an, um umzuformulieren. Wenn du etwas falsch sagst, mach einfach weiter und sag es richtig. Der Cleanup-Durchgang lässt die falsche Version meist ohnehin weg. Wenn nicht, korrigierst du es beim Redigieren.
  • Sprich Interpunktion aus, wenn das Cleanup sie auslässt. „Punkt“, „Komma“, „neuer Absatz“ werden alle transkribiert. Apps mit Cleanup setzen die meiste Interpunktion automatisch, aber bei ungewöhnlichen Zeichen (Gedankenstriche, Anführungszeichen) hilft es, sie auszusprechen.
  • Spar dir die Dialog-Formatierung. Versuch nicht, „Anführungszeichen auf, sagte Margaret, Anführungszeichen zu“ zu sagen – sprich den Dialog normal und formatiere ihn beim Redigieren.
  • Akzeptiere den groben ersten Entwurf. Wenn du versuchst, ihn beim Diktieren perfekt zu machen, verlierst du den Geschwindigkeitsvorteil. Der Sinn ist, den Entwurf rauszubekommen.

Der Redigierdurchgang

Sprachentwürfe brauchen mehr Redigieren als getippte Entwürfe. Das ist unvermeidlich. Der Deal ist, dass das Redigieren an etwas passiert, das existiert – statt an einer leeren Seite.

Worauf du beim Redigieren achtest:

  • Füllwörter, die das Cleanup übersehen hat
  • Sätze, die gesprochen richtig klingen, sich aber holprig lesen
  • Wiederholungen (beim Sprechen wiederholen wir uns öfter)
  • Struktur (Absätze, Abschnittswechsel, Überschriften)
  • Die Stellen, an denen du vom Thema abgekommen bist

Bei Sachtexten dauert dieser Redigierdurchgang typischerweise 30–50 % der Zeit, die das Tippen des ursprünglichen Entwurfs von Grund auf gekostet hätte. Aus einem 30-Minuten-Tippentwurf werden also 10 Minuten Sprachentwurf + 12 Minuten Redigieren = 22 Minuten insgesamt. Über ein ganzes Buch oder eine Artikelserie summiert sich die Ersparnis.

Bei Fiktion hängt die Rechnung davon ab, wie viel Dialog und wie viel Beschreibung drinsteckt. Beschreibung profitiert tendenziell am meisten von Stimme. Dialoge sind oft schneller getippt, weil du bereits in einer bestimmten Stimme bist, auf die es ankommt.

Wann Stimme nicht hilft

Ein paar ehrliche Fälle, in denen Tippen gewinnt:

Stark technisches Schreiben. API-Dokumentation, codelastige Erklärungen, Mathematik, alles mit vielen Fachbegriffen und Eigennamen, die du lieber tippst als diktierst.

Kurze Texte. Ein Blog-Kommentar mit 200 Wörtern lohnt das Sprach-Setup nicht. Tipp ihn.

Lyrik oder sorgfältig gebaute Prosa. Wenn jedes Wort zählt und du ohnehin langsam vorgehst, um sie richtig zu treffen, ist Tippen das richtige Tempo.

Schreiben in lauten Umgebungen. Cafés, geteilte Büros, offene Wohnräume. Stimme braucht entweder einen ruhigen Raum oder Noise-Cancelling-Kopfhörer mit gutem Mikro.

Die ersten 2-3 Wochen des Ausprobierens. Schreiben per Stimme fühlt sich anfangs komisch an. Du wirst am Anfang schlechter schreiben, weil du ein neues motorisches Muster lernst. Bleib zwei Wochen dran, bevor du urteilst.

Workflows, bei denen bestimmte Autoren gelandet sind

Blogger und Essayisten. Gliederung in Notion oder Obsidian. Den Post-Entwurf im Schreibtool öffnen. Den Hauptteil in Abschnitten von 3-5 Minuten diktieren. Am selben Tag redigieren.

Sachbuchautoren. Pro Schreibsession einen Kapitelabschnitt durchsprechen (~1000–2000 Wörter). Den Abschnitt vom Vortag redigieren, bevor der heutige beginnt. Der Morgen startet mit Feedback (Redigieren) und endet mit neuem Output (Diktieren).

Journalisten. Stimme für den Artikelentwurf, sobald die Recherche abgeschlossen ist. Zitate werden getippt, weil sie exakt sein müssen. Das Bindegewebe zwischen den Zitaten – Stimme.

Newsletter-Autoren. Das Hauptstück in 10–15 Minuten diktieren. Redigieren. Formatieren. Senden. Der Gesamtzyklus ist kurz genug, dass Stimme + Redigieren bei einem täglichen oder 3x wöchentlichen Newsletter schneller ist als Tippen.

Die mentale Umstellung

Der schwierigste Teil des Schreibens per Stimme ist nicht die Technik. Es ist, dir selbst die Erlaubnis zu geben, einen schlechteren ersten Entwurf zu produzieren, als du ihn tippen würdest – in der Wette, dass der Redigierdurchgang es richtet.

Die meisten Autoren, die Stimme ausprobieren und dabeibleiben, beschreiben dasselbe: Ihre getippten Entwürfe waren ohnehin schon erste Entwürfe, die sie redigieren würden. Der getippte erste Entwurf fühlte sich nur sauberer an, weil sie beim Schreiben redigiert haben – und genau dieses Redigieren-beim-Schreiben war der langsame Teil. Stimme erzwingt eine klare Trennung zwischen Entwerfen (schnell, unordentlich) und Redigieren (langsam, sorgfältig). Sobald sich diese Trennung normal anfühlt, ist Stimme unterm Strich schneller.

Das Problem der leeren Seite verschwindet nicht. Aber es wird kleiner, wenn Reden gefragt ist statt Tippen.