Wie Voice AI Arbeitsprozesse verändert...
Voice AI verändert gerade mehr als nur die Art, wie wir mit Technik interagieren – sie verändert unsere Arbeit. Was passiert, wenn Sprache zur wichtigsten Schnittstelle zwischen Mensch und Maschine wird? Welche Gewohnheiten verschwinden, welche Fähigkeiten gewinnen an Bedeutung? Und wie sieht ein Arbeitsplatz aus, an dem wir kaum noch tippen, sondern einfach sprechen? Ein Gespräch über die Zukunft der Arbeit.
SQUT: Werden Tastatur und Maus noch in diesem Jahrzehnt ausgedient haben?
Gregor: Nein, das glaube ich nicht. Aber ich bin überzeugt, dass Tastatur und Maus für sehr viele Menschen nicht mehr die wichtigsten Eingabetools sein werden. Sprechen ist oft schneller und natürlicher als Tippen. Zudem kann ich mich dabei auch bewegen und muss nicht zwingend auf einen Bildschirm schauen. Gerade im Zusammenspiel mit KI wird das vieles einfacher machen.
Gleichzeitig wird es immer Situationen geben, in denen Schreiben oder Klicken die bessere Wahl bleibt – etwa aus Gründen der Privatsphäre oder wenn es um sehr präzise Aufgaben geht. Eine Präsentation zum Beispiel per Sprache bis ins Detail zu gestalten, ist wahrscheinlich umständlicher, als einzelne Elemente direkt mit der Maus zu verschieben oder zu bearbeiten. Und am Ende wird es auch von Gewohnheiten und persönlichen Vorlieben abhängen: Manche Menschen werden sehr schnell umsteigen, andere werden lieber bei dem bleiben, was für sie gut funktioniert.
SQUT: Wie beeinflusst es die Arbeit, wenn Menschen fast alles über Sprache erledigen können?
Gregor: Das verändert im Kern, wie wir uns bei der Arbeit bewegen – im wörtlichen Sinne. Wer nicht mehr tippen muss, ist nicht mehr an den Schreibtisch gebunden. Arbeit wird dadurch mobiler, spontaner und schneller. Das ist gewiss positiv für die Produktivität, kann aber auch bedeuten, dass der Erwartungsdruck steigt.
Gleichzeitig rückt Akustik ins Zentrum. Wer spricht, braucht eine Umgebung, in der man gut gehört wird und in der man selbst ungestört reden kann. Ein professionelles Headset wird dann ein absolutes Must-have. Homeoffice und Einzelbüros gewinnen dadurch sehr wahrscheinlich an Bedeutung. Großraumbüros müssen dementsprechend angepasst werden – also Rückzugsmöglichkeiten bieten und akustische Lösungen finden, die die Lärmbelastung möglichst gering halten.
Was mich dabei besonders fasziniert: Gesprochene Sprache als primäre Schnittstelle kann Arbeit für viele Menschen erst wirklich zugänglich machen – zum Beispiel für Menschen mit Sehbeeinträchtigungen, mit Lese-Rechtschreib-Schwächen oder anderen Einschränkungen. Das ist keine Randnotiz, sondern ein echter Fortschritt in Sachen Inklusion.
Und wer klar, präzise und überzeugend sprechen kann, hat künftig einen echten Vorteil. Formulierungsstärke wird zur Schlüsselqualifikation.
SQUT: Spielen Fremdsprachen im Dialog überhaupt noch eine Rolle?
Gregor: Ja, auf jeden Fall. Technik kann viel und präzise übersetzen, aber Sprache ist mehr als nur Wörter. Es geht auch um Kultur, Tonalität und Vertrauen. Deshalb bleiben Fremdsprachen wichtig, auch wenn uns hier die KI massiv unterstützen wird und die Kommunikation mit Kolleg:innen und Kund:innen aus anderen Ländern stark erleichtern wird.
SQUT: Wo arbeiten wir dann am besten?
Gregor: Auf diese Frage gibt es keine allgemeingültige Antwort, einfach weil das sehr individuell ist und maßgeblich von zwei Dingen abhängt: zum einen von meinem Job – also meiner Rolle allgemein und meinen Aufgaben im Speziellen, und zum anderen von meiner Persönlichkeit und meinem Arbeitstyp. Einige lieben das Homeoffice, weil sie sich dort am besten konzentrieren können, andere vermissen hingegen den direkten Austausch mit ihren Kollegen. Manche meiner Aufgaben verlangen absoluten Fokus und somit eine ruhige Atmosphäre. Andere Aufgaben erledige ich besser, wenn ich mit anderen Personen in einem Raum bin oder ich vielleicht durch die Natur laufe.
Aber egal, wo ich bin – ein professionelles Headset, das meine Stimme sauber überträgt und Umgebungsgeräusche ausblendet und zugleich mich selbst vor Lärm abschirmt, wird in einer flexiblen Arbeitswelt zum entscheidenden Werkzeug.
SQUT: Du hast ja auch einen Hund. Reden wir bald mit unseren Haustieren?
Gregor: Das wäre toll! Ich kann mir allerdings bei meinem Hund schon vorstellen, worum sich die meisten Gespräche drehen werden. Aber vielleicht kann die KI uns tatsächlich eines Tages helfen, zu verstehen, was unser Haustier gerade fühlt oder welches Bedürfnis es hat. Mein Hund kann das allerdings auch ohne KI ganz gut zum Ausdruck bringen, und ich erwarte nicht, dass ich mit ihm in Zukunft Diskussionen über die Weltpolitik oder klassische deutsche Literatur führen werde. Zudem finde ich, dass die „tierische“ Art zu kommunizieren etwas ganz Besonderes ist, gerade weil sie nur über Blicke, Körpersprache und Energie funktioniert. Und wir Menschen können da auch noch etwas von unseren Hunden lernen: Vertrauen entsteht, wenn die Intention der Kommunizierenden im Einklang steht mit dem, was verbal und nonverbal ausgedrückt wird. Wenn da etwas nicht zusammenpasst, es Untertöne gibt – sowas erkennen Hunde sofort.
SQUT: Wie muss das Büro aussehen?
Gregor: Auch hier tue ich mich schwer mit einer allgemeingültigen Antwort – das muss grundsätzlich jedes Unternehmen für sich und seine Mitarbeiter:innen selbst herausfinden und entscheiden. Aber es gibt gewiss grundlegende Dinge, die ein gutes Büro mit sich bringt – ergonomische Möbel, gutes Licht, akustische Elemente, die Lärm reduzieren, Meetingräume, die technisch gut ausgestattet sind für hybride Zusammenarbeit, Bereiche für Zusammenarbeit sowie für fokussierte Arbeit. Ich habe gerade vor ein paar Tagen einige Studien zu verschiedenen Bürotypen gelesen. Was mich hier am meisten überrascht hat, war die Tatsache, dass Großraumbüros genau da, wo man den größten Vorteil vermutet – nämlich in der spontanen Zusammenarbeit und im direkten Austausch mit Kollegen – erstaunlich schlecht abschneiden. Mehr Offenheit führt nicht automatisch zu mehr Kollaboration: Transparenz kann auch Rückzug, Selbstschutz und soziale Abschirmung auslösen. Man muss hier also genau abwägen und möglichst auf die individuellen Bedürfnisse der Mitarbeitenden eingehen.
SQUT: Welche Rolle spielen Headsets, wie wir sie heute kennen, in Zukunft?
Gregor: Headsets werden eine zunehmend wichtige Rolle spielen und sich weiterentwickeln. Die Grundfunktion – also gehört und verstanden werden sowie selbst hören und verstehen – wird immer die wichtigste Funktion sein. Headsets ermöglichen uns, zu kommunizieren und – im Zusammenspiel mit KI – Aufgaben zu erledigen, ohne dabei direkt vor dem Computer zu sitzen oder das Smartphone in der Hand zu halten. Besonders unterwegs oder in unruhigen Umgebungen sind und bleiben sie essenziell. Nur mit einem Headset vermeiden wir, dass andere alles mithören können oder müssen. Aber sie werden sich eben auch immer weiter verändern. Bei unseren Evolve3-Modellen haben wir es geschafft, auch ohne Mikrofonarm eine exzellente Spracherfassung und -übertragung zu erreichen. Ohne Machine Learning und die neuesten, extrem leistungsfähigen Chips wäre dies nicht möglich.
SQUT: Werden Meetings kürzer oder länger, wenn KI mithört und mitarbeitet?
Gregor: Im besten Fall werden sie kürzer und besser. Wenn Nachbereitung, Protokolle und Zusammenfassungen automatisch entstehen, kann man sich stärker auf die eigentliche Entscheidung konzentrieren. Gleichzeitig besteht aber auch die Gefahr, dass die Teilnehmenden das auf die KI abschieben, was sie eigentlich selbst klar formulieren und entscheiden müssten. Generell bin ich der Überzeugung, dass es hauptsächlich von einer guten Vorbereitung und Moderation abhängt, ob Meetings effizient geführt werden oder nicht.
SQUT: Welche neuen Fähigkeiten brauchen Mitarbeitende in einer Voice-AI-Welt?
Gregor: Es geht weniger darum, alles komplett neu zu lernen, sondern vorhandene Kompetenzen an diese Neuerungen anzupassen. Drei praktische Fähigkeiten werden dabei besonders wichtig:
Erstens: Gedanken im Kopf strukturieren. Wer tippt, kann löschen, schieben und korrigieren. Wer mit sprachgesteuerten Systemen arbeitet, sollte das Gesagte idealerweise vorher präzise ordnen, um klare Anweisungen zu geben. Auf den Punkt zu kommen, wird zur neuen Schlüsselqualifikation.
Zweitens: kritisches Einordnen. Wenn Aufgaben schnell per Sprache delegiert und erledigt werden, muss das Ergebnis umso genauer kontrolliert werden. Mitarbeitende müssen lernen, die Ergebnisse digitaler Assistenten kritisch zu hinterfragen, Fakten zu prüfen und die Qualität richtig einzuschätzen.
Drittens: Empathie und aktives Zuhören. Wenn rein funktionale Aufgaben an Sprach-Tools ausgelagert werden, wird die echte menschliche Kommunikation umso wertvoller. Die Fähigkeit, Zwischentöne und nonverbale Signale wahrzunehmen und im direkten Dialog mit Kolleg:innen und Kund:innen Empathie zu zeigen, bleibt unersetzbar und hebt uns von jeder Technologie ab.
SQUT: Wie transparent muss Voice AI sein, damit Menschen ihr vertrauen?
Gregor: Einfache Antwort: sehr transparent. Menschen müssen wissen, wann ein System zuhört, was gespeichert wird und wofür die Daten genutzt werden. Vertrauen entsteht nur, wenn Technologie nachvollziehbar ist und Nutzende die Kontrolle behalten. Gerade bei der Sprache ist das besonders sensibel, weil sie extrem persönlich ist. Niemand möchte das Gefühl haben, abgehört oder überwacht zu werden.
Spannend ist übrigens ein Ergebnis aus unserer AI & Voice Studie, die wir gemeinsam mit der London School of Economics and Political Science im Jahr 2025 durchgeführt haben: Befragte schenkten der KI um 33 Prozent mehr Vertrauen, wenn sie mit ihr über gesprochene Sprache kommunizierten – wahrscheinlich, weil sich das Sprechen natürlicher und menschlicher anfühlt. Das zeigt, wie wichtig die richtige Tonalität und eine gut gewählte Stimme sind – hier haben die Entwickelnden der Sprachmodelle offensichtlich gute Arbeit geleistet.
Im Daily Business President Central Region at Jabra. Privat verheiratet und Vater von zwei erwachsenen Söhnen, Hobby-DJ und hundebekloppt.
