KI-Sprachisolierung senkte die Wortfehlerrate der Spracherkennung in einem Benchmark vom September 2026 über 265 echte Gespräche hinweg um 73%, erhöhte aber die Fehler bei Aufnahmen leicht, die bereits sauber waren (Krisp, Voice Isolation Benchmark 2026). Dieser Zielkonflikt prägt die gesamte Kategorie: Rauschunterdrückung ist inzwischen eine Standardeinstellung in gängigen Meeting-Tools, doch ihr Nutzen hängt davon ab, wie verschmutzt das Audio von Anfang an ist. Google gibt an, dass die Rauschunterdrückung in Meet für Business- und Enterprise-Konten standardmäßig aktiviert ist, Microsoft führt die Sprachisolierung in Teams für Nutzer als standardmäßig aktiviert, und Owl Labs stellte fest, dass 76% der Beschäftigten in den USA Echo oder Verzerrung als häufiges Problem in Hybrid-Meetings nennen (Owl Labs, State of Hybrid Work 2025). Den breiteren Collaboration-Stack, in dem diese Funktionen stecken, behandeln unsere Statistiken zu Unified Communications im Unternehmen. Wir haben Daten aus den Papieren zur Deep Noise Suppression Challenge von Microsoft Research, von Microsoft, Google, Zoom, Apple, NVIDIA, Krisp, Owl Labs, NIOSH, der Weltgesundheitsorganisation sowie aus begutachteter Audiologie- und Sprachforschung zusammengetragen, die in Europe PMC indexiert ist.
TL;DR
- Sprachisolierung senkte die Wortfehlerrate insgesamt um 73% über 265 aufgezeichnete Gespräche hinweg (Krisp, Voice Isolation Benchmark 2026).
- Der WER in Arbeitsumgebungen fiel von 31,84% auf 6,30%, doch saubere Telefonate gingen von 3,48% auf 3,91% (Krisp, Voice Isolation Benchmark 2026).
- Die Rauschunterdrückung von Google Meet ist für Business- und Enterprise-Konten standardmäßig aktiviert (Google, Meet-Hilfecenter 2026).
- Der Wert der Teams-Richtlinie VoiceIsolation lautet standardmäßig aktiviert (Microsoft Learn, Admin-Leitfaden zur Sprachisolierung, April 2026).
- Teams hatte mehr als 320 Millionen monatlich aktive Nutzer (Microsoft, Ergebnispräsentation FY2024 Q1, Oktober 2023).
- 76% der Beschäftigten in den USA nennen Echo oder Verzerrung und 75% dass nicht alle zu hören sind als häufige Probleme in Hybrid-Meetings (Owl Labs, State of Hybrid Work 2025).
- Rund 27 Millionen Beschäftigte in den USA sind jedes Jahr gefährlichem Lärm ausgesetzt (NIOSH, CDC).
- Die erste DNS Challenge veröffentlichte 441 Stunden saubere Sprache und erhielt 28 Einreichungen von 19 Teams (Reddy et al., Interspeech 2020).
- Bis 2023 verlangte die Challenge eine kombinierte Latenz von höchstens 20 ms und nutzte in einer Spur 760,53 Stunden saubere Sprache (Dubey et al., ICASSP 2023 DNS Challenge).
- 60% der CX-Verantwortlichen wollen innerhalb von 6 bis 12 Monaten KI-Sprachübersetzung einführen, gegenüber 36% im Jahr 2025 (Krisp, 2026 State of Voice in CX).
- Ein DNN-Hörgeräteprogramm steigerte die Satzerkennung im Lärm bei bimodalen Cochlea-Implantat-Nutzern von 60% auf 79% (Kolberg et al., J Clin Med 2025).
- 430 Millionen Menschen benötigen Rehabilitation wegen behindernden Hörverlusts (WHO, Faktenblatt zu Taubheit und Hörverlust).
1. Plattform-Standards: Rauschunterdrückung ist inzwischen fester Bestandteil des Meeting-Stacks
Die Frage der Verbreitung haben weitgehend Standardeinstellungen entschieden, nicht Kaufentscheidungen. Das Google-Meet-Hilfecenter gibt an, dass die Rauschunterdrückung für Business- und Enterprise-Konten standardmäßig aktiviert ist, während Education Fundamentals, Education Standard und Education Plus sie standardmäßig deaktiviert haben (Google, Hintergrundgeräusche in Google Meet herausfiltern). Die Admin-Dokumentation von Microsoft führt die Teams-Meeting-Richtlinie VoiceIsolation sowie die Stimmprofil-Einstellungen EnrollVoice und PassiveVoiceEnrollment als standardmäßig aktiviert (Microsoft Learn, Sprachisolierung verwalten, aktualisiert im April 2026). Sprachisolierung geht einen Schritt über Rauschunterdrückung hinaus: Sie nutzt ein auf dem Gerät des Nutzers gespeichertes Stimmprofil, um Geräusche und Stimmen zu entfernen, die nicht dazu passen.
Die Reichweite dieser Standards ist groß. Microsoft meldete im Oktober 2023 mehr als 320 Millionen monatlich aktive Teams-Nutzer und mehr als 10.000 zahlende Teams-Premium-Kunden (Microsoft, Ergebnispräsentation FY2024 Q1). Aktuellste verfügbare Daten: Microsoft, 2023; die Präsentation vom Juli 2026 nannte keine neue Teams-Nutzerzahl. Krisp, der bekannteste eigenständige Anbieter, sagt, seine KI habe Billionen Minuten an Sprachgesprächen verarbeitet (Krisp, Über uns).
| Metrik | Wert | Quelle |
|---|---|---|
| Standard der Rauschunterdrückung in Google Meet | Aktiviert für Business und Enterprise; deaktiviert für Education-Editionen | Google, Meet-Hilfecenter 2026 |
| Geräteseitige Rauschunterdrückung in Meet auf Android | Pixel 4 und neuer, Samsung S10 und neuer, weitere Modelle | Google, Meet-Hilfecenter 2026 |
| Standard der Teams-Richtlinie VoiceIsolation | Aktiviert (EnrollVoice und PassiveVoiceEnrollment ebenfalls aktiviert) | Microsoft Learn, April 2026 |
| Monatlich aktive Nutzer von Teams | Mehr als 320 Millionen | Microsoft, Ergebnispräsentation FY2024 Q1 (2023) |
| Zahlende Kunden von Teams Premium | Mehr als 10.000 | Microsoft, Ergebnispräsentation FY2024 Q1 (2023) |
| Stufen der Hintergrundgeräuschunterdrückung in Zoom | Auto (Standard), Niedrig, Mittel, Hoch | Zoom Support, Einstellungen für professionelles Audio 2026 |
| Mikrofonmodus Sprachisolierung von Apple | FaceTime ab iOS 15, Telefonanrufe ab iOS 16.4, Automatikmodus ab iOS 18 | Apple Support 2026 |
| Von Krisp verarbeitete Sprachminuten | Billionen | Krisp, Über uns 2026 |
Kontexthinweis: Zooms Einstellung Hoch wird als die aggressivste beschrieben, die Hintergrundsprache anderer Personen entfernen kann und die CPU-Last erhöhen kann; der Originalton-Modus für Musiker schaltet die Nachbearbeitung ab und hebt den Codec auf 48 kHz, 96 kbps mono oder 192 kbps stereo an (Zoom Support, Einstellungen für professionelles Audio). Auf der Creator-Seite erfordern Noise Removal und Room Echo Removal von NVIDIA Broadcast eine GeForce RTX 2060, Quadro RTX 3000, TITAN RTX oder eine leistungsstärkere GPU (NVIDIA, Broadcast-App). Die Anforderungen an Apples Mikrofonmodus stammen vom Apple Support.
2. Die Kosten schlechten Audios: Meeting-Probleme und Lärm am Arbeitsplatz
Rauschunterdrückung verkauft sich, weil schlechtes Audio der häufigste Fehler in Hybrid-Meetings ist. In der Umfrage von Owl Labs vom Juli 2025 unter 2.000 Vollzeitbeschäftigten in den USA nannten 76% Echo oder Verzerrung und 75% dass nicht alle zu hören sind als häufige Probleme in Hybrid-Meetings, knapp hinter verlorener Zeit durch technische Schwierigkeiten mit 77% (Owl Labs, State of Hybrid Work 2025). Beschäftigte verlieren im Schnitt rund 6 Minuten, bis ein Hybrid-Meeting startet, und 27% verlieren 10 oder mehr Minuten pro Meeting mit der technischen Einrichtung.
Microsofts eigene Forschung verknüpft Audio- und Videoqualität damit, ob Meetings für alle funktionieren. Über 3.290 E-Mail-Umfrageantworten und 17.287 Bewertungen im Client hinweg konnten Qualität, Zuverlässigkeit und eine Agenda jeweils die Chance um 70% erhöhen, dass ein Meeting als inklusiv bewertet wird (Cutler et al., Meeting Effectiveness and Inclusiveness in Remote Collaboration, arXiv 2021). Aktuellste verfügbare Daten: Microsoft Research, 2021. Die Studie maß Audio- und Videoqualität gemeinsam und kann daher den Effekt von Hintergrundgeräuschen allein nicht herauslösen. Die Büroakustik, die andere Hälfte des Problems, behandeln unsere Statistiken zu Ablenkung und Akustik im Großraumbüro.
| Metrik | Wert | Quelle |
|---|---|---|
| Beschäftigte, die Echo oder Verzerrung als häufiges Problem in Hybrid-Meetings nennen | 76% | Owl Labs, State of Hybrid Work 2025 |
| Nicht alle hören zu können | 75% | Owl Labs, State of Hybrid Work 2025 |
| Verlorene Zeit durch technische Schwierigkeiten | 77% | Owl Labs, State of Hybrid Work 2025 |
| Durchschnittlich verlorene Zeit beim Start eines Hybrid-Meetings | Rund 6 Minuten (27% verlieren 10+ Minuten) | Owl Labs, State of Hybrid Work 2025 |
| Stichprobe der Meeting-Umfrage (E-Mail / im Client) | 3.290 Antworten / 17.287 Bewertungen (rund 15% Rücklaufquote im Client) | Cutler et al., Microsoft Research 2021 |
| Effekt von AV-Qualität, Zuverlässigkeit oder Agenda auf die Chance auf Inklusivität | Je +70% | Cutler et al., Microsoft Research 2021 |
| Beschäftigte in den USA, die jährlich gefährlichem Lärm ausgesetzt sind | Rund 27 Millionen | NIOSH, CDC |
| Erwerbstätige Bevölkerung der USA mit Hörschwierigkeiten / Tinnitus | Etwa 1 von 9 / etwa 1 von 13 | NIOSH, CDC |
Kontexthinweis: Gefährlicher Lärm beginnt nach der Definition des NIOSH bei 85 dBA, seinem empfohlenen Expositionsgrenzwert, gemittelt über einen Acht-Stunden-Tag (NIOSH, Über Lärm und Hörverlust), was weit lauter ist als ein typisches Büro. Eine EEG-Studie von 2021 fand, dass die Gehirnaktivität eine geringere mentale Belastung mit aktiven Noise-Cancelling-Kopfhörern als im Lärm teilweise bestätigte, wobei der subjektive Unterschied nicht signifikant war (Pieper et al., Frontiers in Neuroscience 2021). Die Ermüdungseffekte von Videomeetings verfolgen unsere Statistiken zur Ermüdung durch Videomeetings.
3. Der Forschungs-Benchmark: Microsofts Deep Noise Suppression Challenge
Die meisten heutigen Echtzeit-Rauschunterdrücker wurden von einem einzigen offenen Benchmark geprägt. Die erste Deep Noise Suppression Challenge bei Interspeech 2020 veröffentlichte 441 Stunden saubere Sprache von 2.150 Sprechern plus 60.000 Rauschclips aus 150 Audioklassen und erhielt 28 Einreichungen von 19 Teams (Reddy et al., Interspeech 2020 DNS Challenge). Die Veranstalter betonten, dass der synthetische Testsatz nicht repräsentativ für echte Aufnahmen war, weshalb sich jede spätere Ausgabe auf blinde Clips aus der realen Welt und per Crowdsourcing erhobene ITU-T-P.808-Bewertungen stützte.
Die Messlatte stieg weiter. In der fünften Ausgabe bei ICASSP 2023 nutzte eine Spur 760,53 Stunden saubere Sprache (562,72 Stunden gelesene Sprache, 185,41 Stunden Mandarin), 181 Stunden Rauschen in 152 Klassen, und die Modelle mussten mit einem Echtzeitfaktor von höchstens 0,5 auf einem Intel Core i5 mit vier Kernen laufen, bei einer kombinierten Latenz von höchstens 20 ms (Dubey et al., ICASSP 2023 DNS Challenge; Challenge-Seite von Microsoft Research). Die Aufgabe verlagerte sich außerdem vom Entfernen von Rauschen zum Entfernen störender Sprecher, und das Papier berichtet bei den meisten Modellen von verschlechterter Signalqualität, ein Zeichen dafür, dass Sprachisolierung schwieriger ist als Rauschentfernung.
| Metrik | Wert | Quelle |
|---|---|---|
| Veröffentlichte saubere Sprache, 2020 | 441 Stunden von 2.150 Sprechern | Reddy et al., Interspeech 2020 |
| Teilnahme, 2020 | 28 Einreichungen von 19 Teams (9 in beiden Spuren) | Reddy et al., Interspeech 2020 |
| Crowdsourcing-Bewertungen pro Clip, 2020 | 10 (20 für Spitzeneinreichungen) | Reddy et al., Interspeech 2020 |
| Saubere Sprache, ICASSP 2023 Spur 2 | 760,53 Stunden | Dubey et al., ICASSP 2023 |
| Rauschdaten, 2023 | 181 Stunden, 152 Audioklassen, 60.000 Clips | Dubey et al., ICASSP 2023 |
| Teilnahme, 2023 | 11 Einreichungen pro Spur, 10 Teams in beiden | Dubey et al., ICASSP 2023 |
| Größter Gewinn beim Challenge-Score gegenüber dem verrauschten Blind-Set, 2023 | 0,145 (Headset), 0,141 (Freisprecheinrichtung), dasselbe Team gewann beide | Dubey et al., ICASSP 2023 |
| Rechenlimits, 2023 | Echtzeitfaktor höchstens 0,5; kombinierte Latenz höchstens 20 ms | Microsoft Research, ICASSP 2023 DNS Challenge |
Kontexthinweis: Der öffentliche Datensatz ist groß: Das Challenge-Repository listet 827 GB saubere Sprache, 58 GB Rauschen und rund 1 TB entpackt (Microsoft, DNS-Challenge-Repository). Die Ausgabe 2022 ergänzte die Wortgenauigkeit als Metrik und kam zu dem Schluss, dass die Forschungsgemeinschaft bei schwierigem Lärm aus der realen Welt noch “einen weiten Weg vor sich” habe (Dubey et al., ICASSP 2022 DNS Challenge). Aktuellste verfügbare Challenge-Ergebnisse: ICASSP 2023.
4. Sprachisolierung und Genauigkeit der Spracherkennung
Rauschunterdrückung speist heute Maschinen ebenso wie Menschen, weil Meeting-Transkripte und Sprachagenten von sauberem Input abhängen. In Krisps Benchmark 2026 senkte die Sprachisolierung die Wortfehlerrate in Arbeitsumgebungen von 31,84% auf 6,30%, über 11 Spracherkennungskonfigurationen von 9 Engines hinweg (Krisp, Voice Isolation Benchmark 2026). Die Gewinne waren am größten, wenn eine zweite Stimme anwesend war; bei sauberen Telefonaten erhöhte die Isolierung die Fehler leicht, von 3,48% auf 3,91%.
Dieses Ergebnis passt zur akademischen Befundlage. Ein Papier von 2026 stellt fest, dass monaurale Sprachverbesserung sich “nicht als wirksames Frontend” für die Erkennung etabliert habe, verglichen mit auf verrauschter Sprache trainierten Modellen, und berichtet dann von einer relativen WER-Reduktion von 28,4% auf CHiME-2, indem die beiden Stufen entkoppelt werden (Yang, Pandey und Wang, Computer Speech and Language 2026). Die praktische Erkenntnis: Isolierung behebt Übersprechen und Hintergrundstimmen, sie ist kein kostenloses Upgrade für jeden Anruf.
| Metrik | Wert | Quelle |
|---|---|---|
| Gesamte WER-Veränderung mit Sprachisolierung | -73% | Krisp, Voice Isolation Benchmark 2026 |
| Arbeitsumgebungen (roh vs. isoliert) | WER von 31,84% auf 6,30% | Krisp, Voice Isolation Benchmark 2026 |
| Saubere Telefonate (roh vs. isoliert) | WER von 3,48% auf 3,91% (leichte Verschlechterung) | Krisp, Voice Isolation Benchmark 2026 |
| AssemblyAI Universal-3 Pro im Batch | 30,32% auf 3,75% (-88%) | Krisp, Voice Isolation Benchmark 2026 |
| ElevenLabs Scribe v2 / Soniox STT v5 | -85% / -82% | Krisp, Voice Isolation Benchmark 2026 |
| Benchmark-Datensatz | 265 Gespräche: 96 Büro, 106 Callcenter, 63 mobil oder im Auto | Krisp, Beitrag zum Benchmark-Datensatz 2026 |
| Entkoppelte Verbesserung plus ASR auf CHiME-2 | 28,4% relative WER-Reduktion (WER von 5,6%) | Yang, Pandey und Wang, Computer Speech and Language 2026 |
| Gleiche Methode, einkanaliges CHiME-4 | WER von 3,3% simuliert, 4,4% real | Yang, Pandey und Wang, Computer Speech and Language 2026 |
Kontexthinweis: Der Krisp-Benchmark wird vom Anbieter selbst durchgeführt und testet Krisps eigene Modelle, auch wenn der Datensatz auf Hugging Face veröffentlicht ist. Er umfasst 4 Sprachisolierungsmodelle, 24 Bürogeräte, 18 Callcenter-Headset-Modelle und 18 Telefonmodelle (Krisp, wie der Benchmark aufgenommen wurde). Eine unabhängige Replikation wurde bislang nicht veröffentlicht.
5. Contact Center: Wo Rauschentfernung auf Sprach-KI trifft
Callcenter verbinden die lautesten Räume mit den am stärksten stimmabhängigen Arbeitsabläufen. In Krisps Benchmark ging Callcenter-Audio nach der Sprachisolierung von 23,83% auf 6,86% Wortfehlerrate zurück, in jenem Umfeld, in dem Sprachanalyse, Agentenunterstützung und Übersetzung allesamt die Qualität des Mikrofonsignals des Agenten erben (Krisp, Voice Isolation Benchmark 2026). Die Investitionsabsicht ist klar: 60% der CX-Verantwortlichen wollen innerhalb von 6 bis 12 Monaten KI-Sprachübersetzung einführen, gegenüber 36% im Jahr 2025 (Krisp, The 2026 State of Voice in CX).
Auch die Ohren der Agenten selbst zählen. Eine polnische Studie mit 78 Callcenter-Mitarbeitern maß eine durchschnittliche persönliche tägliche Lärmbelastung von 74,7 dBA, wobei 92,3% auf beiden Ohren normal hörten (Pawlaczyk-Luszczynska et al., Noise and Health 2018). Eine größere Studie von 2022 mit 213 Headset-Nutzern, darunter 177 Callcenter-Mitarbeiter, ermittelte Belastungen zwischen 57 und 96 dB, obwohl nur 1,4% der Mitarbeiter 85 dB überschritten (Pawlaczyk-Luszczynska et al., IJOMEH 2022). Daten zu Arbeitslast und Fluktuation dieser Teams finden sich in unseren Statistiken zu Burnout und Fluktuation bei Callcenter-Agenten.
| Metrik | Wert | Quelle |
|---|---|---|
| Callcenter-WER, roh vs. Sprachisolierung | 23,83% auf 6,86% | Krisp, Voice Isolation Benchmark 2026 |
| CX-Verantwortliche, die KI-Sprachübersetzung innerhalb von 6-12 Monaten planen | 60% (36% im Jahr 2025) | Krisp, 2026 State of Voice in CX (815 Verantwortliche, 12 Länder) |
| Akzentkonvertierung, aktuelle oder geplante Nutzung | 61% | Krisp, 2026 State of Voice in CX |
| Einsatz von Sprachanalyse | 80% | Krisp, 2026 State of Voice in CX |
| Größte Herausforderung: Agenten in den richtigen Regionen und Sprachen einstellen | 40% (Kosten für Sprachsupport 37%; Technologieintegration 14%) | Krisp, 2026 State of Voice in CX |
| Durchschnittliche tägliche Lärmbelastung, 78 Callcenter-Mitarbeiter | 74,7 dBA (Spanne 68-79) | Pawlaczyk-Luszczynska et al., Noise and Health 2018 |
| Headset-Nutzer über 85 dB, 177 Mitarbeiter | 1,4% | Pawlaczyk-Luszczynska et al., IJOMEH 2022 |
| Headset-Nutzer mit beidseitig normalem Gehör (250-8000 Hz) | 42% von 213 | Pawlaczyk-Luszczynska et al., IJOMEH 2022 |
Kontexthinweis: Die Umfrage State of Voice in CX wird von einem Anbieter veröffentlicht, der Sprachübersetzung und Akzentkonvertierung verkauft, daher sind die Verbreitungszahlen als Richtwerte zu lesen. Die Studie von 2018 ist der aktuellste verfügbare Datenpunkt zur Lärmbelastung von Callcenter-Mitarbeitern in dieser Kohorte; sie fand außerdem Hochfrequenzeinbrüche in 15,4% der Audiogramme.
6. Jenseits von Meetings: Deep-Learning-Rauschreduzierung in der Hörversorgung
Dieselben neuronalen Entrauschungsideen stecken inzwischen in Hörgeräten, wo mehr auf dem Spiel steht als ein saubereres Transkript. In einer Studie von 2025 mit 11 bimodalen Cochlea-Implantat-Nutzern im Alter von 71-89 Jahren steigerte ein DNN-Hörgeräteprogramm die Satzerkennung im Lärm auf 79%, verglichen mit 60% bei einer konventionellen Einstellung (p < 0,001), und bot einen bimodalen Nutzen von 40% gegenüber dem Implantat allein, gegenüber 21% (Kolberg et al., Journal of Clinical Medicine 2025). Felddaten zeigen in dieselbe Richtung: Bei 40 erfahrenen Nutzern, die 3.614 Momentaufnahmen-Bewertungen und 6.812 Stunden Schall protokollierten, hielt das DNN-basierte Hörgerät die Zufriedenheit unabhängig vom Hintergrundgeräuschpegel konstant (Christensen et al., American Journal of Audiology 2024).
Die potenzielle Zielgruppe ist groß. Die WHO schätzt, dass mehr als 430 Millionen Menschen Rehabilitation wegen behindernden Hörverlusts benötigen und dass bis 2050 fast 2,5 Milliarden Menschen einen gewissen Grad an Hörverlust haben werden (WHO, Faktenblatt zu Taubheit und Hörverlust). Eine Studie von 2023 berichtete von einem Deep-Learning-Entrauscher mit einem einzigen Mikrofon, der die Sprachverständlichkeit für Hörgeräteträger auf das Niveau normalhörender Kontrollpersonen brachte und in Echtzeit auf einem Laptop lief (Diehl et al., Scientific Reports 2023).
| Metrik | Wert | Quelle |
|---|---|---|
| Satzerkennung im Lärm, DNN vs. konventionelles Programm | 79% vs. 60% (p < 0,001), 11 Nutzer im Alter von 71-89 Jahren | Kolberg et al., J Clin Med 2025 |
| Bimodaler Nutzen gegenüber dem Implantat allein im Stimmengewirr | 40% (DNN) vs. 21% | Kolberg et al., J Clin Med 2025 |
| Reale Studie zum DNN-Hörgerät | 40 Nutzer, 3.614 Bewertungen, 6.812 Stunden Audio | Christensen et al., Am J Audiol 2024 |
| DNN kombiniert mit Beamforming bei älteren Erwachsenen | Übertraf andere Programme in allen Metriken (20 Teilnehmer) | Folkeard et al., Trends in Hearing 2026 |
| Rauschreduzierung bei schwerem bis hochgradigem Hörverlust | Verringerte die Höranstrengung signifikant (25 Teilnehmer) | Dong et al., Frontiers in Neuroscience 2024 |
| Objektive DNN-Auswertung | 1.152 Kunstkopf-Aufnahmen bei -5, 0 und +5 dB SNR | Ashkanichenarlogh et al., Trends in Hearing 2025 |
| Menschen, die Rehabilitation wegen behindernden Hörverlusts benötigen | Mehr als 430 Millionen (über 5% der Weltbevölkerung) | WHO-Faktenblatt |
| Jährliche globale Kosten unversorgten Hörverlusts | Fast 1 Billion US$ | WHO-Faktenblatt |
Kontexthinweis: Diese Studien sind klein, mit 11 bis 40 Teilnehmern, und mehrere wurden mit Geräten eines einzelnen Herstellers durchgeführt. Die Ergebnisse von Folkeard, Dong und Ashkanichenarlogh sind aus deren Abstracts zusammengefasst (Folkeard et al. 2026; Dong et al. 2024; Ashkanichenarlogh et al. 2025), und die Vorteile in der objektiven Studie von 2025 fielen bei mäßigem Nachhall geringer aus.
Zusammenfassung: KI-Rauschunterdrückungssoftware in Zahlen
| Metrik | Wert | Quelle |
|---|---|---|
| Gesamte WER-Veränderung mit Sprachisolierung | -73% über 265 Gespräche | Krisp, Voice Isolation Benchmark 2026 |
| WER in Arbeitsumgebungen, roh vs. isoliert | 31,84% auf 6,30% | Krisp, Voice Isolation Benchmark 2026 |
| WER bei sauberen Telefonaten, roh vs. isoliert | 3,48% auf 3,91% | Krisp, Voice Isolation Benchmark 2026 |
| Callcenter-WER, roh vs. isoliert | 23,83% auf 6,86% | Krisp, Voice Isolation Benchmark 2026 |
| Rauschunterdrückung in Google Meet | Standardmäßig aktiviert für Business und Enterprise | Google, Meet-Hilfecenter 2026 |
| Teams-Richtlinie VoiceIsolation | Standardmäßig aktiviert | Microsoft Learn, April 2026 |
| Monatlich aktive Nutzer von Teams | Mehr als 320 Millionen (2023) | Microsoft, Ergebnispräsentation FY2024 Q1 |
| Stufen der Rauschunterdrückung in Zoom | 4 (Auto als Standard, Niedrig, Mittel, Hoch) | Zoom Support 2026 |
| Echo oder Verzerrung als häufiges Problem in Hybrid-Meetings | 76% | Owl Labs, State of Hybrid Work 2025 |
| Nicht alle hören zu können | 75% | Owl Labs, State of Hybrid Work 2025 |
| Beschäftigte in den USA, die gefährlichem Lärm ausgesetzt sind | Rund 27 Millionen pro Jahr | NIOSH, CDC |
| DNS Challenge 2020, saubere Sprache / Einreichungen | 441 Stunden / 28 von 19 Teams | Reddy et al., Interspeech 2020 |
| DNS Challenge 2023, saubere Sprache, Spur 2 | 760,53 Stunden | Dubey et al., ICASSP 2023 |
| DNS Challenge 2023, Latenzgrenze | Höchstens 20 ms | Microsoft Research 2023 |
| Relative WER-Reduktion, entkoppelte Verbesserung auf CHiME-2 | 28,4% | Yang, Pandey und Wang 2026 |
| CX-Verantwortliche, die KI-Sprachübersetzung planen | 60% (36% im Jahr 2025) | Krisp, 2026 State of Voice in CX |
| Durchschnittliche tägliche Lärmbelastung von Callcenter-Mitarbeitern | 74,7 dBA | Pawlaczyk-Luszczynska et al. 2018 |
| Satzerkennung im Lärm mit DNN-Hörgerät | 79% vs. 60% | Kolberg et al. 2025 |
| Menschen, die Hörrehabilitation benötigen | Mehr als 430 Millionen | WHO-Faktenblatt |
Methodik und Quellen
Jede der obigen Zahlen wurde bei der Recherche für diesen Artikel in einem Unternehmensdokument, einer Hilfecenter-Seite, einem Transkript einer Ergebnispräsentation, einer Behördenseite, einem Challenge-Papier oder einem begutachteten Abstract gelesen. Benchmarks und Umfragen von Anbietern sind als solche gekennzeichnet.
- Krisp: Über uns, Voice Isolation Benchmark, September 2026, Beitrag zur Aufnahme des Benchmark-Datensatzes, September 2026, The 2026 State of Voice in CX, August 2026
- Microsoft: Ergebnispräsentation FY2024 Q1, Oktober 2023, Microsoft Learn, Sprachisolierung verwalten (April 2026)
- Microsoft Research DNS Challenge: Interspeech-2020-Papier, ICASSP-2022-Papier, ICASSP-2023-Papier, ICASSP-2023-Challenge-Seite, DNS-Challenge-Repository
- Meeting-Studie von Microsoft Research: Cutler et al., Meeting Effectiveness and Inclusiveness in Remote Collaboration, 2021
- Google: Hintergrundgeräusche in Google Meet herausfiltern
- Zoom: Support-Artikel zu Einstellungen für professionelles Audio
- Apple: Support-Artikel zu Mikrofonmodi
- NVIDIA: Broadcast-App
- Owl Labs: State of Hybrid Work 2025
- NIOSH (CDC): Über Lärm und Hörverlust
- Weltgesundheitsorganisation: Faktenblatt zu Taubheit und Hörverlust
- Begutachtete Forschung über Europe PMC: Yang, Pandey und Wang 2026, Pieper et al. 2021, Pawlaczyk-Luszczynska et al. 2018, Pawlaczyk-Luszczynska et al. 2022, Kolberg et al. 2025, Christensen et al. 2024, Diehl et al. 2023
- Daten-Hinweis: Eine Marktgrößenzahl für KI-Rauschunterdrückungssoftware ist nicht enthalten, weil wir die Schätzungen zweier unabhängiger Marktforschungsfirmen nicht in Primärform lesen konnten und nicht eine einzelne Firma allein zitieren würden. Krisp ist privat und veröffentlicht keine Nutzerzahl; die Aussage “Billionen Minuten” ist eine Unternehmensangabe, und sowohl der Benchmark als auch die CX-Umfrage werden vom Anbieter selbst durchgeführt. Die Teams-Nutzerzahl (320 Millionen) stammt vom Oktober 2023, und die Präsentation von Microsoft im Juli 2026 brachte kein Update. Der Microsoft-Teams-Blogbeitrag, der 2020 die KI-Rauschunterdrückung ankündigte, und der Hilfeartikel zur Rauschentfernung von Webex ließen sich nicht laden, daher ist Cisco Webex nicht abgedeckt. Das DNS-Challenge-Papier von 2023 nennt Score-Gewinne, doch seine vollständige Ergebnistabelle ließ sich nicht extrahieren. Die Meeting-Studie von Cutler et al. (2021), die Studie von 2018 zur Lärmbelastung in Callcentern und die DNS Challenge 2023 sind die aktuellsten verfügbaren Daten ihrer Art. Hörgerätestudien sind klein (11 bis 40 Teilnehmer) und teils herstellernah. Die Prozentwerte zu Meeting-Problemen von Owl Labs sind Selbstauskünfte von Vollzeitbeschäftigten in den USA, die im Juli 2025 befragt wurden.
Zuletzt aktualisiert: 3. Oktober 2026. Wir aktualisieren diese Zusammenstellung vierteljährlich, und die nächste Aktualisierung wird erwartet, wenn Owl Labs seinen Bericht State of Hybrid Work 2026 veröffentlicht und Microsoft die Ergebnisse seiner nächsten Challenge zu Deep Noise Suppression oder Sprachqualität bekannt gibt.