Senity Speech Flow ist ein KI-gestützter Dienst zur Sprachverarbeitung (Diktat, Transkription), der als Anwendung auf deinem Endgerät läuft. Ob eine Sprachaufnahme auf dem Gerät selbst oder auf einem Server verarbeitet wird, hängt davon ab, welches Verarbeitungs-Backend in der Anwendung eingestellt ist. In der Werkseinstellung ist für die Spracherkennung der Server-Weg aktiv, die Aufnahme wird also an unseren Transkriptionsdienst übermittelt. Eine Verarbeitung allein auf deinem Endgerät ist möglich, wenn du das Backend in den Einstellungen auf den lokalen Modus umstellst.
Automatischer Wechsel zwischen lokaler und serverseitiger Verarbeitung
Die Anwendung kennt zusätzlich einen automatischen Betriebsmodus, der ab Werk aktiv ist. In diesem Modus entscheidet Speech Flow für jeden einzelnen Verarbeitungsvorgang anhand technischer Laufzeitkriterien, ob lokal oder serverseitig verarbeitet wird, insbesondere anhand von Zeitlimits für den lokalen Weg und der gemessenen Antwortzeit der letzten Vorgänge. Antwortet die lokale Verarbeitung nicht innerhalb des Zeitlimits, wird ihr Ergebnis verworfen und der Server-Weg genutzt. Auch wenn du lokale Verarbeitung bevorzugt eingestellt hast, kann es in diesem Modus daher zu einer Übermittlung an unsere Server kommen. Die beiden manuellen Modi für reinen Offline- beziehungsweise Online-Betrieb schalten diesen automatischen Wechsel ab.
Serverseitige Verarbeitung über die Senity-API
Wird eine Sprachaufnahme serverseitig verarbeitet, übermittelt die Anwendung sie an den in ihrer Konfiguration hinterlegten Transkriptions-Endpunkt. Ab Werk ist das ein Senity-Endpunkt unter sdr.senity.ai, also unsere eigenen Server der Hetzner Online GmbH in Deutschland. Adresse und Zugangsdaten dieses Endpunkts sind in der Anwendung konfigurierbar; wird dort ein anderer Endpunkt eingetragen, gelangt die Aufnahme an dessen Betreiber. Eine Speicherung von Sprachaufnahmen oder Transkriptionen auf unseren Servern findet nicht statt; die Verarbeitung erfolgt flüchtig ohne persistente Ablage.
Nachbearbeitung des Transkripts durch ein Sprachmodell
Speech Flow kann den erkannten Text anschließend durch ein Sprachmodell nachbearbeiten, etwa zum Formatieren, Umformulieren oder Übersetzen. Übermittelt wird dabei der Text, nicht die Audioaufnahme. Welcher Endpunkt und welches Modell dafür angesprochen werden, ist einstellbar. Ab Werk ist ein Senity-Endpunkt unter sdr.senity.ai hinterlegt. Alternativ lässt sich ein auf deinem Gerät betriebenes Modell auswählen oder ein externer Ollama-Dienst, der auch als Cloud-Angebot eingebunden werden kann. Im letzten Fall wird der Text an dessen Betreiber übermittelt. Sitzt dieser außerhalb der EU beziehungsweise des EWR oder verarbeitet er dort, liegt darin eine Übermittlung in ein Drittland im Sinne der Art. 44 ff. DSGVO. Welche Endpunkte und Modelle in deiner Installation aktiv sind und auf welche Übermittlungsgrundlage wir uns dabei stützen, teilen wir dir auf Anfrage über die in Abschnitt 1 genannte Kontaktadresse mit.
Anonyme Nutzungslogs (opt-in)
Auf ausdrücklichen Wunsch des Kunden (Opt-in im Rahmen der Zustimmung zur Nutzung anonymer Nutzungsdaten) werden anonymisierte Nutzungsstatistiken (zum Beispiel Verarbeitungsdauer, Fehlerrate) erfasst. Diese Logs enthalten keine Sprachinhalte und keinen Personenbezug. Rechtsgrundlage ist Art. 6 Abs. 1 lit. a DSGVO (Einwilligung). Die Einwilligung kann jederzeit mit Wirkung für die Zukunft widerrufen werden.
Besondere Kategorien personenbezogener Daten (Art. 9 DSGVO)
Sprachaufnahmen können biometrische Daten im Sinne von Art. 4 Nr. 14 DSGVO enthalten, sofern sie zur eindeutigen Identifizierung einer natürlichen Person genutzt werden. Findet die Verarbeitung allein auf deinem Endgerät statt, werden dafür keine Sprachdaten an uns übertragen oder bei uns gespeichert, und diese Einordnung greift für unsere Verarbeitungstätigkeit in der Regel nicht. Soweit Sprachdaten serverseitig verarbeitet werden, erfolgt dies ausschließlich auf Grundlage ausdrücklicher Einwilligung (Art. 9 Abs. 2 lit. a DSGVO). Kumulativ dazu dient Art. 6 Abs. 1 lit. b DSGVO (Vertragserfüllung) als Rechtsgrundlage gemäß EuGH C-667/21.
Eine Übermittlung von Audiodaten an Drittanbieter ist in der Werkseinstellung nicht vorgesehen: der voreingestellte Transkriptions-Endpunkt ist eigene Senity-Infrastruktur in Deutschland. Da die Endpunkte in der Anwendung konfigurierbar sind und für die Textnachbearbeitung auch externe Dienste ausgewählt werden können, können wir eine Übermittlung an andere Empfänger jedoch nicht für jede Installation pauschal ausschließen; es gilt das oben zur Nachbearbeitung Gesagte. Sprachaufnahmen und Transkriptionen werden von uns nicht für das Training von KI-Modellen genutzt.