Aktualisiert 2. September 2026 · Von Sumbat.T

Wörter pro Minute sprechen: Was die Forschung wirklich gemessen hat

Es gibt eine Zahl, die in fast jedem Artikel über Sprechgeschwindigkeit auftaucht, in den meisten Vortragsguides und in der KI-Zusammenfassung, die Google über den Suchergebnissen zeigt: 150 Wörter pro Minute. Sie wird so konsequent wiederholt, dass sie sich wie eine Tatsache anfühlt.

Sie ist nicht genau falsch. Aber sie ist auch keine Messung, und die Forschung, die Gesprächssprache sorgfältig gemessen hat, landete woanders. Dieser Text legt dar, woher jede Zahl zu diesem Thema wirklich kommt, welche eine Studie und eine Stichprobengröße hinter sich haben, und welche Folklore sind, die lange genug zwischen Websites kopiert wurde, um autoritativ zu wirken.

Der praktische Grund, sich dafür zu interessieren, ist die Lücke zwischen Sprechen und Tippen. Welche Zahl Sie für Sprache akzeptieren: Sie ist mehrfach schneller als jeder tippt, und genau diese Differenz ist die Grundlage von Diktiersoftware. Sie wird auch routinemäßig übertrieben, deshalb geht die zweite Hälfte dieses Texts darum, was die Lücke wirklich wert ist, sobald Formulieren und Korrigieren mitgerechnet werden.

Was wirklich gemessen wurde: 196 Wörter/min, und 236 ohne die Pausen

Die sorgfältigste Messung der Gesprächs-Sprechrate im Englischen stammt aus einem Interspeech-Paper von 2006 von Jiahong Yuan, Mark Liberman und Christopher Cieri an der University of Pennsylvania und dem Linguistic Data Consortium. Sie nutzten die am ICSI korrigierte und ausgerichtete Version des englischen Switchboard-Korpus mit 2.438 Gesprächen, das heißt: Jedes Wort hat einen Zeitstempel, statt dass ein Transkript lose über einer Audiodatei liegt.

Genau diese Ausrichtung macht die Studie nützlich, weil man die Sprechrate auf zwei Arten berechnen und sehen kann, wie stark die Definition zählt. In den Worten der Autoren selbst: Addiert man die Wörter beider Teilnehmer und teilt durch die gesamte verstrichene Gesprächszeit, ergibt das “an overall average rate of 196 words per minute”. Nutzt man die Ausrichtungen, um Pausen und Nicht-Sprach-Geräusche auszuschließen, ergibt das “an average net speaking rate of 236 WPM”.

Der Abstand zwischen diesen beiden Zahlen ist der interessante Teil. Etwa 40 Wörter pro Minute, ungefähr ein Fünftel der Gesamtzeit, ist Stille: Atmen, Nachdenken, Warten auf den anderen, die kleinen Lücken, die Sprache wie Sprache klingen lassen statt wie ein Rezitieren. Beide Zahlen beschreiben dieselben Aufnahmen. Sie unterscheiden sich nur darin, ob die Pausen zählen.

Dasselbe Paper fand zwei kleinere Effekte, die man kennen sollte. Männer sprachen etwas schneller als Frauen, um etwa 4 bis 5 Wörter pro Minute oder grob 2 %, ein viel kleinerer Unterschied als das Stereotyp nahelegt. Ältere Sprecher waren langsamer. Und das Gesprächsthema verschob den Durchschnitt spürbar: Über die zugewiesenen Diskussionsthemen im Korpus lag die durchschnittliche Sprechrate zwischen 152 und knapp 170 Wörtern/min, also ändert, worüber Sie sprechen, wie schnell Sie darüber sprechen.

Woher die 150 Wörter/min kommen, und wofür sie taugen

Die Zahl 150 Wörter/min ist real, insofern als sie wirklich dort steht, wo Leute sie vermuten. Das National Center for Voice and Speech, eine seriöse Forschungsorganisation, schreibt auf einer Tutorial-Seite, dass die durchschnittliche Sprechrate für Englischsprecher in den USA bei etwa 150 Wörtern pro Minute liegt. Das ist die Quelle, die fast alle letztlich zitieren, ob sie es wissen oder nicht.

Was diese Seite nicht enthält, ist eine Stichprobengröße, eine Methodik, einen Korpus oder einen Verweis auf eine Studie. Es ist eine Faustregel in einem Bildungskontext, und eine vollkommen sinnvolle. Sie ist nur nicht dieselbe Art von Objekt wie eine Korpusmessung von 2.438 ausgerichteten Gesprächen, und beide werden austauschbar zitiert, als wären sie es.

Es gibt auch einen guten Grund, warum 150 sich für Leute richtig anfühlt, und den sollte man klar sagen, statt die Zahl einfach als falsch zu behandeln. Vorträge sind langsamer als Gespräche. Wenn Sie vor einem Publikum sprechen, pausieren Sie zur Betonung, werden bei wichtigen Stellen langsamer und lassen Raum zum Mitkommen. Irgendwo um 130 bis 150 Wörter/min liegt ein angenehmes Tempo für einen vorbereiteten Vortrag. Die Zahl ist guter Rat für die Situation, aus der sie kommt. Der Fehler ist, sie vom Podium auf das Telefon zu verallgemeinern.

Eine weitere Zahlengruppe verdient Skepsis. Suchen Sie nach Sprechrate und Sie finden selbstbewusste Tabellen mit getrennten Zahlen für Hörbuch-Narration, Podcasting, Nachrichten und Auktionatoren. Diese Tabellen widersprechen sich von Site zu Site, und keine der weit kursierenden zitiert eine Studie. Sie wirken wie Folklore, die zwischen Blogs wandert. Die eine solide gemessene Zahl in diesem Bereich ist lautes Vorlesen bei 183 Wörtern/min, aus einer Meta-Analyse von Marc Brysbaert aus 2019 über 77 Studien und 5.965 Teilnehmer, ein vernünftiger Anker für jede Art vorbereiteter Präsentation.

Die andere Hälfte des Vergleichs: Tippen bei 51,6 Wörtern/min

Die Tippen-Seite dieses Vergleichs steht auf viel festerem Boden, weil jemand die größte Studie zu dieser Frage überhaupt durchgeführt hat. 2018 veröffentlichten Vivek Dhakal, Anna Feit, Per Ola Kristensson und Antti Oulasvirta “Observations on Typing from 136 Million Keystrokes” bei CHI, basierend auf 168.000 Freiwilligen aus mehr als 200 Ländern.

Die Headline-Zahl ist ein Mittelwert von 51,56 Wörtern pro Minute, mit einer Standardabweichung von 20,20. Die Spanne lief von 4 bis 158 Wörtern/min, und die schnellsten Teilnehmer erreichten etwa 120 Wörter/min. Wie bei Sprache ist die Streuung die Story: Der Durchschnitt beschreibt fast niemanden, und der Unterschied zwischen einem langsamen und einem schnellen Tipper ist weit größer als der zwischen einem langsamen und einem schnellen Sprecher.

Zwei Befunde aus dieser Studie lohnen die Wiederholung, weil sie dem widersprechen, was die meisten annehmen. Der erste: Formales Training zählte kaum. Teilnehmer mit Tippkurs tippten sehr ähnlich schnell wie jene ohne, obwohl die trainierte Gruppe mehr Finger nutzte. Der zweite: Was die schnelle Gruppe wirklich trennte, war Rollover, das Überlappen eines Anschlags mit dem nächsten. Schnelle Tipper bewegten die Finger nicht so sehr schneller, sondern parallel.

Die Mobilzahl stammt aus einer Begleitstudie, “How do People Type on Mobile Devices?”, mit 37.370 Freiwilligen. Sie fand einen Durchschnitt von 36,2 Wörtern/min bei 2,3 % unkorrigierten Fehlern, wobei über 74 % der Leute mit beiden Daumen tippten, was deutlich schneller war als jede andere Technik. Die schnellsten mobilen Tipper waren 10 bis 19 Jahre alt, was niemanden überrascht, der einem Teenager beim Schreiben zugesehen hat.

Also: Wie viel schneller ist Sprechen? Etwa drei- bis viermal

Legt man beide Seiten zusammen, ist die Rechnung einfach. Gegen die Gesprächszahl von 196 Wörtern/min läuft Sprache grob 3,8-mal schneller als die durchschnittliche physische Tastatur und etwa 5,4-mal schneller als eine Handy-Tastatur. Gegen die konservativere Konvention von 150 Wörtern/min liegt es näher bei dem 2,9-Fachen.

Das sind allerdings Überschlagsvergleiche zwischen getrennten Studien, und es gibt eine bessere Zahl. 2016 führte ein Team von Stanford, Baidu und der University of Washington den Vergleich richtig durch: dieselben Menschen, dieselbe Aufgabe, beide Eingabemethoden. Sherry Ruan, Jacob Wobbrock, Kenny Liou, Andrew Ng und James Landay ließen 32 Teilnehmer kurze Nachrichten auf einem iPhone 6 Plus eingeben, per Stimme und per Tastatur, und maßen beides.

Es gibt ein Detail in dieser Studie, das fast jeder Artikel, der sie zitiert, falsch darstellt, und das sollte man klar sagen. Die Tastatur, die drei zu eins geschlagen wurde, war eine Smartphone-Touchscreen-Tastatur, keine physische, und die Aufgabe war das Abtippen kurzer Nachrichten statt das Formulieren eigenen Texts. Das Paper wird häufig unter seinem ursprünglichen Arbeitstitel zitiert, “Speech Is 3x Faster than Typing”, was dazu einlädt, es als Aussage über Desktop-Tippen generell zu lesen. Das ist es nicht. Der Befund ist solide und die Studie gut; der Rahmen ist enger, als die Headline nahelegt.

Die Lücke, in der Praxis

Tippen Sie in Ihrem Sprechtempo

BlabbyAI macht aus Sprache Text in jeder Windows-Anwendung mit Strg+Leertaste, oder in jedem Browser-Tab über die Chrome-Erweiterung. Whisper large v3 turbo, kein Sprachtraining, keine Abrechnung pro Minute. 60 Credits pro Woche gratis, ohne Karte.

Add BlabbyAI to Chrome

Warum sich Diktat in der Praxis nicht dreimal so schnell anfühlt

Wer Diktat wirklich für echte Arbeit genutzt hat, merkt, dass es kein sauberes 3x liefert. Die ehrliche Erklärung hat zwei Teile, und wer sie versteht, trennt Menschen, die aus Diktat Nutzen ziehen, von denen, die es eine Woche ausprobieren und wieder aufhören.

Das erste ist das Formulieren. Bestehenden Text abzutippen ist eine andere Aufgabe, als herauszufinden, was man sagen will, und die Lücke ist in beiden Modalitäten enorm. Eine IBM-Studie von 1999 von Karat und Kollegen maß Tastatur-Nutzer bei etwa 33 Wörtern/min beim Abtippen, aber nur bei 19 Wörtern/min beim Formulieren. Der Engpass wandert von den Fingern in den Kopf. Wenn Sie auf ein leeres Dokument starren und entscheiden, was Sie denken, kann Diktat Sie nicht schneller denken lassen, und die Eingaberate ist gar nicht mehr der limitierende Faktor.

Das zweite ist die Korrektur. Jeder Fehler, den Sie fixen, frisst von der gesparten Zeit. Hier hat moderne Spracherkennung die Rechnung am stärksten verändert, weil die Zahlen von 1999 aus einer Zeit kamen, in der Diktat hieß: zwanzig Minuten Stimmprofil trainieren und ständig korrigieren. Heutige Modelle brauchen gar kein Training. Aber das Prinzip hält: Die Geschwindigkeit, die Sie bekommen, ist Eingabegeschwindigkeit minus Aufräumen, und Aufräumen hängt von Mikrofon, Akzent und Hintergrundgeräusch ab.

Ein Wort zur Genauigkeit, weil die vermarkteten Zahlen optimistisch sind

Die Genauigkeit der Spracherkennung wird meist als Wortfehlerrate angegeben, und die kursierende Zahl liegt bei rund 2 %. Diese Zahl ist real, stammt aber aus LibriSpeech test-clean, einem Benchmark klar gelesener Hörbuchpassagen unter guten Bedingungen. Das ist absichtlich der leichte Fall.

Über die gemischten Datensätze des Open ASR Leaderboard liegt OpenAIs Whisper large-v3 im Schnitt bei einer Wortfehlerrate von 7,44. Auf AMI, einem Korpus echter Meeting-Aufnahmen mit überlappenden Sprechern und Raumgeräusch, erreicht dasselbe Modell 15,95. Eine einzelne Genauigkeitsprozentzahl sagt also fast nichts, ohne zu wissen, worauf sie gemessen wurde, und wer 99 % Genauigkeit zitiert, zitiert den besten Fall.

Die gute Nachricht speziell für Diktat: Diktat liegt nah am leichten Fall. Eine Person, bewusst sprechend, in ein Mikrofon nah am Mund, in einem Raum, den sie gewählt hat. Das ist dem Hörbuch-Benchmark viel näher als dem Meeting-Raum, deshalb tendiert die Diktat-Genauigkeit in der Praxis zum Guten, und deshalb ist Genauigkeit selten das, was Leute aufgeben lässt.

Der Befund, der die ganze Frage umrahmt: 39 Bit pro Sekunde

Noch eine Studie lohnt das Kennen, weil sie nahelegt, dass Wörter pro Minute etwas leicht Merkwürdiges zum Messen sind.

2019 veröffentlichten Christophe Coupé, Yoon Mi Oh, Dan Dediu und François Pellegrino ein Paper in Science Advances zu 17 Sprachen aus 9 Familien, mit 170 erwachsenen Muttersprachlern und rund 240.000 Silben. Sie maßen zwei Dinge: wie schnell Menschen Silben erzeugen, und wie viel Information jede Silbe trägt.

Die Silbenrate schwankte enorm, von 4,3 bis 9,1 Silben pro Sekunde je nach Sprache und Sprecher. Aber die schnell gesprochenen Sprachen trugen weniger Information pro Silbe, die langsameren mehr. Die beiden Effekte hoben sich auf. Die tatsächlich übertragene Informationsrate landete bei etwa 39 Bit pro Sekunde über alle 17 Sprachen, mit einer Standardabweichung von nur 5,1.

Die Lücke schließen: Diktat unter Windows und im Browser

Wenn die Zahlen oben den Fall für Sprechen statt Tippen machen, ist die praktische Frage, was die Wörter tatsächlich tippt. BlabbyAI ist genau für den Fall gebaut, den dieser Artikel beschreibt: nicht eine Aufnahme hinterher zu transkribieren, sondern die Tastatur zu ersetzen, während Sie arbeiten.

Unter Windows ist es eine Desktop-App mit einem globalen Shortcut. Drücken Sie Strg+Leertaste in jeder Anwendung, sprechen Sie, drücken Sie erneut, und der Text erscheint in dem Feld, in dem der Cursor steht. Das funktioniert in Word, in Slack, in einem Browser-Tab, in einer IDE, in einem Krankenhaus-Dokumentationssystem, überall wo Windows getippte Zeichen akzeptiert. Die Transkription läuft auf Whisper large v3 turbo, das Zeichensetzung und Großschreibung ohne Anweisung setzt, und es gibt kein Stimmprofil, das Sie vor dem Start trainieren müssen.

Das Shortcut-Panel. Strg+Leertaste als Standard, und Sie können weitere Tasten an bestimmte Modi binden.

Das zweite Produkt ist eine Chrome-Erweiterung, und sie ist keine abgeschwächte Version des ersten. Sie ist die richtige Antwort für einen gesperrten Arbeitslaptop, auf dem Sie keine Desktop-Software installieren können, für ein Chromebook und für alle auf macOS. Sie erledigt denselben Job im Browser, und für viele Leute passiert dort ohnehin der Großteil des Tippens: Gmail, Google Docs, Notion, Linear, ein CRM, eine Support-Queue.

Das Feature, das für das oben beschriebene Formulierungsproblem am meisten zählt, sind Custom Modes. Ein Modus ist eine Anweisung in Alltagssprache, die auf das Gesagte angewendet wird, sodass statt wörtlicher Transkription Füllwörter bereinigt, ein ausschweifender Gedanke in Aufzählungspunkte umgebaut oder derselbe gesprochene Satz in einem Modus als formale E-Mail und in einem anderen als kurze Slack-Nachricht formatiert werden kann. Das zielt genau auf die Lücke zwischen schnell sprechen und nutzbaren Text erzeugen, und genau das ist der echte Engpass, nicht die rohe Wortrate.

Ein Custom Mode wird als Anweisung geschrieben, nicht als Makro programmiert.

Beim Preis: Der Gratis-Tarif sind 60 Credits pro Woche, grob 2.000 Wörter Transkription und genug, um herauszufinden, ob Diktat zu Ihrer Arbeitsweise passt. Unbegrenzte Nutzung kostet 8,49 $ im Monat. Es gibt keine Abrechnung pro Minute, weil dies ein Diktier-Tool ist und kein Transkriptionsdienst.

Was sonst verfügbar ist, und was es kostet

Diktiersoftware ist inzwischen eine recht volle Kategorie, und die Optionen teilen sich recht klar nach Plattform und Preis. Die kostenlose eingebaute Option lohnt den Versuch zuerst wirklich, denn wenn reine Transkription alles ist, was Sie brauchen, haben Sie sie schon.

Tool	Preis	Plattform	Hinweise
BlabbyAI	Gratis-Tarif, danach 8,49 $/Monat	Windows-App + Chrome-Erweiterung	Whisper large v3 turbo, Custom Modes, Strg+Leertaste
Windows Win+H	Kostenlos, eingebaut	Windows 11 und 10	Unbegrenzt, aber kein Vokabular und keine Formatkontrolle
Wispr Flow	Gratis-Tarif, danach 15 $/Monat	macOS, Windows, Mobile	Gratis-Tarif begrenzt auf 2.000 Wörter pro Woche
Superwhisper	Gratis-Tarif, Pro 8,49 $/Monat	macOS, Windows, iOS	Kann Modelle lokal ausführen
Dragon Professional v16	Nur Angebot, kein Listenpreis	Windows	Verkauf über ein Vertriebsgespräch

Windows-Diktat unter Win+H ist kostenlos, unbegrenzt und bereits installiert, und für gerade Transkription ist es ordentlich. Was es nicht gibt, ist Kontrolle über die Ausgabe: kein eigenes Vokabular für die Begriffe, die Sie den ganzen Tag nutzen, keine Formatregeln und keine Möglichkeit, Gesagtes umzuformen statt nur zu transkribieren. Das ist die Linie zwischen dem eingebauten Tool und einem bezahlten, und es lohnt den Test, bevor Sie etwas ausgeben.

Windows-Diktat unter Win+H. Kostenlos und unbegrenzt, aber die Wörter kommen roh an.

So messen Sie Ihr eigenes Tempo, und was Sie damit anfangen

Jede Zahl in diesem Artikel ist ein Durchschnitt über andere Menschen. Ihr eigenes Tempo ist nützlicher, und es braucht zwei Minuten, es zu finden.

Sprechen Sie eine Minute über etwas, das Sie wirklich schreiben müssen, nicht über einen vorbereiteten Text, und zählen Sie die Wörter. Tippen Sie dann denselben Inhalt eine Minute und zählen Sie die. Das Verhältnis dazwischen ist Ihre persönliche Version des Vergleichs, um den dieser ganze Artikel geht, und es ist informativer als 196 gegen 51,6, weil es Ihren Akzent, Ihre Tastatur, Ihr Thema und Ihre Gewohnheiten einschließt.

• Messen Sie spontane Sprache, nicht Vorlesen. Lautes Vorlesen hat einen eigenen Benchmark, 183 Wörter/min, und es ist schneller und gleichmäßiger, als einen Gedanken auszuarbeiten, während Sie sprechen.
• Zählen Sie eine volle Minute. Sprache kommt in Schüben, und eine Zehn-Sekunden-Stichprobe schmeichelt oder bestraft Sie je nachdem, wo die Pausen fallen.
• Machen Sie es an echter Arbeit. Das Tempo, das zählt, ist das, das Sie bei den tatsächlichen E-Mails, Notizen und Dokumenten erreichen, die Sie erzeugen, nicht bei einem Text, der leicht auszusprechen gewählt wurde.

Wenn die Lücke, die Sie finden, groß ist und das meiste, was Sie schreiben, Inhalt ist, den Sie schon wissen, dass Sie sagen wollen, zahlt sich Diktat schnell aus. Wenn Sie die meiste Schreibzeit damit verbringen zu entscheiden, was Sie denken, fällt der Gewinn kleiner aus und kommt woanders her: eine unordentliche erste Version schneller aus dem Kopf zu bekommen und sie danach aufzuräumen.

Häufige Fragen

Quellen

• Yuan, J., Liberman, M. and Cieri, C. (2006). Towards an Integrated Understanding of Speaking Rate in Conversation. Interspeech 2006. Die Zahlen 196 und 236 Wörter/min aus 2.438 wortweise ausgerichteten Switchboard-Gesprächen.
• Dhakal, V., Feit, A., Kristensson, P.O. and Oulasvirta, A. (2018). Observations on Typing from 136 Million Keystrokes. CHI 2018. 168.000 Teilnehmer, Mittelwert 51,56 Wörter/min.
• Palin, K., Feit, A., Kim, S., Kristensson, P.O. and Oulasvirta, A. (2019). How do People Type on Mobile Devices? MobileHCI 2019. 37.370 Teilnehmer, Mittelwert 36,2 Wörter/min.
• Ruan, S., Wobbrock, J.O., Liou, K., Ng, A. and Landay, J. (2016). Comparing Speech and Keyboard Text Entry for Short Messages in Two Languages on Touchscreen Phones. Der kontrollierte 2,93x-Vergleich Sprache gegen Tastatur.
• Coupé, C., Oh, Y.M., Dediu, D. and Pellegrino, F. (2019). Different languages, similar encoding efficiency. Science Advances. 17 Sprachen, ~39 Bit pro Sekunde.
• Brysbaert, M. (2019). How many words do we read per minute? A review and meta-analysis of reading rate. Journal of Memory and Language. Lautes Vorlesen bei 183 Wörtern/min.
• National Center for Voice and Speech, Voice Qualities tutorial. Die Quelle der Konvention von 150 Wörtern/min.
• OpenAI, Whisper large-v3 model card. Wortfehlerrate-Zahlen.

Mehr dazu, wie Sie den Sprechgeschwindigkeits-Vorteil in arbeitende Software verwandeln: Diktiersoftware ist der Kategorie-Überblick, Windows speech to text deckt die Desktop-Seite ab, und die Chrome-Erweiterung deckt Diktat im Browser ab.