Du stehst in der Küche, Hände voll Teig, und willst wissen, wie viel Mehl noch fehlt. Früher: Handy mit dem Ellbogen entsperren, mit dem Knöchel tippen, fluchen. Heute fragst du einfach laut — und die KI antwortet, während du weiterknetest.
Reden statt tippen. Daran arbeiten die KI-Firmen gerade am härtesten. Und seit ein paar Wochen ist es richtig gut geworden.
Was sich geändert hat
OpenAI hat am 8. Juli "GPT-Live" veröffentlicht und damit klammheimlich den alten "Advanced Voice Mode" ersetzt. Google hat schon länger Gemini Live, das den in die Jahre gekommenen Google Assistant beerbt. Beide wollen dasselbe: ein Gespräch, das sich anfühlt wie ein Gespräch — nicht wie Kommandos an einen Anrufbeantworter.
Das Zauberwort heißt "Full-Duplex" (gleichzeitig hören und sprechen). Klingt technisch, meint aber etwas sehr Alltägliches: Du darfst der KI ins Wort fallen. "Nein, warte, ich meinte —" und sie hört auf zu reden und hört dir zu. Wie ein Mensch. Der alte Voice-Mode konnte das nicht — da musstest du warten, bis der Monolog zu Ende war.
Ehrlich gesagt ist Telefonieren mit einem KI-Modell nicht mal neu. Wer OpenWebUI selbst hostet (ein grafisches Frontend für lokale und Cloud-Modelle), konnte über dessen Conduit-App längst mit praktisch jedem großen Modell reden — via OpenRouter, einem Zugang zu quasi allen Modellen der Welt, sogar mit fast allen. Der Haken: abgerechnet wurde pro Token, und die Modelle waren nicht auf Live-Antworten getrimmt. Das Zuhören und Sprechen — STT und TTS, also Sprache-zu-Text und zurück — steckte in der App oder einem vorgeschalteten Workflow, nicht im Modell selbst. Ergebnis: spürbare Wartezeit, bevor die Antwort kam.
Genau das ist der eigentliche Fortschritt bei GPT-Live und Gemini Live: Die Stimme steckt jetzt direkt im Modell, nicht drumherum geklebt. Deshalb fühlt es sich flüssig an statt wie ein Walkie-Talkie mit Verzögerung. (Wer den selbstgehosteten Weg gehen will, ohne auf Big Tech zu setzen: unser OpenWebUI-Artikel zeigt, wie das geht.)
Was kostet das — und was ist gratis?
Die gute Nachricht zuerst: Reden mit KI geht kostenlos.
Bei ChatGPT bekommt jeder Gratis-Account jetzt "GPT-Live-1 mini" — das kleinere Modell für Plausch, Diktat und Freisprech-Fragen im Haushalt. Das große Geschwister "GPT-Live-1" bleibt zahlenden Kunden vorbehalten. Für "Wie lange kochen Linsen?" reicht das Mini locker. Wird die Frage kniffliger, reicht es sie im Hintergrund an ein stärkeres Modell weiter — du merkst davon nichts.
Bei Google ist Gemini Live einfach Teil der Gemini-App und auf Android meist vorinstalliert. Kostenlos, tief ins Handy integriert, kann sogar durch die Kamera schauen oder deinen Bildschirm mitlesen.
Kurz: Ausprobieren kostet nichts — außer den paar Minuten, in denen du dich überwindest, mit deinem Handy zu reden wie mit einem Menschen.
Was du direkt damit machen kannst
Das Beste kommt raus, wenn die Hände beschäftigt sind. Kochen, basteln, schrauben — fragen kannst du trotzdem. Sprachen üben geht überraschend gut: Die KI unterhält sich mit dir auf Französisch und korrigiert nebenbei, ohne dass du dich blamierst. Und wer Kinder hat, kennt die Endlosschleife der "Warum"-Fragen — die beantwortet ein geduldiges Sprachmodell klaglos.
Apropos Grenzen: Die Live-Übersetzung ist der Teil, bei dem der Marketing-Glanz am schnellsten abblättert. In frühen Tests klang das Hindi von GPT-Live wie ein Amerikaner, der zum ersten Mal eine Speisekarte vorliest. Für Urlaubs-Smalltalk okay. Für ein wichtiges Gespräch: lieber noch nicht.
Der Haken, über den keiner gern redet
Damit die KI sofort antwortet, muss das Mikrofon zuhören. Nicht dauerhaft und heimlich — aber sobald du den Modus startest, läuft der Kanal offen, und alles, was du sagst, geht an einen Server in irgendeinem Rechenzentrum.
Das ist kein Grund zur Panik, aber einer zum Nachdenken. Was du der KI beim Kochen erzählst, ist harmlos. Was du ihr nebenbei über deinen Chef, deine Gesundheit oder deine Steuererklärung erzählst — weil Reden lockerer sitzt als Tippen — ist eine andere Liga. Das Mikrofon senkt die Hemmschwelle. Bequemlichkeit und Datensparsamkeit ziehen hier in verschiedene Richtungen. (Wer es genauer wissen will: Was passiert mit meinen Daten?)
Konkret tun kannst du zwei Dinge: den Sprachverlauf in den Einstellungen regelmäßig löschen, und heikle Themen weiter tippen statt sprechen. Kein Verzicht, nur ein bisschen Kopf einschalten.
Ist das etwas für dich?
Wenn du KI bisher nur zum Tippen genutzt hast: Ja, probier es aus. Es ist der niedrigschwelligste Weg, KI in den Alltag zu holen — kein Prompt-Handwerk, kein leeres Textfeld, einfach reden.
Wenn du Sprachassistenten wie Siri oder Alexa immer albern fandest: Das hier ist eine andere Klasse. Der Unterschied ist ungefähr der zwischen einem Navi, das "Bitte wenden" bellt, und jemandem auf dem Beifahrersitz, der mitdenkt.
Und wenn du skeptisch bleibst: auch gut. Niemand muss mit seinem Handy reden. Aber einmal "Erklär mir Quantenphysik, als wäre ich acht" laut in die Küche fragen — und eine geduldige Antwort bekommen, während die Nudeln kochen — das hat schon was.
Reden ist die älteste Benutzeroberfläche der Welt. Vielleicht ist sie auch die beste.