Meetings mit KI zusammenfassen: So geht's in Whizi

Kurzantwort

Um ein Meeting mit KI zusammenzufassen, solltest du nicht einfach nach einer Zusammenfassung fragen, sondern nach den vier Dingen, die ein Meeting wirklich hervorbringt: Entscheidungen, Zusagen, offene Fragen und Meinungsverschiedenheiten. Lass die Zusammenfassung in Claude erstellen und extrahiere anschließend die Aufgaben in GPT als Tabelle mit Verantwortlichem, Fälligkeitsdatum und dem genauen Zitat als Beleg.

Warum die Standard-Zusammenfassung nutzlos ist

Füge ein Transkript ein, bitte um eine Zusammenfassung, und du erhältst einen Absatz, der sagt, das Team habe das Projekt besprochen und sich auf ein Follow-up geeinigt. Das ist korrekt und völlig wertlos, denn es lässt genau die zwei Dinge weg, wegen derer überhaupt jemand Meeting-Notizen öffnet: was entschieden wurde und wer was schuldet.

Die Lösung besteht darin, die vier Dinge zu benennen, die ein Meeting tatsächlich hervorbringt, und genau danach zu fragen. Entscheidungen. Zusagen. Offene Fragen. Meinungsverschiedenheiten. Letztere gehen am häufigsten verloren und sind später am wichtigsten.

Zwei Modelle, zwei Durchgänge. Claude erfasst die Stimmung im Raum und schreibt die Erzählung, GPT extrahiert die Struktur ohne eigene Wertung. Die Aufgabe aufzuteilen kostet nur einen Modellwechsel und erzeugt Notizen, die tatsächlich gelesen werden.

Zwei Prompts erledigen die ganze Arbeit

Prompt 1: die Zusammenfassung, in Claude

Hier ist ein Meeting-Transkript. Erstelle: (1) eine einzeilige Überschrift, die festhält, was dieses Meeting tatsächlich geklärt hat; (2) die getroffenen Entscheidungen, mit der Person, die jede getroffen hat; (3) fünf bis acht Stichpunkte, die den Inhalt abdecken, in der Reihenfolge ihrer Wichtigkeit statt der Reihenfolge, in der sie gesagt wurden; (4) offene Fragen, die aufgeworfen, aber nicht beantwortet wurden; (5) jeden Punkt, bei dem Uneinigkeit herrschte, mit beiden Positionen, ohne sie aufzulösen. Lass Höflichkeitsfloskeln, Terminabsprachen oder alles, was besprochen und dann fallen gelassen wurde, weg. Wenn eine Entscheidung impliziert, aber nie ausdrücklich ausgesprochen wurde, liste sie separat unter UNBESTÄTIGT auf. Transkript: [einfügen].

Prompt 2: die Aufgaben, in GPT

Extrahiere aus demselben Transkript jede Zusage als Tabelle: Aufgabe, Verantwortlicher, Fälligkeitsdatum und das genaue Zitat, aus dem sie stammt. Regeln: Nimm nur Punkte auf, bei denen sich jemand tatsächlich verpflichtet hat, nicht solche, die nur vorgeschlagen wurden. Wenn der Verantwortliche unklar ist, schreibe NICHT ZUGEWIESEN statt zu raten. Wenn kein Datum genannt wurde, schreibe KEIN DATUM statt eines abzuleiten. Liste anschließend separat jede Aufgabe auf, die angesprochen, aber von niemandem übernommen wurde.

Die Zitat-Spalte macht das Ganze vertrauenswürdig. Sie verwandelt einen umstrittenen Aufgabenpunkt von einer Diskussion in einen Nachschlage-Vorgang, und sie macht erfundene Zusagen sofort erkennbar, weil es dann nichts zu zitieren gibt.

Prompt 3, optional: die Follow-up-E-Mail

Verfasse eine Follow-up-E-Mail aus der obigen Zusammenfassung und den Aufgaben. Zielgruppe: [wer war und wer war nicht im Raum]. Beginne mit der Entscheidung. Halte sie unter 200 Wörtern. Nenne die Aufgabe jeder Person ausdrücklich, damit niemand etwas interpretieren muss. Ton: [deine Stimme]. Markiere alles, was ich vor dem Versenden bestätigen sollte.

Vorlagen für die Meetings, die du wirklich hast

Unterschiedliche Meetings erzeugen unterschiedliche Ergebnisse. Passe die Extraktion an, nicht nur die Formulierung.

Meeting-TypFrage nachWas man leicht vergisst
Kunden- oder VerkaufsgesprächGenannte Einwände, wörtliche Formulierung des Problems, womit sie dich verglichen haben, nächster Schritt und wer ihn verantwortetDie genauen Worte des Kunden übernehmen statt sie umzuformulieren
EntscheidungsmeetingDie Entscheidung, die verworfenen Alternativen und warum, wer informiert werden mussDie verworfenen Optionen festhalten, denn das verhindert, sie sechs Wochen später erneut aufzurollen
Standup oder StatusrundeBlocker mit Verantwortlichen, Änderungen an früheren Schätzungen, alles, was stillschweigend verschoben wurdeVerschiebungen, die niemand laut ausgesprochen hat
NutzerinterviewBeschriebene Aufgaben, gebaute Workarounds, genaue Frustrationszitate, Widersprüche zwischen dem, was gesagt und getan wurdeWidersprüche, die der nützlichste Teil sind
Interview oder AuswahlgesprächBelege für und gegen jede Kompetenz, mit Zitaten, und nicht gestellte FragenBelege von Eindrücken trennen
Board- oder InvestorenmeetingVon dir gemachte Zusagen, Fragen, die du nicht beantworten konntest, angeforderte Follow-upsDie Fragen, die du nicht beantworten konntest

Behalte jede dieser Vorlagen, die du wöchentlich nutzt, als Prompt, den du einfügst, mit einem {{transcript}}-Platzhalter, der markiert, wo das Transkript eingefügt wird, damit der ganze Workflow zu einfügen, ausführen, überfliegen wird.

Wie kommst du an ein brauchbares Transkript?

Whizi tritt deinen Calls nicht bei und zeichnet sie nicht auf. Du bringst das Transkript mit, und jede größere Plattform erstellt eines: Zoom, Teams und Meet haben alle eine eingebaute Transkription, und dedizierte Notiz-Tools exportieren reinen Text.

Ein paar Dinge, die das Ergebnis spürbar verbessern:

  • Sprecherbezeichnungen beibehalten. Zuordnung macht den größten Teil des Werts aus. Ein Transkript ohne Sprecherangaben lässt sich zwar noch zusammenfassen, aber jeder Aufgabenpunkt wird zu NICHT ZUGEWIESEN.
  • Nicht vorher aufräumen. Füllwörter und Versprecher kosten dich nichts, das Modell ignoriert sie ohnehin. Zeit, die in das Aufräumen eines Transkripts fließt, ist verschwendet.
  • Lange Transkripte hochladen statt einzufügen. Ein zweistündiges Meeting ist eine Menge Text. Es als Datei hochzuladen, hält die Unterhaltung lesbar, und Gemini 3.5 Flash liest bis zu 1 Million Tokens, etwa 1.900 Buchseiten, in einem Durchgang.
  • Die Agenda beifügen, falls vorhanden. Sie zeigt dem Modell, was eigentlich passieren sollte, was den Abschnitt "angesprochen und nie geklärt" deutlich genauer macht.

Was du vor dem Versenden prüfen solltest

Drei bestimmte Fehlerarten, die sich alle günstig prüfen lassen.

Erfundene Zusagen. Ein Modell verwandelt gelegentlich ein "jemand sollte sich das wohl mal ansehen" in einen zugewiesenen Aufgabenpunkt mit Namen. Die Zitat-Spalte fängt das sofort ab, deshalb steht sie im Prompt.

Geglättete Uneinigkeit. Zusammenfassungen driften Richtung Konsens, weil die meisten Texte der Welt sich auflösen. Wenn zwei Personen anderer Meinung waren und die Notizen so klingen, als hätten alle zugestimmt, sind die Notizen genau auf die Art falsch, die zwei Wochen später Ärger macht. Frag ausdrücklich: Wo waren sich Personen uneinig, und wurde es geklärt?

Falsche Zuordnung bei einem Call mit viel Durcheinanderreden. Transkriptions-Tools weisen Sprecher falsch zu, wenn Leute übereinander reden. Prüfe die Zuordnung bei allem Wichtigen stichprobenartig, bevor es in ein Dokument mit jemandes Namen kommt.

Ein nützlicher letzter Durchgang: Was steht in diesem Transkript, das eine vielbeschäftigte Person wissen müsste, aber in der obigen Zusammenfassung nicht findet? Das bringt regelmäßig eine Sache zutage, die es wert ist, ergänzt zu werden.

Checkliste
  • Behalte Sprecherbezeichnungen im Transkript bei, da Zuordnung den größten Teil des Werts ausmacht
  • Frage nach Entscheidungen, Zusagen, offenen Fragen und Meinungsverschiedenheiten statt nach einer Zusammenfassung
  • Verlange das genaue Zitat als Beleg für jeden extrahierten Aufgabenpunkt
  • Nutze NICHT ZUGEWIESEN und KEIN DATUM, statt das Modell raten zu lassen
  • Prüfe den Abschnitt zur Uneinigkeit, da Zusammenfassungen zu falschem Konsens neigen
  • Bewahre einen wiederverwendbaren Prompt für deinen häufigsten Meeting-Typ auf

Häufige Fragen

Zeichnet Whizi Meetings auf?

Nein. Whizi tritt keinen Calls bei und nimmt kein Audio auf. Du bringst das Transkript aus dem Tool mit, das du bereits nutzt, sei es Zoom, Teams, Google Meet oder ein dediziertes Notiz-Tool, und fügst es ein oder lädst es hoch. Sprecherbezeichnungen intakt zu halten ist wichtiger als die Quelle, denn Zuordnung ist der Ursprung der meisten Wertschöpfung einer Meeting-Zusammenfassung.

Ist das sicher für sensible Meetings?

Whizi trainiert nicht mit deinen Unterhaltungen, und die Datenrichtlinie jedes Anbieters lässt sich prüfen, bevor du dieses Modell aktivierst, aber ein Transkript ist eines der sensibelsten Dokumente, die ein Unternehmen erzeugt. Bei Rechts-, Personal-, Board- und Personalangelegenheiten prüfe zuerst deine interne Richtlinie und ziehe in Betracht, aus deinen eigenen Notizen statt aus dem Rohtranskript zusammenzufassen. Namen und Kennungen, die du nicht brauchst, vor dem Hochladen zu entfernen, ist eine günstige zusätzliche Absicherung.

Welches Modell sollte ich verwenden?

Claude für die erzählerische Zusammenfassung, weil es Absichten gut erfasst und Notizen schreibt, die Menschen zu Ende lesen. GPT für die Extraktion der Aufgaben, weil es ein striktes Ausgabeformat einhält, ohne eigene Wertungen einzubringen. Gemini, wenn das Transkript sehr lang ist, da es ein mehrstündiges Meeting in einem Durchgang verarbeiten kann, ohne es aufzuteilen. Bei den Credits ist die Aufteilung günstig: GPT-5.6 Terra kostet 4 Credits pro Nachricht, Gemini 3.5 Flash 8 und Claude Sonnet 5 10, laut Whizis Modellkosten-Index, sodass beide Durchgänge für ein Transkript zusammen 14 Credits kosten.

Wie lang darf das Transkript sein?

Länger, als die meisten Meetings produzieren. Ein typischer einstündiger Call liegt für jedes der Modelle problemlos im Rahmen. Für mehrstündige Sitzungen, ganztägige Workshops oder einen Stapel mehrerer Meetings auf einmal lade die Dateien hoch und nutze Gemini 3.5 Flash, dessen Kontext von 1 Million Tokens, etwa 1.900 Buchseiten, den ganzen Satz auf einmal fasst.

Kann es mir sagen, was entschieden wurde, wenn es niemand klar gesagt hat?

Es kann darauf hinweisen, und das ist das richtige Verhalten. Der Prompt auf dieser Seite bittet das Modell, implizierte, aber nicht ausgesprochene Entscheidungen separat unter UNBESTÄTIGT aufzulisten, was sie zur Bestätigung sichtbar macht, statt eine Entscheidung festzuhalten, die nie wirklich getroffen wurde. Meetings, in denen nichts ausdrücklich entschieden wurde, sind extrem häufig, und Notizen, die etwas anderes vorgeben, verursachen das Problem später.