Handy heisst das Programm, nicht das Telefon und es tippt mit, ohne dass die Aufnahme den Rechner verlässt.

Der Name führt deutschsprachige Leser in die Irre: Handy ist kein Telefon, sondern ein Programm für den Computer. Es macht genau eine Sache. Man drückt eine Taste, redet, lässt los und der gesprochene Satz steht als Text dort, wo der Cursor blinkt. Im Mailprogramm, im Ticketsystem, im Chatfenster einer KI. Diktieren kann heute jedes Betriebssystem, das ist nicht neu. Neu ist, wo die Aufnahme verarbeitet wird: auf dem eigenen Rechner, ohne Internetverbindung.

Handy kostet nichts, läuft offline und ist quelloffen.

Hinter dem Programm steht der Entwickler CJ Pais, der Quellcode liegt unter der MIT Lizenz auf GitHub und hat dort über 31'000 Sterne. Aktuell ist Version 0.9.6 vom 24. August 2026. Es läuft auf Windows, auf macOS mit Intel und Apple Silicon und auf Linux.

Bei der Einrichtung lädt das Programm einmal ein Spracherkennungsmodell herunter, danach braucht es das Netz nicht mehr. Zur Wahl stehen Parakeet V3 mit 478 MB, das ohne Grafikkarte auskommt, auf einem mittleren i5 rund fünfmal schneller als Echtzeit arbeitet und die Sprache selber erkennt, sowie die Whisper Modelle zwischen 487 MB und 1,6 GB, die mit Grafikkarte deutlich schneller sind. Deutsch ist eine von gut hundert wählbaren Sprachen. Schweizerdeutsch steht nicht auf der Liste, wer im Dialekt diktiert, liest das Ergebnis besser nach.

Kosten entstehen keine, weder einmalig noch monatlich und es gibt kein Konto und keine Registrierung.

Der Grund, es anzuschauen, ist nicht die Bequemlichkeit, sondern wo die Aufnahme landet.

In den meisten Betrieben wird längst diktiert, nur fällt es niemandem als Thema auf, weil Reden sich privater anfühlt als Tippen. Die Diktierfunktion im Telefon, in der App des KI Anbieters oder im Textprogramm schickt die Aufnahme zur Umwandlung an den Anbieter. Damit gilt für einen hingesprochenen Satz dieselbe Frage wie für eine hochgeladene Datei: Welche Daten dürfen dorthin und wer hat das entschieden. Wo diese Frage nie gestellt wurde, entsteht genau das, was wir unter Schatten-KI beschrieben haben, einfach in gesprochener Form.

Bei Handy fällt dieser Schritt weg, weil die Umwandlung auf dem Gerät passiert. Für Lohnfragen, Kundennamen oder eine Offerte, die noch nicht draussen ist, ist das der Unterschied zwischen einer Datenfrage und keiner Datenfrage. Es ist derselbe Gedanke wie bei digitaler Souveränität, nur eine Nummer kleiner und ohne Projekt.

Was das Programm nicht löst, ist das Ziel des Textes. Wer den diktierten Absatz danach in ein KI Werkzeug in der Cloud einfügt, hat ihn dorthin gebracht, lokal war nur der Weg dahin. Welches Werkzeug für welche Datenklasse infrage kommt, steht im Vergleich für Unternehmen.

Zwei Dinge gehören dazugesagt, bevor es jemand im Betrieb verteilt.

Das erste ist die Nachbearbeitung. Handy kann den erkannten Text von einem Sprachmodell aufräumen lassen und dafür trägt man einen Anbieter, eine Adresse und einen Schlüssel ein, voreingestellt ist OpenAI. Diese Funktion ist standardmässig aus. Wer sie einschaltet, schickt den fertigen Text an diesen Anbieter und die Aussage, dass nichts das Gerät verlässt, gilt dann nur noch für die Spracherkennung. Das ist kein verstecktes Verhalten, sondern eine Einstellung, aber es ist die eine, die man kennen muss.

Das zweite ist der Reifegrad. Version 0.9.6 heisst: noch keine 1.0 und die Entwickler schreiben die offenen Punkte selber auf. Die Whisper Modelle stürzen auf gewissen Windows und Linux Konfigurationen ab, unter Linux mit Wayland braucht es zusätzliche Hilfsprogramme und beim Einfügen landet gelegentlich der ältere Inhalt der Zwischenablage im Feld. Dazu kommt, was bei jedem Gratiswerkzeug gilt: Es gibt keinen Anbieter mit Supportvertrag, sondern eine Fehlerliste auf GitHub. Und das Programm verlangt Zugriff auf Mikrofon und Bedienungshilfen, also genau die Rechte, bei denen eine IT normalerweise hinschaut. Gratis heisst nicht ungeprüft: Es gehört ins Verzeichnis der eingesetzten Software wie jede gekaufte Lizenz.

Wer täglich viel schreibt und dabei regelmässig Dinge diktiert, die niemand ausserhalb des Hauses lesen soll, sollte sich das Programm ansehen. Der Download dauert Minuten, das Modell ein paar hundert Megabyte und die Entscheidung lässt sich rückgängig machen, weil nichts gekauft wurde. Vor dem Ausrollen auf alle Geräte würden wir drei Dinge klären: ob die Nachbearbeitung aus bleibt, wer sie einschalten darf und auf welchen Geräten das Programm überhaupt etwas zu suchen hat.