kantova. Lokale Sprachverarbeitung für die Verwaltung

Gesprochenes wird Vorgang.
Alles bleibt im Haus.

Sitzungen, Beratungsgespräche, Diktate: Kantova macht daraus auf einem Rechenmodul in Ihrem Haus einen vorbereiteten Vorgang. Die Freigabe trifft immer ein Mensch.

Gespräch vereinbaren

Mail oder Telefon · unverbindlich

Das ProblemWarum das bisher liegen bleibt

Gesprochene Information wird in der Verwaltung doppelt bearbeitet: erst gehört, dann von Hand in Text und Vorgang überführt. Die verbreiteten Werkzeuge, die das abkürzen, sind cloudbasiert — und genau daran scheitert die Freigabe.

Geteilte Freigaben
Der Ergebnisbericht der ersten Agentic-AI-Hub-Pilotierung beschreibt, wie dieselben Cloud-Dienste in einer Kommune genehmigt und in der nächsten untersagt wurden — mit Medienbrüchen per PDF und Post als Folge.
Die Aufsichtslinie
Der Landesdatenschutzbeauftragte Baden-Württembergs empfiehlt für KI-Transkription von Ratssitzungen bevorzugt On-Premise-Lösungen oder abgeschottete Instanzen (Leitfaden, Juni 2026).
Die härteste Stelle
Beratungsgespräche enthalten regelmäßig Sozialdaten (§ 35 SGB I) und besondere Kategorien nach Art. 9 DSGVO. Für eine Cloud-Verarbeitung ist hier am schwersten eine Rechtsgrundlage zu begründen.
Die Lücke
Souveräne Sprachdienste der Länder laufen in zentralen Rechenzentren und stehen den meisten Kommunen nicht offen. Lokale Diktatlösungen liefern Text, aber keinen Vorgang. Dazwischen steht heute kein Produkt.

Quellen: Ergebnisbericht der ersten Pilotierung des Agentic AI Hub (BMDS, 2026); LfDI Baden-Württemberg, Leitfaden „KI-Transkription von Gemeinderatssitzungen", Version 1.0 vom 10.06.2026. Diese Angaben sind keine Rechtsberatung.

Im HausDrei Gesprächsarten, ein Ergebnis

Wir schneiden bewusst auf die Gespräche zu, bei denen Dokumentation Pflicht ist — nicht auf alles, was ein Mikrofon hört.

Sitzung und Gremium
Die Niederschrift ist gesetzliche Pflicht — auch im nichtöffentlichen Teil, wo Cloud-Werkzeuge selten genehmigungsfähig sind. Kantova liefert den Entwurf: Verlauf, Beschlüsse, offene Punkte.
Beratungsgespräch
Hilfeplangespräche im Jugendamt (§ 36 SGB VIII), Beratung im Sozialamt, Anhörungen: dokumentationspflichtig, vertraulich, heute doppelt gemacht — erst geführt, dann rekonstruiert.
Diktat
Die Sachbearbeitung spricht statt zu tippen. In Justiz und Medizin seit Jahren Alltag — in der Kommune selten, weil die Werkzeuge fehlten, die dort betrieben werden dürfen.
Das Ergebnis
Kein Rohtext, sondern der Entwurf eines Vorgangs: Zusammenfassung, erkannte Aufgaben, Zuordnung zur zuständigen Stelle, Hinweis auf fehlende Angaben. Freigegeben wird von Menschen, nicht von Modellen.

Die BauweiseWarum die Prüfung kurz wird

Souveränität wird meist als Frage des Rechenzentrumsstandorts verhandelt. Wir setzen darunter an: Es gibt keinen Rückkanal, der zu verorten wäre.

  • Kein Weg nach draußen

    Kein Cloud-Dienst, keine externen Modell-APIs

    Erkennung, Strukturierung und Sprachausgabe laufen auf Hardware, die die Kommune kontrolliert — auch nichts für Statistik, Absturzberichte oder Lizenzprüfung. Nachprüfbar, indem Sie im laufenden Betrieb die Netzverbindung trennen.

  • Eine Prüfung, übertragbar

    Verarbeitung in eigener Verantwortung

    Ohne Datenübertragung entfällt die Drittlandübermittlung als Prüfgegenstand. Was eine Kommune freigegeben hat, muss die nächste nicht neu verhandeln — die Bewertung betrifft einen Verarbeitungsvorgang im eigenen Haus.

  • Mensch gibt frei

    Entwurf, nicht Entscheidung

    Das System schlägt vor, die Sachbearbeitung gibt frei. Keine Sprechererkennung als Biometrie, keine Emotionsauswertung, keine Leistungskontrolle — solche Merkmale liegen technisch nahe und bleiben trotzdem draußen.

  • Fristen bestimmt die Kommune

    Aufnahmen bleiben im Haus

    Aufnahmen und Entwürfe liegen auf dem Gerät der Kommune, Löschfristen sind konfigurierbar, Löschung geht ohne Anfrage an uns. Ein Training mit Ihren Daten findet nicht statt und wird vertraglich ausgeschlossen.

EinordnungZwei Zuschnitte, eine Bauweise

Kantova kommt von Selbstbedienungsterminals — und wer unsere Museums-Seite kennt, liest dort: keine Aufzeichnung. Beides gilt, und der Unterschied ist der Punkt.

Am öffentlichen Gerät hat niemand eingewilligt, also endet der Dialog, wenn der Besucher geht: kein Mitschnitt, kein Zwischenspeicher, keine Protokolle mit Inhalten. Das ist dort das Schutzprinzip.

Im Verwaltungszuschnitt ist die Aufzeichnung der Zweck — angekündigt, transparent, mit menschlicher Freigabe und Löschfrist. Ein Protokoll, das es nicht gibt, wäre hier kein Datenschutz, sondern eine Pflichtverletzung.

Was sich in beiden Zuschnitten nicht ändert: Die Verarbeitung findet auf dem Gerät statt, und es gibt keinen Weg nach draußen.

Der BetriebWas Ihre IT dafür braucht

Kein Rechenzentrum und kein GPU-Cluster. Kleine, auf den Anwendungsfall abgestimmte Modelle reichen für eine Gesprächsart je Standort — auf drei Wegen.

Rechenmodul von uns
Ein Gerät, das wir mitbringen, für eine Pilotierung leihweise. Anschließen, einmessen, betreiben — Updates kommen über das lokale Netz oder per Datenträger.
Vorhandener Server
Steht im Haus ein Server mit GPU oder ein Virtualisierungscluster, läuft Kantova auch dort — containerisiert, neben dem, was ohnehin läuft.
Souveräne Infrastruktur
Wer nicht selbst betreiben will: derselbe Stack, betrieben von uns auf einer souveränen deutschen Infrastruktur nach Wahl der Kommune. Keine Bindung an einen einzelnen Anbieter.

Dazu gehört ein Mikrofon im vorgesehenen Raum, das wir vor Ort einmessen — die Erkennungsqualität hängt an der Raumakustik, und das ist keine Fußnote, sondern der Grund, warum wir vor jeder Zahl erst messen.

Offen gesagtWas es gibt und was nicht

Wir nennen keine Erkennungsraten und keine Zeitersparnis, die wir nicht unter Ihren Bedingungen gemessen haben.

Der lokale Sprachstapel läuft produktiv bei einem Mittelstandskunden, als reine Software. Der Zuschnitt auf kommunale Vorgänge ist im Prototypstadium: Ein Demonstrator beantwortet gesprochene Fragen zu einem hinterlegten Inhalt — vorführbar mit getrennter Netzverbindung, gern bei Ihnen im Haus.

Spracherkennung ist systematisch schlechter bei Dialekt, Akzent, hohem Alter und Sprechbeeinträchtigungen — also bei denen, die Unterstützung am meisten brauchen. Wir messen deshalb getrennt nach Sprechergruppen und legen die Ergebnisse offen, auch wenn sie gegen uns sprechen.

Und weil eine Sprachanwendung in Besprechungsräumen die Beschäftigten betrifft: Personalrat und Datenschutzbeauftragte gehören in Woche eins an den Tisch, nicht in Woche acht. Die Unterlagen dafür bringen wir mit.

Der EinstiegDrei Monate, eine Gesprächsart

Wir schneiden Pilotierungen klein, damit sie in einem Quartal ein ehrliches Ergebnis liefern — keine Anbindung an Fachverfahren, kein Regelbetrieb, keine Versprechen über den Zuschnitt hinaus.

Wochen 1 bis 3
Instanz aufbauen, Raumakustik einmessen, Wortschatz auf lokale Bezeichnungen abstimmen — und die Nulllinie aufnehmen: wie lange die Arbeit heute dauert.
Wochen 4 bis 9
Laufender Betrieb für eine Gesprächsart: vom gesprochenen Wort zum strukturierten Entwurf. Freigabe durch die Sachbearbeitung, Ausgabe als Datei oder über eine schmale Schnittstelle.
Wochen 10 bis 12
Messung gegen die Nulllinie, getrennt nach Sprechergruppen. Übergabe der Dokumentation: Verarbeitungsverzeichnis, TOMs, Zuarbeit zur Datenschutz-Folgenabschätzung.
Der nächste Schritt

Sprechen wir
über Ihren Fall

Welche Gesprächsart, welcher Raum, wer entscheidet — mehr brauchen wir für eine ehrliche Einschätzung nicht. Und wenn Kantova nicht passt, sagen wir das zuerst.

Wir sind die VRketing GmbH aus Dresden.
Ihr Ansprechpartner ist Paul Wolff, Geschäftsführer.

Sprechen Sie uns an

Telefonisch, per Mail oder vor Ort — der Demonstrator reist gern.

Anrufen +49 176 61372308 Schreiben [email protected]

Die Mail öffnet mit einer kurzen Vorlage — nichts davon ist Pflicht.

FragenWas Verwaltungen zuerst fragen

Auf Ihrer Museums-Seite steht „keine Aufzeichnung". Was gilt denn nun?

Beides — es sind zwei Zuschnitte derselben Bauweise. Am öffentlichen Terminal hat niemand eingewilligt, also wird dort nichts aufgezeichnet. Im Verwaltungszuschnitt ist die Aufzeichnung der angekündigte Zweck: Sie ersetzt die handschriftliche Rekonstruktion, wird von einem Menschen freigegeben und nach konfigurierter Frist gelöscht. Gemeinsam ist beiden: lokal verarbeitet, kein Weg nach draußen.

Braucht unsere IT dafür ein Rechenzentrum?

Nein. Für eine Gesprächsart je Standort reicht ein Rechenmodul, das wir mitbringen — kleine, auf den Fall abgestimmte Modelle statt Großmodell. Alternativ läuft Kantova containerisiert auf einem vorhandenen Server mit GPU oder einem Virtualisierungscluster, oder von uns betrieben auf souveräner deutscher Infrastruktur nach Ihrer Wahl.

Entscheidet hier eine KI über Verwaltungsvorgänge?

Nein. Das System erstellt Entwürfe: Zusammenfassung, erkannte Aufgaben, Zuordnungsvorschlag. Verbindlich wird davon nichts ohne Freigabe durch die Sachbearbeitung. Ein Protokoll, das ohne menschliche Prüfung gilt, wäre kein Fortschritt, sondern ein Haftungsproblem — deshalb ist die Freigabe fest eingebaut, nicht abschaltbar.

Weitere Fragen (4) Fragen einklappen
Was ist mit dem Personalrat?

Eine Sprachanwendung in Besprechungsräumen ist mitbestimmungsrelevant, und das nehmen wir ernst statt es zu umgehen: keine Leistungskontrolle, keine Sprechererkennung als Biometrie, keine Emotionsauswertung — und eine Unterlage für den Personalrat, die genau das belegt, gehört zu unserem Lieferumfang. Unsere Empfehlung: Personalrat und Datenschutzbeauftragte in Woche eins beteiligen.

Welche Modelle laufen da — und trainieren Sie mit unseren Daten?

Ausschließlich offene, lokal lauffähige Modelle für Erkennung, Strukturierung und Sprachausgabe, in Größen, die auf der Zielhardware in vertretbarer Zeit antworten. Auf eine Modellfamilie legen wir uns nicht fest: Die Auswahl messen wir auf Ihrer Hardware und legen die Ergebnisse offen. Ein Training mit Ihren Daten findet nicht statt und wird vertraglich ausgeschlossen.

Was kostet das?

Für eine dreimonatige Pilotierung eine Pauschale, die wir im Gespräch nennen — sie deckt Aufbau, Einmessen, Betrieb und Einweisung ab. Danach eine einmalige Lizenz je Instanz plus optionaler Wartungsvertrag, kein Abonnement: Eine laufende Gebühr für etwas, das lokal rechnet, wäre ein Widerspruch.

Geht das auch unterwegs, etwa beim Hausbesuch?

Perspektivisch ja: Auf zentral verwalteten Dienstgeräten kann derselbe Stack Gespräche offline erfassen und vortranskribieren — beim Hausbesuch des Jugendamts, beim Ortstermin des Bauamts — und den Vorgang erst im Hausnetz an das lokale Modul übergeben. Heute ist das ein Ausblick, kein Lieferumfang, und so nennen wir es auch.