Skip to content
WriteVoice WriteVoice Start Creating

149 Statistiken zur Tippgeschwindigkeit im November 2026

Aktualisiert im 149 Zitate aus Primärquellen Monatlich aktualisiert

Auf dieser Seite
  1. Wichtigste Erkenntnisse
  2. Wie hoch ist die durchschnittliche Tippgeschwindigkeit auf einer Tastatur?
  3. Wie hoch ist die durchschnittliche Tippgeschwindigkeit auf einem Smartphone?
  4. Wie schnell sprechen Menschen im Vergleich zum Tippen?
  5. Wie genau sind Tippen und Spracherkennung?
  6. Wie viel des Arbeitstags entfällt auf Tippen?
  7. Kann viel Tippen Schmerzen oder Verletzungen verursachen?
  8. Methodik und Quellen

Statistiken zur Tippgeschwindigkeit zeigen, dass die meisten Menschen viel langsamer schreiben, als sie sprechen. Freiwillige, die auf ihren eigenen Smartphones tippten, erreichten in einem Online-Test mit 37.370 Teilnehmenden durchschnittlich 36,17 Wörter pro Minute (Palin et al., MobileHCI 2019, Okt. 2019). Forschende schätzen, dass Menschen beim Verfassen eigener Texte erst dann nicht mehr durch die Eingabemethode gebremst werden, wenn diese etwa 67 Wörter pro Minute erreicht (Kristensson and Vertanen, MobileHCI 2014, Sep. 2014). Und in einer von Stanford geleiteten Laborstudie erzeugte das Sprechen englischen Text 2,93-mal schneller als die iPhone-Tastatur: 153 Wörter pro Minute gegenüber 52 (Ruan et al., IMWUT 2017, Dez. 2017).

Die folgenden Zahlen umfassen die Tippgeschwindigkeit am Computer und Smartphone, die Frage, was bei der Arbeit als gute WPM-Leistung gilt, Sprechgeschwindigkeiten, Spracheingabe im Vergleich zur Tastatureingabe, Fehlerraten von Schreibenden und Spracherkennungssystemen, die Zeit, die Menschen mit Tippen verbringen, und die Belastung für Hände und Handgelenke. Jede Zahl verweist auf die Studie, Umfrage oder Behörde, von der sie stammt, und enthält das Datum ihrer Erhebung. Die größten Datensätze zum Tippen beruhen auf Freiwilligen, die an Online-Tests teilnahmen. Sie zeigen daher, wie geübte Schreibende tippen, nicht die gesamte Bevölkerung. Informationen zur Nutzung von Sprachassistenten und der Sprachsuche finden Sie in der Übersicht zu den Statistiken zur Sprachsuche.

Wichtigste Erkenntnisse

  • Freiwillige, die an einem Online-Tipptest teilnahmen, erreichten auf einer physischen Tastatur durchschnittlich 51,56 Wörter pro Minute. Die Daten stammen von 168.960 Personen und 136,9 Millionen Tastenanschlägen (Dhakal et al., CHI 2018, Apr. 2018).
  • Die schnellsten 10 % der Tastaturschreibenden tippen mit mehr als etwa 78 WPM, die langsamsten 10 % mit weniger als etwa 26 WPM (Dhakal et al., CHI 2018, Apr. 2018).
  • In einer Laborstudie mit 30 Personen erreichten autodidaktische Schreibende dasselbe Tempo wie Schreibende im Zehnfingersystem: 58,9 WPM gegenüber 57,8 WPM, ein nicht signifikanter Unterschied (Feit et al., CHI 2016, Mai 2016).
  • Für Schreibkräfte im US-Bundesdienst sind 40 Wörter pro Minute vorgeschrieben, gemessen an einer 5-minütigen Schreibprobe mit höchstens drei Fehlern (US Office of Personnel Management, Mai 2022).
  • Die Keyboard-Weltmeisterschaft 2026 gewann eine Person mit 837,5 Zeichen pro Minute, etwa 168 WPM, und einer Fehlerquote von 0,088 % (Intersteno, Jul. 2026).
  • Smartphone-Schreibende, die sich auf die automatische Korrektur verlassen, erreichen durchschnittlich 43,4 WPM. Ohne Schreibhilfen sind es 34,8 WPM, mit reiner Wortvorhersage 32,8 WPM (Palin et al., MobileHCI 2019, Okt. 2019).
  • 91 % der Erwachsenen in den USA besitzen ein Smartphone, gegenüber 35 % im Jahr 2011 (Pew Research Center, Nov. 2025).
  • Aufgezeichnete amerikanische Telefongespräche erreichen durchschnittlich 196 Wörter pro Minute, wenn die Wörter beider Gesprächspartner auf die gesamte Gesprächsdauer bezogen werden, und 164 Wörter pro Minute, wenn pro Gesprächsbeitrag gemessen wird (Yuan et al., Interspeech 2006, Sep. 2006).
  • Professionelle Transkribierende schreiben bei einem Standard-Benchmark für Telefongespräche 5,9 % der Wörter falsch, bei ungezwungenen Gesprächen zwischen Freunden und Verwandten 11,3 % (Xiong et al., Microsoft Research, Feb. 2017).
  • Fünf kommerzielle Spracherkennungssysteme erreichten bei Schwarzen Sprechenden eine durchschnittliche Wortfehlerrate von 0,35, bei weißen Sprechenden von 0,19 (Koenecke et al., PNAS, Apr. 2020).
  • Unbearbeitete klinische Notizen aus der Spracherkennung hatten eine Fehlerrate von 7,4 %. Nach der Bearbeitung durch Transkribierende sank sie auf 0,4 % und in den von Ärzten unterzeichneten Notizen auf 0,3 % (Zhou et al., JAMA Network Open, Jul. 2018).
  • Beschäftigte erhalten durchschnittlich 117 E-Mails pro Tag, die meisten davon überfliegen sie in weniger als 60 Sekunden (Microsoft Work Trend Index, Jun. 2025).
  • Hausärzte verbringen 5,9 Stunden eines 11,4-stündigen Arbeitstags in der elektronischen Patientenakte, davon 86 Minuten nach der Sprechstunde (Arndt et al., Annals of Family Medicine, Sep. 2017).
  • Etwa 4,8 Millionen Beschäftigte in den USA (3,1 %) hatten im vergangenen Jahr ein Karpaltunnelsyndrom. Klinische Fachkräfte führten 67,1 % dieser Fälle auf die Arbeit zurück (Luckhaupt et al., American Journal of Industrial Medicine, Jun. 2013).

Wie hoch ist die durchschnittliche Tippgeschwindigkeit auf einer Tastatur?

Die meisten Menschen haben das Zehnfingersystem nie gelernt, und das macht kaum einen Unterschied. Die Spanne zwischen schnellen und langsamen Schreibenden ist viel größer als der Abstand zwischen ausgebildeten und autodidaktischen Schreibenden. Selbst schnelle Bürokräfte arbeiten deutlich langsamer als beim normalen Sprechen.

Statistiken zur Tippgeschwindigkeit: Verteilung der Tippgeschwindigkeit am Computer in Wörtern pro Minute bei 168,960 Freiwilligen eines Online-Tipptests. Der Höchstwert liegt bei etwa 40 WPM, mit einem langen Ausläufer über 120 WPM hinaus, 2018
Abbildung 1: Die meisten Freiwilligen erreichen zwischen 30 und 70 WPM. Im langen rechten Ausläufer finden sich die seltenen Schreibenden mit über 100 WPM. Deshalb sagt der Durchschnitt nur wenig über einzelne Schreibende aus. Quelle: Dhakal et al., CHI 2018, Observations on Typing from 136 Million Keystrokes, Apr. 2018. Diagramm von der Quelle veröffentlicht, abgerufen am 2. Okt. 2026.

Wie hoch ist die durchschnittliche Tippgeschwindigkeit in Wörtern pro Minute?

Der Durchschnitt der größten frei zugänglichen Studie verdeckt eine sehr große Spannweite. Schnelle Schreibende unterscheiden sich von langsamen weniger durch ihre Fingerbewegungen als dadurch, wie häufig sich ihre Tastenanschläge überschneiden.

  • Das schnellste Zehntel der Schreibenden erreichte durchschnittlich 89,56 WPM, das langsamste Zehntel 20,91 WPM. Der Unterschied beträgt mehr als das Vierfache, und die schnellsten Schreibenden im Datensatz überschritten 120 WPM (Dhakal et al., CHI 2018, Apr. 2018).
  • Der durchschnittliche Abstand zwischen zwei Tastenanschlägen betrug 238,66 Millisekunden: bei schnellen Schreibenden etwa 120 ms, bei langsamen über 480 ms (Dhakal et al., CHI 2018, Apr. 2018).
  • Jeder vierte Tastenanschlag erfolgte mit Überlappung: Die nächste Taste wurde gedrückt, bevor die vorherige losgelassen wurde. Die meisten schnellen Schreibenden nutzten diese Technik bei 40 % bis 70 % ihrer Tastenanschläge. Die Überlappung korrelierte mit der Geschwindigkeit mit r = 0,73 (Dhakal et al., CHI 2018, Apr. 2018).
  • Die Freiwilligen waren jung und engagiert: Das Durchschnittsalter lag bei 24,5 Jahren, 68 % kamen aus den USA und 72 % hatten einen Tippkurs besucht (Dhakal et al., CHI 2018, Apr. 2018).

Laborstudien mit Bewegungserfassung und ältere Tippforschungen zeigen dieselbe große Spannweite. Sie zeigen außerdem, dass das Alter allein geübte Schreibende nicht langsamer macht.

  • In einer Laborstudie mit Bewegungserfassung erreichten 30 Schreibende im Alltag im Alter von 20 bis 55 Jahren zwischen 34 und 79 WPM (Feit et al., CHI 2016, Mai 2016).
  • Das Tippen zufälliger Buchstabenfolgen statt echter Sätze halbierte die Geschwindigkeit der Schreibenden, unabhängig davon, ob sie das Zehnfingersystem gelernt hatten oder autodidaktisch tippten (Feit et al., CHI 2016, Mai 2016).
  • In zwei Studien mit Schreibenden, deren Nettogeschwindigkeit zwischen 17 und 104 WPM lag und die 19 bis 72 Jahre alt waren, waren ältere Schreibende beim Tippen und bei Wahlreaktionen langsamer, nicht aber beim Schreiben. Sie blickten im Text weiter voraus (Salthouse, Journal of Experimental Psychology: General, Sep. 1984).

Was ist eine gute WPM-Leistung bei der Arbeit?

Bürojobs im Bundesdienst setzen die Messlatte niedrig an, während Gerichtsreporting eine um ein Mehrfaches höhere Geschwindigkeit erfordert. Gerichtsreporter schreiben gesprochene Wörter auf einer Stenotypiemaschine statt auf einer normalen Tastatur.

  • Für Datenerfassungsstellen im Bundesdienst gelten niedrigere Anforderungen als für Schreibkräfte: 20 WPM für Aufgaben der Stufe GS-2 und 25 WPM für Aufgaben der Stufen GS-3 und GS-4 (US Office of Personnel Management, Mai 2022).
  • Gerichtsreporter, die den Einstiegsnachweis Registered Professional Reporter anstreben, müssen fünfminütige Prüfungen auf der Stenotypiemaschine mit 180 WPM (literarischer Text), 200 WPM (Richteranweisungen) und 225 WPM (Zeugenaussagen) bestehen. Für alle gilt eine Genauigkeit von 95 % (NCRA, Jan. 2025).
  • Die nächsthöhere Stufe, Registered Merit Reporter, setzt die Anforderungen auf 200, 240 und 260 WPM herauf (NCRA, Jan. 2025).
  • Certified Realtime Reporter müssen Live-Zeugenaussagen mit 200 WPM und 96 % Genauigkeit schreiben und dürfen den Text vor der Abgabe nicht bearbeiten (NCRA, Jan. 2025).
  • Beim National Speed Contest der NCRA gelten fünfminütige Abschnitte mit 220 WPM (literarischer Text), 230 WPM (juristische Texte) und 280 WPM (Zeugenaussagen). Nur Transkripte mit mindestens 95 % Genauigkeit werden gewertet (NCRA, März 2026).

An der Spitze des Tastaturschreibens bestimmt die Weltmeisterschaft sowohl die Mindestanforderung als auch die Höchstleistung.

  • Für ein gültiges Ergebnis in der Seniorenkategorie der Weltmeisterschaft müssen Schreibende 30 Minuten lang einen Text abschreiben und dabei mindestens 360 Zeichen pro Minute (72 WPM) erreichen. Die Fehlerquote darf höchstens 0,25 % betragen (Intersteno, Liverpool 2026 competition regulations, Jan. 2026).
  • Auf Tastenfeldtastaturen ging es noch schneller: Der Sieger der Tastenfeldkategorie 2026 erreichte 1.022,13 Zeichen pro Minute, etwa 204 WPM (Intersteno, Jul. 2026).

Macht das Zehnfingersystem schneller?

Nur ein wenig. Ein Tippkurs bringt im Durchschnitt einen kleinen Geschwindigkeitszuwachs. Der deutlichere Unterschied liegt darin, wie oft die jeweiligen Gruppen auf die Tasten schauen.

  • Schreibende, die einen Tippkurs besucht hatten, erreichten durchschnittlich 54,35 WPM gegenüber 49,00 WPM bei Personen ohne Kurs. Der Unterschied war gering (Cohen's d = 0,27) (Dhakal et al., CHI 2018, Apr. 2018).
  • 47,6 % der Freiwilligen gaben an, mit 9 oder 10 Fingern zu tippen. Mehr Finger gingen mit höherer Geschwindigkeit einher (r = 0,38). Das schnellste Zehntel nutzte durchschnittlich 8,4 Finger, das langsamste 5,3 (Dhakal et al., CHI 2018, Apr. 2018).
  • Autodidaktische Schreibende blickten 41 % ihrer Tippzeit auf die Tastatur, etwa doppelt so häufig wie Schreibende im Zehnfingersystem mit 20 % (Feit et al., CHI 2016, Mai 2016).
  • Eine Studie der Vanderbilt University ergab, dass Schreibende, die die übliche Zuordnung von Fingern zu Tasten verwendeten, schneller und genauer waren als Personen mit einer anderen Technik. Das galt besonders, wenn die Buchstaben von den Tasten entfernt oder die Tastatur abgedeckt wurden (Logan et al., Journal of Experimental Psychology: Human Perception and Performance, Dez. 2016).

Wie hoch ist die durchschnittliche Tippgeschwindigkeit auf einem Smartphone?

Die meisten Menschen schreiben inzwischen auf Smartphones, und dort sind sie messbar langsamer als auf einer physischen Tastatur. Die automatische Korrektur ist die einzige Tastaturhilfe, die mit schnellerem Tippen einhergeht. Wörter aus der Vorschlagsleiste auszuwählen, hilft dagegen nicht.

Verteilung der Tippgeschwindigkeiten auf Smartphones in Wörtern pro Minute bei 37,370 Freiwilligen. Der Höchstwert liegt bei etwa 30 WPM, danach nehmen die Werte bis über 80 WPM ab. Darübergelegt ist die US-Teilgruppe
Abbildung 2: Die meisten Smartphone-Schreibenden erreichen zwischen 20 und 50 WPM, fast niemand kommt auf 80. Die nach Geschlecht, Alter und Betriebssystem des Smartphones an die Bevölkerung angepasste US-Teilgruppe (rot) ähnelt der Gesamtstichprobe (grau). Quelle: Palin et al., Aalto University, How do People Type on Mobile Devices? (MobileHCI 2019), Figure 2, Okt. 2019. Diagramm von der Quelle veröffentlicht, abgerufen am 2. Okt. 2026.

Wie schnell tippen Menschen mit den Daumen?

Bei den meisten liegt die Geschwindigkeit bei etwa 30 WPM, beim Tippen auf dem eigenen Smartphone über mehrere Wochen etwas darunter. In jeder Studie, die die Haltung erfasste, waren zwei Daumen schneller als ein Daumen oder ein einzelner Finger.

  • Drei Viertel der Smartphone-Schreibenden in der Studie mit 37.370 Personen tippten langsamer als 43,98 WPM, die schnellsten überschritten 80 WPM (Palin et al., MobileHCI 2019, Okt. 2019).
  • Eine US-Teilgruppe mit 1.475 Teilnehmenden, die nach Geschlecht, Alter und Betriebssystem des Smartphones an die US-Bevölkerung angepasst wurde, erreichte durchschnittlich 35,99 WPM (Palin et al., MobileHCI 2019, Okt. 2019).
  • Auf einem Smartphone tippt man etwa 15 WPM langsamer als auf einer physischen Tastatur, wenn beides mit demselben Test gemessen wird (Palin et al., MobileHCI 2019, Okt. 2019).
  • 74 % der Teilnehmenden gaben an, mit beiden Daumen zu tippen. Das war mit 38,0 WPM die schnellste Haltung, gegenüber 30,2 WPM mit nur dem rechten Daumen und 25,0 WPM mit dem linken Zeigefinger (Palin et al., MobileHCI 2019, Okt. 2019).
  • Jugendliche im Alter von 10 bis 19 Jahren tippten auf Smartphones mit 39,6 WPM am schnellsten, während Menschen im Alter von 50 bis 59 Jahren durchschnittlich 26,3 WPM erreichten (Palin et al., MobileHCI 2019, Okt. 2019).

Feldstudien sind klein, erfassen aber das tatsächliche Tippen auf den eigenen Smartphones der Teilnehmenden statt in einem Test und kommen auf ähnliche Werte.

  • Bei der Erfassung des alltäglichen Tippens auf den eigenen Smartphones über drei Wochen erreichten 30 Teilnehmende durchschnittlich 32,1 WPM (Buschek et al., CHI 2018, Apr. 2018).
  • In derselben Feldstudie wurden bei 74,5 % der Eingaben beide Daumen verwendet. Damit erreichten die Teilnehmenden 36,8 WPM gegenüber 25,3 WPM mit nur dem rechten Daumen (Buschek et al., CHI 2018, Apr. 2018).
  • In einer Laborstudie mit zehn Sitzungen und einer vierwöchigen Studie auf den eigenen Smartphones der Teilnehmenden gaben die Personen Text mit 28 bis 39 WPM ein. Nach der Korrektur waren noch 1,0 % bis 3,6 % der Zeichen falsch (Reyal, Zhai and Kristensson, CHI 2015, Apr. 2015).

Machen automatische Korrektur und Wortvorhersage schneller?

Die automatische Korrektur schon, die Wortvorhersage meist nicht. Vorschlagsleisten bieten selten das richtige Wort an, die Nutzenden tippen nur selten darauf, und wer die automatische Korrektur nutzt, bezahlt die höhere Geschwindigkeit mit häufigeren Griffen zur Löschtaste.

  • 13,9 % der Smartphone-Schreibenden verwendeten überhaupt keine automatische Korrektur, Wortvorhersage oder Gesteneingabe. Bei den übrigen wurden 8 % der Wörter automatisch korrigiert, 10 % aus der Vorschlagsleiste ausgewählt und 22 % durch Wischen eingegeben (Palin et al., MobileHCI 2019, Okt. 2019).
  • Bei Googles Gboard tippten die Nutzenden im laufenden Betrieb auf etwa 2,35 % der angezeigten Vorhersagen für das nächste Wort (Hard et al., Google, Feb. 2019).
  • Im laufenden Betrieb von Gboard entsprachen die Vorhersagen in den drei Vorschlagsfeldern in 13,75 % der Fälle dem nächsten Wort, das die Nutzenden tippten, wenn Googles föderiertes neuronales Modell verwendet wurde. Beim älteren N-Gramm-Modell waren es 11,05 % (Hard et al., Google, Feb. 2019).
  • Im Alltag wählten die Teilnehmenden pro 63 Tastenanschläge ein vorgeschlagenes Wort aus, im Median 9,1-mal pro Person und Tag (Buschek et al., CHI 2018, Apr. 2018).
  • Wörter aus der Vorschlagsleiste wurden mit 75,6 WPM eingegeben. Das ist ein Schätzwert dafür, wie schnell Menschen tippen könnten, wenn die Leiste immer das richtige Wort vorschlüge (Buschek et al., CHI 2018, Apr. 2018).
  • 8,9 % aller Tastenanschläge auf dem Smartphone entfielen auf die Löschtaste. Nutzende der automatischen Korrektur drückten sie fast doppelt so häufig wie Personen ohne automatische Korrektur (11 % gegenüber 6 % der Tastenanschläge) (Buschek et al., CHI 2018, Apr. 2018).

In einer vierwöchigen Studie war die Gesteneingabe schneller als Tippen. Im Test mit 37.370 Personen waren Personen, die Gesten nutzten, jedoch nicht schneller, und im Alltag wischen nur wenige über den Bildschirm.

  • Über vier Wochen auf den eigenen Smartphones erreichten die Teilnehmenden mit dem Wischen von Wörtern auf einer Gestentastatur 39,1 WPM gegenüber 31,1 WPM beim Tippen (Reyal, Zhai and Kristensson, CHI 2015, Apr. 2015).
  • Im Online-Test mit 37.370 Personen erreichten Schreibende, die Wörter ausschließlich per Geste eingaben, durchschnittlich 32,2 WPM. Damit waren sie langsamer als Schreibende, die gar keine Schreibhilfen verwendeten. Die Gruppe, die nur Gesten nutzte, war allerdings klein (Palin et al., MobileHCI 2019, Okt. 2019).
  • In einer dreiwöchigen Feldstudie zum alltäglichen Tippen auf Smartphones entfielen weniger als 4,5 % der Texteingaben auf Gesten (Buschek et al., CHI 2018, Apr. 2018).

Wie viel tippen Menschen auf ihren Smartphones?

Eine Menge, und für viele ist die Smartphone-Tastatur die einzige Tastatur, die sie besitzen. Die meisten Texte, die auf Smartphones getippt werden, landen in Chat-Apps.

  • 16 % der Erwachsenen in den USA nutzen das Internet ausschließlich über ein Smartphone und haben keinen Breitbandanschluss zu Hause (Pew Research Center, Nov. 2025).
  • 27 % der Erwachsenen in den USA im Alter von 18 bis 29 Jahren sind für den Internetzugang auf ein Smartphone angewiesen, gegenüber 11 % der 30- bis 49-Jährigen (Pew Research Center, Nov. 2025).
  • Der Anteil der Smartphone-Besitzenden sinkt von 97 % bei Erwachsenen in den USA im Alter von 18 bis 29 Jahren auf 78 % bei den mindestens 65-Jährigen (Pew Research Center, Nov. 2025).
  • Während drei Wochen alltäglicher Smartphone-Nutzung tippte die mittlere Person 20.353 Tastenanschläge. Die individuellen Gesamtzahlen lagen zwischen 1.489 und 180.948 (Buschek et al., CHI 2018, Apr. 2018).
  • 66 % der Texte in den Caches von Gboard für das Training auf dem Gerät stammten aus Chat-Apps und 16 % aus Social-Media-Apps (Hard et al., Google, Feb. 2019).
  • Auf Messaging-Apps entfielen 82,7 % aller Tastenanschläge, die in einer dreiwöchigen Studie zum alltäglichen Tippen auf Smartphones erfasst wurden (Buschek et al., CHI 2018, Apr. 2018).
  • Googles Tastatur Gboard war 2019 mehr als 1 Milliarden Mal installiert und unterstützte mehr als 600 Sprachvarianten (Hard et al., Google, Feb. 2019).

Wie schnell sprechen Menschen im Vergleich zum Tippen?

Menschen sprechen mehrere Male schneller, als sie tippen. Dieser Abstand zeigt sich auch bei Sprachen mit sehr unterschiedlichen Tastaturen. Der Nachteil der Spracheingabe ist die Zeit, die zum Korrigieren ihrer Fehler benötigt wird. In einigen klinischen Dokumentationssystemen machte dieser Aufwand den Zeitgewinn zunichte.

Durchschnittliche Wörter pro Minute auf einem iPhone nach Eingabemethode, Tastatur oder Sprache: In einer Laborstudie von 2017 stieg der Wert bei Englisch von 52 auf 153 WPM und bei Mandarin von 43 auf 123 WPM
Abbildung 3: Beim Sprechen waren die Teilnehmenden in Englisch und Mandarin fast dreimal so schnell wie mit der iPhone-Tastatur. Quelle: Ruan et al., IMWUT 2017, Comparing Speech and Keyboard Text Entry for Short Messages in Two Languages on Touchscreen Phones, Dez. 2017. Diagramm von der Quelle veröffentlicht, abgerufen am 2. Okt. 2026.

Wie hoch ist die durchschnittliche Sprechgeschwindigkeit in Wörtern pro Minute?

Es gibt keine einheitliche Sprechgeschwindigkeit. Gespräche, Vorlesen und stilles Lesen haben jeweils ein anderes Tempo. Dieses verändert sich außerdem je nach Alter, Region und Gesprächspartner. Daher beziehen sich die folgenden Werte jeweils auf eine bestimmte Aufgabe.

  • Wenn Pausen, Stille und Hintergrundgeräusche herausgefiltert werden, erreichen aufgezeichnete amerikanische Telefongespräche netto 236 Wörter pro Minute. Der niedrigste Wert liegt bei 158, der höchste bei 312 (Yuan et al., Interspeech 2006, Sep. 2006).
  • Mit Freunden und Verwandten sprechen Menschen etwa 10 % schneller als mit Fremden: 214 Wörter pro Minute in englischen CallHome-Gesprächen zwischen Vertrauten gegenüber 193 in Fisher-Gesprächen zwischen Fremden (Yuan et al., Interspeech 2006, Sep. 2006).
  • Männer sprechen in Gesprächen etwas schneller als Frauen, der Unterschied beträgt jedoch nur etwa 4 bis 5 Wörter pro Minute oder 2 % (Yuan et al., Interspeech 2006, Sep. 2006).
  • In einer Studie mit 192 amerikanischen Englischsprechenden im Alter von der Kindheit bis zu den frühen 90ern nahm die spontane Sprechgeschwindigkeit mit dem Alter bis zu einem Höchstwert um das 45. Lebensjahr zu und danach wieder ab. Kinder und die ältesten Erwachsenen sprachen am langsamsten (Jacewicz et al., JASA 2010, Aug. 2010).
  • Die Region war wichtiger als das Geschlecht: In Wisconsin sprechende Personen erreichten schätzungsweise 5,21 Silben pro Sekunde, in North Carolina waren es 4,80. Männer (5,09) lagen knapp vor Frauen (4,92) (Jacewicz et al., JASA 2010, Aug. 2010).

Sprachen geben Geschwindigkeit zugunsten von Informationsdichte auf, und beim Vorlesen ist das Tempo langsamer als in Gesprächen.

  • Beim Lesen derselben Texte in 17 Sprachen durch 170 Muttersprachlerinnen und Muttersprachler transportierte Sprache durchschnittlich 39,15 Bit Information pro Sekunde. Dabei spielte es keine Rolle, ob die Sprache mit einfachen Silben schnell oder mit komplexen Silben langsam gesprochen wurde (Coupe et al., Science Advances 2019, Sep. 2019).
  • Dieselben 170 Personen lasen durchschnittlich 6,63 Silben pro Sekunde. Die individuellen Geschwindigkeiten unterschieden sich mehr als um das Doppelte: von der langsamsten Person mit etwa 4,3 Silben pro Sekunde bis zur schnellsten mit 9,1 (Coupe et al., Science Advances 2019, Sep. 2019).
  • Erwachsene lesen englische Texte laut durchschnittlich mit 183 Wörtern pro Minute. Grundlage sind 77 Studien mit 5.965 Teilnehmenden (Brysbaert, Journal of Memory and Language 2019, Dez. 2019).
  • Zum Vergleich: Beim stillen Lesen erreichen Erwachsene bei Sachtexten 238 Wörter pro Minute und bei Romanen 260, laut einer Metaanalyse von 190 Studien mit 18.573 erwachsenen Lesenden (Brysbaert, Journal of Memory and Language 2019, Dez. 2019).

Ist die Spracheingabe schneller als eine Tastatur?

Auf dem Smartphone: ja, und zwar deutlich. Studien zur virtuellen Realität und zu älteren mobilen Systemen kommen bei niedrigeren absoluten Geschwindigkeiten zum selben Ergebnis.

  • Der Unterschied zeigte sich auch bei Mandarin: Mit Spracheingabe wurden 123 Wörter pro Minute erreicht, mit der Pinyin-Tastatur 43, also ein 2,87-mal höheres Tempo (Ruan et al., IMWUT 2017, Dez. 2017).
  • Noch vor jeder Korrektur wurde das erste Transkript des Spracherkennungssystems auf Englisch 3,42-mal schneller erstellt als beim Tippen (etwa 179 Wörter pro Minute) und auf Mandarin 4,32-mal schneller. Das ist eine Schätzung des Tempos, das fehlerfreie Spracheingabe erreichen würde (Ruan et al., IMWUT 2017, Dez. 2017).
  • In der virtuellen Realität erreichte das Sprechen und Korrigieren eines Satzes 28 Wörter pro Minute bei einer Fehlerquote von 0,5 %. Beim Tippen auf einer Tastatur in der Luft waren es 11 Wörter pro Minute und 1,2 % Fehler (Adhikary and Vertanen, IEEE TVCG 2021, Mai 2021).
  • Wenn die Sätze keine ungewöhnlichen Wörter wie Eigennamen enthielten, stieg die Spracheingabe mit Tastaturkorrekturen auf 36 Wörter pro Minute und eine Fehlerquote von 0,3 % (Adhikary and Vertanen, IEEE TVCG 2021, Mai 2021).
  • Ein Jahrzehnt zuvor erreichte die mobile Spracherkennung nur 18 Wörter pro Minute im Sitzen in Innenräumen und 13 Wörter pro Minute beim Gehen im Freien (Vertanen and Kristensson, IUI 2009, Feb. 2009).

Die von Stanford geleiteten Studien erfassten sitzende Studierende an Universitäten, die kurze Sätze transkribierten. Die Autorinnen und Autoren bezeichnen die Ergebnisse als Höchstleistung. Sie zeigen dennoch, wie groß der Geschwindigkeitsvorsprung ist, auf dem Spracheingabe beruht.

Macht das Korrigieren von Diktierfehlern den Geschwindigkeitsvorteil zunichte?

Bei kurzen Nachrichten nicht: Das Korrigieren von Erkennungsfehlern verringerte das Tempo der Spracheingabe, sie blieb der Tastatur aber deutlich überlegen. Bei klinischer Dokumentation ist die Studienlage uneinheitlich: In einer Reihe von Tests war Spracheingabe langsamer und fehleranfälliger, in einer anderen waren Zeitaufwand und Vollständigkeit der Notizen ähnlich.

  • Das Korrigieren von Erkennungsfehlern verringerte die Geschwindigkeit der Spracheingabe auf Englisch um den Faktor 1,17 und auf Mandarin um den Faktor 1,50. Gemessen wurde das Verhältnis zwischen der Geschwindigkeit des ersten Transkripts und der endgültigen Eingabegeschwindigkeit (Ruan et al., IMWUT 2017, Dez. 2017).
  • Die Nutzenden verbrachten 8,5 % ihrer Zeit mit Spracheingabe mit dem Korrigieren von Fehlern. Für 86,0 % dieser Korrekturzeit griffen sie zur Tastatur, statt erneut zu sprechen (Ruan et al., IMWUT 2017, Dez. 2017).
  • Auf Englisch machte die Spracheingabe bei der Eingabe weniger Fehler als die Tastatur (3,93 % gegenüber 4,72 % korrigierter Fehler), im fertigen Text blieben jedoch etwas mehr Fehler stehen (0,55 % gegenüber 0,35 % unkorrigierter Fehler) (Ruan et al., IMWUT 2017, Dez. 2017).

Bei elektronischen Patientenakten hängen die Ergebnisse vom System und der Aufgabe ab.

  • In einem randomisierten Test mit 35 medizinischen Fachkräften in der Notaufnahme dauerte die Dokumentation per Spracherkennung in einer elektronischen Patientenakte 18,11 % länger als mit Tastatur und Maus. Außerdem traten 138 nicht typografische Fehler auf, gegenüber 32 (Hodgson et al., JAMIA 2017, Jul. 2017).
  • Eine Wiederholung der Studie, bei der Integrationsprobleme behoben wurden, ergab dieselbe Tendenz: Komplexe Dokumentationsaufgaben dauerten mit Spracheingabe 224,4 Sekunden, mit Tastatur und Maus 191,9 Sekunden. Die Spracheingabe war damit 16,94 % langsamer (Hodgson et al., Applied Clinical Informatics 2018, Mai 2018).
  • Ärztinnen und Ärzte am Brigham and Women's Hospital verfassten beim Diktieren 320,6 Wörter, beim Tippen 180,8 Wörter. Der Zeitaufwand für die Dokumentation war etwa gleich (Blackley et al., International Journal of Medical Informatics 2020, Sep. 2020).
  • In derselben Studie enthielten getippte Notizen mehr unkorrigierte Fehler als diktierte Notizen (2,9 gegenüber 1,5 pro Notiz, vorwiegend geringfügige Rechtschreibfehler). Auch bei der Qualität schnitten diktierte Notizen besser ab (7,7 gegenüber 6,6) (Blackley et al., International Journal of Medical Informatics 2020, Sep. 2020).
  • In einer Umfrage unter 1.731 medizinischen Fachkräften, die in Boston und Aurora, Colorado, Spracherkennung nutzen, stimmten 77,2 % der Aussage zu, dass sie die Effizienz verbessert. 19,6 % schätzten jedoch, dass mindestens die Hälfte ihrer Fehler klinisch bedeutsam sei (Goss et al., International Journal of Medical Informatics 2019, Okt. 2019).

Wie genau sind Tippen und Spracherkennung?

Schreibende lassen in ihrem endgültigen Text nur wenige Fehler stehen, machen aber viele Tastenanschläge, um sie zu korrigieren. Bei einem Benchmark erreichte die Spracherkennung vor Jahren die Genauigkeit professioneller Transkribierender. Noch immer versteht sie manche Sprechende jedoch viel schlechter als andere.

Durchschnittliche Wortfehlerrate von fünf kommerziellen Spracherkennungsdiensten (Apple, IBM, Google, Amazon, Microsoft) bei Schwarzen und weißen Sprechenden in aufgezeichneten US-Interviews: Alle Dienste machen bei Schwarzen Sprechenden mehr Fehler, etwa 0.27 bis 0.45 gegenüber 0.15 bis 0.23 bei weißen Sprechenden, 2020
Abbildung 4: Alle fünf kommerziellen Spracherkennungssysteme machten bei Schwarzen Sprechenden fast doppelt so viele Fehler wie bei weißen Sprechenden. Quelle: Koenecke et al., PNAS, Racial disparities in automated speech recognition, Apr. 2020. Diagramm von der Quelle veröffentlicht, abgerufen am 2. Okt. 2026.

Wie viele Fehler machen Schreibende?

Schreibende korrigieren die meisten Fehler während des Tippens, auf Smartphones bleiben jedoch mehr Fehler stehen.

  • Freiwillige, die einen Online-Tipptest auf einer physischen Tastatur absolvierten, ließen in ihrem endgültigen Text durchschnittlich 1,167 % der Zeichen falsch stehen. 90 % von ihnen ließen weniger als 2,66 % Fehler stehen (Dhakal et al., CHI 2018, Apr. 2018).
  • Um diesen sauberen Text zu erstellen, waren durchschnittlich 2,29 Korrekturen pro Satz nötig, das entsprach 6,3 % aller Tastenanschläge. Schreibende am 99. Perzentil drückten pro Satz 8,5-mal die Rücktaste oder die Entfernen-Taste. Auf jedes Zeichen des fertigen Textes entfielen 1,173 Tastenanschläge (Dhakal et al., CHI 2018, Apr. 2018).
  • Bei einer detaillierten Analyse von 783 Teilnehmenden waren Ersetzungsfehler (die falsche Taste drücken, 1,65 %) häufiger als Auslassungen (einen Buchstaben weglassen, 0,8 %) oder Einfügungen (einen zusätzlichen Buchstaben einfügen, 0,67 %) (Dhakal et al., CHI 2018, Apr. 2018).
  • Das langsamste Zehntel der Schreibenden ließ 1,78 % der Fehler unkorrigiert stehen, zweieinhalbmal so viele wie das schnellste Zehntel mit 0,71 % (Dhakal et al., CHI 2018, Apr. 2018).

Auf Smartphones erfordert die Korrektur eines Tippfehlers mehr Aufwand, und mehr Fehler bleiben stehen.

  • Auf Smartphones ließen 37.370 Freiwillige durchschnittlich 2,34 % der Zeichen falsch stehen. Bei 75 % waren es weniger als 3,07 % (Palin et al., MobileHCI 2019, Okt. 2019).
  • Von den Fehlern, die Smartphone-Schreibende stehen ließen, waren 55,6 % Ersetzungsfehler, 33,3 % Auslassungen und 11,1 % Einfügungen (Palin et al., MobileHCI 2019, Okt. 2019).
  • Smartphone-Schreibende drückten pro Satz 1,89-mal die Rücktaste, seltener als Schreibende am Computer. Dennoch waren 1,18 Tastenanschläge pro Zeichen nötig, etwa genauso viele wie auf einer physischen Tastatur (Palin et al., MobileHCI 2019, Okt. 2019).

Wie genau ist Sprache-zu-Text im Jahr 2026?

Bei standardisierten englischen Benchmarks machen die besten Systeme inzwischen nur noch wenige Fehler pro 100 Wörter, bei sauber vorgelesenen Hörbüchern weniger als einen pro 100 Wörter. Bei ungezwungenen Gesprächen und Sprachen mit wenigen Trainingsdaten sinkt die Genauigkeit weiterhin. Die Fehlerraten unterschiedlicher Testsätze lassen sich nicht direkt vergleichen; deshalb wird bei jedem Wert der verwendete Test genannt.

  • Das System von Microsoft übertraf den unternehmenseigenen Benchmark menschlicher Transkribierender knapp. Die Fehlerraten lagen bei 5,8 % für Switchboard und 11,0 % für CallHome. Microsoft bezeichnete das Ergebnis als Gleichstand mit Menschen bei der Erkennung von Gesprächssprache (Xiong et al., Microsoft Research, Feb. 2017).
  • IBM beauftragte eigene Transkribierende. Die beste Person erreichte nach Qualitätsprüfungen 5,1 % beim selben Switchboard-Test und 6,8 % bei CallHome. Das System von IBM erreichte 5,5 % und 10,3 % (Saon et al., IBM Research, März 2017).
  • Die Wortfehlerraten beim Switchboard-Benchmark waren in den wenigen Jahren vor diesen Gleichstandsbehauptungen von 14 % auf 8,0 % und dann auf 6,6 % gesunken (Saon et al., IBM Research, März 2017).
  • OpenAI trainierte seine Whisper-Modelle mit 680.000 Stunden Audiomaterial. Das Modell im Zero-Shot-Modus machte über andere englische Testsätze hinweg durchschnittlich 55,2 % weniger Fehler als ein konventionell trainiertes Modell. Bei LibriSpeech, dem Test mit sauberen Hörbüchern, hatten beide eine Fehlerquote von 2,7 % (Radford et al., OpenAI, Dez. 2022).
  • Bei mehreren Sprachen reichte die Wortfehlerrate von Whisper large-v2 beim FLEURS-Test mit vorgelesener Sprache von 3,0 % auf Spanisch bis zu 156,5 % auf Sindhi. Auf Amharisch, einer weiteren Sprache mit wenigen Trainingsdaten, lag sie bei 140,3 % (Radford et al., OpenAI, Dez. 2022).

Die neuesten Zahlen stammen von Hugging Face, das eigene Bewertungen offener und kommerzieller Systeme durchführt.

  • Beim Open ASR Leaderboard lag die durchschnittliche Wortfehlerrate des bestplatzierten Systems bei 4,38 % auf den zehn englischen Standardtests. Dazu gehören Besprechungen, Gewinnmitteilungen, Podcasts, Hörbücher, Parlamentsreden und Gespräche mit indischem Akzent. Das beste Ergebnis beim Test mit sauberen LibriSpeech-Hörbüchern betrug 0,87 % (Hugging Face Open ASR Leaderboard, Sep. 2026).
  • Im März 2026 erreichte das beste System im mehrsprachigen Bereich des Leaderboards (ElevenLabs Scribe v2) bei Deutsch, Französisch, Italienisch, Spanisch und Portugiesisch eine durchschnittliche Wortfehlerrate von 2,67 %. Insgesamt waren auf dem Leaderboard 86 Systeme von 26 Organisationen aufgeführt (Hugging Face Open ASR Leaderboard, paper, März 2026).
  • Bei 217 diktierten klinischen Notizen enthielten 63,6 % der unbearbeiteten Entwürfe aus der Spracherkennung mindestens einen klinisch bedeutsamen Fehler. Bei den von Ärztinnen und Ärzten endgültig unterzeichneten Notizen waren es 7,8 % (Zhou et al., JAMA Network Open, Jul. 2018).

Wessen Sprache erkennen Systeme am häufigsten falsch?

Die Sprache von Personen, die in den Trainingsdaten unterrepräsentiert sind. Schwarze Amerikanerinnen und Amerikaner, Personen, deren Muttersprache nicht Englisch ist, Kinder und Menschen mit Sprachbehinderungen haben deutlich höhere Fehlerraten als der Durchschnitt. Gezielte Trainingsdaten haben einige dieser Abstände jedoch um die Hälfte oder mehr verringert.

  • Wenn ein Transkript mit mehr als der Hälfte falsch erkannten Wörtern als unbrauchbar gewertet wurde, waren 23 % der Aufnahmen Schwarzer Sprechender unbrauchbar, gegenüber 1,6 % der Aufnahmen weißer Sprechender (Koenecke et al., PNAS, Apr. 2020).
  • Der Unterschied war bei Schwarzen Männern am größten: Ihre durchschnittliche Fehlerrate lag bei 0,41, gegenüber 0,30 bei Schwarzen Frauen, 0,21 bei weißen Männern und 0,17 bei weißen Frauen (Koenecke et al., PNAS, Apr. 2020).
  • Wenn Schwarze und weiße Sprechende denselben kurzen Satz sagten, machten alle Systeme bei Schwarzen Sprechenden immer noch etwa doppelt so viele Fehler. Beim besten System, dem von Microsoft, betrug die Fehlerrate 0,13 gegenüber 0,07. Das deutet auf Aussprache und Prosodie in den akustischen Modellen hin, nicht auf den Wortschatz (Koenecke et al., PNAS, Apr. 2020).
  • Die Fehlerrate von Whisper large-v2 stieg beim CORAAL-Korpus mit Interviews Schwarzer Amerikanerinnen und Amerikaner auf 16,2 %. Das ist etwa sechsmal so viel wie beim Test mit sauberen Hörbüchern (Radford et al., OpenAI, Dez. 2022).
  • Ein niederländisches Spracherkennungssystem von 2021 erreichte bei vorgelesenen Texten eine durchschnittliche Fehlerrate von 26,1 % bei niederländischen Muttersprachlern, bei Personen ohne Niederländisch als Muttersprache dagegen 55,9 %. Niederländische Kinder (35,3 %) schnitten schlechter ab als niederländische Jugendliche (18,4 %) (Feng et al., TU Delft, Apr. 2021).

Bei Sprachbehinderungen sind die Unterschiede am größten, zugleich zeigen sich hier die deutlichsten Fortschritte durch gezielte Trainingsdaten.

  • Bei der Challenge 2025 des Speech Accessibility Project, die mit mehr als 400 Stunden Sprache von über 500 Menschen mit Sprachbehinderungen wie Parkinson und ALS durchgeführt wurde, senkte das Gewinnerteam die Wortfehlerrate auf 8,11 %. Die unveränderte Whisper-large-v2-Ausgangsversion erreichte 17,82 % (Speech Accessibility Project, Interspeech 2025, Jul. 2025).
  • Bei Sprechenden mit ALS senkte das beste Challenge-Modell die durchschnittliche Fehlerrate auf Personenebene von 16,29 % auf 5,05 %, bei Sprechenden mit Parkinson von 18,47 % auf 9,61 % (Speech Accessibility Project, Interspeech 2025, Jul. 2025).
  • Die durchschnittliche Wortfehlerrate eines Spracherkennungssystems für Verbraucher lag bei 13,6 % bei Menschen mit mittlerem Stottern und bei 49,2 % bei schwerem Stottern. Änderungen von Forschenden bei Apple verringerten Satzabbrüche um 79,1 % und senkten die Fehlerrate bei Teilnehmenden mit mittlerem bis schwerem Stottern von 25,4 % auf 9,9 % (Lea et al., Apple, CHI 2023, Apr. 2023).

Wie viel des Arbeitstags entfällt auf Tippen?

Bürobeschäftigte und Ärztinnen und Ärzte verbringen täglich Stunden mit Schreiben. Telemetriedaten von Microsoft 365 zählen eingehende Nachrichten, während Ereignisprotokolle elektronischer Patientenakten erfassen, wie lange Ärztinnen und Ärzte mit Notizen verbringen, oft auch nach Feierabend.

Telemetriedaten von Microsoft 365: Beschäftigte erhalten durchschnittlich 117 E-Mails und 153 Teams-Nachrichten pro Arbeitstag, 2025
Abbildung 5: Nutzende von Microsoft 365 erhalten durchschnittlich 117 E-Mails und 153 Teams-Nachrichten pro Arbeitstag. Erfasst werden eingehende Nachrichten, nicht die Zeit für das Schreiben von Antworten. Quelle: Microsoft Work Trend Index, Breaking down the infinite workday, Jun. 2025. Diagramm von der Quelle veröffentlicht, abgerufen am 2. Okt. 2026.

Wie viele E-Mails und Nachrichten bearbeiten Beschäftigte täglich?

Laut Microsofts eigenen Telemetriedaten gehen täglich Hunderte Nachrichten ein, und der Strom reißt nach Feierabend nicht ab.

  • Durchschnittlich erhalten Beschäftigte außerdem 153 Microsoft-Teams-Nachrichten pro Werktag. Weltweit stieg die Zahl der Nachrichten pro Person gegenüber dem Vorjahr um 6 % (Microsoft Work Trend Index, Jun. 2025).
  • Bei den 20 % der Microsoft-365-Nutzenden, die die meisten Benachrichtigungen erhalten, unterbrechen Besprechungen, E-Mails oder Chats sie während der Kernarbeitszeit alle 2 Minuten. Über einen Zeitraum von 24 Stunden sind es 275 Unterbrechungen (Microsoft Work Trend Index, Jun. 2025).
  • Beschäftigte erhalten inzwischen durchschnittlich 58 Chatnachrichten außerhalb des üblichen Arbeitstags von 9 bis 17 Uhr. Die Zahl der Chats nach Feierabend ist im Vorjahresvergleich um 15 % gestiegen (Microsoft Work Trend Index, Jun. 2025).
  • Bis 22 Uhr haben 29 % der noch aktiven Beschäftigten ihre E-Mails erneut aufgerufen (Microsoft Work Trend Index, Jun. 2025).
  • Laut Daten aus dem Jahr 2023 verwendeten Nutzende von Microsoft 365 durchschnittlich 57 % ihrer App-Zeit auf Kommunikation in Besprechungen, per E-Mail und Chat und 43 % auf das Erstellen von Dokumenten, Tabellen und Präsentationen (Microsoft Work Trend Index, Mai 2023).
  • Die 25 % der Beschäftigten mit den meisten E-Mails verbringen 8,8 Stunden pro Woche mit dem Lesen und Schreiben von E-Mails (Microsoft Work Trend Index, Mai 2023).

Schreiben ist auch die Aufgabe, für die Menschen bei der Arbeit am häufigsten KI-Tools einsetzen.

  • Schreiben ist die häufigste Arbeitsaufgabe, die Menschen ChatGPT übertragen: Im Juni 2025 entfielen 40 % der arbeitsbezogenen Nachrichten darauf. Bei etwa zwei Dritteln der Schreibaufträge soll ChatGPT Texte bearbeiten oder überarbeiten, die die Nutzenden bereits selbst verfasst haben (Chatterji et al., NBER Working Paper 34255, Sep. 2025).
  • Bei ChatGPT-Nutzenden in Führungs- und Wirtschaftsberufen entfielen 52 % der arbeitsbezogenen Nachrichten auf das Schreiben. Bei Nutzenden in anderen Fachberufen, etwa in Bildung und Gesundheitswesen, waren es 49 % (Chatterji et al., NBER Working Paper 34255, Sep. 2025).

Wie viele Stunden verbringen Ärztinnen und Ärzte mit dem Tippen von Notizen?

Stunden am Tag, wobei die Dokumentation den größten Einzelposten ausmacht. Jede der folgenden Studien misst etwas anderes (gesamte Zeit in der elektronischen Patientenakte, aktive Nutzungszeit, Zeit pro Besuch, gesamte Arbeitszeit). Die Zahlen lassen sich daher nicht direkt vergleichen.

  • Die Dokumentation ist für Hausärzte die zeitintensivste einzelne Aufgabe in der elektronischen Patientenakte: 84 Minuten pro Tag (23,7 % der Zeit in der Akte). Verwaltungsaufgaben insgesamt (Dokumentation, Auftragserfassung, Abrechnung und Kodierung, Sicherheit) machen 44,2 % aus (Arndt et al., Annals of Family Medicine, Sep. 2017).
  • Im Laufe eines Arbeitstags in der Klinik verbrachten Ärztinnen und Ärzte 27,0 % ihrer Zeit im persönlichen Kontakt mit Patientinnen und Patienten und 49,2 % mit der elektronischen Patientenakte und Büroarbeit. Auf jede Stunde mit Patientinnen und Patienten entfielen damit fast 2 Stunden am Bildschirm und am Schreibtisch (Sinsky et al., Annals of Internal Medicine, Sep. 2016).
  • Über etwa 100 Millionen ambulante Besuche und 155.000 US-amerikanische Ärztinnen und Ärzte hinweg verbrachten Ärztinnen und Ärzte durchschnittlich 16 Minuten 14 Sekunden pro Patientenkontakt in der elektronischen Patientenakte. Die Dokumentation machte 24 % dieser Zeit aus (Overhage and McCallie, Annals of Internal Medicine, Jan. 2020).
  • Medizinische Fachkräfte in den USA verbringen täglich 90,2 Minuten aktiv in der elektronischen Patientenakte, gegenüber 59,1 Minuten außerhalb der USA. 40,7 der Minuten in den USA entfallen auf Notizen (Holmgren et al., JAMA Internal Medicine, Dez. 2020).
  • Eine Vollzeit-Hausärztin oder ein Vollzeit-Hausarzt arbeitet pro Woche im Median 61,8 Stunden an der Betreuung der eigenen Patientenliste. Grundlage sind Protokolle elektronischer Patientenakten und Verwaltungsdaten von 406 Ärztinnen und Ärzten bei Mass General Brigham (Rotenstein et al., Annals of Internal Medicine, Okt. 2025).

Umgebungs-KI-Schreibassistenten, die aus Gesprächen während Arztbesuchen Notizen erstellen, werden inzwischen in randomisierten Studien getestet. Die bisherige Zeitersparnis ist gering und variiert je nach Tool.

  • Vor einer Studie der University of Wisconsin im Jahr 2025 verfassten 83 % der 66 teilnehmenden medizinischen Fachkräfte ihre Notizen durch manuelles Tippen, meist zusammen mit Vorlagen (85 %) und Spracherkennungssoftware (59 %) (Afshar et al., NEJM AI, Nov. 2025).
  • In derselben randomisierten Studie verbrachten die medizinischen Fachkräfte mit einem Umgebungs-KI-Schreibassistenten 0,36 Stunden weniger pro Tag mit Notizen. 38 % der 71.487 während der Studie erstellten Notizen wurden mit dem Tool entworfen (Afshar et al., NEJM AI, Nov. 2025).
  • In einer randomisierten Studie mit 238 ambulant tätigen Ärztinnen und Ärzten der UCLA verkürzte ein Umgebungs-KI-Schreibassistent (Nabla) die Zeit für das Schreiben jeder Notiz im Vergleich zur üblichen Versorgung um 9,5 %. Beim anderen (Microsoft DAX Copilot) zeigte sich kein signifikanter Unterschied (Lukac et al., NEJM AI, Nov. 2025).
  • In einer unkontrollierten Vorher-Nachher-Studie über sechs US-amerikanische Gesundheitssysteme sank der Anteil von 263 medizinischen Fachkräften, die über Burn-out berichteten, von 51,9 % vor der Nutzung eines Umgebungs-KI-Schreibassistenten auf 38,8 % nach 30 Tagen (Olson et al., JAMA Network Open, Okt. 2025).

Wie schreiben Schülerinnen und Schüler am Computer?

Schülerinnen und Schüler in den USA absolvieren den landesweiten Schreibtest inzwischen am Computer. Schreibstärkere Schülerinnen und Schüler nutzen die Bearbeitungswerkzeuge häufiger. Schülerinnen und Schüler, deren Lehrkräfte sie Texte am Computer entwerfen ließen, erzielten ebenfalls bessere Ergebnisse.

  • Als Schülerinnen und Schüler in den USA den ersten computerbasierten Schreibtest von NAEP ablegten, erreichten 24 % der Acht- und Zwölftklässler das Niveau Proficient (National Center for Education Statistics, NAEP Writing 2011, Sep. 2012).
  • Unter den Achtklässlern im obersten Viertel der NAEP-Schreibtest-Ergebnisse drückten 41 % während des Tests mehr als 500-mal die Rücktaste, gegenüber 5 % im untersten Viertel (National Center for Education Statistics, NAEP Writing 2011, Sep. 2012).
  • 57 % der Achtklässler im obersten Viertel klickten während des Tests 1 bis 10 Mal mit der rechten Maustaste, um die Rechtschreibprüfung zu öffnen. Bei den Schreibenden im untersten Viertel waren es 31 % (National Center for Education Statistics, NAEP Writing 2011, Sep. 2012).
  • Bei 44 % der Achtklässler gaben die Lehrkräfte an, dass sie die Schülerinnen und Schüler sehr oft oder immer aufforderten, Texte am Computer zu entwerfen und zu überarbeiten. Diese Schülerinnen und Schüler erzielten bessere Ergebnisse als diejenigen, deren Lehrkräfte dies seltener verlangten (National Center for Education Statistics, NAEP Writing 2011, Sep. 2012).
  • Etwa zwei Drittel der Achtklässler verbrachten an einem typischen Schultag mehr als 15 Minuten damit, mindestens einen Absatz für den Englischunterricht zu schreiben, entweder auf Papier oder am Computer: 40 % schrieben 15 bis 30 Minuten, 21 % 30 bis 60 Minuten und 4 % mehr als eine Stunde (National Center for Education Statistics, NAEP Writing 2011, Sep. 2012).
  • 56 % der Zwölftklässler in den USA gaben an, immer oder fast immer einen Computer zu verwenden, um ihre Texte zu bearbeiten. Diese Schülerinnen und Schüler erzielten höhere Schreibtest-Ergebnisse (National Center for Education Statistics, NAEP Writing 2011, Sep. 2012).

Kann viel Tippen Schmerzen oder Verletzungen verursachen?

Beschwerden an Händen, Handgelenken und Nacken sind bei Beschäftigten weit verbreitet. Ein Fall von Karpaltunnelsyndrom führt viel häufiger zu Arbeitsausfällen als ein typischer Fall einer Muskel-Skelett-Erkrankung. Bildschirmarbeit ist neben Faktoren wie Kraftaufwand, Körperhaltung, Alter und Geschlecht ein belegter Risikofaktor. Die folgenden Studien zeigen Zusammenhänge, aber keinen Beweis dafür, dass Tippen allein Verletzungen verursacht.

Tabelle mit dem Anteil arbeitsbedingter Karpaltunnelsyndrom-Fälle in jeder US-Berufsgruppe im Vergleich zu ihrem Anteil an der Erwerbsbevölkerung, National Health Interview Survey 2010. In der Produktion (Verhältnis 2.52) und in Büro- und Verwaltungsberufen (Verhältnis 1.66) sind die Fälle überrepräsentiert
Abbildung 6: Bei arbeitsbedingten Karpaltunnelsyndrom-Fällen sind Büro- und Verwaltungsberufe mit sitzender Tätigkeit deutlich häufiger vertreten, als es ihrem Anteil an der Erwerbsbevölkerung entspricht. Nur die Fertigungsberufe sind stärker überrepräsentiert. Quelle: Luckhaupt et al., American Journal of Industrial Medicine, Prevalence and Work-Relatedness of Carpal Tunnel Syndrome in the Working Population, Table IV, Jun. 2013. Screenshot der Quellseite, abgerufen am 2. Okt. 2026.

Wie verbreitet ist das Karpaltunnelsyndrom bei Beschäftigten?

Es betrifft jährlich Millionen von Beschäftigten in den USA und kann hohe Kosten verursachen. Die Schätzung zur Verbreitung in der Bevölkerung stammt aus der National Health Interview Survey von 2010, der bislang jüngsten veröffentlichten Erhebung. Die Fallzahlen beruhen auf Arbeitgebermeldungen.

  • 6,7 % der derzeitigen oder kürzlich beschäftigten Personen in den USA gaben an, dass eine klinische Fachkraft bei ihnen irgendwann im Leben ein Karpaltunnelsyndrom diagnostiziert hatte (Luckhaupt et al., American Journal of Industrial Medicine, Jun. 2013).
  • Bei Frauen war die Wahrscheinlichkeit für ein aktuelles Karpaltunnelsyndrom mehr als doppelt so hoch wie bei Männern (4,5 % gegenüber 1,9 %). Bei Beschäftigten im Alter von 45 bis 64 Jahren war sie etwa fünfmal so hoch wie bei den 18- bis 29-Jährigen (4,7 % gegenüber 0,9 %) (Luckhaupt et al., American Journal of Industrial Medicine, Jun. 2013).
  • Beschäftigte in Büro- und Verwaltungsberufen stellten 13,4 % der Erwerbsbevölkerung, aber 22,2 % der arbeitsbedingten Karpaltunnelsyndrom-Fälle. Ihr Anteil war damit 1,66-mal so hoch. Von den Berufsgruppen waren nur Beschäftigte in der Produktion stärker überrepräsentiert (Luckhaupt et al., American Journal of Industrial Medicine, Jun. 2013).
  • Private Arbeitgeber in den USA meldeten über 2023 und 2024 insgesamt 5.140 Karpaltunnelsyndrom-Fälle, die zu Arbeitsausfällen führten. Im Median blieb eine beschäftigte Person 28 Tage der Arbeit fern, doppelt so lange wie der Median von 14 Tagen bei allen Muskel-Skelett-Erkrankungen (US Bureau of Labor Statistics, SOII Table MSD1, Jan. 2026).
  • Insgesamt entfielen 2023 und 2024 zusammen 484.620 Fälle mit Arbeitsausfällen im privaten Sektor auf Muskel-Skelett-Erkrankungen. Die auf ein Jahr umgerechnete Rate betrug 22,9 Fälle pro 10.000 Vollzeitbeschäftigte (US Bureau of Labor Statistics, SOII Table MSD1, Jan. 2026).
  • In der Berufstabelle des BLS, die alle Karpaltunnelsyndrom-Fälle mit Arbeitsausfällen erfasst und nicht nur die Fälle, die in Table MSD1 als Muskel-Skelett-Erkrankungen eingestuft sind, entfielen 2023 und 2024 insgesamt 500 von 5.210 Fällen auf Büro- und Verwaltungsberufe, also etwa 1 von 10. Auf dieselben Berufe entfielen 3,3 % aller Fälle im privaten Sektor mit Arbeitsausfällen (60.930 von 1.834.600, unsere Berechnung anhand von Table R9) (US Bureau of Labor Statistics, SOII Table R9, Jan. 2026).
  • Wiederholte Mikrotätigkeiten, etwa wiederkehrende kleine Handbewegungen, führten im privaten Sektor 2023 und 2024 zusammen zu 32.110 Verletzungen und Erkrankungen mit Arbeitsausfällen (US Bureau of Labor Statistics, SOII Table R4, Jan. 2026).

Die britische Aufsichtsbehörde zählt dasselbe Problem anhand der betroffenen Beschäftigten und der Ausfalltage.

  • In Großbritannien hatten 2024/25 insgesamt 511.000 Beschäftigte eine arbeitsbedingte Muskel-Skelett-Erkrankung. Bei 211.000 davon waren hauptsächlich die oberen Gliedmaßen oder der Nacken betroffen (Health and Safety Executive, Nov. 2025).
  • Erkrankungen der oberen Gliedmaßen und des Nackens machten 34 % der 7,1 Millionen durch arbeitsbedingte Muskel-Skelett-Erkrankungen verursachten Ausfalltage in Großbritannien 2024/25 aus. Das entspricht durchschnittlich 11,4 Tagen pro Fall (Health and Safety Executive, Nov. 2025).

Wie viele Menschen, die Computer nutzen, bekommen Hand-, Handgelenk- oder Nackenschmerzen?

In der bekanntesten prospektiven Studie berichtete mehr als die Hälfte der neu eingestellten Beschäftigten mit intensiver Computernutzung innerhalb eines Jahres über Beschwerden. Bei den meisten handelte es sich nicht um diagnostizierte Erkrankungen. Die Zusammenhänge mit dem Tastaturdesign und der Tippdauer sind statistische Korrelationen.

  • Unter 632 neu eingestellten Beschäftigten, die mindestens 15 Stunden pro Woche einen Computer nutzten, traten Hand- oder Armsymptome mit einer Rate von 39 Fällen pro 100 Personenjahre auf. Diagnostizierte Hand- oder Armerkrankungen lagen bei 21 Fällen pro 100 Personenjahre. Am häufigsten war eine Sehnenscheidenentzündung vom Typ de Quervain (Gerr et al., American Journal of Industrial Medicine, Apr. 2002).
  • Nacken- und Schulterbeschwerden waren in derselben Kohorte noch häufiger: 58 Fälle mit Symptomen und 35 diagnostizierte Erkrankungen pro 100 Personenjahre (Gerr et al., American Journal of Industrial Medicine, Apr. 2002).
  • Mehr als 50 % der neu eingestellten Personen, die einen Computer nutzten, berichteten im ersten Jahr ihrer Beschäftigung über Muskel-Skelett-Beschwerden. 46 % der Nacken- oder Schultersymptome und 32 % der Hand- oder Armsymptome traten im ersten Monat auf (Gerr et al., American Journal of Industrial Medicine, Apr. 2002).
  • In derselben Kohorte waren mehr Stunden Tippen pro Woche mit mehr Hand- und Armsymptomen und Erkrankungen verbunden. Dasselbe galt für Tastaturen, bei denen die J-Taste mehr als 3,5 cm über der Schreibtischoberfläche lag und zum Drücken mehr als 48 g Kraft erforderlich waren (Marcus et al., American Journal of Industrial Medicine, Apr. 2002).
  • Etwa drei von fünf Beschäftigten in der EU berichteten 2015 über Muskel-Skelett-Beschwerden. Rückenschmerzen (43 %) und Muskelschmerzen in den oberen Gliedmaßen (41 %) waren am häufigsten (EU-OSHA, Nov. 2019).
  • 2015 waren 61 % der Beschäftigten in der EU-28 während mindestens eines Viertels ihrer Arbeitszeit wiederholten Hand- oder Armbewegungen ausgesetzt. 58 % arbeiteten mindestens ebenso lange mit Computern, Laptops oder Smartphones. 2000 waren es noch 47 %, laut der Analyse der Europäischen Erhebung über die Arbeitsbedingungen durch EU-OSHA (EU-OSHA, Nov. 2019).
  • In einer fünfjährigen Studie mit 7.092 schwedischen Erwachsenen im Alter von 20 bis 24 Jahren war die Wahrscheinlichkeit, nach einem Jahr neue Hand- oder Fingersymptome zu melden, bei Personen, die mehr SMS schrieben, doppelt so hoch (Odds Ratio 2,0). Die Forschenden kamen zu dem Schluss, dass die Auswirkungen überwiegend kurzfristig waren (Gustafsson et al., Applied Ergonomics, Jan. 2017).

Wie viele Menschen haben Schwierigkeiten, ihre Hände zu benutzen?

Millionen Erwachsene in den USA, die meisten davon ältere Menschen. Diese Zahlen geben nur die Verbreitung an: Keine der folgenden Studien erfasste das Tippen, und keine zeigt, dass ein Schreibwerkzeug den Zustand verändert.

  • Laut Umfragedaten aus dem Jahr 2014 hatten 5,6 % der Erwachsenen in den USA, etwa 13,4 Millionen Menschen, Schwierigkeiten, mit den Fingern kleine Gegenstände wie ein Glas oder einen Bleistift zu greifen. 0,5 % (1,1 Millionen) konnten das überhaupt nicht (US Census Bureau, Americans With Disabilities: 2014, Nov. 2018).
  • Schwierigkeiten beim Greifen waren bei Erwachsenen ab 65 Jahren (9,9 %) doppelt so häufig wie bei Erwachsenen im Alter von 18 bis 64 Jahren (4,6 %) (US Census Bureau, Americans With Disabilities: 2014, Nov. 2018).
  • Von den 8,9 Millionen Erwachsenen in den USA im Alter von 18 bis 64 Jahren mit Greifschwierigkeiten waren 2014 33,0 % erwerbstätig (US Census Bureau, Americans With Disabilities: 2014, Nov. 2018).
  • 21,2 % der Erwachsenen in den USA, etwa 53,2 Millionen Menschen, berichteten für die Jahre 2019 bis 2021 von ärztlich diagnostizierter Arthritis. Fast die Hälfte von ihnen (48,3 %) war mindestens 65 Jahre alt (CDC, Morbidity and Mortality Weekly Report, Okt. 2023).
  • Nach Altersbereinigung trat Arthritis bei Frauen (20,9 %) häufiger auf als bei Männern (16,3 %). Erwachsene ab 45 Jahren machten 88,3 % der Erwachsenen in den USA mit Arthritis aus (CDC, Morbidity and Mortality Weekly Report, Okt. 2023).
  • Im Jahr 2019 hatten weltweit etwa 1,71 Milliarden Menschen eine Muskel-Skelett-Erkrankung. In einer Analyse der Daten aus der Global Burden of Disease 2019 war dies die größte Gruppe unter den Erkrankungen, bei denen eine Rehabilitation helfen kann (Cieza et al., The Lancet, Dez. 2020).

Glossar

  • WPM: Wörter pro Minute. In Tippstudien gelten fünf Zeichen einschließlich Leerzeichen als ein Wort.
  • CPM: Zeichen pro Minute, die bei Tippmeisterschaften verwendete Maßeinheit.
  • IKI: Zeitabstand zwischen zwei Tastenanschlägen.
  • Überlappung: Die nächste Taste drücken, bevor die vorherige losgelassen wird.
  • KSPC: Tastenanschläge pro Zeichen, also die Anzahl der Tasten, die für jedes Zeichen im fertigen Text gedrückt werden.
  • Korrigierte und unkorrigierte Fehlerrate: Fehler, die beim Tippen gemacht und anschließend behoben werden, im Vergleich zu Fehlern, die im endgültigen Text stehen bleiben.
  • WER: Wortfehlerrate, der Anteil der Wörter, die in einem Transkript falsch sind (ersetzt, gelöscht oder eingefügt). Sie kann über 100 % liegen, weil eingefügte Wörter als Fehler zählen.
  • ASR: automatische Spracherkennung.
  • Switchboard, CallHome, LibriSpeech, FLEURS, CORAAL: Standardtests für Sprache: Telefongespräche zwischen Fremden, Gespräche zwischen Verwandten und Freunden, vorgelesene Hörbücher, vorgelesene Sprache in vielen Sprachen und Interviews mit Schwarzen Amerikanerinnen und Amerikanern.
  • EHR: elektronische Patientenakte.
  • KI-Schreibassistent: Software, die einem Arztbesuch zuhört und daraus eine Notiz erstellt.
  • MSD: Muskel-Skelett-Erkrankung, eine Verletzung oder Erkrankung von Muskeln, Nerven, Sehnen, Gelenken oder Knorpel.
  • CTS: Karpaltunnelsyndrom, Kompression des Medianusnervs am Handgelenk.
  • SOII: die Erhebung des BLS zu Arbeitsunfällen und Berufskrankheiten.
  • NHIS: National Health Interview Survey, durchgeführt vom National Center for Health Statistics der CDC.
  • NAEP: National Assessment of Educational Progress, die landesweite Schulleistungsstudie der USA.
  • ALS: amyotrophe Lateralsklerose.
  • BLS, CDC, NCES, NCRA, OPM, HSE, EU-OSHA: US Bureau of Labor Statistics, Centers for Disease Control and Prevention, National Center for Education Statistics, National Court Reporters Association, US Office of Personnel Management, Health and Safety Executive Großbritanniens, Europäische Agentur für Sicherheit und Gesundheitsschutz am Arbeitsplatz.

Methodik und Quellen

Alle Zahlen auf dieser Seite stammen von der Organisation, die die Studie, Umfrage oder den Test durchgeführt hat: begutachtete wissenschaftliche Arbeiten, Behörden, Aufsichtsstellen, Berufsverbände und Unternehmen, die ihre eigenen Systeme untersucht haben. Übersichtsseiten anderer Anbieter, Vergleichsdaten von Anbietern von Tipptests und andere Zusammenstellungen von Statistiken wurden ausgeschlossen. Behauptungen zur WPM-Leistung in einzelnen Berufen ohne Primärquelle wurden ebenfalls weggelassen. Jede URL wurde aufgerufen und die dort angegebene Zahl überprüft, bevor sie aufgenommen wurde. Grundlagenforschungen zum menschlichen Verhalten werden mit dem Jahr der Studie angegeben, da sich Tipp- und Sprechgeschwindigkeiten nur langsam verändern. Für die Genauigkeit der Spracherkennung, Nachrichten am Arbeitsplatz und Tests mit KI-Schreibassistenten werden die neuesten verfügbaren Daten herangezogen. Die Seite wird monatlich geprüft und aktualisiert.

Quellen

Diese Seite zitieren

Jede Zahl hier verlinkt auf die Studie, aus der sie stammt. Sie können sie mit einem Link zu dieser Seite oder zur Originalquelle zitieren.

WriteVoice. "149 Statistiken zur Tippgeschwindigkeit im November 2026." WriteVoice, November 2026. https://www.writevoice.io/de/statistics/typing-speed-statistics/
<a href="https://www.writevoice.io/de/statistics/typing-speed-statistics/">Statistiken zur Tippgeschwindigkeit</a> (WriteVoice, November 2026)
Deutsch