Whisper large-v2, ein weit verbreitetes Spracherkennungsmodell, machte 36,4% Wortfehler bei Meetingaudio, das von einem einzelnen entfernten Mikrofon aufgenommen wurde, gegenüber 16,9% bei denselben Meetings, aufgenommen über Headset-Mikrofone (OpenAI, Whisper-Paper 2022). Die Lücke beginnt bei der Aufnahme: Das eingebaute Mikrofon eines Laptops in etwa 60 cm Abstand nahm Sprache in einer Studie mit 30 Personen 12,82 dB leiser auf als ein Headset-Mikrofon in 15 bis 20 cm Abstand (Busquet et al., Behavior Research Methods 2023). Und sie bleibt nicht technisch: 600 Zuhörer bewerteten einen Bewerber, der mit dem blechernen Klang eines schlechten Mikrofons zu hören war, bei der Einstellungswahrscheinlichkeit mit 68,50 von 100, gegenüber 76,04 bei der klaren Aufnahme (Walter-Terrill et al., PNAS 2025). Wir haben Daten von Amazon, der Yale University, den REVERB- und CHiME-Challenges, Ear and Hearing, einer Meetingstudie in fünf Organisationen, der ITU-T und Zoom zusammengeführt, dazu zwei als solche gekennzeichnete Herstellerumfragen. Zum Hardwaremarkt selbst siehe unsere Statistiken zum Webcam-Markt; diese Seite behandelt, was das Mikrofon mit der Stimme macht.
TL;DR
- Wortfehlerrate von Whisper large-v2 bei AMI-Meetings: 16,9% mit einzelnen Headset-Mikrofonen vs 36,4% mit einem entfernten Mikrofon (OpenAI, Whisper-Paper 2022).
- Ein eingebautes Laptop-Mikrofon in etwa 60 cm Abstand nahm Sprache mit 46,91 dB auf, vs 59,73 dB bei einem Headset-Mikrofon in 15 bis 20 cm Abstand (Busquet et al., Behavior Research Methods 2023).
- Bei den DiPCo-Dinner-Party-Aufnahmen von Amazon lag die WER im Nahbereich bei 42,10% vs 77,52% bei Fernfeld-Arrays (Van Segbroeck et al., DiPCo 2019).
- AliMeeting-Meetings auf Mandarin: 9,9% Zeichenfehler bei Headset-Audio vs 49,0% bei Audio von Fernfeld-Arrays (Yu et al., M2MeT 2022).
- Die Einstellungswahrscheinlichkeit sank von 76,04 auf 68,50 von 100, als dieselbe Stimme wie über ein schlechtes Mikrofon klang, bei unveränderter Transkriptionsgenauigkeit (98,09% vs 98,07%) (Walter-Terrill et al., PNAS 2025).
- Audio von geringer Qualität erreichte einen ViSQOL-MOS von 2,13 vs 4,68 bei mittlerer Qualität und senkte die Bewertungen der Beschäftigungsfähigkeit (Schütze et al., Forum Acusticum 2026).
- Hintergrundgeräusche verlangsamten die Antworten der Zuhörer im Mittel um 91 ms, ein Maß für die Höranstrengung (Picou et al., Ear and Hearing 2016).
- Erwachsene mit Cochlea-Implantat erreichten in reinen Audio-Online-Gesprächen etwa 60% der typischen Höreffizienz, mit Untertiteln etwa 80% (Perea Pérez et al., Ear and Hearing 2025).
- Nur 30% der Wissensarbeiter nutzen ein professionelles Headset für die Arbeit, und 8% nennen es ihr Hauptgerät (Jabra 2023 Knowledge Worker Study, Herstellerumfrage).
1. Mikrofonabstand und aufgenommener Sprachpegel
Ein Webcam- oder Laptop-Mikrofon ist ein Fernfeld-Mikrofon (far-field): Es sitzt ungefähr eine Armlänge vom Mund entfernt oder weiter, nimmt also den Raum zusammen mit der Stimme auf. Ein Headset-Mikrofon ist ein Nahbesprechungsmikrofon (close-talk), wenige Zentimeter von den Lippen entfernt. Der sauberste gemessene Vergleich stammt aus einer Studie von 2023, die dieselben Sprecher mit mehreren Geräten aufnahm. Das eingebaute Mikrofon des Laptops in etwa 60 cm Abstand nahm Sprache mit 46,91 dB auf, das Headset-Mikrofon in 15 bis 20 cm Abstand mit 59,73 dB, ein Unterschied von 12,82 dB (59,73 minus 46,91) (Busquet, Efthymiou und Hildebrand, Behavior Research Methods 2023).
Zwei Details sind für Käufer wichtig. Erstens nahm selbst ein Studiomikrofon im gleichen Abstand von 60 cm 10,76 dB mehr auf als der Laptop (57,67 minus 46,91), das eingebaute Mikrofon verliert also sowohl durch den Abstand als auch durch die Hardware. Zweitens maßen Laptop und Studiomikrofon die mittlere Stimmhöhe nahezu identisch, was bedeutet, dass ein entferntes Mikrofon nicht verändert, wie man klingt; es verändert, wie viel von einem im Vergleich zum Raum bei der Gegenseite ankommt. Ein separater Test mit Aufnahmen von Gruppenarbeit zeigt die andere Hälfte der Geschichte: Mit sechs verschiedenen Mikrofonen, alle in 5 Fuß (etwa 1,5 m) Abstand platziert, veränderte die Wahl des Modells die Fehlerrate kaum (Bradford et al., EDM 2022).
| Metrik | Wert | Quelle |
|---|---|---|
| Sprachpegel, eingebautes Laptop-Mikrofon in etwa 60 cm Abstand vs Headset-Mikrofon in 15 bis 20 cm Abstand | 46,91 dB vs 59,73 dB | Busquet et al., Behavior Research Methods 2023 |
| Sprachpegel, Studiomikrofon in etwa 60 cm Abstand vs Lavalier-Mikrofon (Ansteckmikrofon) in 15 bis 20 cm Abstand | 57,67 dB vs 63,68 dB | Busquet et al., Behavior Research Methods 2023 |
| Mittlere Stimmhöhe, gemessen mit dem Laptop-Mikrofon vs dem Studiomikrofon | 168,42 Hz vs 169,31 Hz (t = -0,89; p = 0,99) | Busquet et al., Behavior Research Methods 2023 |
| Umfang der Studie zum Gerätevergleich | 30 Teilnehmende, 1.800 Stimmproben | Busquet et al., Behavior Research Methods 2023 |
| Wortfehlerrate, sechs Mikrofone in 5 Fuß Abstand zu den Sprechern, vorgelesenes Skript | 10,7% bis 12,0% | Bradford et al., EDM 2022 |
| Wortfehlerrate, dieselben sechs Mikrofone, freies Gruppengespräch | 52,7% bis 61,3% | Bradford et al., EDM 2022 |
| Abstand jedes Sprechers zu den Fernfeld-Arrays in den DiPCo-Aufnahmen | 1.120 mm bis 3.950 mm | Van Segbroeck et al., DiPCo 2019 |
| Abstand zwischen Mikrofon und Sprecher in den AliMeeting-Besprechungsräumen | 0,3 bis 5,0 m | Yu et al., M2MeT 2022 |
Kontexthinweis: Die Dezibelwerte in dieser Studie sind Amplitudenmaße aus den Aufnahmen, keine kalibrierten Schalldruckpegel, die Lücke von 12,82 dB vergleicht also Geräte innerhalb eines Aufbaus, statt vorherzusagen, was irgendeine Webcam liefern wird. Aktuellste verfügbare Daten für den EDM-Vergleich: 2022.
2. Spracherkennungsfehler: Nahbereich vs Fernfeld
Spracherkennung ist der messbarste Zuhörer, den es gibt, und sie sagt in jedem Korpus dasselbe: Rückt das Mikrofon weg, verdoppeln sich die Fehler ungefähr oder werden noch schlimmer. Whisper large-v2 ging von 16,9% WER (Wortfehlerrate, der Anteil falsch transkribierter Wörter) bei AMI-Meetings, aufgenommen mit einzelnen Headset-Mikrofonen, auf 36,4% bei denselben Meetings von einem einzelnen entfernten Mikrofon, etwa das 2,2-Fache (36,4 geteilt durch 16,9) (Radford et al., OpenAI-Whisper-Paper 2022). Ein älteres wav2vec-2.0-Modell zeigt dieselbe Richtung, 37,0% vs 67,6%.
Das Muster gilt auch in Wohnungen und in anderen Sprachen. Amazons DiPCo-Korpus zeichnete vier Personen an einem Esstisch gleichzeitig mit Headsets und fünf Fernfeld-Arrays auf: Das beste Auswertungs-Setup erreichte 42,10% WER im Nahbereich und 77,52% im Fernfeld, etwa das 1,8-Fache (77,52 geteilt durch 42,10) (Van Segbroeck et al., DiPCo 2019). Bei Meetings auf Mandarin war die Lücke steiler, 9,9% vs 49,0% CER (Zeichenfehlerrate, das Mandarin-Pendant zur WER), etwa das 5-Fache (49,0 geteilt durch 9,9) (Yu et al., M2MeT 2022). Training mit Fernfeld-Audio verringerte sie auf 8,2% vs 33,3%, schloss sie aber nicht. Räume mit Deckenarrays haben eigene Daten, behandelt in unseren Statistiken zu Beamforming-Mikrofonen für Konferenzräume.
| Metrik | Wert | Quelle |
|---|---|---|
| WER von Whisper large-v2, AMI-Meetings: einzelne Headset-Mikrofone vs ein einzelnes entferntes Mikrofon | 16,9% vs 36,4% | Radford et al., OpenAI-Whisper-Paper 2022 |
| WER von wav2vec 2.0 Large (ohne Sprachmodell), AMI: Headset-Mikrofone vs ein einzelnes entferntes Mikrofon | 37,0% vs 67,6% | Radford et al., OpenAI-Whisper-Paper 2022 |
| WER bei realen REVERB-Aufnahmen, bestes System mit acht Mikrofonen | 9,0% | Kinoshita et al., Zusammenfassung der REVERB-Challenge 2016 |
| WER in der DiPCo-Auswertung, Nahbesprechungs-Headset vs Fernfeld-Array (bestes Sprachmodell) | 42,10% vs 77,52% | Van Segbroeck et al., DiPCo 2019 |
| CER bei AliMeeting, mit Headset-Audio trainiertes Modell: Headset-Test vs Fernfeld-Test | 9,9% vs 49,0% | Yu et al., M2MeT 2022 |
| CER bei AliMeeting, Modell mit zusätzlichen Fernfeld-, externen und simulierten Daten: Headset vs Fernfeld | 8,2% vs 33,3% | Yu et al., M2MeT 2022 |
| WER bei realen REVERB-Aufnahmen: saubere Headset-Referenz vs Fernfeld-Baseline | 6,9% vs 49,2% | Kinoshita et al., Zusammenfassung der REVERB-Challenge 2016 |
| WER der offiziellen CHiME-6-Baseline auf Fernfeld-Arrays, Entwicklungs- vs Auswertungsdatensatz | 51,8% vs 51,3% | Watanabe et al., CHiME-6-Challenge 2020 |
Aktuellste verfügbare Daten: Das Whisper-Paper (2022) ist weiterhin der größte öffentliche Direktvergleich der WER mit Headset vs entferntem Mikrofon bei denselben Meetings; neuere Modelle haben keine AMI-Aufteilung nach Headset vs entferntem Mikrofon im selben Format veröffentlicht. Das CHiME-6-Baseline-Paper erlaubte beim Test nur Fernfeld-Arrays, weshalb es keine Nahbereichs-Spalte hat.
3. Räume, Rauschen und Höranstrengung
Der Abstand spielt eine Rolle wegen dessen, was die Lücke füllt: Reflexionen und Rauschen. Ein typisches Wohnzimmer braucht 0,3 bis 0,7 s, bis seine Antwort um 60 dB abgeklungen ist (die Nachhallzeit), laut einem Überblick zur Fernfeld-Erkennung (Haeb-Umbach et al., Far-Field Automatic Speech Recognition 2020). Ein Headset-Mikrofon nah am Mund hört viel weniger von diesem Ausklang als ein Webcam-Mikrofon oben auf einem Monitor.
Für menschliche Zuhörer teilt sich die Evidenz auf nützliche Weise. In einer kontrollierten Ear-and-Hearing-Studie verlangsamte Hintergrundgeräusch die Antworten im Mittel um 91 ms (das Maß der Studie für Höranstrengung), während der Nachhall die Anstrengung nicht signifikant veränderte, obwohl jede Stufe mehr Nachhall die Worterkennung um etwa 8 RAU senkte (rationalisierte Arkussinus-Einheiten, ein transformierter Prozent-richtig-Wert) (Picou, Gordon und Ricketts, Ear and Hearing 2016). Anders gesagt: Raumecho kostet Wörter; Raumrauschen kostet Energie. Das ist wichtig, weil ein entferntes Mikrofon von beidem mehr aufnimmt. Für Menschen mit Hörverlust stellten Australiens National Acoustic Laboratories fest, dass das Verfolgen von Videokonferenz-Gesprächen deutlich mehr Anstrengung erforderte als bei Menschen mit normalem Gehör, und dass Hörgeräte das Niveau des persönlichen Gesprächs nicht wiederherstellten. Die physiologische Seite der Anruf-Ermüdung behandeln unsere Statistiken zu Biomarkern der Videomeeting-Ermüdung.
| Metrik | Wert | Quelle |
|---|---|---|
| Typische Nachhallzeit eines Wohnzimmers (Abklingen auf -60 dB) | 0,3 bis 0,7 s | Haeb-Umbach et al., Überblick zu Fernfeld-ASR 2020 |
| Verlust der Worterkennung pro Stufe mehr Nachhall, bei festem Signal-Rausch-Verhältnis | etwa 8 RAU | Picou et al., Ear and Hearing 2016 |
| Verlangsamung der Antwortzeit bei Rauschen vs Ruhe (Höranstrengung) | Mittel 91 ms | Picou et al., Ear and Hearing 2016 |
| Effekt des Nachhalls auf die Höranstrengung bei vergleichbarer Erkennung | nicht signifikant (p = 0,18) | Picou et al., Ear and Hearing 2016 |
| In dieser Studie getestete Nachhallzeiten | T30 unter 100 ms, 475 ms und 834 ms | Picou et al., Ear and Hearing 2016 |
| Simulierte REVERB-Räume: Nachhallzeiten sowie Abstand nahes vs fernes Mikrofon | 0,3, 0,6 und 0,7 s; 50 cm vs 200 cm | Kinoshita et al., Zusammenfassung der REVERB-Challenge 2016 |
| Fernfeld-WER bei CHiME-5: Baseline vs robustes Erkennungs-Backend vs Trennung und Enthallung mit mehreren Mikrofonen | knapp unter 80% vs etwa 60% vs 43,2% | Haeb-Umbach et al., Überblick zu Fernfeld-ASR 2020 |
| Höreffizienz von Cochlea-Implantat-Trägern in Online-Gesprächen, nur Audio vs mit Untertiteln (Anteil am Mittelwert bei typischem Gehör) | etwa 60% vs etwa 80% | Perea Pérez et al., Ear and Hearing 2025 |
Hinweis zu Ausreißern: Der Nulleffekt des Nachhalls auf die Anstrengung überraschte die Autoren selbst, die ihn als unvereinbar mit aktuellen Modellen der Höranstrengung bezeichneten; gemessen wurde er an 18 jungen Erwachsenen mit normalem Gehör. Aktuellste verfügbare Daten: 2016. Rauschen ist die Hälfte, die Software angehen kann, siehe unsere Statistiken zur neuronalen Rauschunterdrückung.
4. Wie Zuhörer Sprechende über ein schlechtes Mikrofon beurteilen
Die folgenreichste Erkenntnis der letzten zwei Jahre ist, dass schlechter Mikrofonklang das Urteil über die Person verändert, nicht nur die Verständlichkeit. In einem PNAS-Experiment mit 600 Zuhörern erhielt ein Bewerber, der mit einem blechernen, hohlen Klang eines ‘schlechten Mikrofons’ zu hören war, einen Wert für die Einstellungswahrscheinlichkeit von 68,50 vs 76,04 bei der klaren Aufnahme (d = 0,35, P < 0,001), während die Transkriptionsgenauigkeit mit 98,07% vs 98,09% identisch war (Walter-Terrill, Ongchoco und Scholl, PNAS 2025). Die Zuhörer verstanden jedes Wort; sie hielten nur weniger von der sprechenden Person.
Eine Folgestudie von 2026 mit 299 Teilnehmenden und Bewerbungsgesprächen mit Avataren ergab, dass Audio mit niedriger Bitrate und begrenzter Bandbreite die Bewertungen der Beschäftigungsfähigkeit senkte (p < 0,001), während der Schritt von mittlerer zu hoher Qualität keinen Unterschied machte (p = 0,813) (Schütze, Biberger und Reber, Forum Acusticum 2026). Das deutet auf eine Schwelle hin: Zuhörer bestrafen klar verschlechtertes Audio, nicht bloß gewöhnliches Audio. Frühere Arbeiten fanden dieselbe Verzerrung in simulierten Skype-Bewerbungsgesprächen, wo sie auch dann bestehen blieb, nachdem die Beurteilenden angewiesen worden waren, die Anrufqualität zu ignorieren (Fiechter et al., Cognitive Research 2018).
| Metrik | Wert | Quelle |
|---|---|---|
| Wert der Einstellungswahrscheinlichkeit (0 bis 100), klare Aufnahme vs blecherne Version eines ‘schlechten Mikrofons’ | 76,04 vs 68,50 (d = 0,35) | Walter-Terrill et al., PNAS 2025 |
| Transkriptionsgenauigkeit, klare vs verzerrte Aufnahme | 98,09% vs 98,07% (P = 0,915) | Walter-Terrill et al., PNAS 2025 |
| Zuhörer in Experiment 1 | 600 (300 pro Bedingung) | Walter-Terrill et al., PNAS 2025 |
| Differenz bei der Bewertung der Beschäftigungsfähigkeit, hohe vs niedrige Audioqualität (Skala 0 bis 100) | 6,4 Punkte; niedrig vs hoch p < 0,001; mittel vs hoch p = 0,813 | Schütze et al., Forum Acusticum 2026 |
| Objektive Qualität (ViSQOL-MOS) von Audio niedriger vs mittlerer Qualität | 2,13 vs 4,68 | Schütze et al., Forum Acusticum 2026 |
| Wert der Einstellungseignung (1 bis 10), flüssiges vs verschlechtertes Audio und Video, beide Experimente zusammen | 6,91 vs 6,33 (Cohens d = 0,44) | Fiechter et al., Cognitive Research 2018 |
| Zuhörer, die identische Vorträge oder Radiointerviews bei gutem vs schlechtem Audio bewerteten | 97 (Experiment 1) und 99 (Experiment 2) | Newman und Schwarz, Science Communication 2018 |
Kontexthinweis: In der Studie von Newman und Schwarz (DOI 10.1177/1075547018759345) senkte schlechtes Audio die Bewertungen des Vortrags, der Intelligenz des Sprechers und der Bedeutung der Forschung, wie von der USC zusammengefasst. MOS (Mean Opinion Score, mittlere Meinungsbewertung) ist die Standardskala für die Hörqualität, bei der höher besser ist; ViSQOL ist ein Softwaremodell, das sie vorhersagt. Aktuellste verfügbare Daten für die Studien von Fiechter und Newman: 2018.
5. Zertifizierungsregeln: Was Teams, Zoom und die ITU tatsächlich testen
Zertifizierungsprogramme zeigen, wo Hersteller die Audio-Latte legen, und Webcams liegen meist außerhalb davon. Die Seite der zertifizierten Geräte für Teams besagt, dass Audiogeräte wie Headsets und Freisprecheinrichtungen Breitband-Audio (Wideband) ohne Echo, Verzerrung oder übermäßige Aussetzer bieten müssen, während die Kriterien, die sie für Videogeräte nennt, ausschließlich Bildmetriken sind (Microsoft Learn, Teams certified USB devices, November 2026). Von den 22 USB-Geräten dieser Liste, die 2026 qualifiziert wurden, sind 2 Webcams und 20 Headsets oder Headset-Systeme (unsere Zählung der Tabelle vom November 2026).
Auch die Headset-Latte hat eine Premium-Stufe. Die Dokumentation für Prüflabore zur Teams Audio Test Specification beschreibt ein optionales Großraumbüro-Modul, das Sprach- und Rausch-MOS unter Bürogeräuschen sowie die ‘Störsprecher-Dämpfung’ bewertet, also wie viel von der Stimme eines Nachbarn das Headset abweist (HEAD-acoustics-Datenblatt, Teams Audio Test Specification 60026). Zoom hat 2022 die objektiven Teststandards für seine Audiokategorien vereinheitlicht (Zoom, Update der Hardware-Zertifizierung 2022), und der Laboraufbau von Teams stützt sich auf ITU-T-Methoden wie P.502 und den künstlichen Mund P.51 (einen Lautsprecher, der einen menschlichen Sprecher nachahmt). Die breitere Referenz zur Bewertung aufgenommener Sprache ist ITU-T P.863 (POLQA), das Standardmodell, das die Hörqualität auf der MOS-Skala vorhersagt.
| Metrik | Wert | Quelle |
|---|---|---|
| Audioanforderung an Teams-zertifizierte Headsets und Freisprecheinrichtungen | Breitband-Audio (Wideband) ohne Echo, Verzerrung oder übermäßige Aussetzer; Echounterdrückung unterstützt | Microsoft Learn, Teams certified USB devices 2026 |
| Für Teams-zertifizierte Videogeräte wie Webcams genannte Kriterien | Rauschen, Farbe, Bilddetails, Jitter, Latenz, Bildrate, Sichtfeld (Bildmetriken) | Microsoft Learn, Teams certified USB devices 2026 |
| 2026 qualifizierte USB-Geräte (bis zur Tabelle vom November 2026): Webcams vs Headsets oder Headset-Systeme | 2 vs 20 (von 22) | Microsoft Learn, unsere Zählung der Tabelle vom November 2026 |
| Von Prüflaboren verwendete Version der Teams Audio Test Specification und Gerätekategorien | V5.0 einschließlich Addendum A; 4 Kategorien (Headsets, persönliche Tischtelefone, persönliche Freisprecheinrichtungen, gemeinsam genutzte Freisprecheinrichtungen) | HEAD-acoustics-Datenblatt für Prüflabore 2026 |
| Zusätzliche Metriken im optionalen Großraumbüro-Headset-Test | 3QUEST-Sprach- und Rausch-MOS; Störsprecher-Dämpfung (Durchschnitt und Minimum) | HEAD-acoustics-Datenblatt für Prüflabore 2026 |
| Audio- und verwandte Zoom-Kategorien mit erneuerten, vereinheitlichten objektiven Teststandards | 7 | Update der Zoom-Hardware-Zertifizierung, 16. März 2022 |
| Wie oft Zoom-zertifizierte Geräte neu zertifiziert werden müssen | mindestens alle zwei Jahre | Update der Zoom-Hardware-Zertifizierung, 16. März 2022 |
| Gültige Ausgabe von ITU-T P.863 (POLQA) sowie deren Änderung | P.863 (03/18); Amendment 1 (04/20) zur Vorhersage akustisch aufgezeichneter Schmalband-Sprache | ITU-T-Empfehlung P.863 |
Kontexthinweis: ‘Breitband’ (wideband) ist hier ein Begriff aus der Telefonie für Audio, das einen größeren Frequenzbereich behält als herkömmliches Schmalband-Telefonaudio; es ist kein Maß für die Lautstärke. Aktuellste verfügbare Daten für Zooms Kriterien: 2022, da Zoom keine neueren Schwellenwerte veröffentlicht hat.
6. Wie sich Menschen ausstatten und was das in echten Meetings verändert
Umfragedaten zur Ausstattung sind dünn und stammen meist von Herstellern, weisen aber in eine Richtung: Die meisten Menschen sprechen weiterhin über das, was eingebaut ist. Nur 30% der Wissensarbeiter nutzen ein professionelles Headset für die Arbeit, und 8% nennen es ihr Hauptgerät, obwohl 91% eine Online-Meeting-Plattform nutzen (Jabra 2023 Knowledge Worker Study, Herstellerumfrage). Eine Logitech-Umfrage von 2022 unter mehr als 3.000 Remote-Beschäftigten in den USA, Deutschland und China ergab, dass 85% mit Tonproblemen kämpfen (Logitech, Herstellerumfrage).
Unabhängige Daten ergänzen die Ergebnisseite. Eine Studie mit rund 7.330 verwertbaren Umfrageantworten nach Meetings aus fünf großen Organisationen ergab, dass die Nutzung eines Headsets die Chance auf eine Bewertung mit ‘Teilnahme’ erhöhte (OR = 1,16), und Anrufe mit Audioqualitätsproblemen eine weit geringere Chance hatten, als wirksam bewertet zu werden (OR = 0,14) (Hosseinkashi et al., Microsoft Research, Studie zur Meeting-Wirksamkeit 2024). Ein Quotenverhältnis (Odds Ratio, OR) unter 1 bedeutet geringere Chancen; 0,14 ist ein großer Effekt. Zusammen mit der Pegellücke aus Abschnitt 1 gelesen, geht es beim Argument für die Nahbesprechung darum, als voll anwesend wahrgenommen zu werden, nicht nur darum, gehört zu werden.
| Metrik | Wert | Quelle |
|---|---|---|
| Wissensarbeiter, die ein professionelles Headset für die Arbeit nutzen | 30% | Jabra 2023 Knowledge Worker Study (Herstellerumfrage, über 7.000 Beschäftigte) |
| Wissensarbeiter, die ein professionelles Headset als ihr Hauptgerät bezeichnen | 8% | Jabra 2023 Knowledge Worker Study (Herstellerumfrage) |
| Remote-Beschäftigte, die bei Anrufen mit Tonproblemen kämpfen | 85% | Logitech-Endnutzerumfrage, Mai 2022 (Herstellerumfrage, über 3.000 Beschäftigte) |
| Studie zu Online-Gesprächen, Gruppe mit typischem Gehör: hörten über Lautsprecher vs Kopfhörer | 72% vs 28% | Perea Pérez et al., Ear and Hearing 2025 |
| Dieselbe Studie, Gruppe mit Cochlea-Implantat: Lautsprecher vs Kopfhörer vs direktes Streaming | 68% vs 12% vs 20% | Perea Pérez et al., Ear and Hearing 2025 |
| Bereinigtes Quotenverhältnis für eine Bewertung mit ‘Teilnahme’, wenn der Nutzer ein Headset trägt | 1,16 | Hosseinkashi et al., Microsoft Research 2024 |
| Teilnahmerate, reine Audio-Anrufe mit Headset vs ohne | etwa 5% höher | Hosseinkashi et al., Microsoft Research 2024 |
| Bereinigtes Quotenverhältnis für eine Bewertung des Meetings als ‘Wirksam’, wenn der Anruf Qualitätsprobleme hatte (Echo, Rauschen, Verzerrung) | 0,14 | Hosseinkashi et al., Microsoft Research 2024 |
Hinweis zu Ausreißern: Im Text der Meetingstudie steht, die Chance auf Teilnahme steige mit einem Headset ‘um 20%’, während ihre eigene Tabelle ein Quotenverhältnis von 1,16 angibt; wir berichten den Tabellenwert. Die Autoren warnen außerdem, dass die Erkennung von Headsets aus Telemetriedaten unzuverlässig ist, weil viele Geräte sie falsch melden. Aktuellste verfügbare Daten für die Logitech-Umfrage: Mai 2022.
Zusammenfassung: Integriertes Webcam-Mikrofon vs Headset bei der Sprachqualität in Zahlen
| Metrik | Wert | Quelle |
|---|---|---|
| WER von Whisper large-v2, AMI-Headset-Mikrofone vs ein einzelnes entferntes Mikrofon | 16,9% vs 36,4% | Radford et al., OpenAI-Whisper-Paper 2022 |
| WER bei DiPCo, Nahbereich vs Fernfeld-Array | 42,10% vs 77,52% | Van Segbroeck et al., DiPCo 2019 |
| CER bei AliMeeting, Headset vs Fernfeld | 9,9% vs 49,0% | Yu et al., M2MeT 2022 |
| Reale REVERB-Aufnahmen: saubere Headset-WER vs Fernfeld-Baseline vs bestes System mit 8 Mikrofonen | 6,9% vs 49,2% vs 9,0% | Kinoshita et al., Zusammenfassung der REVERB-Challenge 2016 |
| Sprachpegel, Laptop-Mikrofon in etwa 60 cm Abstand vs Headset-Mikrofon in 15 bis 20 cm Abstand | 46,91 dB vs 59,73 dB | Busquet et al., Behavior Research Methods 2023 |
| WER-Bereich von sechs Mikrofonen in 5 Fuß Abstand, Skript vs freies Gespräch | 10,7% bis 12,0% vs 52,7% bis 61,3% | Bradford et al., EDM 2022 |
| Typische Nachhallzeit eines Wohnzimmers | 0,3 bis 0,7 s | Haeb-Umbach et al., Überblick zu Fernfeld-ASR 2020 |
| Verlangsamung der Antwort durch Hintergrundgeräusche | Mittel 91 ms | Picou et al., Ear and Hearing 2016 |
| Höreffizienz mit Cochlea-Implantat online, nur Audio vs Untertitel | etwa 60% vs etwa 80% des Typischen | Perea Pérez et al., Ear and Hearing 2025 |
| Einstellungswahrscheinlichkeit, klarer Klang vs Klang eines schlechten Mikrofons (0 bis 100) | 76,04 vs 68,50 | Walter-Terrill et al., PNAS 2025 |
| ViSQOL-MOS, niedrige vs mittlere Audioqualität | 2,13 vs 4,68 | Schütze et al., Forum Acusticum 2026 |
| Einstellungseignung (1 bis 10), flüssiges vs verschlechtertes Audio und Video | 6,91 vs 6,33 | Fiechter et al., Cognitive Research 2018 |
| Nutzung eines professionellen Headsets für die Arbeit | 30% | Jabra 2023 Knowledge Worker Study (Herstellerumfrage) |
| Professionelles Headset als Hauptgerät genannt | 8% | Jabra 2023 Knowledge Worker Study (Herstellerumfrage) |
| Zuhörer in Online-Gesprächen mit typischem Gehör über Lautsprecher vs Kopfhörer | 72% vs 28% | Perea Pérez et al., Ear and Hearing 2025 |
| Abstand zwischen Mikrofon und Sprecher in AliMeeting-Räumen | 0,3 bis 5,0 m | Yu et al., M2MeT 2022 |
| Remote-Beschäftigte mit Tonproblemen | 85% | Logitech-Endnutzerumfrage 2022 (Herstellerumfrage) |
| Intervall der Neuzertifizierung bei Zoom | mindestens alle zwei Jahre | Update der Zoom-Hardware-Zertifizierung 2022 |
Methodik und Quellen
- Busquet, Efthymiou und Hildebrand, Voice analytics in the wild: Validity and predictive accuracy of common audio-recording devices, Behavior Research Methods 2023
- Bradford et al., A deep dive into microphone hardware for recording collaborative group work, EDM 2022
- Radford et al. (OpenAI), Robust Speech Recognition via Large-Scale Weak Supervision (Whisper), 2022
- Van Segbroeck et al. (Amazon), DiPCo: Dinner Party Corpus, 2019
- Yu et al., M2MeT: The ICASSP 2022 Multi-channel Multi-party Meeting Transcription Challenge, 2022
- Kinoshita et al., A summary of the REVERB challenge, EURASIP Journal on Advances in Signal Processing 2016
- Watanabe et al., CHiME-6 Challenge: Tackling Multispeaker Speech Recognition for Unsegmented Recordings, 2020
- Haeb-Umbach et al., Far-Field Automatic Speech Recognition, 2020
- Picou, Gordon und Ricketts, The effects of noise and reverberation on listening effort in adults with normal hearing, Ear and Hearing 2016
- Perea Pérez et al., Preferences and Listening Efficiency of Adults With Cochlear Implants During Online Communication, Ear and Hearing 2025
- National Acoustic Laboratories, strukturierte Bewertung der Kommunikation per Videokonferenz, 2022
- Walter-Terrill, Ongchoco und Scholl, Superficial auditory (dis)fluency biases higher-level social judgment, PNAS 2025
- Schütze, Biberger und Reber, Subjective and objective employability for degraded speech in video-mediated job interviews, Forum Acusticum 2026 (vorläufiges Paper)
- Fiechter et al., Audiovisual quality impacts assessments of job candidates in video interviews, Cognitive Research: Principles and Implications 2018
- Newman und Schwarz, Good Sound, Good Research, Science Communication 2018, wie von der USC berichtet
- Microsoft Learn, Teams certified USB devices, Tabelle vom November 2026
- Hosseinkashi et al. (Microsoft Research), Meeting effectiveness and inclusiveness: large-scale measurement in real-world remote meetings, Überarbeitung 2024
- HEAD acoustics, ACQUA-Standards-Datenblatt zur Teams Audio Test Specification 60026, 2026
- Zoom, New updates to the Zoom hardware certification program, 16. März 2022
- ITU-T-Empfehlung P.863, Perceptual objective listening quality prediction
- Jabra, LSE-Engagement-Studie und 2023 Knowledge Worker Study (Herstellerforschung)
- Logitech, Your Remote Employees are Underequipped (Herstellerumfrage), mit Feldarbeit von 2CV Research im Mai 2022 laut dem vollständigen PDF der Logitech-Studie
- Daten-Hinweis: Keine öffentliche Studie hat bisher das eingebaute Mikrofon einer aktuellen Webcam mit einem Headset bei denselben Sprechern mit POLQA oder automatischer Spracherkennung gemessen, daher kombiniert diese Zusammenstellung Daten zu Laptop-Mikrofonen, entfernten Mikrofonen und Arrays als nächstliegende Fernfeld-Evidenz. Mehrere wichtige Datensätze sind älter als drei Jahre (REVERB 2016, die Studie zu Rauschen und Nachhall von 2016, Fiechter und Newman 2018, DiPCo 2019, Whisper und M2MeT 2022, Zoom-Kriterien 2022) und in ihren Abschnitten gekennzeichnet. Konflikte und Unstimmigkeiten: Der Text der Meetingstudie nennt einen Anstieg der Chance auf Teilnahme um 20% für Headset-Nutzer, während ihre Tabelle ein Quotenverhältnis von 1,16 angibt (wir verwenden die Tabelle); das DiPCo-Paper nennt Sitzungslängen von 15 bis 45 Minuten im Abstract und 15 bis 47 Minuten im Haupttext; das M2MeT-Paper druckt zwei verschiedene Überlappungsquoten für seinen Auswertungsdatensatz (wir verwenden keine von beiden). Die Lücke von 6,4 Punkten bei der Beschäftigungsfähigkeit stammt aus einem vorläufigen Forum-Acusticum-Paper, das noch nicht in einer Fachzeitschrift erschienen ist. Die Zahlen von Jabra und Logitech sind Herstellerumfragen und als solche gekennzeichnet. Die Werte 12,82 dB, 10,76 dB und die Verhältnisse sind eigene Subtraktionen oder Divisionen veröffentlichter Werte, mit der im Text gezeigten Rechnung.
Zuletzt aktualisiert: 7. November 2026. Wir aktualisieren diese Zusammenstellung vierteljährlich, und die nächste Aktualisierung wird erwartet, wenn die endgültigen Tagungsbände des Forum Acusticum 2026 (der 12. Konvention der European Acoustics Association) veröffentlicht sind.