Nutzt eine Aufnahme-App Ihre Aufnahmen, um KI zu trainieren – auf dem iPhone?

Damit ein Modell trainiert werden kann, müssen der Reihe nach drei Dinge geschehen: Das Audio muss irgendwo einen Server erreichen, es muss protokolliert oder aufbewahrt statt verworfen werden, und es muss am Ende in der Menge landen, die später zum Training von irgendetwas verwendet wird. Jeder Schritt ist eine Tatsache über ein System, kein Versprechen über eine Absicht – das macht dies zu einer der wenigen Datenschutzfragen, deren Antwort sich tatsächlich prüfen lässt, statt geglaubt werden zu müssen.

Die Frage, die das eigentlich klärt

Fragen Sie zuerst „hat diese App überhaupt einen Server, über den meine Aufnahmen laufen", bevor Sie fragen „würde sie sie zum Training verwenden". Eine App ohne eigenen Server, ohne Konto und ohne Analyse-SDK hat von vornherein nirgendwo, wo eine Aufnahme gesammelt werden könnte. Das ist eine stärkere Garantie als ein Satz in einer Erklärung, der verspricht, Ihre Daten nicht zu nutzen – denn sie hängt von keinem eingehaltenen Versprechen ab. Es gibt schlicht keine Infrastruktur auf der anderen Seite, auf der eine Aufnahme landen könnte.

Die eine Stelle, an der Audio das Telefon tatsächlich verlassen kann

Bei der Transkription wird eine saubere Antwort à la „alles bleibt auf dem Telefon" kompliziert. Der Großteil der Transkription auf dem iPhone, in dieser App wie in fast jeder anderen, die kein eigenes Sprachmodell mitbringt, baut auf Apples Speech-Framework auf, das zuerst die Erkennung auf dem Gerät versucht und bei manchen Sprachen und manchem Audio gegen Apples eigenen Server nachfasst, wenn dieser lokale Durchlauf leer bleibt oder scheitert.

Dieser Rückfall verdient es, klar benannt statt übergangen zu werden, denn genau hier kann eine Aussage wie „wir senden Ihr Audio nie irgendwohin" aufhören, wahr zu sein, ohne dass jemand lügt. Hat eine Sprache kein lokales Modell installiert, oder war das Audio zu leise, zu weit entfernt oder zu lang für den lokalen Durchlauf, geht das Audio zur Transkription an Apples Sprachdienst. Das ist ein Weg zu Apple selbst, kein Dritter dazwischen – aber es ist tatsächlich Audio, das das Gerät verlässt, und das Gegenteil zu behaupten wäre nicht ehrlich.

Wessen Regeln diese Daten tatsächlich unterliegen

Was mit Audio geschieht, sobald es Apples Sprachdienst erreicht – wie lange es aufbewahrt wird, ob etwas davon in die Verbesserung von Apples eigenen Modellen einfließt –, kontrolliert nicht der Entwickler einer einzelnen App, und er kann es nicht im Namen von Apple versprechen. Das ist Apples Infrastruktur, geregelt durch Apples eigene Datenschutzdokumentation zum Speech-Framework, dieselbe, die auch das Tastaturdiktat abdeckt, weil es derselbe Dienst darunter ist. Ein Entwickler, der Ihnen sagt „Ihre Aufnahmen werden nie zum KI-Training verwendet", macht eine Aussage über seine eigenen Systeme. Er ist nicht in der Position, dieselbe Aussage über das zu treffen, was geschieht, sobald Audio Apples Server erreicht – und eine ehrliche Antwort sagt das, statt beides zu vermischen.

Das sind wirklich zwei unterschiedliche Risiken, die es lohnt auseinanderzuhalten. Das eine ist ein Unternehmen ohne jede Verbindung zu Apple, das Ihre Stimme auf einem Server sammelt, der genau dafür gebaut wurde, ohne jede andere Erklärung, warum er existiert. Das andere ist ein dokumentierter, hauseigener Rückfall innerhalb derselben iOS-Funktion, die auf jedem iPhone bereits das Diktat trägt, geregelt durch welche Zusagen auch immer Apple zu dieser Funktion allgemein macht. Keines von beiden ist nichts – aber es ist nicht dieselbe Frage, und eine App, die nur eine davon beantwortet, hat diese hier nicht wirklich beantwortet.

Was „kein Analyse-SDK" separat ausschließt

Lassen Sie die Transkription einen Moment beiseite. Viele Apps, die Ihre Aufnahmen nie anfassen, senden trotzdem ein laufendes Protokoll darüber, wie Sie sie nutzen – welche Bildschirme Sie öffnen, wie lange Sie bleiben, was Sie antippen – über ein Analyse- oder Werbe-SDK eines Drittanbieters, das in die App eingebettet ist. Dieser Strom ist nicht Ihr Audio, aber es sind trotzdem Informationen über Sie, die das Gerät verlassen und bei einem Unternehmen landen, dessen gesamtes Geschäft darin besteht, genau solche Daten zu bündeln – manchmal für Zwecke, die sich mit dem Training von irgendetwas anderem überschneiden. Eine App ohne jedes Analyse-SDK hat nichts dergleichen zu senden, was auch immer sie mit Audio konkret tut.

Wie Sie es selbst prüfen, statt einer Behauptung zu vertrauen

Sie müssen nichts davon glauben. Derselbe Test, der allgemein die Frage lokal gegen Cloud beantwortet, beantwortet auch diese: Flugmodus einschalten, etwas aufnehmen und transkribieren. Kommt ein Transkript zurück, wurde es vollständig auf dem Telefon erzeugt, weil kein Netz verfügbar war, über das irgendetwas hätte gesendet werden können. Kommt nichts zurück oder schlägt es fehl, sagt Ihnen das, dass genau diese Sprache und dieses Audio den Server-Rückfall genutzt hätten, wären Sie online gewesen – eine Tatsache über diese Aufnahme, keine Werbeaussage über die App.

Wie Voice Studio damit umgeht

Voice Studio hat keinen eigenen Server, kein Konto, keine CloudKit-Synchronisierung und kein Analyse-SDK – es gibt auf unserer Seite keine Infrastruktur, in der eine Aufnahme gesammelt werden könnte, geschweige denn später für irgendetwas genutzt. Die Transkription versucht zuerst den lokalen Weg und weicht nur, genau wie oben beschrieben, auf Apples eigenen Sprachdienst aus, wenn dieser lokale Durchlauf leer bleibt oder scheitert; geschieht das, wird dieses Audio von Apple behandelt, unter Apples eigenen Zusagen für das Speech-Framework, nicht von uns. Ist eine bestimmte Aufnahme wichtig genug, dass Sie Gewissheit statt einer Erklärung wollen, gilt der Flugmodus-Test von oben hier genauso wie überall sonst, wo diese Frage auftaucht.

Häufige Fragen

Kann eine App ein KI-Modell mit meiner Stimme trainieren, wenn sie keinen Server hat?

Nicht in relevantem Umfang. Training setzt voraus, dass das Audio zuerst irgendwo gesammelt wird, und eine App ohne Server, ohne Konto und ohne Analyse-SDK hat nirgendwo, wo sie es sammeln könnte – egal, was eine Erklärung über die Absicht sagt.

Nutzt Apple Audio, das an seinen Sprachdienst gesendet wird, zum Training eigener Modelle?

Diese Frage regelt Apples eigene Datenschutzdokumentation zum Speech-Framework, nicht die App, die den Rückfall ausgelöst hat. Ein Entwickler kann beschreiben, was auf seinen eigenen Systemen geschieht, aber nichts über Apples Infrastruktur im Namen von Apple versprechen.

Wie prüfe ich, ob eine bestimmte Aufnahme mein Telefon verlassen hat?

Schalten Sie vor der Transkription den Flugmodus ein. Ein zurückkommendes Transkript wurde vollständig auf dem Gerät erzeugt, weil kein Netz zum Senden verfügbar war; kommt nichts zurück oder schlägt es fehl, hätte diese Aufnahme den Server-Rückfall genutzt.

Bedeutet „keine KI von Drittanbietern", dass nichts von meiner Aufnahme je das Gerät verlässt?

Nicht unbedingt. Meist bedeutet es nur, dass der Entwickler Ihr Audio nicht über den KI-Dienst eines anderen Unternehmens leitet. Apples eigene Pipeline, zuerst lokal mit Server-Rückfall, ist eine separate Frage, und eine vollständige Antwort behandelt beide, nicht nur eine.