Google hat der kostenlosen Gemini-App für macOS eine systemweite Diktierfunktion spendiert: Ein langer Druck auf die Fn-Taste genügt, um in jedem geöffneten Programm zu sprechen statt zu tippen. Die KI wandelt das Gesagte automatisch in sauberen, fertig formatierten Text um. Verfügbar ist die Funktion seit Ende Juli 2026 weltweit, allerdings vorerst nur mit englischer Spracheingabe.
Gemini schreibt per Fn-Taste in jedem Programm mit
Wie Google auf der offiziellen Produktseite beschreibt, trägt die Funktion intern den Namen „Speak to Window” (etwa: „Ins Fenster sprechen”). Wer die Fn-Taste auf der Mac-Tastatur gedrückt hält, kann direkt an der Cursor-Position diktieren – egal, ob im Mail-Programm, in einem Textverarbeitungsprogramm oder im Chat-Fenster. Ein Doppeltipp auf die Taste startet stattdessen die freihändige Aufnahme, bei der kein dauerhaftes Halten nötig ist. Alternativ lässt sich die Funktion über ein eigenes Symbol in der Gemini-Eingabezeile starten.
Beim Diktieren filtert Gemini Füllwörter wie „Ähm” oder „Äh” automatisch heraus und erkennt, wenn eine Formulierung mitten im Satz korrigiert wird. Der fertige Text erscheint direkt an der Stelle, an der zuvor der Textcursor stand, wahlweise als Fließtext, in Absätzen oder als Aufzählung. Wer zusätzlich die erweiterte Bildschirmerkennung aktiviert, erlaubt der KI einen Blick auf sichtbare Inhalte: Markierte Texte, Bilder oder Dokumente lassen sich dann direkt per Sprachbefehl zusammenfassen, umformulieren oder weiterbearbeiten. Anders als die einfache Spracherkennung, die viele Programme bereits eingebaut haben, liefert Gemini damit direkt einen bereinigten, weiterverwendbaren Text statt einer wörtlichen Abschrift mit allen Versprechern.
Eine kurze Rückmeldung entsteht per Zuruf statt Tippen
Eine Sachbearbeiterin bekommt eine Kundenanfrage per E-Mail und möchte kurz antworten, hat aber gerade die Hände voll mit Unterlagen. Sie öffnet das Mail-Fenster, hält die Fn-Taste gedrückt und spricht die Antwort frei: Lieferzeit, Ansprechpartner und ein freundlicher Abschlusssatz. Gemini setzt daraus in Sekunden einen druckreifen Absatz ohne „Ähm” und Wiederholungen, den sie nur noch überfliegen und absenden muss.
Genauso lässt sich eine kurze Gesprächsnotiz nach einem Telefonat diktieren, die die KI direkt in Stichpunkte gliedert – praktisch für die Ablage oder die Weitergabe an Kolleginnen und Kollegen. Auch für längere Protokolle eignet sich die Funktion: Wer nach einem Kundentermin die wichtigsten Absprachen zusammenfasst, muss nicht mehr zwischen Notizzettel und Tastatur wechseln, sondern spricht die Punkte direkt in ein leeres Dokument. Ähnliche Sprachfunktionen bietet inzwischen auch Claude mit seinem Sprachmodus für Gmail und Kalender, allerdings mit Fokus auf das Vorlesen und Verwalten von Nachrichten statt auf freies Diktieren in beliebigen Programmen.
Kostenlos für alle – aber vorerst nur auf Englisch nutzbar
Die Gemini-App für macOS steht allen Nutzerinnen und Nutzern kostenlos zur Verfügung, die Diktierfunktion kostet nichts extra. Vorausgesetzt wird ein Mac mit Apple-eigenem Chip (M-Serie) und mindestens macOS 15 (Sequoia). Laut den Release-Notes von Google rollte die Funktion am 29. Juli 2026 weltweit aus. Die Spracherkennung selbst versteht bislang ausschließlich Englisch; laut einem Bericht von ifun.de sollen weitere Sprachen im Lauf des Jahres folgen, ein festes Datum für Deutsch nennt Google nicht. Wer überwiegend auf Deutsch schreibt, kann die Funktion also derzeit höchstens für einzelne englische Notizen oder E-Mails an internationale Kolleginnen und Kollegen nutzen.
So lässt sich die Diktierfunktion einrichten:
- Gemini-App für Mac von der offiziellen Google-Seite herunterladen und installieren.
- Mit einem Google-Konto anmelden.
- Cursor an die gewünschte Stelle in einem beliebigen Programm setzen.
- Fn-Taste gedrückt halten und auf Englisch sprechen.
- Taste loslassen – der bereinigte Text erscheint automatisch im Fenster.
Entscheidend wird, ob Google die deutsche Spracheingabe zügig nachliefert – ohne sie bleibt der Nutzen für den deutschen Büroalltag vorerst auf englischsprachige Texte beschränkt. Wer die erweiterte Bildschirmerkennung einschaltet, sollte zudem bedenken, dass dabei Sprachaufnahmen, Bildschirminhalte und ausgewählte Dateien zur Verarbeitung an Google übertragen werden – bei Kunden- oder Firmendaten empfiehlt sich vorher ein Blick in die eigenen internen Vorgaben zum Umgang mit KI-Tools.
