Programmieren per Spracheingabe: Claude Code, Cursor, ChatGPT

Vierzig Minuten in einer Claude-Code-Session, und der Agent refaktoriert die falsche Schicht. Sie wissen auch, warum: Das Abrechnungsmodul wirkt überflüssig, existiert aber wegen einer alten Eigenheit eines Anbieters, und der Fix gehört eine Ebene höher. Das zu erklären, braucht einen Absatz. Mitten im Flow einen Absatz zu tippen, fühlt sich wie eine Strafe an – also tippen Sie elf Wörter, und auch der nächste Versuch geht daneben. Genau deshalb ist Diktieren beim Programmieren zu einem der meistdiskutierten Einsatzfelder der Spracheingabe geworden, und deshalb hat es mit dem Voice Coding von vor zehn Jahren nichts mehr gemein.

Wer als Entwickler wirklich davon profitiert, liest keine Klammern und Semikolons vor, sondern diktiert die Absicht: den Prompt, die Spezifikation, die Commit-Message, die Begründung, warum ein Review-Kommentar wichtig ist. Die Syntax ist jetzt Sache des Agenten. Das Erklären bleibt Ihre Aufgabe – und die meisten Menschen erklären laut schneller als mit den Fingern.

Vor den Agenten bedeutete Voice Coding etwas anderes

Die längste Zeit war Programmieren per Stimme eher eine Disziplin als eine Bequemlichkeit. Mit Talon, oft kombiniert mit der VS-Code-Erweiterung Cursorless, schreiben und bearbeiten Menschen Code freihändig über ein kompaktes Vokabular gesprochener Befehle. Vieles davon wurde von und für Entwickler mit RSI („Mausarm“) gebaut. Wenn Ihre Hände ausfallen, ist es nach ein paar Wochen Übung nach wie vor die ernsthafte Option.

Geändert hat sich die Arbeitseinheit. Wenn ein Agent die Funktion schreibt, liefern Sie eine Beschreibung der Funktion: was sie tun soll, was sie nicht kaputt machen darf, woran Sie erkennen, dass sie fertig ist. Das ist Prosa. Und Prosa ist genau das, was gewöhnliche Diktierfunktionen schon immer gut konnten.

Lesen Sie die Threads auf Hacker News zum Thema, mit Titeln wie „Ask HN: Anyone using dictation with coding agents?“, und achten Sie darauf, was fehlt. Es geht um Push-to-Talk-Tasten, eigene Wörterbücher und die Frage, welches systemweite Tool man an einen CLI-Agenten anbindet. Kaum jemand fragt, wie man eine Klammer ausspricht.

Was Entwickler diktieren – und was sie weiterhin tippen

Sortieren Sie Ihren Arbeitstag danach, für wen die Wörter bestimmt sind, dann liegt die Aufteilung auf der Hand. Alles, was sich an einen Menschen richtet oder in normaler Sprache an ein Modell, eignet sich für die Stimme. Alles, was ein Compiler oder eine Shell Zeichen für Zeichen parsen muss, meist nicht.

Zur letzten Zeile: Statt einen Shell-Befehl wörtlich zu diktieren, beschreiben Sie dem Agenten das Ziel und lesen den vorgeschlagenen Befehl, bevor Sie ihn freigeben. So landet ein Hörfehler nie in Ihrer Shell.

So ist ein gesprochener Prompt aufgebaut, der funktioniert

Gesprochene Prompts scheitern auf vorhersehbare Weise: Sie schweifen ab. Sie beginnen mit dem Ziel, erinnern sich auf halber Strecke an eine Einschränkung, springen zurück und landen am Ende bei einem Exkurs über die Testsuite. Ein Modell kann das meist entwirren, aber mit einer lockeren Struktur, die Sie im Kopf behalten, gelingen die ersten Versuche besser.

Der Sprach-Prompt in vier Takten

Kontext: wo wir stehen und was es schon gibt. Ziel: die gewünschte Änderung in einem Satz. Rahmenbedingungen: was sich nicht ändern darf, welchen Mustern zu folgen ist, was zu vermeiden ist. Fertig, wenn: der Test, das Verhalten oder die Ausgabe, die zeigt, dass es funktioniert hat.

Sprechen Sie die vier Punkte in dieser Reihenfolge, dann müssen Sie selten etwas Vergessenes nachreichen.

Ein paar Gewohnheiten entscheiden darüber, ob ein Prompt sitzt oder drei Korrekturen braucht:

• Lesen, bevor Sie senden. /voice in Claude Code wartet standardmäßig auf Enter, und diese Einstellung sollten Sie beibehalten. Ein Blick von zwei Sekunden fängt den falsch verstandenen Dateinamen ab, bevor der Agent danach sucht. Der Haltemodus braucht außerdem einen kurzen Moment zum Aufwärmen. Fehlen die ersten Wörter, empfiehlt die Dokumentation, ihn auf eine Tastenkombination mit Modifier-Taste umzulegen, die ab dem ersten Tastendruck aufnimmt.
• Die eingebauten Grenzen kennen. Laut der Dokumentation von Claude Code stoppt der Tap-Modus (einmal tippen, um aufzunehmen) nach 15 Sekunden Stille oder nach insgesamt zwei Minuten. Eine lange Spec diktieren Sie deshalb zuerst in eine Notiz oder Scratch-Datei und fügen sie dann ein.
• Dinge so benennen, wie sie geschrieben werden. Sagen Sie „die User-Service-Datei im Auth-Ordner“, statt zu hoffen, dass die Engine den exakten Pfad liefert, und nennen Sie dem Agenten den echten Pfad, wann immer es darauf ankommt.
• Reden wie mit einem neuen Teammitglied. „Das sieht überflüssig aus, ist es aber nicht, weil …“ ist genau der Kontext, den getippte Prompts weglassen.

Eine Abgrenzung: Wenn Sie diktieren, was im gestrigen Design-Review beschlossen wurde, ist das eine andere Aufgabe. Meeting-Kontext in Claude oder ChatGPT zu bringen, übernehmen MCP-Server; mehr dazu in unserem Beitrag darüber, wie Gesprächs-Apps an MCP andocken.

Oft reicht die eingebaute Spracheingabe

Prüfen Sie zuerst, was Ihre Tools schon mitbringen. Die großen Agenten haben aufgeholt, und vielen Entwicklern genügt das.

• Claude Code hat den Befehl /voice. Halten Sie zum Sprechen die Leertaste gedrückt oder wechseln Sie in den Tap-Modus. Die Funktion ist auf Programmiervokabular abgestimmt, nutzt die Namen Ihres Projekts und Git-Branches als Erkennungshinweise und streamt das Audio zur Transkription an Anthropic. Sie setzt eine Anmeldung bei Claude.ai voraus, steht also nicht zur Verfügung, wenn Sie sich per API-Key oder über Bedrock authentifizieren, und funktioniert nicht in SSH-Sitzungen.
• Cursor hat im Oktober 2025 mit Version 2.0 den Voice Mode eingeführt: eingebaute Spracherkennung, um den Agent zu steuern, plus eigene Submit-Schlüsselwörter, sodass eine gesprochene Phrase den Lauf startet.
• ChatGPT hat im Nachrichtenfeld eine Schaltfläche für die Spracheingabe. Das Transkript erscheint als bearbeitbarer Text, sodass Sie es vor dem Senden korrigieren können.
• VS Code Speech, die kostenlose Erweiterung von Microsoft, bringt Sprach-Chat für Copilot und Diktieren im Editor und verarbeitet das Audio lokal.

Spielt sich Ihr ganzer Tag in einem dieser Fenster ab, fangen Sie dort an. Die Lücke tut sich auf, sobald Sie es verlassen: Die PR-Beschreibung entsteht in einem Browser-Tab, der Review-Kommentar auf GitHub, das Standup-Update in Slack. Jedes eingebaute Mikrofon funktioniert nur in seinem eigenen Fenster. Also jonglieren Sie entweder mit mehreren Push-to-Talk-Gewohnheiten oder tippen wieder alles, was kein Prompt ist. Das spricht für ein systemweites Diktiertool: ein Hotkey, der überall dort schreibt, wo der Cursor steht, auch im Terminal.

Fachjargon, Bezeichner und das Terminal

Die häufigste Klage in Entwickler-Threads betrifft nicht das Tempo, sondern das Vokabular. Allgemeine Spracherkennung hat mit allgemeiner Sprache gelernt, also kommen kubectl, useEffect, die Namen Ihrer internen Services und der Nachname Ihrer Kollegin in kreativer Schreibweise zurück. Tools gehen das auf drei Arten an.

Erstens ein eigenes Wörterbuch: Begriffe einmal eintragen, und die Engine hört auf zu raten. In Laxis ist das Ihr persönliches Wörterbuch; füllen Sie es mit Ihrem Stack, Ihren Services und den Namen im Team, bevor Sie die Genauigkeit beurteilen. Zweitens Kontext vom Bildschirm: Wispr Flow erkennt Funktions-, Klassen- und Variablennamen, die in VS Code, Cursor und Windsurf sichtbar sind, und kann in den Chat-Panels von Cursor und Windsurf Dateien per Stimme taggen. Stecken Ihre Prompts voller camelCase, ist das ein echter Vorteil. Drittens ein Sprachmodell, das auf Fachsprache trainiert ist – damit wirbt Aqua Voice für sein Modell Avalon.

Die andere Falle ist das Terminal. Viele Diktier-Apps fügen Text über die Zwischenablage ein, und Terminals sind beim Einfügen eigenwilliger als gewöhnliche Textfelder. Die Hilfeseiten von Wispr Flow beschreiben sogar selbst, wie man lange Diktate für Claude Code und Codex auf dem Mac in Teile aufteilt. Egal, womit Sie arbeiten: Diktieren Sie einen Prompt mit 150 Wörtern in Ihr echtes Terminal und prüfen Sie, ob jedes Wort ankommt und nichts vorzeitig abgeschickt wird.

Welche Befehle es für Satzzeichen und Formatierung per Stimme gibt, listet unser Überblick über Diktierbefehle auf. Ist die Erkennung das eigentliche Problem, geht unser Ratgeber Warum Spracheingabe Sie ständig falsch versteht die üblichen Ursachen und Lösungen durch.

Füllwörter stören kein Modell, einen Reviewer aber schon

Ein Sprachmodell liest über „äh, also, warte, eigentlich“ einfach hinweg. Eine Kollegin, die Ihre PR-Beschreibung liest, hat daran deutlich weniger Freude. Eine Bereinigung, die Füllwörter entfernt und wiederholte Formulierungen zusammenführt, zählt bei Texten für Menschen mehr als bei Prompts. Beurteilen Sie ein Tool deshalb anhand Ihrer Commit-Messages und Review-Kommentare, nicht anhand eines Prompts.

Wohin Ihr Audio geht, wenn der Code proprietär ist

Alle genannten Optionen außer den lokalen schicken Ihre Stimme an einen Server. /voice in Claude Code streamt an Anthropic, die Spracheingabe von ChatGPT geht an OpenAI. Auch Laxis verarbeitet Diktate in der Cloud, und das sagen wir lieber hier offen, als dass Sie es irgendwann in einer Richtlinie entdecken.

Bei den meisten Prompts entsteht dadurch kaum zusätzliches Risiko, weil der Prompt-Text ohnehin beim Modellanbieter landet. Was sich ändert, ist die Zahl der Unternehmen in der Kette: Diktieren Sie über eine separate App, laufen Ihre Worte erst über den Diktieranbieter und dann über den Agentenanbieter. Bei proprietärem Code, Kundennamen oder allem, was unter ein NDA fällt, klären Sie diese zusätzliche Station mit der Person, die bei Ihnen für IT-Sicherheit zuständig ist.

Darf das Audio den Rechner überhaupt nicht verlassen, gibt es echte Alternativen: VS Code Speech läuft lokal, und Superwhisper kann seine Modelle auf Ihrer eigenen Hardware ausführen. Die Vor- und Nachteile und die Fragen, die Sie jedem Anbieter stellen sollten, finden Sie in unserem Vergleich von Transkription auf dem Gerät und in der Cloud.

Drei Fragen an Ihr Security-Team

Gilt gesprochenes Audio nach unserer Richtlinie als Quellcode oder Kundendaten? Steht das Diktiertool auf der Liste freigegebener Anbieter, und nicht nur der Coding-Agent? Brauchen manche Repositorys ein Tool mit lokaler Verarbeitung, andere dagegen nicht?

Worauf es bei einem Diktiertool fürs Programmieren ankommt

Eine Rangliste gibt es hier nicht, die liefert unser Vergleich von Diktiersoftware. Fürs Programmieren sind die Fragen enger gefasst:

1. Überall derselbe Hotkey? Terminal, IDE, Browser und Chat – sonst haben Sie wieder vier Gewohnheiten.
2. Können Sie ihm Ihr Vokabular beibringen, und wandert die Liste mit Ihnen von Rechner zu Rechner?
3. Halten oder umschalten? Eine Taste zu halten, passt zu kurzen Prompts; ein Umschaltmodus schont bei langen Specs und Hände, die keine Taste festhalten wollen.
4. Wie viel schreibt es um? Füllwörter sollen verschwinden und Satzzeichen dazukommen, aber Ihre technische Aussage soll nicht umformuliert werden.
5. Wo wird das Audio verarbeitet, und ist das für den Code, an dem Sie arbeiten, akzeptabel?
6. Was wird abgerechnet? Wörter pro Woche, Minuten pro Monat oder unbegrenzt – und ob dieses Kontingent mit etwas anderem geteilt wird.

Zum letzten Punkt unser eigenes Modell: Der kostenlose Basic-Tarif von Laxis bietet 300 Minuten pro Monat in einem einzigen Kontingent, aus dem Meetings und Diktat gemeinsam schöpfen. Prompts sind kurz, aber wenn Sie auch Meetings damit aufzeichnen, merken Sie die Überschneidung. Der Premium-Tarif erhöht das Kontingent auf 2.000 Minuten, und jedes neue Konto kann den Premium-Tarif vierzehn Tage lang kostenlos testen, ohne eine Karte zu hinterlegen. Die Laxis-Sprachtastatur läuft auf Mac, Windows, iPhone und Android und schreibt in jede App, auch in VS Code und ins Terminal.

Fazit

Jahrelang lautete das Argument gegen Programmieren per Stimme: Code ist keine Sprache. Für den Code stimmt das noch immer. Für den Job nicht mehr. Der Teil des Programmierens, der immer weiter wächst, ist der, in dem Sie einem System, das es bauen kann, erklären, was Sie wollen. Und erklärt haben Menschen laut, lange bevor irgendjemand tippte. Am meisten aus Agenten herausholen werden womöglich nicht die schnellsten Tipper im Raum, sondern diejenigen, die am besten mit ihnen reden.

Häufig gestellte Fragen

Kann man per Sprache programmieren?

Ja, auf zwei verschiedene Arten. Die meisten Entwickler diktieren heute Prompts in natürlicher Sprache, Specs und Commit-Messages an KI-Agenten wie Claude Code und Cursor und lassen den Agenten die Syntax schreiben. Komplett freihändiges Programmieren, bei dem Sie den Code selbst sprechen und bearbeiten, ist mit Tools wie Talon und Cursorless ebenfalls möglich, erfordert aber einige Wochen Übung.

Hat Claude Code eine Spracheingabe?

Ja. Claude Code hat den Befehl /voice: Halten Sie zum Aufnehmen die Leertaste gedrückt oder wechseln Sie in den Tap-Modus, und Ihre Sprache wird in den Prompt transkribiert. Die Funktion ist auf Programmierbegriffe abgestimmt und nutzt die Namen Ihres Projekts und Branches als Hinweise. Sie setzt eine Anmeldung bei Claude.ai voraus, streamt das Audio an Anthropic und funktioniert weder über SSH noch bei Authentifizierung per API-Key.

Wie nutze ich die Spracheingabe in Cursor?

Cursor hat seit Version 2.0, erschienen im Oktober 2025, einen eingebauten Voice Mode: Sie sprechen Prompts an den Agent und legen eigene Submit-Schlüsselwörter fest. Er ist für das Eingabefeld des Agents gedacht. Für Commit-Messages, PR-Beschreibungen oder das Terminal ergänzen Entwickler meist eine systemweite Diktier-App, die überall dort schreibt, wo der Cursor steht.

Ist es sicher, Prompts zu proprietärem Code zu diktieren?

Das hängt davon ab, wohin das Audio geht und was Ihr Arbeitgeber erlaubt. Die meisten Diktierlösungen, darunter /voice in Claude Code, die Spracheingabe von ChatGPT und Laxis, verarbeiten in der Cloud, was einen weiteren Anbieter in die Kette bringt. Muss das Audio auf Ihrem Rechner bleiben, sind VS Code Speech und Tools mit lokalen Modellen wie Superwhisper die Optionen. Prüfen Sie zuerst Ihre Sicherheitsrichtlinie.

Wie schreibt die Diktierfunktion Fachbegriffe und Variablennamen richtig?

Tragen Sie sie in ein eigenes Wörterbuch ein, bevor Sie die Genauigkeit beurteilen. In den meisten Diktiertools, auch in Laxis mit seinem persönlichen Wörterbuch, speichern Sie Namen von Bibliotheken, internen Services und Teammitgliedern, damit die Engine aufhört zu raten. Manche Tools lesen außerdem sichtbare Namen aus Ihrem Editor. Bezeichner mit ungewöhnlicher Groß- und Kleinschreibung tippen Sie oft schneller selbst oder lassen sie vom Agenten ergänzen.

Kann Diktiersoftware ins Terminal schreiben?

Ja, die meisten systemweiten Diktier-Apps schreiben in Terminals ebenso wie in Editoren und Browser, allerdings behandeln Terminals eingefügten Text anders als normale Textfelder. Testen Sie mit einem langen Prompt in Ihrem echten Terminal, ob jedes Wort ankommt. Diktieren Sie Shell-Befehle nicht Wort für Wort, sondern beschreiben Sie Ihrem Agenten das Ziel und prüfen Sie den Befehl, den er vorschlägt.