Firefox 160: Spracherkennung im Browser, ohne Audio in die Cloud
12. November 2026
KI-generiert, redaktionell von 8thsense ausgewählt, geprüft und freigegeben. EU AI Act, Art. 50
Mozilla hat am 10. November 2026 Firefox 160 veröffentlicht. Die für Unternehmen wichtigste Neuerung steht unscheinbar in den Release Notes: Der Browser unterstützt jetzt die Spracherkennung der Web Speech API und wandelt gesprochene Sprache direkt auf dem Gerät in Text um, in Echtzeit und in 40 Sprachen. Nach dem einmaligen Download eines KI-Modells funktioniert das laut heise auch offline. Damit wird Diktieren in Web-Anwendungen möglich, ohne dass Audiodaten an einen Clouddienst gehen, interessant für alle, die bei Spracheingabe bisher an der DSGVO-Frage hängen geblieben sind.
Was Firefox 160 konkret kann
In den offiziellen Release Notes heißt es, die SpeechRecognition-Schnittstelle der Web Speech API werde nun unterstützt und biete Sprache-zu-Text in Echtzeit, auf dem Gerät, in 40 Sprachen (Quelle: firefox.com). heise ergänzt, dass Nutzer zunächst ein KI-Modell herunterladen müssen und die Erkennung danach ohne Internetverbindung läuft. Die Webseite erhält dabei nur den erkannten Text, nicht die Audiodaten (Quelle: heise.de). Auch das Linux-Portal ubunlog bestätigt die Echtzeit-Erkennung auf dem Gerät und die 40 Sprachen (Quelle: ubunlog.com). Wichtig für die Einordnung: Es handelt sich nicht um eine Diktierfunktion, die der Browser selbst überall anbietet, sondern um eine Schnittstelle. Eine Webseite oder Web-Anwendung muss sie aktiv nutzen, damit ein Mikrofon-Knopf im Formular zur Spracheingabe wird.
Warum “lokal” der entscheidende Punkt ist
Die Web Speech API gibt es seit Jahren, doch in der Praxis lief Spracherkennung im Browser oft über Server des Browser-Herstellers. Für ein Pflegeteam, das Beobachtungen zu Klienten diktiert, oder für eine Therapiepraxis mit Gesundheitsdaten war das ein Ausschlusskriterium. Mozilla beschreibt seine Umsetzung auf Mozillas öffentlicher Entwickler-Mailingliste ausdrücklich als “strictly on device”, also ausschließlich auf dem Gerät (Quelle: Mozilla dev-platform). Im selben Thread heißt es, dass Chrome sowohl einen Cloud-Weg als auch eine Variante auf dem Gerät anbietet. Für Unternehmen bedeutet das: Die gleiche Web-Anwendung kann je nach Browser datenschutzrechtlich unterschiedlich zu bewerten sein. Wer Spracheingabe für sensible Inhalte plant, sollte also festlegen, mit welchem Browser gearbeitet wird.
Die Grenzen, ehrlich benannt
So nützlich die Neuerung ist, einige Fragen sind offen. Mozilla und die berichtenden Medien nennen keine Angaben zur Erkennungsqualität, zu Fachbegriffen oder Dialekten. Wie gut das Modell mit Medikamentennamen, Produktbezeichnungen oder regionalen Akzenten umgeht, muss jedes Unternehmen selbst testen. Weitere Punkte:
Modell-Download: Die Erkennung braucht zuerst ein Modell, das Mozilla in der Ankündigung als “rather large” bezeichnet. Eine konkrete Größe wird nicht genannt. Auf älteren Rechnern oder bei knappem Speicher kann das relevant sein.
Plattformen: Die Ankündigung nennt alle Desktop-Plattformen. Android wird dort separat verfolgt, weil vor allem die Leistung auf Mobilgeräten noch Arbeit erfordert.
Kein Selbstläufer: Bestehende Web-Tools bekommen die Funktion nicht automatisch. Sie müssen die Schnittstelle einbauen und sauber mit Fehlern umgehen, etwa wenn ein anderer Browser genutzt wird.
Wo Spracheingabe im Alltag tatsächlich hilft
Der Nutzen liegt dort, wo heute viel getippt wird, obwohl die Hände eigentlich woanders gebraucht werden. Typische Beispiele: Einsatzberichte im Handwerk direkt nach dem Termin, Dokumentation in der ambulanten Pflege, Gesprächsnotizen in Beratung und Vertrieb, Aufnahme von Reklamationen am Telefon oder Stichpunkte nach einem Elterngespräch in der Kita. In all diesen Fällen landen die Daten ohnehin in einer Web-Anwendung, sei es ein CRM, ein Ticketsystem oder ein internes Formular. Der Mehrwert entsteht erst, wenn der diktierte Text nicht in einem leeren Feld endet, sondern direkt im richtigen Datensatz und im passenden Arbeitsschritt. Genau hier scheitern viele Standardlösungen: Die Spracheingabe funktioniert, aber der Text muss danach doch wieder kopiert, sortiert und von Hand übertragen werden.
Was das für Unternehmen bedeutet
Firefox 160 senkt eine wichtige Hürde: Spracheingabe ohne Cloud ist nun in einem verbreiteten Browser verfügbar, kostenlos und ohne Zusatzsoftware. Sinnvoll ist ein kleiner, klar umrissener Start. Wählen Sie einen Prozess, in dem heute viel Freitext anfällt, zum Beispiel Einsatzberichte oder Gesprächsnotizen. Lassen Sie zwei, drei Mitarbeitende eine Woche lang mit Firefox und einem einfachen Diktierfeld testen und prüfen Sie die Erkennungsqualität mit Ihren echten Fachbegriffen. Klären Sie parallel mit Ihrem Datenschutzbeauftragten, dass für diese Anwendung nur Firefox freigegeben wird, damit nicht unbemerkt ein Cloud-Weg genutzt wird.
Der eigentliche Aufwand steckt danach in der Integration: Das Diktierfeld muss in das bestehende Tool, der Text in die richtigen Felder und idealerweise in einen automatisierten Folgeschritt, etwa eine Zusammenfassung oder eine Aufgabe für das Team. Wer solche Abläufe sauber mit KI-Automation und Prozessautomatisierung verbindet, macht aus einer Browser-Funktion einen spürbaren Zeitgewinn. Wichtig ist, dass jemand die vorhandenen Systeme und Schnittstellen kennt und den Test begleitet, statt ein weiteres isoliertes Werkzeug einzuführen.
