Die besten Speech-to-Text-APIs zum Erstellen eines KI-Notiznehmers im Jahr 2026

Diese umfassende Anleitung bewertet die 8 besten im Jahr 2026 und vergleicht Genauigkeit, Preise und Funktionen, um Entwicklern bei der Auswahl der richtigen Voice-AI-Lösung für ihre Anwendungen zu helfen. Wir decken alles ab, von -Funktionen bis hin zur mehrsprachigen Unterstützung, mit detaillierter Analyse der Stärken jedes Anbieters für spezifische Anwendungsfälle wie Voice-Agenten, Meeting-Transkription und Contact-Center-Analysen. Speech-to-Text-APIs Echtzeit-Streaming Vergleichstabelle der besten Speech-to-Text-APIs Die besten Speech-to-Text-APIs konvertieren gesprochene Audiosignale mithilfe fortschrittlicher KI-Modelle in präzise geschriebene Texte. Diese APIs verarbeiten alles, von Voice-Agenten, die sofortige Antworten benötigen, bis hin zur Stapelverarbeitung von stundenlangen Aufzeichnungen. API-Anbieter Genauigkeit (WER) Echtzeit-Streaming Sprachen Hauptmerkmale Startpreis Am besten geeignet für AssemblyAI ~5,6% ✓ WebSocket Bis zu 99 (Universal-2) Universelle Modelle, Sprecher-Diarisierung, Stimmungsanalyse 0,15 $/Stunde KI-Notiznehmer, Voice-Agenten Deepgram 5-7% ✓ WebSocket 40+ Nova-2-Modell, geringe Latenz 0,0125 $/Minute Echtzeitanwendungen OpenAI Whisper 4-8% ✗ 99 Whisper Large-v3, Open Source 0,006 $/Minute Stapeltranskription Google Cloud 6-10% ✓ gRPC 125+ Chirp-Modell, GCP-Integration 0,016 $/Minute Enterprise-Bereitstellungen Microsoft Azure 7-11% ✓ WebSocket 100+ Benutzerdefinierte Modelle, Azure-Ökosystem 0,015 $/Minute Benutzer des Microsoft-Stacks AWS Transcribe 8-12% ✓ WebSocket 100+ Medizinische Modelle, AWS-Integration 0,024 $/Minute AWS-native Anwendungen Gladia 8-10% ✓ WebSocket 99 Audio-Intelligenz, Übersetzung 0,61 $/Stunde Mehrsprachiger Inhalt Rev AI 5-9% ✓ WebSocket 36 Menschliche Überprüfung möglich 0,02 $/Minute Auf Englisch fokussierte Apps Top 8 besten Speech-to-Text-APIs im Jahr 2026 1. AssemblyAI 's Voice AI-Infrastrukturplattform liefert branchenführende Genauigkeit durch ihre Universal-Modelle. Die Plattform kombiniert bahnbrechende Genauigkeit mit entwicklerfreundlicher Implementierung und ist damit die erste Wahl für Start-ups, die KI-Notiznehmer entwickeln, und Unternehmen, die Voice-Agenten im großen Maßstab einsetzen. AssemblyAI Kunden berichten durchweg, dass ihre Benutzer sofort den Qualitätsunterschied bemerken, wenn sie zu AssemblyAI wechseln. Dies führt zu höheren Zufriedenheitswerten und weniger Supportanfragen. Das Universal-3 Pro Streaming-Modell verarbeitet alles, von verrauschten Anrufen bis hin zu Besprechungen mit mehreren Sprechern, mit bemerkenswerter Konsistenz. Es verarbeitet Audio in Echtzeit und behält dabei die Genauigkeit unter verschiedenen Bedingungen bei. Hauptmerkmale: Branchenführende Genauigkeit unter verschiedenen Audiobedingungen Universal-3 Pro-Modell: WebSocket-Transkription mit Latenzzeiten unter 300 ms Echtzeit-Streaming: Stimmungsanalyse, Erkennung von Entitäten und Zusammenfassung über das LLM Gateway Erweiterte Sprachverständnisfunktionen: Unterstützt standardmäßig bis zu 10 Sprecher, erweiterbar durch Konfiguration Sprecher-Diarisierung: 99,99 % Uptime-SLA mit unbegrenzter Gleichzeitigkeit Zuverlässigkeit: Ideal für: Entwickler, die KI-Notiznehmer und Besprechungsassistenten erstellen Voice-Agenten, die Echtzeit-Transkription benötigen und Qualitätsüberwachung Contact-Center-Analysen Start-ups, die von Prototypen auf Millionen von Stunden skalieren Preise: Pay-as-you-go ab 0,15 $ pro Stunde Keine Vorabverpflichtungen oder Verträge erforderlich Mengenrabatte werden automatisch angewendet Kostenlose Stufe mit 50 $ Startguthaben 2. Deepgram 's Nova-2-Modell verarbeitet Audio mit minimaler Latenz durch eine End-to-End-Deep-Learning-Architektur. Die Plattform eignet sich gut für Echtzeit-Transkriptionsszenarien, bei denen jede Millisekunde zählt. Deepgram Ihre Streaming-API behält auch unter hoher Last eine konsistente Leistung bei. Die Genauigkeit kann bei verschiedenen Audiotypen stärker variieren als bei AssemblyAI, aber die Geschwindigkeit bleibt ihr größter Vorteil. Hauptmerkmale: Optimiert für Geschwindigkeit und Effizienz Nova-2-Modell: Echtzeitverarbeitung mit geringer Latenz WebSocket-Streaming: Verarbeitet vorab aufgenommene Audiodateien Stapelverarbeitung: Verfügbar für spezialisierte Anwendungsfälle Benutzerdefinierte Modellschulung: Optionen für datenschutzsensible Umgebungen On-Premise-Bereitstellung: Ideal für: Live-Untertitelungs- und Broadcast-Anwendungen Sprachbenutzerschnittstellen, die sofortige Antworten erfordern Echtzeit-Übersetzungsdienste Hochvolumige Stapelverarbeitungs-Workflows Preise: Ab 0,0125 $ pro Minute Pay-as-you-go- und Wachstumspläne verfügbar Enterprise-Verträge mit benutzerdefinierter Preisgestaltung 3. OpenAI Whisper 's Whisper stellt einen Durchbruch in der Open-Source-Spracherkennung dar, wobei das Large-v3-Modell 99 Sprachen über eine Transformer-Architektur unterstützt. Obwohl es kein Echtzeit-Streaming anbietet, ist Whisper bei der Stapeltranskription mit beeindruckender mehrsprachiger Genauigkeit führend. OpenAI Die API-Version über OpenAI bietet eine bequeme Cloud-Verarbeitung, ohne die Infrastruktur verwalten zu müssen. Viele Entwickler hosten Whisper auch selbst, um die vollständige Kontrolle und Kostenoptimierung im großen Maßstab zu gewährleisten. Hauptmerkmale: Unterstützt 99 Sprachen mit hoher Genauigkeit Whisper Large-v3: Erkennt gesprochene Sprache automatisch Automatische Spracherkennung: Konvertiert Sprache in englischen Text Übersetzungsfunktion: Liefert wortgenaue Zeitinformationen Zeitstempelgenerierung: Kostenloses Modell für Self-Hosting Open-Source-Verfügbarkeit: Ideal für: Mehrsprachige Inhaltstranskriptionsprojekte Podcast- und Video-Untertitelungs-Workflows Akademische Forschung mit Sprachvielfalt Kostensensible Stapelverarbeitungsanwendungen Preise: 0,006 $ pro Minute über die OpenAI-API Kostenlos bei Self-Hosting auf Ihrer Infrastruktur 4. Google Cloud Speech-to-Text mit dem Chirp-Modell bringt die umfangreichen KI-Forschungsarbeiten des Unternehmens durch umfassende Integration in die Google Cloud Platform für Entwickler. Der Dienst unterstützt über 125 Sprachen und profitiert von kontinuierlichen Verbesserungen, die durch die riesigen Datenressourcen von Google vorangetrieben werden. Google Cloud Speech-to-Text Die Leistung bleibt über verschiedene Anwendungsfälle hinweg solide, auch wenn die Komplexität von GCP kleinere Teams überfordern kann. Die Plattform glänzt, wenn Sie bereits in das Google Cloud-Ökosystem investiert sind. Hauptmerkmale: Nutzt die neueste Forschung von Google Universelles Chirp-Sprachmodell: Über 125 Sprachen und Dialekte Umfangreiche Sprachunterstützung: gRPC-basierte Streaming-Transkription Echtzeit-Streaming: Erkennt bis zu 8 Sprecher Sprecher-Diarisierung: Satzzeichen und Großschreibung enthalten Automatische Formatierung: Ideal für: GCP-native Anwendungen und Workflows Globale Enterprise-Bereitstellungen Mehrsprachige Kundendienstzentren Videoinhaltsanalyse und -indizierung Preise: 0,016 $ pro Minute für das Standardmodell 0,024 $ pro Minute für erweiterte Funktionen Mengenrabatte für große Nutzungsintensitäten verfügbar 5. Microsoft Azure Speech Services integriert sich tief in das Microsoft-Ökosystem und bietet benutzerdefinierte Modellschulungen und umfassende Sprachabdeckung. Die Plattform eignet sich besonders für Organisationen, die bereits Microsoft 365 oder Azure-Dienste nutzen. Azure Speech Services Benutzerdefinierte Sprachmodelle ermöglichen es Ihnen, die Erkennung für branchenspezifische Terminologie zu optimieren. Die Echtzeit-Transkription funktioniert gut, auch wenn die Latenz typischerweise höher ist als bei spezialisierten Anbietern. Hauptmerkmale: Trainieren von Modellen für spezifisches Vokabular Benutzerdefinierte Sprachmodelle: Über 100 Sprachen und Varianten Breite Sprachunterstützung: Echtzeit- und Stapeltranskription Zwei Verarbeitungsmodi: Integrierte Besprechungstranskription Teams-Integration: Text-to-Speech-Funktionen enthalten Neuronale Sprachsynthese: Ideal für: Microsoft-zentrierte Organisationen und Workflows Anwendungen, die benutzerdefiniertes Vokabular erfordern Besprechungstranskription und -analyse in Teams Entwicklung von Azure-nativen Anwendungen Preise: 0,015 $ pro Minute für Standardtranskription 0,024 $ pro Minute für benutzerdefinierte Modelle Kostenlose Stufe beinhaltet 5 Stunden pro Monat 6. AWS Transcribe bietet zuverlässige Speech-to-Text-Funktionen innerhalb der Amazon-Cloud-Infrastruktur mit spezialisierten Modellen für medizinische und Call-Center-Anwendungsfälle. Der Dienst lässt sich nahtlos in andere AWS-Dienste wie S3 und Lambda integrieren. AWS Transcribe Obwohl die Genauigkeit hinter den führenden Anbietern leicht zurückbleibt, bietet AWS Transcribe solide Leistung für AWS-native Anwendungen. Das medizinische Transkriptionsmodell versteht insbesondere klinische Terminologie gut. Hauptmerkmale: Für medizinische Zwecke und Call-Center optimiert Spezialisierte Modelle: Unterstützung für domänenspezifische Begriffe Benutzerdefiniertes Vokabular: WebSocket-basierte Live-Transkription Echtzeit-Streaming: Automatische Entfernung sensibler Informationen Inhaltsmaskierung: Trennt Sprecher in Telefongesprächen Kanalerkennung: Ideal für: AWS-native Architekturen und Bereitstellungen Gesundheitsanwendungen, die medizinische Genauigkeit erfordern Analyse und Überwachung von Call-Centern Compliance-orientierte Enterprise-Bereitstellungen Preise: 0,024 $ pro Minute für Standardtranskription 0,039 $ pro Minute für das medizinische Modell Mengenpreisstaffeln verfügbar 7. Gladia konzentriert sich auf Audio-Intelligenz über grundlegende Transkription hinaus und bietet integrierte Übersetzungs- und Inhaltsanalysefunktionen. Die Plattform verarbeitet 99 Sprachen mit Schwerpunkt auf europäischer Sprachgenauigkeit. Gladia Ihre API kombiniert mehrere Audioverarbeitungsfähigkeiten in einem einzigen Aufruf. Dies macht Gladia effizient für Anwendungen, die Transkription plus Übersetzung oder Stimmungsanalyse benötigen. Hauptmerkmale: 99 Sprachen unterstützt Mehrsprachige Verarbeitung: Sprache in verschiedene Sprachen umwandeln Echtzeit-Übersetzung: Inhaltliche Zusammenfassungen erstellen Audio-Zusammenfassung: Stimmungen und Emotionen des Sprechers identifizieren Emotionserkennung: Inhalte automatisch kategorisieren Themenklassifizierung: Ideal für: Mehrsprachige Inhaltsplattformen und -dienste Internationale Besprechungstranskription Content-Moderationssysteme Cross-Language-Kommunikationstools Preise: 0,61 $ pro Stunde verarbeiteter Audiodaten Pay-as-you-go-Preismodell Enterprise-Pläne mit kundenspezifischen Funktionen 8. Rev AI kombiniert automatisierte Spracherkennung mit optionaler menschlicher Überprüfung und liefert hohe Genauigkeit für englischsprachige Inhalte. Die Plattform begann mit menschlichen Transkriptionsdiensten, bevor sie KI-Funktionen hinzufügte. Rev AI Ihre englischsprachigen Modelle erzielen bei klarem Audio außergewöhnliche Ergebnisse. Die Option „Human-in-the-Loop“ bietet bei Bedarf eine nahezu perfekte Genauigkeit, allerdings zu höheren Kosten und mit längeren Bearbeitungszeiten. Hauptmerkmale: Speziell für Englisch optimierte Modelle Englisch-Optimierung: Professionelle Redakteure für perfekte Genauigkeit Option zur menschlichen Überprüfung: Asynchrone und Streaming-Transkription Zwei API-Modi: Unterstützung für spezialisierte Terminologie Benutzerdefiniertes Vokabular: Verbatim- und saubere Ausgabeoptionen Transkriptformatierung: Ideal für: Rein englischsprachige Anwendungen und Inhalte Rechts- und Compliance-Dokumentation Medienproduktions-Workflows Anwendungen, die höchste Genauigkeit erfordern Preise: 0,02 $ pro Minute für reine KI-Transkription 1,50 $ pro Minute mit menschlicher Überprüfung Mengenrabatte für große Kunden Was ist eine Speech-to-Text-API? Eine Speech-to-Text-API ist ein cloudbasierter Dienst, der gesprochene Audiosignale mithilfe von KI-Modellen, die auf Millionen von Stunden an Sprachdaten trainiert wurden, in geschriebenen Text umwandelt. Diese APIs verarbeiten Audiodateien oder -streams über akustische Modelle, die Klangmuster erkennen, und Sprachmodelle, die wahrscheinliche Wortfolgen vorhersagen. Das Ergebnis wird als strukturierte JSON-Daten mit der Transkription, Zeitstempeln und Konfidenzwerten für jedes Wort zurückgegeben. Moderne Speech-to-Text-APIs verwenden und neuronale Netze, um eine menschenähnliche Genauigkeit zu erreichen. Transformer-Architekturen Kernkomponenten arbeiten zusammen: Erkennt Phoneme und Klangmuster in Audio Akustisches Modell: Sagt Wortfolgen basierend auf dem Kontext voraus Sprachmodell: Kombiniert beide Modelle, um die endgültige Transkription zu generieren Dekodierer: Sie verarbeiten verschiedene Audioformate und Abtastraten. Sie können entweder vorab aufgenommene Dateien über REST-APIs oder Live-Audio über WebSocket-Verbindungen verarbeiten. Wie wählt man die beste Speech-to-Text-API aus? Die Auswahl der richtigen hängt von Ihren spezifischen technischen Anforderungen, Genauigkeitsbedürfnissen und Budgetbeschränkungen ab. Unterschiedliche Anwendungsfälle erfordern unterschiedliche Stärken – ein Voice-Agent benötigt extrem geringe Latenzzeiten, während Podcast-Transkriptionen Genauigkeit über Geschwindigkeit stellen. Speech-to-Text-API Genauigkeit und Leistung misst die Transkriptionsgenauigkeit, indem der Prozentsatz der falsch transkribierten Wörter berechnet wird. Top-APIs erreichen unter 10 % WER bei klarem Audio, aber die Leistung in der realen Welt hängt stark von der Audioqualität, den Akzenten der Sprecher, Hintergrundgeräuschen und domänenspezifischem Vokabular ab. Die Wortfehlerrate (WER) Tests mit Ihren tatsächlichen Audiodaten zeigen eine höhere Genauigkeit als veröffentlichte Benchmarks. Was für eine Art von Inhalt funktioniert, kann bei einer anderen völlig versagen. Zu bewertende Schlüsselmetriken: Branchenstandard-Genauigkeitsmessung (niedriger ist besser) Wortfehlerrate (WER): Zeit vom Audioeingang bis zur Textausgabe (entscheidend für Echtzeitnutzung) Latenz: Verarbeitungsgeschwindigkeit im Verhältnis zur Audiolänge Echtzeitfaktor (RTF): Sprachunterstützung und -abdeckung Globale Anwendungen erfordern APIs, die mehrere Sprachen mit gleichbleibender Qualität unterstützen. Während einige Anbieter über 100 Sprachen angeben, variiert die tatsächliche Leistung erheblich – viele liefern nur produktionsreife Genauigkeit für wichtige Sprachen. Überlegen Sie, ob Sie nur Transkription oder auch Funktionen wie Satzzeichen, Großschreibung und Sprecher-Diarisierung in jeder Sprache benötigen. Einige APIs sind bei Englisch hervorragend, haben aber Schwierigkeiten mit akzentuierter Sprache oder weniger verbreiteten Sprachen. Echtzeit- vs. Stapelverarbeitung Die Echtzeit-Streaming-Transkription treibt Voice-Agenten und Live-Untertitel an, indem sie Audio-Chunks verarbeitet, sobald sie über WebSocket-Verbindungen ankommen. Ergebnisse treffen typischerweise innerhalb von 200-500 ms ein, was sofortige Antworten ermöglicht. Die Stapelverarbeitung verarbeitet vorab aufgezeichnete Dateien asynchron und optimiert die Genauigkeit über die Geschwindigkeit hinaus mit Unterstützung für größere Dateien und längere Verarbeitungsfenster. Wählen Sie Streaming, wenn Benutzer sofortige Antworten erwarten, und Stapelverarbeitung für Podcasts oder Besprechungsaufzeichnungen. Preise und Gesamtkosten Speech-to-Text-Preise folgen typischerweise pro Minute oder pro Stunde, die von 0,006 $ bis 0,024 $ pro Minute für Standardtranskription reichen. Achten Sie auf versteckte Kosten wie Mindestabnahmemengen pro Monat, Überziehungsgebühren oder separate Gebühren für Funktionen wie Diarisierung. Einige Anbieter berechnen zusätzliche Gebühren für Streaming, höhere Abtastraten oder zusätzliche Sprachen. Andere beziehen diese Funktionen in ihre Grundpreise ein. Kostenoptimierungsstrategien: Beginnen Sie mit Pay-as-you-go, um Nutzungsmuster zu verstehen Verhandeln Sie Mengenrabatte, sobald Sie die übliche Nutzung überschreiten Erwägen Sie das Self-Hosting von Open-Source-Modellen bei sehr hohen Nutzungsraten Entwicklererfahrung und Dokumentation Umfassende Dokumentation mit Codebeispielen in mehreren Sprachen reduziert die Integrationszeit erheblich. Achten Sie auf Anbieter, die SDKs in Ihrer Programmiersprache anbieten, klare Fehlermeldungen und reaktionsschnellen Support. Die besten APIs enthalten interaktive Spielwiesen zum Testen und detaillierte Anleitungen für gängige Anwendungsfälle. Schlechte Dokumentation kann eine technisch überlegene API zu einem Entwicklungsalbtraum machen. Beste Speech-to-Text-APIs nach Anwendungsfall Verschiedene Anwendungen erfordern unterschiedliche Stärken von Speech-to-Text-APIs. Was für die Stapeltranskription funktioniert, kann für Echtzeit-Voice-Agenten völlig versagen. Echtzeit-Transkription und Voice-Agenten erfordern eine Latenz von weniger als einer Sekunde mit Streaming-Transkription, die Audio-Chunks verarbeitet, während Benutzer sprechen. AssemblyAI's Universal-3 Pro Streaming-Modell und Deepgram's Nova-2 glänzen hier und liefern Teiltranskripte mit Latenzzeiten unter 300 ms, die es Voice-Agenten ermöglichen, natürlich zu antworten. Voice-Agenten Diese APIs verarbeiten Unterbrechungen, Hintergrundgeräusche und unterschiedliche Sprechstile und erhalten dabei den Gesprächsfluss aufrecht. Die Integration mit LLMs erfordert sorgfältige Orchestrierung – die Speech-to-Text-API muss schnell genaue Transkripte liefern, die das LLM verarbeitet, bevor Text-to-Speech die Antwort erstellt. Jede Millisekunde zählt beim Aufbau von Konversations-KI, die sich für Benutzer natürlich anfühlt. Besprechungsnotizen und KI-Notiznehmer erfordern eine genaue Sprecher-Diarisierung, um zu identifizieren, wer was gesagt hat, sowie eine starke Leistung bei Langform-Inhalten mit mehreren Sprechern, die sich gegenseitig überlappen. AssemblyAI verarbeitet 16+ Sprecher bei gleichbleibender Transkriptionsqualität und unterstützt die Generierung von Besprechungszusammenfassungen und kapitelartigen Ausgaben über das LLM Gateway. KI-Notiznehmer Diese Funktionen wandeln rohe Besprechungsdaten in strukturierte, umsetzbare Notizen um. Die besten Besprechungstranskriptions-APIs bieten auch Zusammenfassungen und Extraktion von Aktionspunkten und bieten so sofortigen Mehrwert über die grundlegende Transkription hinaus. Call-Center und Kundensupport Contact-Center benötigen eine PII-Maskierung zum Schutz sensibler Kundendaten, eine Stimmungsanalyse zur Einschätzung der Zufriedenheit und Echtzeit-Agentenunterstützungsfunktionen. AssemblyAI erkennt und maskiert automatisch Kreditkartennummern, Sozialversicherungsnummern und andere sensible Informationen und behält dabei die Lesbarkeit der Transkription bei. Die Stimmungsanalyse läuft parallel zur Transkription, um verärgerte Kunden zur sofortigen Aufmerksamkeit zu kennzeichnen. Dies hilft Vorgesetzten, einzugreifen, bevor sich Situationen eskalieren. Wesentliche Compliance-Funktionen: Automatische Entfernung sensibler Daten PII-Maskierung: Verarbeitung in bestimmten geografischen Regionen Datensouveränität: Vollständige Nachverfolgung des Datenzugriffs und der Verarbeitung Audit-Protokolle: Mehrsprachige Anwendungen Globale Anwendungen erfordern eine konsistente Genauigkeit über Sprachen hinweg. Anbieter wie Gladia und OpenAI Whisper unterstützen über 99 Sprachen. Überlegen Sie, ob Sie Spracherkennung, Unterstützung für Code-Switching bei mehrsprachigen Sprechern und Übersetzungsfunktionen benötigen. Die Leistung schwankt oft stark zwischen den Sprachen – testen Sie gründlich mit Ihren Zielsprachen, bevor Sie sich festlegen. Englisch erhält typischerweise die meiste Optimierung, während weniger verbreitete Sprachen deutlich höhere Fehlerraten aufweisen können. Erste Schritte mit Speech-to-Text-APIs Die Integration beginnt typischerweise mit der Anmeldung für einen API-Schlüssel, der Ihre Anfragen an den Dienst authentifiziert. Die meisten Anbieter bieten kostenlose Stufen oder Guthaben an, um ihre APIs zu testen, bevor sie sich für kostenpflichtige Pläne entscheiden. Ihr erster API-Aufruf beinhaltet normalerweise das Senden einer einfachen Audiodatei und den Empfang der Transkription im JSON-Format. Die Antwort enthält den Text, wortgenaue Zeitstempel und Konfidenzwerte für jedes erkannte Wort. Best Practices für die Audioaufbereitung: Verwenden Sie 16 kHz oder höher für optimale Genauigkeit Abtastrate: PCM WAV oder FLAC erhalten die Qualität besser als MP3 Format: Mono-Audio schneidet oft besser ab als Stereo Kanäle: Implementieren Sie für Produktionsbereitstellungen eine ordnungsgemäße Fehlerbehandlung mit exponentiellem Backoff für Ratenbegrenzungen und Netzwerkprobleme. Überwachen Sie Ihre Nutzung über Anbieter-Dashboards, um Kosten zu verfolgen und Optimierungsmöglichkeiten zu identifizieren. Richten Sie Webhooks für die asynchrone Verarbeitung ein, um das Abfragen von Ergebnissen zu vermeiden. Dies reduziert die Serverlast und bietet schnellere Benachrichtigungen, wenn die Transkription abgeschlossen ist.