Im Juli 2025 dauerte die Verarbeitung einer einstündigen Meeting-Aufnahme 26.8 Minuten.
In diesem Monat braucht derselbe Job 4.9 Minuten.
Das ist kein Benchmark, der gut aussehen soll. Es ist unser Median der Verarbeitungszeit für einstündige Meetings in beiden Juli-Monaten — keine handverlesene Demo-Datei — und fehlgeschlagene Jobs sind auf beiden Seiten herausgerechnet. Gleicher Monat, gleiche Dateilängen, gleiche Messung. Rund fünfeinhalbmal schneller — und längere Dateien haben noch mehr gewonnen.
Niemand hat ein „Jetzt wird alles schneller"-Release veröffentlicht. Das ist ein Jahr unauffälliger Arbeit an den Teilen der Pipeline, über die niemand Blogposts schreibt — und sie hat sich aufsummiert.
Was sich tatsächlich geändert hat
Median der Verarbeitungszeit, Juli 2025 gegen Juli 2026. Die zweite Zahl in jeder Zelle ist das langsamste Zehntel — der eine Job von zehn, der am längsten braucht. Mediane schmeicheln; erst die Ausreißer zeigen, wie ein schlechter Tag aussieht.
| Job | Juli 2025 | Juli 2026 | Schneller um |
|---|---|---|---|
| 30-Min-Meeting | 13.6 Min (p90 26.4) | 3.1 Min (p90 5.9) | 4.4x |
| 1-Std-Meeting | 26.8 Min (p90 61.9) | 4.9 Min (p90 6.8) | 5.5x |
| 2-Std-Meeting | 54.1 Min (p90 120.9) | 7.5 Min (p90 13.4) | 7.2x |
| 30-Min-Video | 16.8 Min (p90 35.6) | 5.2 Min (p90 12.1) | 3.2x |
| 1-Std-Video | 32.4 Min (p90 136.4) | 7.4 Min (p90 21.0) | 4.4x |
| 2-Std-Video | 66.4 Min (p90 147.3) | 11.4 Min (p90 28.9) | 5.8x |
Die Ausreißer haben sich stärker verbessert als der Median — und das zählt mehr. Vor einem Jahr brauchte eines von zehn einstündigen Meetings über eine Stunde. Heute beginnt das langsamste Zehntel bei sieben Minuten — ein schlechter Job ist heute mehrfach schneller als damals ein typischer. Der schlimmste Fall beim 1-Stunden-Video fiel von über zwei Stunden auf 21 Minuten. Wer sich um Subanana herum stillschweigend Puffer in den Kalender gebaut hat, kann damit aufhören.
Lange Dateien haben am meisten gewonnen — die 7x stehen in der Zeile „2-Std-Meeting". Das ist das Gegenteil dessen, was üblicherweise passiert, wenn eine Pipeline auf kurze Demo-Clips getrimmt wird, und genau dieser Unterschied ändert das Verhalten: Anderthalb Stunden Wartezeit ist ein „nach dem Mittagessen wiederkommen"-Job; sieben Minuten ist ein „sitzen bleiben"-Job.
Und der Trend flacht nicht ab: Die letzte Juli-Woche war die schnellste Woche in der Geschichte von Subanana, mit einem Median von 5.5 Minuten für einstündige Videos.
Der Teil, der mich überrascht hat
So verteilt sich heute die Wartezeit bei einem einstündigen Video. Die Phasen überlappen sich — lesen Sie sie als grobe Anteile, nicht als strikte Reihenfolge.
| Phase | Anteil an der Wartezeit |
|---|---|
| Warten in der Warteschlange | ~7% |
| Datei in die Pipeline bringen | ~2% |
| Medien vorbereiten (Audio, Wellenform) | ~25% |
| Transkribieren | ~20% |
| Untertitel-Cues erstellen und prüfen | ~16% |
| Vorschau rendern, durch die Sie hinterher scrubben | ~29% |
Das Transkribieren — der KI-Teil — macht etwa ein Fünftel der Wartezeit aus.
Die KI war nie der Engpass. Alle halten die Spracherkennung für den langsamen Teil, weil es der Teil mit dem Modell ist. Ist sie aber nicht, und das schon lange. Rund vier Fünftel der Wartezeit sind Logistik: die Datei dekodieren, eine saubere Audiospur extrahieren, die Wellenform erzeugen, die Vorschau rendern, die der Editor braucht, damit Sie das Ergebnis hinterher durchscrubben können.
Genau deshalb kamen die Gewinne dort her, wo sie herkamen. Allein das Einbringen der Datei in die Pipeline ist seit Juni um mehr als 90% schneller geworden, die Medienvorbereitung hat sich etwa halbiert. Beim Transkribieren gab es nie viel zu holen. Bei allem anderen sehr viel.
Aus der Tabelle folgen drei Dinge, die man wissen sollte:
Meetings kommen am schnellsten zurück. Ein Meeting-Job überspringt das Rendern der Videovorschau komplett — ein großer Teil der Erklärung, warum die Meeting-Zeilen bei gleicher Länge immer vor den Video-Zeilen liegen.
Eine Übersetzung hinzuzufügen bremst Ihr Ergebnis nicht. Übersetzungen laufen asynchron — Transkript und Untertitel in der Originalsprache kommen genauso schnell wie sonst, die übersetzte Spur folgt von selbst. Wer das Übersetzungsziel bisher weggelassen hat, um Zeit zu sparen: nicht nötig. Im Untertitel-Modus können Sie einem Job mehrere Ziele hinzufügen.
Ihr Upload steckt nicht in diesen Zahlen. Die Uhr startet, wenn die Verarbeitung beginnt — nachdem Ihre Datei angekommen ist. Bei langsamer Verbindung kann der Upload die längere Hälfte Ihrer Wartezeit sein. Ist das Video ohnehin öffentlich, fügen Sie einfach einen YouTube-, Instagram- oder Facebook-Link ein und überspringen den Upload — Subanana holt die Datei direkt.
Der Teil, den man nicht abkürzen kann
Ein gutes Spracherkennungsmodell kann jeder mieten. Das ist das offene Geheimnis dieser Kategorie — die KI, der Teil mit der Mystik, steht jedem offen, der einen API-Schlüssel beantragt. Deshalb erscheint jede Woche eine neue Transkriptions-App.
Aber das Modell ist ein Fünftel Ihrer Wartezeit. Die anderen vier Fünftel sind die Maschinerie drumherum: Ingest, Dekodierung, Audio-Extraktion, Cue-Erstellung, Vorschau-Rendering, Warteschlangen. Nichts davon lässt sich mieten. Es muss gebaut, an echten Workloads gemessen und neu gebaut werden — und schneller wird es nur durch Engineering-Zeit für Probleme, die in keiner Demo je auftauchen.
Genau das war dieses Jahr. Kein einzelnes Release, kein glücklicher Modellwechsel: Die Beschleunigung hat sich in den letzten anderthalb Jahren fast jeden Monat weiter aufsummiert. Eine am Wochenende zusammengebaute Wrapper-App kann dasselbe Transkriptionsmodell verwenden wie wir. Die vier Fünftel kann sie nicht nachbauen — und genau die spüren Sie bei jedem langen Upload.
Was sich nicht ändert
Wiederholungen sind weiterhin kostenlos. Sieht ein Transkript fehlerhaft aus, schickt das System die betroffenen Segmente im Hintergrund automatisch durch ein anderes Modell — ohne Benachrichtigung. Der zweite Durchlauf kostet nichts: Sie zahlen einmal pro Datei, egal wie viele interne Anläufe es brauchte. Das galt vor einem Jahr und gilt heute — es geht nur schneller.
Die Limits sind seither gestiegen: 8 Stunden und 30 GB pro Datei. In der Praxis erreicht man zuerst die 8-Stunden-Grenze.
Probieren Sie es mit etwas Langem
Wenn Sie eine zweistündige Aufnahme aufgeschoben haben, weil Sie keine Stunde dafür verlieren wollten: Diese Rechnung hat sich geändert. Es sind jetzt etwa elf Minuten.
KI-Meeting-Transkription und KI-Untertitelung laufen beide auf der Pipeline, aus der diese Zahlen stammen.
Alle Zahlen sind Mediane der Verarbeitungszeit — Juli 2025 (kompletter Monat) gegen 1.–27. Juli 2026 — gruppiert nach Quelldauer, fehlgeschlagene Jobs ausgeschlossen, gemessen ab Verarbeitungsbeginn. Die „2-Std"-Zeilen umfassen Dateien von 90 Minuten bis 3 Stunden. Ihre Zeiten variieren mit Dateigröße, Codec und Auslastung.