Rauschunterdrückung: Was ist das? Zoom, Teams und iPhone

ProduktivbetriebZuverlässigkeitVeröffentlicht Aktualisiert Von Simon Budziak

Rauschunterdrückung ist eine Audioverarbeitung, die Hintergrundgeräusche aus dem Mikrofonsignal filtert, damit Zuhörer vor allem Ihre Stimme hören. Smartphones, Zoom und Microsoft Teams bieten sie als Einstellung an, die Lüfter, Tippen, Verkehr und Gespräche in der Nähe dämpft. Zu aggressiv eingestellt, schneidet sie auch leise Wörter ab, deshalb heißt sauberer Ton nicht automatisch bessere Spracherkennung.

Was bedeutet Rauschunterdrückung in Zoom, Teams oder auf dem Smartphone?

Die App entfernt Geräusche, die sie nicht für Sprache hält, bevor jemand anderes sie hört.

Wo Einstellung Stufen Was die Stufen bewirken Quelle
Zoom Noise suppression Auto, Low, Medium, High High entfernt sogar Hintergrundgespräche anderer Personen Zoom Support, abgerufen am 6. Oktober 2026
Microsoft Teams Noise suppression Auto, High, Low, Off High entfernt alle Hintergrundgeräusche, die keine Sprache sind, Low lässt Musik hörbar, Off eignet sich für hochwertige Mikrofone in ruhigen Räumen; Standard ist Auto Microsoft Support, abgerufen am 6. Oktober 2026
iPhone Mic Mode Automatic, Standard, Voice Isolation, Wide Spectrum Voice Isolation stellt Ihre Stimme in den Vordergrund und blendet Umgebungsgeräusche aus; bei Telefonaten ab iOS 16.4 Apple Support, veröffentlicht am 7. November 2025

Je höher die Stufe, desto mehr Klang gilt als Rauschen, auch Musik und die Stimmen anderer Menschen.

Wie funktioniert Rauschunterdrückung?

Die Software zerlegt das Signal in kurze Frames und Frequenzbänder, schätzt, wie viel Rauschen jedes Band enthält, und regelt diese Bänder herunter. RNNoise, ein Open-Source-Beispiel, behält diese Signalverarbeitung bei und ergänzt ein rekurrentes neuronales Netz, das die Verstärkung für 22 Frequenzbänder festlegt und nur 10 ms vorausschaut, damit es in Live-Gesprächen laufen kann (Jean-Marc Valin, RNNoise, 27. September 2017). Ein Live-Unterdrücker hat Millisekunden für seine Entscheidung, also rät er mit wenig Kontext. Im Browser ist sie ein einzelnes Flag zum Ein- und Ausschalten auf der Mikrofonspur, noiseSuppression in WebRTC (MDN, zuletzt geändert am 28. September 2026). Sie ähnelt der Voice Activity Detection, die nur entscheidet, ob Sprache vorhanden ist, und unterscheidet sich von der Echounterdrückung, die ein bekanntes Wiedergabesignal entfernt.

Verbessert Rauschunterdrückung die Genauigkeit der Spracherkennung?

Oft nicht. Eine Studie zur einkanaligen Sprachverbesserung ergab, dass die eingeführten Artefakte und nicht das verbleibende Rauschen den Großteil des Schadens an der automatischen Spracherkennung verursachten und dass es half, einen Teil des Originalsignals wieder beizumischen (Iwamoto et al., Interspeech 2022, überarbeitet am 30. März 2022). Deepgram empfiehlt, bei reiner Transkription ganz auf Rauschunterdrückung zu verzichten (Deepgram-Dokumentation, abgerufen am 6. Oktober 2026). Bei Kneipenlärm unter 10 dB Signal-Rausch-Abstand schlug Whisper alle 14 auf LibriSpeech trainierten Modelle, die seine Autoren getestet hatten (Radford et al., 6. Dezember 2022). Moderne Spracherkenner lernen aus verrauschtem Audio, deshalb kann ein Entrauscher Hinweise entfernen, auf die sie angewiesen sind. Vergleichen Sie die Fehler mit und ohne Unterdrückung an Ihren eigenen Aufnahmen.

Wo hilft Rauschunterdrückung einem Voice Agent?

Deepgram sieht ihren größten Nutzen bei Voice Agents, wo sie falsche Barge-in-Ereignisse und Echo reduziert, und rät, mit der Echounterdrückung der Plattform zu beginnen und nur dann mehr hinzuzufügen, wenn es messbar hilft (Deepgram-Dokumentation, abgerufen am 16. November 2026). In einem Live-Gespräch zahlt sie sich durch weniger falsche Unterbrechungen aus, nicht durch ein besseres Transkript. Auch Full-Duplex Voice AI braucht Echounterdrückung, damit der Agent sich nicht selbst hört.

Wie gehen wir bei Soba Labs in unserer eigenen Audio- und Voice-Agent-Arbeit mit Rauschen um?

Unsere Medienpipeline transkribiert Aufnahmen mit whisper-large-v3 auf einem gehosteten Inferenz-Endpunkt, und die Stimme in unseren Videos geht genau so raus, wie sie aufgenommen wurde: kein Noise Gate, kein Kompressor, kein Limiter, kein EQ und keine Lautheitsnormalisierung, denn eine verrauschte oder zu leise Aufnahme wird am Mikrofon korrigiert, nicht im Schnitt. Für Voice Agents verlangt die Launch-Checkliste aus unserem Beitrag voice agents in production (auf Englisch) ein Testset mit Akzenten, Rauschen, Korrekturen, Stille und adversarialen Anfragen und bewertet einen Pilotbetrieb nach Aktionsgenauigkeit, also danach, ob der finale Datensatz der Anfrage des Anrufers entspricht. Genau dort sollte die Voice-Agent-Evaluierung jede Einstellung zur Rauschunterdrückung beurteilen.

Mit AI-Unterstützung geschrieben und von Simon Budziak geprüft. Die Hinweise aus der Praxis stammen aus Systemen, die Soba Labs baut und betreibt.

Häufig gestellte Fragen

Ist Rauschunterdrückung dasselbe wie Echounterdrückung?

Nein. Rauschunterdrückung verringert Hintergrundgeräusche wie Lüfter oder Tippen, während Echounterdrückung ein bekanntes Wiedergabesignal aus dem Mikrofoneingang entfernt, etwa die Stimme des anderen Gesprächspartners aus Ihrem Lautsprecher.

Macht Rauschunterdrückung Transkriptionen genauer?

Nicht zuverlässig. Artefakte der Unterdrückung können die Fehlerquote der Spracherkennung erhöhen, und Deepgram empfiehlt, bei reiner Transkription darauf zu verzichten. Testen Sie Ihre Spracherkennung deshalb mit und ohne Rauschunterdrückung.

Was bedeutet „rauschunterdrückt“?

Rauschunterdrückt heißt, dass bei einem Anruf oder einer Aufnahme Hintergrundgeräusche herausgefiltert wurden, meist über eine Einstellung wie die Stufen Auto, Low, Medium und High in Zoom oder Voice Isolation auf dem iPhone.

Diese Seite zusammenfassen mit

Ihr Team schulen, damit es das selbst baut