diff --git a/docs/04-diktat.md b/docs/04-diktat.md
new file mode 100644
index 0000000..993943c
--- /dev/null
+++ b/docs/04-diktat.md
@@ -0,0 +1,129 @@
+# 04 Diktat (Whisper im Browser)
+
+Überall dort, wo längerer Text entsteht – Notiz am Kontakt, Notizen an Lead und
+Unternehmen, Projektnotizen, Ausschreibungstext – sitzt ein Mikrofon-Knopf. Die
+Erkennung läuft **vollständig im Browser des Benutzers**.
+
+Das Backend ist daran nicht beteiligt und sieht keine Audiodaten: kein
+API-Schlüssel, keine Kosten pro Minute, kein Datenabfluss. Aufnahmen werden
+nirgends gespeichert.
+
+Die Umsetzung ist aus dem perinco CRM übernommen und technisch identisch – wer
+das eine kennt, findet sich im anderen zurecht.
+
+## Weg der Aufnahme
+
+```mermaid
+flowchart LR
+    MIC(("Mikrofon")) --> MR["MediaRecorder<br/>webm / ogg / mp4"]
+    MR --> AC["AudioContext + OfflineAudioContext<br/>16 kHz Mono PCM"]
+    AC --> W["Web Worker"]
+    W --> ONNX["Whisper als ONNX<br/>WebGPU, sonst WASM"]
+    ONNX --> T["Text"]
+    T --> F["Formularfeld<br/>angehaengt, nie ersetzt"]
+
+    HF["Hugging-Face-CDN"] -.->|"einmalig ~300 MB"| CACHE[("Cache-Speicher<br/>der Seite")]
+    CACHE --> ONNX
+```
+
+Die Erkennung liegt im Web Worker (`src/lib/whisper.worker.ts`), damit die
+Oberfläche währenddessen nicht einfriert. Die ONNX-Laufzeit wird **mit
+ausgeliefert** (Vite bündelt die `.wasm`, rund 21 MB unter `dist/assets/`), nur
+die Modelldateien kommen beim ersten Laden vom CDN und bleiben danach im
+Cache-Speicher der Seite.
+
+## Festlegungen
+
+Es gibt bewusst nichts einzustellen (`src/lib/whisper.tsx`):
+
+| Festlegung | Wert | Warum |
+| --- | --- | --- |
+| Modell | `onnx-community/whisper-large-v3-turbo` | beste Erkennung im Deutschen, auch bei Fachbegriffen („S4 HANA"); `small` verliert genau dort, `tiny` ist unbrauchbar |
+| Genauigkeit | `q4` | `q8` liefert auf der Grafikkarte Unsinn, `fp16` blockiert den Tab, `fp32` passt nicht in einen Speicherblock |
+| Rechenweg | WebGPU, sonst WASM | automatisch; ohne Grafikbeschleunigung dauert es länger, funktioniert aber |
+| Sprache | Deutsch | fest |
+
+## Lebenszyklus des Modells
+
+```mermaid
+stateDiagram-v2
+    [*] --> idle: Anmeldung
+    idle --> loading: "Sprachmodell laden" oder Cache vorhanden
+    loading --> ready: Worker meldet "ready"
+    loading --> error: Speicher, Abbruch, 2 min ohne Regung
+    ready --> idle: "Entladen"
+    ready --> idle: "Sprachmodell loeschen" (Cache geleert)
+    error --> loading: erneuter Versuch
+```
+
+* **Liegt das Modell im Cache, stellt es sich beim Anmelden von selbst bereit.**
+  Einmal herunterladen genügt also.
+* **Ohne Cache passiert nichts von allein** – ein Download von 300 MB startet nie
+  unaufgefordert.
+* Der Selbstversuch läuft genau **einmal je Seitenaufruf**: wer das Modell
+  absichtlich löscht oder entlädt, will es nicht sofort wiederhaben.
+* Vor dem Download bittet die Anwendung um **dauerhaften Speicher**
+  (`navigator.storage.persist`). Chrome darf ablehnen; dann funktioniert alles
+  genauso, nur ohne diese Zusicherung.
+
+### Hänger werden erkannt
+
+Zwei Fristen, beide mit verwertbarer Meldung statt endlosem „Lädt …":
+
+| Frist | Wann |
+| --- | --- |
+| 120 s ohne Regung des Workers | beim Laden – meist scheitert das Anlegen der ONNX-Sitzung am Speicher |
+| max(45 s, 15 × Aufnahmedauer), höchstens 300 s | bei einer Erkennung |
+
+In beiden Fällen wird der Worker beendet; ein neuer Versuch bekommt einen
+frischen.
+
+## Bedienung
+
+*Einstellungen → Diktat* (für jede Rolle sichtbar, denn jeder richtet sein Gerät
+selbst ein):
+
+1. **Sprachmodell laden** – zeigt die tatsächliche Downloadgröße, bei Hugging
+   Face erfragt (`src/lib/whisperModels.ts`), und einen Fortschrittsbalken.
+2. **Probe sprechen** – kurz etwas diktieren und den erkannten Text ansehen.
+3. **Sprachmodell löschen** – entfernt es aus diesem Browser.
+
+Danach steht in den Formularen ein Mikrofon-Knopf. Während der Aufnahme läuft
+die Zeit, daneben liegt ein Kreuz zum Verwerfen.
+
+Der Knopf zeigt drei Zustände:
+
+| Zustand | Was zu sehen ist |
+| --- | --- |
+| kein Mikrofon / kein HTTPS | gar nichts – ein toter Knopf wäre schlechter |
+| Modell fehlt | *Diktat einrichten*, führt direkt in den Reiter |
+| bereit | Mikrofon, dann laufende Zeit, dann *Erkenne …* |
+
+Erkannter Text wird **angehängt**, nie ersetzt: in den WYSIWYG-Feldern als
+eigener Absatz am Ende, in den Textfeldern hinter dem Vorhandenen. Ins DOM des
+Editors zu schreiben wäre die Alternative – dann hinge das Ergebnis aber an der
+Schreibmarke, die während der Aufnahme längst woanders stehen kann.
+
+## Dateien
+
+| Datei | Aufgabe |
+| --- | --- |
+| `src/lib/whisper.tsx` | Kontext: Zustand, Fortschritt, Cache-Erkennung, Fähigkeiten des Geräts |
+| `src/lib/whisper.worker.ts` | Pipeline, Erkennung, Fehler auch außerhalb der await-Kette |
+| `src/lib/dictation.tsx` | `useRecorder` – Mikrofon, Dauer, Abbruch |
+| `src/lib/audio.ts` | webm/ogg/mp4 → 16 kHz Mono Float32 |
+| `src/lib/whisperModels.ts` | Downloadgröße, Formatierung |
+| `src/components/ui/Dictate.tsx` | `DictateButton`, `DictateTextarea`, `appendParagraph` |
+| `src/components/settings/WhisperSettings.tsx` | der Reiter |
+
+Abhängigkeit: `@huggingface/transformers` (^3.8.1).
+
+## Störungssuche
+
+| Symptom | Ursache |
+| --- | --- |
+| Kein Mikrofon-Knopf zu sehen | kein `MediaRecorder` oder keine sichere Verbindung (HTTPS) |
+| „Kein Zugriff aufs Mikrofon" | Berechtigung im Browser verweigert |
+| Erkennung sehr langsam | keine WebGPU – der Reiter sagt es ausdrücklich |
+| Modell nach Neustart wieder weg | privates Fenster oder Speicherbeschränkung; der Reiter weist darauf hin |
+| „Der Speicher reicht … nicht" | zu wenig Arbeitsspeicher für die ONNX-Sitzung |