In der Bahn läuft ein Video, der Ton bleibt aus. Wer mitlesen kann, schaut zu Ende. Wer auf den Ton angewiesen ist, scrollt weiter. Genau hier entscheidet sich, ob ein Medium für alle offen ist oder nur für die, die gerade hören und sehen können.
Untertitel und Transkripte sind die zweite Spur, die ein Video oder einen Podcast zugänglich macht. Der Aufwand ist überschaubar, und die Mühe zahlt sich doppelt aus. Wer diese Spuren braucht, wie Du sie richtig anlegst, wann ein Transkript der bessere Weg ist und was Audiodeskription leistet, klärt sich Schritt für Schritt.
Wer Untertitel und Transkripte braucht
Der offensichtliche Grund sind gehörlose und schwerhörige Menschen. Wie sie das Web insgesamt erleben und worauf Du dafür sonst noch achtest, zeigt Dir der Beitrag zur Gehörlosigkeit im Web. Für sie ist der Ton schlicht nicht da. Ein Video ohne Textspur bleibt eine Tonne mit verschlossenem Deckel: Es sieht voll aus, der Inhalt kommt aber nicht an.
Der weniger offensichtliche Grund: Fast jeder liest situativ mit. Im Großraumbüro ohne Kopfhörer, in der vollen Bahn, neben dem schlafenden Kind. Wer eine Sprache gerade lernt, hängt sich an die geschriebene Zeile, weil das Ohr noch nicht schnell genug folgt. Und wer Dein Video in lauter Umgebung öffnet, bleibt nur dran, wenn er den Faden auch ohne Ton mitlesen kann.
Dazu kommt ein technischer Mitleser: die Suchmaschine. Google hört kein Video und keinen Podcast, aber es liest Text. Ein Transkript macht den gesprochenen Inhalt überhaupt erst auffindbar. Untertitel und Transkripte helfen also einer klar benannten Gruppe und nebenbei allen anderen.
Untertitel und Transkript unterscheiden
Beide bringen das Gesprochene als Text, aber an unterschiedlicher Stelle. Untertitel laufen direkt im Video mit, synchron zum Ton, eingeblendet am unteren Bildrand. Sie gehören zum Film und verschwinden mit ihm.
Ein Transkript steht als zusammenhängender Volltext unter dem Player, lesbar am Stück, ohne dass etwas läuft. Es ist der gesamte gesprochene Inhalt in Schriftform, von oben bis unten durchlesbar.
Die Faustregel ist einfach: Ein Video bekommt Untertitel, weil dort ein Bild ist, an dem die Zeile kleben kann. Ein reiner Podcast bekommt ein Transkript, weil kein Bild da ist. Viele Beiträge vertragen beides, und gerade die Kombination holt die größte Gruppe ab. Dasselbe Prinzip greift, wenn Du dieselbe zweite Spur auch auf Social Media mitdenkst, wo Alt-Texte, lesbare Hashtags und Untertitel für Reels über die Reichweite entscheiden.
Untertitel richtig machen
Drei Dinge entscheiden, ob Untertitel taugen: Timing, Lesbarkeit und Korrektheit.
Synchron: Die Zeile erscheint, wenn das Wort fällt, und verschwindet, bevor die nächste sie überholt. Untertitel, die dem Ton hinterherhinken, stiften mehr Verwirrung als Hilfe.
Lesbar: Höchstens zwei Zeilen gleichzeitig, lieber kurze Sinneinheiten als ein gepresster Bandwurm. Wer eine Zeile nicht in der Standzeit liest, hat sie verloren.
Korrekt: Namen, Fachbegriffe und Zahlen müssen stimmen. Hier liegt die größte Falle. Automatische Untertitel von YouTube, Vimeo oder einem Schnittprogramm sind ein guter Rohentwurf, aber kein fertiges Produkt.
Die typischen Fehler wiederholen sich: Aus „Mehl" wird „mehr", aus einer Wortmarke wird Kauderwelsch, eine Telefonnummer läuft als ungebremster Zahlenstrom durch. Auch den Wechsel zwischen zwei Sprechern erkennt die Automatik nicht, also klebt im Interview die Antwort an der Frage, ohne dass klar wird, wer gerade redet.
Der Weg dahin ist überschaubar: Im Video-Portal die automatischen Untertitel erzeugen lassen, dann den Editor öffnen und Zeile für Zeile durchgehen. Sprecherwechsel markieren, Satzzeichen setzen, lange Zahlen in lesbare Blöcke zerlegen. Diese halbe Stunde trennt einen ernst gemeinten Untertitel von einer peinlichen Pannenschau. Schreib die Untertitel außerdem so klar und einfach, wie Du auch Fließtext schreibst.
Transkripte für Podcasts und Audio
Ein Podcast hat kein Bild, an dem ein Untertitel kleben könnte. Hier ist das Transkript das passende Werkzeug: der vollständige Text des Gesprochenen, sichtbar unter dem Player.
Für gehörlose Menschen ist das Transkript der einzige Zugang zu einer reinen Audio-Folge. Aber auch hörende Besucher greifen oft lieber zum Text. Wer eine bestimmte Stelle sucht, überfliegt das Transkript in Sekunden, statt sich durch vierzig Minuten Audio zu spulen.
Ein Transkript wird im Alltag erstaunlich oft genutzt. Jemand zitiert daraus eine Aussage korrekt, statt sie nach Gehör abzutippen. Ein Leser verlinkt eine einzelne Passage, weil sie genau seinen Punkt trifft. Und Du selbst verwertest den Text später als Blogbeitrag oder Shownotes weiter.
Ein Transkript muss kein wörtliches Protokoll jedes „ähm" sein. Geglättet, in Absätze gegliedert und mit Sprecher-Hinweisen versehen liest es sich am besten. Der Nebeneffekt ist handfest: Der Volltext gibt Suchmaschinen etwas zu indexieren, und Deine Folge wird über genau die Worte findbar, die darin fallen.
Wie Du praktisch an die Texte kommst
Du musst nichts mit der Hand abtippen. Für Untertitel reicht in den meisten Fällen das Portal selbst: YouTube und Vimeo erzeugen automatische Untertitel kostenlos und stellen einen Editor zum Korrigieren bereit. Der Rohentwurf ist in Minuten da, die Korrektur kostet die genannte halbe Stunde. Wie weit Dich KI bei diesem Schritt trägt, vertieft der Beitrag zur KI-Transkription und Untertitel.
Für ein Transkript gibt es Transkriptions-Dienste, die eine Tonspur hochladen lassen und Text zurückgeben, oft für ein paar Euro pro Stunde Audio oder im Monatsabo. Das Ergebnis ist ein Rohtext, den Du noch glättest. Wer sauber und mit Korrektur arbeiten will, gibt das Ganze an einen Dienstleister, der die Endkontrolle gleich mitmacht.
Genau das ist auch der Punkt fürs Briefing: Verlange korrigierte Untertitel statt ungeprüfter Automatik und ein Transkript unter jeder Audio-Folge. Schreib es in die Anforderung, dann ist es Teil der Leistung und kein Nachgedanke. Was sonst noch in eine gute Anforderung gehört, sammelt der Beitrag zum Briefing für die Agentur.
Warum automatische Untertitel oft nicht reichen
Die Automatik versteht den Durchschnitt der Sprache gut, aber genau Deine Inhalte selten. Ein Markenname, ein Produktbegriff, der Fachausdruck aus Deiner Branche: All das hört das System falsch, weil es solche Wörter kaum kennt. Aus dem Eigennamen wird ein lautähnlicher Unsinn, und niemand findet die Folge später unter dem richtigen Begriff.
Eigennamen sind die zweite Schwachstelle. Personen, Orte und Firmen schreibt die Automatik nach Gehör, also oft falsch. In einem Interview wirkt das schnell respektlos, wenn der Name des Gegenübers verstümmelt erscheint.
Dazu kommt der fehlende Sprecherwechsel. Die Maschine setzt keine Markierung, wer gerade spricht, und im Dialog verschwimmt dadurch, wer was sagt. Auch Zahlen, Daten und Adressen geraten durcheinander. Deshalb ist die ungeprüfte Automatik ein Entwurf und keine Veröffentlichung.
Audiodeskription kurz erklärt
Untertitel und Transkripte decken den Ton ab. Es bleibt der umgekehrte Fall: Ein blinder Mensch hört zwar alles, sieht aber nicht, was im Bild passiert. Genau diese Lücke füllt die Audiodeskription.
Audiodeskription ist eine zusätzliche Tonspur, die das Wichtige im Bild beschreibt, in den Sprechpausen der Handlung. Ein kurzes „Sie öffnet den Brief und erstarrt" trägt die Geschichte für jemanden, der den Bildschirm nicht sieht.
Wie schnell die Lücke entsteht, zeigt ein Tutorial, das nur „und dann klickst Du genau hier" sagt. Wer nicht sieht, wohin „hier" zeigt, ist raus. Ein Satz wie „klick oben rechts auf Speichern" macht denselben Schritt für alle nachvollziehbar. Damit jeder die zweite Spur auch erreicht, brauchst Du eine bedienbare Steuerung am Video-Player.
Für die meisten kleinen Webseiten ist eine eigene Spur selten nötig. Ein Erklärvideo, in dem die Stimme ohnehin beschreibt, was zu sehen ist, braucht keine. Wichtig wird Audiodeskription dort, wo entscheidende Information nur im Bild steht und nicht ausgesprochen wird. Im Zweifel hilft schon, beim Skript laut zu denken, statt stumm auf den Bildschirm zu zeigen.
Fazit
Video und Audio sind keine geschlossenen Medien, wenn Du die zweite Spur mitdenkst. Untertitel öffnen das Video, Transkripte den Podcast, Audiodeskription das rein Visuelle.
Der größte Hebel ist der billigste: korrigierte Untertitel statt ungeprüfter Automatik und ein Transkript unter jeder Audio-Folge. Wer das von Anfang an einplant, denkt Barrierefreiheit von Anfang an mit. Wie das ins große Bild passt, zeigen die WCAG-Grundlagen, und wer wirklich dazu verpflichtet ist, klärt der Beitrag zum BFSG.