Transkription ist der Prozess, bei dem gesprochene Wörter aus Audio- oder Videomaterial in geschriebenen Text umgewandelt werden. Eine fertige Transkription, meist als Transkript bezeichnet, hält fest, was in einer Aufnahme gesagt wurde, häufig mit Zeitstempeln und Sprecherwechseln, sodass Menschen den Inhalt lesen, durchsuchen, zitieren und wiederverwenden können. Das Wort hat eine zweite, wissenschaftliche Bedeutung: In der Biologie ist Transkription der Schritt, bei dem eine Zelle die DNA eines Gens in RNA kopiert. Dieser Leitfaden behandelt beide Bedeutungen und konzentriert sich anschließend auf die alltägliche: Was ist Transkription bei Audio- und Videoarbeiten, welche Arten der Transkription gibt es, wie unterscheiden sich menschliche und KI-Transkription, wie transkribiert man eine Aufnahme, wie wählt man Transkriptionssoftware aus und wie nutzen Marketing- und Vertriebsteams ein Transkript, sobald es vorliegt.
Wenn du nur die kurze Antwort auf die Frage „Was ist Transkription?“ brauchst, lautet sie: Jemand oder ein Spracherkennungssystem hört sich eine Aufnahme an und schreibt die gesprochenen Wörter auf. Alles Weitere – von Regeln für die wortgetreue Transkription bis zu SRT-Untertiteldateien – ist eine Entscheidung darüber, wie genau diese Wörter festgehalten werden sollen und welche Form der Text für seine nächste Verwendung annehmen muss.
Bedeutung von Transkription: Was der Begriff umfasst
Die Bedeutung von „Transkription“, nach der die meisten Menschen suchen, stammt vom lateinischen transcribere, „hinüberschreiben“ oder „abschreiben“. Im allgemeinen Gebrauch ist eine Transkription eine schriftliche Kopie von etwas, das ursprünglich in einer anderen Form existierte. Diese andere Form ist meist gesprochene Sprache, aber dasselbe Wort wird auch für einige verwandte Aufgaben verwendet. Zu wissen, welche davon jemand meint, verhindert viel Verwirrung.
Die Bedeutung von Transkription, die das obige Bild gegenüberstellt, lässt sich auf zwei Fachgebiete zurückführen. Hier ist die Definition von Transkription in den Kontexten, denen Sie wahrscheinlich begegnen werden:
- Sprache zu Text. Eine Transkription ist die schriftliche Aufzeichnung gesprochener Wörter in einer Audio- oder Videoaufnahme: ein Interview, eine Besprechung, ein Podcast, eine Vorlesung, ein Webinar oder ein YouTube-Video. Dies ist die Bedeutung, die von Journalisten, Forschern, Marketern, Gerichtsreportern und allen verwendet wird, die mit Aufnahmen arbeiten.
- Linguistik. Die phonetische oder phonemische Transkription hält fest, wie Wörter klingen, und verwendet dafür eine Notation wie das Internationale Phonetische Alphabet. Ein Linguist, der „water“ transkribiert, achtet auf die Vokale und das „t“, nicht nur auf das Wort. Wikipedias Eintrag zur Transkription in der Linguistik erklärt den Unterschied zwischen phonetischer und orthografischer Transkription.
- Musik. Eine Transkription kann bedeuten, ein Musikstück durch Zuhören in Notenschrift aufzuschreiben oder ein Stück für ein anderes Instrument zu arrangieren.
- Medizin und Recht. Bei der medizinischen Transkription werden diktierte Notizen eines Arztes oder einer Ärztin in eine schriftliche Aufzeichnung umgewandelt; die juristische Transkription erstellt schriftliche Aufzeichnungen von Aussagen, Anhörungen und aufgezeichneten Erklärungen. Beides sind Arbeiten zur Umwandlung von Sprache in Text, bei denen strengere Regeln für Genauigkeit und Formatierung gelten.
- Biologie. Die Gentranskription ist der zelluläre Prozess, bei dem DNA in RNA kopiert wird. Er wird im nächsten Abschnitt behandelt.
Wenn ein Kollege also um „eine Transkription des Gesprächs“ bittet, meint er die erste Bedeutung. Wenn ein Biologiestudent fragt, was Transkription ist, meint er die letzte. Im restlichen Artikel wird Transkription im Sinne der Umwandlung von Sprache in Text verwendet, sofern nicht ausdrücklich etwas anderes gesagt wird.
Transkription in der Biologie: DNA zu RNA
In der Molekularbiologie ist die Transkription der erste Schritt der Genexpression. Ein Enzym namens RNA-Polymerase liest einen Strang der DNA eines Gens und erstellt einen passenden Strang aus messenger RNA (mRNA). Diese mRNA verlässt anschließend den Zellkern und dient als Vorlage für den Aufbau eines Proteins. Der Glossareintrag des National Human Genome Research Institute zur Transkription bietet eine kurze, zuverlässige Erklärung mit einer Abbildung.
Die Suchanfrage „Transkription vs. Translation“ stammt fast immer aus diesem Kontext. Bei der Transkription werden die Informationen des Gens als RNA neu geschrieben, in derselben „Sprache“ der Nukleinsäuren. Bei der Translation wird die RNA anschließend gelesen und eine Kette aus Aminosäuren aufgebaut, also ein Protein. Die Information wird somit in eine andere „Sprache“ umgewandelt. Eine einfache Merkhilfe lautet: Transkription kopiert, Translation wandelt um. Interessanterweise verwendet die Welt der Umwandlung von Sprache in Text die beiden Wörter fast genauso. Wenn Sie ein spanisches Interview transkribieren, erhalten Sie spanischen Text; wenn Sie dieses Transkript übersetzen, erhalten Sie englischen Text.
Was bedeutet Transkribieren?
Transkribieren bedeutet, gesprochene oder aufgezeichnete Worte in schriftliche Form zu bringen. Du transkribierst ein Interview, indem du aufschreibst, was jede Person sagt, du transkribierst eine Voicemail, indem du sie abtippst, und du transkribierst ein Video, indem du den Text seiner Tonspur erstellst. Die Person, die dies tut, ist ein Transkribent oder eine Transkriptionistin; das Ergebnis ist ein Transkript, und die Tätigkeit heißt Transkription. Wenn du wissen möchtest, was diese Arbeit im Alltag umfasst, bietet transcript.im einen Leitfaden dazu, was ein Transkribent macht.
Oft werden „transkribieren“ und „diktieren“ locker verwendet, aber sie bedeuten nicht dasselbe. Diktieren geschieht live: Du sprichst, und währenddessen erscheinen die Wörter. Bei der Transkription arbeitet man normalerweise mit einer bereits vorhandenen Aufnahme. Das bedeutet, dass du pausieren, zurückspulen, einen Namen überprüfen, Zeitstempel hinzufügen und entscheiden kannst, wie genau der endgültige Text sein soll. Die Bedeutung von „transkribieren“ unterscheidet sich auch von „übersetzen“: Beim Transkribieren bleibt die ursprüngliche Sprache erhalten, beim Übersetzen wird sie geändert.
Arten der Transkription
Es gibt mehrere Arten der Transkription, und jede praktische Antwort auf die Frage, was Transkription ist, hängt davon ab, welche Art Sie benötigen. Sie unterscheiden sich vor allem in einem Punkt: wie viel der ursprünglichen Sprache der Text beibehält. Die richtige Art auszuwählen, ist die wichtigste Entscheidung bei jeder Transkriptionsaufgabe, denn sie bestimmt, wie lange die Arbeit dauert, wie das Transkript zu lesen ist und wofür es verwendet werden kann.
Die vier Arten der Transkription in der Abbildung decken fast jede praktische Anfrage ab. Hier sind sie nebeneinander:
| Art | Was sie beibehält | Was sie entfernt | Typische Verwendung |
|---|---|---|---|
| Wortgetreue Transkription (vollständig wortgetreu) | Jedes Wort, Füllwörter, Satzabbrüche, Wiederholungen, Pausen und hörbare Geräusche wie Lachen | Nichts | Rechtliche Aufzeichnungen, Forschung, bei der die Sprechweise wichtig ist, Beweismittel |
| Bereinigte wortgetreue Transkription | Jedes bedeutungsvolle Wort in der eigenen Ausdrucksweise des Sprechers | Füllwörter („ähm“, „wissen Sie“), Stottern, Satzabbrüche, wiederholte Wörter | Interviews, Meetings, Podcasts, Marketinginhalte, die meisten geschäftlichen Anwendungen |
| Bearbeitete (intelligente) Transkription | Die Bedeutung, in lesbare Sätze geglättet | Füllwörter, Abschweifungen, Grammatikfehler; Sätze können umstrukturiert werden | Artikel, Berichte, Zitate zur Veröffentlichung |
| Transkription mit Zeitstempeln und Untertitel | Text plus der Zeitpunkt, zu dem jede Zeile gesprochen wurde; Untertitel werden in kurze Einheiten aufgeteilt | Hängt vom gewählten Stil ab | Untertitel, Videobearbeitung, das Auffinden eines Moments in einer langen Aufnahme |
Zwei weitere Begriffe tauchen häufig auf. Phonetische Transkription hält die Aussprache statt der Wörter fest und wird in der Linguistik und im Sprachunterricht verwendet. Sprecherbeschriftete Transkription kennzeichnet, wer was gesagt hat, was bei Interviews, Podiumsdiskussionen und Verkaufsgesprächen wichtig ist; sie kann mit jeder der oben genannten Arten kombiniert werden.
Wortgetreue Transkription vs. bereinigte wortgetreue Transkription
Eine wortgetreue Transkription schreibt genau auf, was gesagt wurde, einschließlich der Teile, die ein Leser normalerweise überspringt. Eine bereinigte wortgetreue Transkription behält die Wörter und die Bedeutung des Sprechers bei, entfernt aber das Rauschen. Der Unterschied lässt sich anhand eines Beispiels am einfachsten erkennen.
Die wortgetreue Transkription auf der linken Seite des Bildes und die bereinigte Version auf der rechten Seite stammen aus demselben Satz:
- Wortgetreu: „Also, ähm, wir, wir haben die, äh, die neue Onboarding-E-Mail ausprobiert und, na ja, die Öffnungsrate ist gestiegen. Sie, sie ist tatsächlich ziemlich stark gestiegen.“
- Bereinigt wortgetreu: „Wir haben die neue Onboarding-E-Mail ausprobiert und die Öffnungsrate ist gestiegen. Sie ist tatsächlich ziemlich stark gestiegen.“
- Bearbeitet: „Die neue Onboarding-E-Mail hat die Öffnungsrate deutlich erhöht.“
Die bereinigte wortgetreue Version sagt genau das, was der Sprecher meinte, und verwendet dabei seine eigenen Worte. Die bearbeitete Version ist kürzer, aber „deutlich“ stammt vom Bearbeiter und nicht vom Sprecher. Deshalb sollten bearbeitete Transkripte nicht für direkte Zitate verwendet werden. Ein nützlicher Test aus dem transcript.im-Leitfaden zur bereinigten wortgetreuen Transkription lautet: Wenn das Entfernen eines Wortes die Bedeutung dessen verändert, was der Sprecher meinte, lassen Sie es stehen; wenn es den Satz nur flüssiger macht, kann es entfernt werden.
Verwenden Sie die vollständige wortgetreue Transkription, wenn die Art und Weise, wie etwas gesagt wurde, Teil der Beweislage ist: bei rechtlichen Arbeiten, der Erforschung von Gesprächen und der Nutzerforschung, bei der Zögern eine Bedeutung vermittelt. Verwenden Sie für fast alles andere die bereinigte wortgetreue Transkription. Die meisten KI-Transkriptionen erzeugen standardmäßig etwas, das einer bereinigten wortgetreuen Transkription nahekommt, weil Spracherkennungsmodelle dazu neigen, viele Füllwörter wegzulassen.
Menschliche Transkription vs. KI-Transkription
Bei Transkription dachte man früher an eine Person mit Kopfhörern und einem Fußpedal. Heute lautet die Antwort auf die Frage, was Transkription an den meisten Arbeitsplätzen bedeutet: automatische Spracherkennung (ASR), manchmal gefolgt von einer menschlichen Bearbeitung. Beide Ansätze haben ihren klaren Anwendungsbereich.
Menschliche Transkription wird von einem geschulten Transkribierer erstellt, der zuhört und tippt. Als Faustregel gilt, dass sauberes Audio etwa vier Arbeitsstunden pro Aufnahmestunde benötigt; bei schwierigem Audio dauert es deutlich länger. Menschen kommen mit starken Akzenten, gleichzeitigem Sprechen, Fachjargon und schlechten Aufnahmen besser zurecht als Software und können strikte Stilrichtlinien befolgen. Der Nachteil ist der Zeitaufwand: Das Transkript einer langen Aufnahme durch einen Menschen dauert Tage, nicht Minuten.
KI-Transkription verwendet ein Spracherkennungsmodell, um Audio automatisch in Text umzuwandeln. Sie ist schnell, funktioniert bei sehr langen Aufnahmen und fügt jeder Zeile ohne zusätzlichen Aufwand Zeitstempel hinzu. Ihre Fehler treten meist an vorhersehbaren Stellen auf: bei Namen und Markennamen, Zahlen, Fachbegriffen, sich überschneidenden Sprechern und verrauschtem Audio. Bei klarer Sprache in einer verbreiteten Sprache ist das Ergebnis normalerweise gut genug, um es nach einer kurzen Prüfung zu verwenden.
Bereits vorhandene Untertitel sind eine dritte Quelle, die viele Menschen vergessen. Viele Online-Videos verfügen bereits über eine vom Ersteller verfasste oder von der Plattform erzeugte Untertitelspur. Wenn diese Untertitel vorhanden und korrekt sind, können sie extrahiert werden, sodass ohne einen neuen Erkennungsschritt ein Transkript entsteht. Genau das macht transcript.im, ein YouTube-Transkript und Tool zur Videotranskription, zuerst: Wenn ein Video brauchbare Untertitel hat, verwendet es diese; wenn keine vorhanden sind, transkribiert die KI das Audio und versieht jede Zeile mit einem Zeitstempel.
| Menschliche Transkription | KI-Transkription | Vorhandene Untertitel | |
|---|---|---|---|
| Geschwindigkeit | Stunden bis Tage | Minuten für die meisten Aufnahmen | Sofort |
| Am besten geeignet für | Rechtliche und medizinische Inhalte, schlechtes Audio, strenge Stilvorgaben | Interviews, Meetings, Podcasts, Videos | Öffentliche Videos, die bereits Untertitel haben |
| Häufige Fehler | Selten, meist schwer verständliche Wörter | Namen, Zahlen, Fachjargon, sich überschneidende Sprecher | Hängt davon ab, wer die Untertitel verfasst hat |
| Zeitstempel | Zusätzlicher Aufwand | Automatisch | Bereits in der Untertitelspur enthalten |
Die praktische Antwort für die meisten Teams ist ein hybrider Ansatz: Lassen Sie die KI-Transkription oder vorhandene Untertitel den ersten Entwurf erstellen und anschließend eine Person die wichtigen Stellen prüfen, etwa Namen, Zahlen und alles, was Sie zitieren möchten.
So transkribieren Sie Audio und Video
Unabhängig davon, ob Sie manuell oder mit Software transkribieren, umfasst die Arbeit dieselben fünf Schritte: die Aufnahme besorgen, die Art der Transkription festlegen, den Text erstellen, ihn prüfen und in dem benötigten Format exportieren. So funktioniert jeder Weg in der Praxis.
Der Ablauf im Bild zeigt, wie Sie Audio und Video mit einem Tool transkribieren. Die folgenden Schritte decken drei gängige Ausgangspunkte sowie den manuellen Weg ab.
Ein öffentliches Video über einen Link transkribieren
- Kopieren Sie den Link des öffentlichen Videos: ein YouTube-Video, einen Short, eine Playlist oder einen Kanal, ein TikTok, ein Instagram Reel oder ein Facebook-, LinkedIn- oder X-Video.
- Fügen Sie ihn in ein Transkriptionstool ein, das Links akzeptiert, beispielsweise transcript.im.
- Das Tool prüft, ob eine Untertitelspur vorhanden ist, und verwendet sie, wenn sie brauchbar ist. Andernfalls transkribiert es das Audio mit AI.
- Lesen Sie das Transkript mit Zeitstempeln, korrigieren Sie Namen oder Begriffe und kopieren Sie es anschließend oder laden Sie es herunter.
Eine plattformspezifische Anleitung einschließlich Playlists, Kanälen und Videos ohne Untertitel finden Sie in unserem vollständigen Leitfaden zur Videotranskription.
Ihre eigene Videodatei transkribieren
Wenn sich das Video auf Ihrem Computer befindet, etwa ein aufgezeichnetes Webinar, ein Zoom-Export, eine Produktdemo oder eine Telefonaufnahme, laden Sie es hoch, anstatt einen Link einzufügen. Der Video-zu-Text-Konverter auf transcript.im akzeptiert MP4 und andere gängige Formate wie MOV, MKV, WebM und AVI, transkribiert die Sprache und gibt ein Transkript mit Zeitstempeln zurück, das Sie als TXT, SRT oder VTT exportieren können.
Eine Audiodatei transkribieren
Podcasts, Sprachnotizen, Telefonaufnahmen und Interview-Audio durchlaufen denselben Prozess. Laden Sie die Datei in einen Audio-zu-Text-Konverter hoch. transcript.im akzeptiert WAV, MP3, FLAC, M4A, OGG und andere gängige Audioformate, erkennt die gesprochene Sprache automatisch (oder ermöglicht deren Auswahl) und transkribiert die Aufnahme mit einem Zeitstempel in jeder Zeile. Wenn ein Podcast nur in einer Podcast-App verfügbar ist, laden Sie zuerst die Episodendatei herunter und laden Sie sie anschließend hoch.
Manuell transkribieren
Die manuelle Transkription ist bei kurzen, vertraulichen oder sehr schlechten Aufnahmen weiterhin sinnvoll. Eine praktikable Vorgehensweise:
- Verwenden Sie einen Player, der Audio verlangsamt. Bei einer Wiedergabegeschwindigkeit von 0,75x können Sie kontinuierlich tippen, anstatt alle paar Sekunden zu pausieren.
- Arbeiten Sie in kurzen Schleifen. Hören Sie fünf bis zehn Sekunden, tippen Sie sie, spielen Sie die Stelle zur Kontrolle erneut ab und fahren Sie fort.
- Notieren Sie Zeitstempel währenddessen. Fügen Sie alle 30 bis 60 Sekunden oder bei jedem Sprecherwechsel einen Zeitstempel hinzu, damit Sie Passagen später wiederfinden.
- Markieren Sie Unverständliches. Verwenden Sie ein einheitliches Tag wie
[inaudible 00:12:41], anstatt zu raten. - Hören Sie abschließend alles noch einmal durch. Lesen Sie das Transkript, während das Audio mit normaler Geschwindigkeit läuft, und korrigieren Sie alles, was nicht übereinstimmt.
Auch wenn Sie manuell transkribieren, ist es normalerweise viel schneller, mit einem AI-Entwurf zu beginnen und ihn zu korrigieren, als den Text auf einer leeren Seite einzugeben.
Was die Transkriptionsgenauigkeit beeinflusst
Die Transkriptionsgenauigkeit hängt weit stärker von der Aufnahme als vom Tool ab. Dasselbe Spracherkennungsmodell kann mit einem Podcast-Mikrofon ein nahezu perfektes Transkript erstellen, mit einem Telefon in einem lauten Café jedoch ein fehlerhaftes. Dies sind die wichtigsten Faktoren:
- Audioqualität. Ein Mikrofon in geringer Entfernung, ein ruhiger Raum und nur ein Sprecher liefern die besten Ergebnisse. Echo, Wind, Musik im Hintergrund und geringe Lautstärke verursachen allesamt Fehler.
- Sich überschneidende Sprecher. Wenn zwei Personen gleichzeitig sprechen, verlieren sowohl Menschen als auch Software Wörter. Podiumsdiskussionen und hitzige Verkaufsgespräche sind das schwierigste Material.
- Akzente und Sprechgeschwindigkeit. Starke Akzente und sehr schnelles Sprechen erhöhen die Fehlerquote, insbesondere bei weniger verbreiteten Sprachen.
- Namen, Zahlen und Fachbegriffe. Produktnamen, Unternehmensnamen, Personennamen, Preise, Daten und technische Begriffe gehören zu den häufigsten Fehlerquellen. Überprüfen Sie sie immer.
- Spracheinstellung. Wenn ein Tool die falsche gesprochene Sprache erkennt, kann das Transkript erheblich fehlerhaft sein. Legen Sie die Sprache selbst fest, wenn Sie sie kennen.
- Die Quelle des Textes. Von Erstellern verfasste Untertitel sind in der Regel korrekt; automatisch generierte Untertitel variieren; die KI-Transkription sauberer Audiodateien ist normalerweise zuverlässig.
Da jede Zeile in einem Transkript mit Zeitstempeln auf einen Moment in der Aufnahme verweist, ist die Überprüfung der Genauigkeit schnell erledigt: Springen Sie zum Zeitstempel, hören Sie zu und korrigieren Sie die Zeile. Für alles, was Sie öffentlich zitieren oder an einen Kunden senden möchten, ist diese Überprüfung unverzichtbar.
So wählen Sie Transkriptionssoftware aus
Transkriptionssoftware reicht von Diktierfunktionen, die in Telefone integriert sind, bis hin zu speziellen Web-Apps, Desktop-Editoren und Entwickler-APIs. Statt einer Liste mit der „besten“ Software hinterherzujagen, sollten Sie anhand Ihrer Aufnahmen und Ihres nächsten Schritts auswählen.
Die Checkliste im Bild enthält die Fragen, die Sie jeder Transkriptionssoftware stellen sollten, bevor Sie sich dafür entscheiden:
- Welche Inhalte kann sie verarbeiten? Öffentliche Videolinks (welche Plattformen?), hochgeladene Audio- und Videodateien (welche Formate, welche Größe?), Playlists oder ganze Kanäle in einem Durchgang.
- Verwendet sie vorhandene Untertitel? Bei Online-Videos kann ein Tool, das zuerst die Untertitel des Erstellers ausliest, schneller und genauer sein als eines, das immer neu transkribiert.
- Was passiert, wenn keine Untertitel vorhanden sind? Die Software sollte das Audio automatisch transkribieren und nicht nur melden, dass kein Transkript verfügbar ist.
- Zeitstempel und Struktur. Behält jede Zeile ihren Zeitstempel? Können Sie von einer Zeile direkt zu diesem Moment springen?
- Sprachen. Welche gesprochenen Sprachen erkennt die Software, und kann sie das Transkript anschließend übersetzen und dabei die Zeitstempel beibehalten?
- Exportformate. Mindestens TXT zum Lesen sowie SRT oder VTT für Untertitel. Prüfen Sie außerdem, ob Sie den Text sauber kopieren können.
- Was kommt nach dem Transkript? Zusammenfassungen, Kapitel, Notizen und Überarbeitungen sparen Zeit, wenn das Transkript ein Mittel zum Zweck und nicht das Endergebnis ist.
- Automatisierung. Wenn Sie regelmäßig transkribieren, sind eine API, ein MCP-Server für AI-Agenten oder eine Skripting-Option wichtiger als die Weboberfläche.
- Datenschutz und Umgang mit Daten. Lesen Sie nach, wie Aufnahmen und Transkripte gespeichert werden und wer darauf zugreifen kann, insbesondere bei Kundengesprächen.
Als konkreten Bezugspunkt deckt transcript.im öffentliche Videolinks von YouTube, TikTok, Instagram, Facebook, LinkedIn und X, hochgeladene Audio- und Videodateien, zuerst Untertitel und als Fallback eine AI-Transkription, einen Zeitstempel für jede Zeile, den Export als TXT, SRT und VTT, Übersetzungen in 12 Sprachen, AI-Zusammenfassungen, Kapitel, Notizen und Mindmaps sowie eine REST-API, einen MCP-Server und Agent-Skills für die Automatisierung ab. Unabhängig davon, wofür Sie sich entscheiden, sollten Sie die Software vor der Einführung in einem Team an einer Ihrer eigenen typischen Aufnahmen testen – nicht an einem Demo-Clip.
Transkriptdateiformate: TXT, SRT und VTT
Ein Transkript ist einfach Text, aber das Dateiformat bestimmt, wo es verwendet werden kann. Die drei Formate, denen Sie am häufigsten begegnen werden:
| Format | So sieht es aus | Am besten geeignet für |
|---|---|---|
| TXT | Klartext, häufig mit Zeitstempeln am Anfang der Zeilen | Lesen, Suchen, Einfügen in Dokumente, Nutzung in AI-Tools |
| SRT (SubRip) | Nummerierte Untertitelblöcke, jeweils mit Start- und Endzeit sowie einer oder zwei kurzen Textzeilen | Untertitel in Videoeditoren und den meisten Videoplayern und Plattformen |
| VTT (WebVTT) | Ähnlich wie SRT, mit einem WEBVTT-Header sowie Unterstützung für Styling und Positionierung | Untertitel in Webvideoplayern |
WebVTT ist das in HTML-Video integrierte Untertitelformat; die WebVTT-Dokumentation von MDN zeigt die Struktur, falls Sie Cue-Dateien manuell bearbeiten müssen. Wenn Sie nicht sicher sind, welches Format Sie benötigen: TXT zum Lesen und Wiederverwenden, SRT zum Hochladen von Untertiteln auf eine Videoplattform oder in einen Editor, VTT für einen Website-Videoplayer.
Wofür wird Transkription verwendet?
Ein Transkript ist selten das Endprodukt. Sein Wert liegt darin, dass es etwas, das man nur ansehen oder anhören kann, in etwas verwandelt, das man durchsuchen, zitieren, bearbeiten, übersetzen und versenden kann. Für die Marketing-, Vertriebs- und Creator-Teams, die diesen Blog lesen, sind dies die Anwendungen, die sich am meisten auszahlen.
Content-Recycling und Newsletter
Ein Webinar, eine Podcast-Episode oder ein YouTube-Video enthält genug Material für einen Blogbeitrag, eine Handvoll Social-Posts, eine Newsletter-Ausgabe und eine Sammlung von Zitaten. Das Transkript macht dies praktikabel: Statt die Aufnahme erneut anzusehen, überfliegt man den Text, wählt die stärksten Passagen aus und schreibt sie für jeden Kanal um. Creator, die bereits Videos veröffentlichen, können Transkripte als Grundlage für eine E-Mail-Liste verwenden; unser Leitfaden wie man einen Newsletter startet zeigt, wie man Videos und Podcasts in regelmäßige Ausgaben verwandelt. Das Umgekehrte funktioniert ebenfalls: Wenn du einen geschriebenen Artikel wieder in ein kurzes Video für Social-Kanäle verwandeln möchtest, kann ein Artikel-zu-Video-Tool mit dem Text beginnen.
Verkaufsgespräche, Outreach und Kundenforschung
Aufgezeichnete Erstgespräche und Produktdemos sind voller genau jener Worte, mit denen Kunden ihre Probleme beschreiben. Durch ihre Transkription kannst du Gespräche nach Einwänden, Erwähnungen von Wettbewerbern und Feature-Wünschen durchsuchen und echte Formulierungen in deiner Kommunikation verwenden. Genau diese Formulierungen sorgen auch dafür, dass Outreach relevant wirkt: Eine Cold-E-Mail, die sich auf etwas bezieht, das ein potenzieller Kunde in einem öffentlichen Vortrag oder Podcast gesagt hat, liest sich ganz anders als eine Vorlage. Unser Artikel über Personalisierung von Cold-E-Mails erklärt, wie du diese Art von Recherche nutzen kannst, ohne es zu übertreiben. Bevor irgendeine dieser Nachrichten versendet wird, solltest du die Adressen verifizieren, damit die personalisierten E-Mails tatsächlich einen Posteingang erreichen, statt eine hohe Bounce-Rate zu verursachen.
Recherche und KI-Analyse
Forscher transkribieren Interviews, damit sie Themen codieren, Antworten vergleichen und Teilnehmer korrekt zitieren können. Marketingteams machen dasselbe mit Kundeninterviews, Webinaren von Wettbewerbern und Fachvorträgen. Transkripte sind außerdem der einfachste Weg, Aufnahmen an KI-Tools wie ChatGPT, Claude, Gemini oder NotebookLM zu übergeben, die mit Text deutlich besser arbeiten als mit einem Link zu einem Video. Diesen Workflow für Marketing- und Vertriebsarbeit behandeln wir in unserem Leitfaden zu NotebookLM.
Barrierefreiheit
Transkripte und Untertitel machen Audio- und Videoinhalte für gehörlose oder schwerhörige Menschen, für Menschen, die keinen Ton abspielen können, und für Menschen, die einfach lieber lesen, zugänglich. Richtlinien zur Web-Barrierefreiheit (WCAG) erwarten eine Textalternative für vorab aufgezeichnete Audiodateien sowie Untertitel für vorab aufgezeichnete Videos; der Leitfaden der W3C Web Accessibility Initiative zu Transkripten erklärt, was ein gutes Transkript enthalten sollte. Die Veröffentlichung eines Transkripts neben einem Video gibt Suchmaschinen außerdem Text, den sie lesen und indexieren können.
Besprechungen, Schulungen und Wissensdatenbanken
Interne Besprechungen, Onboarding-Sitzungen und Schulungsvideos werden deutlich nützlicher, sobald sie durchsuchbar sind. Ein Transkript ermöglicht es neuen Mitarbeitern, die fünf Minuten zu finden, die ihre Frage beantworten, anstatt eine Stunde anzusehen, und Teams können Entscheidungen dokumentieren, ohne sich auf die Notizen einer einzelnen Person verlassen zu müssen.
Ein einfacher Transkriptions-Workflow für Marketing- und Vertriebsteams
Wenn Ihr Team Webinare, Demos oder Podcasts aufzeichnet, holt ein kleiner, wiederholbarer Prozess deutlich mehr aus jeder Aufnahme heraus. Hier ist einer, der ohne zusätzliches Personal funktioniert:
- Sammeln. Speichern Sie die Datei oder den öffentlichen Link nach jeder Aufzeichnung an einem gemeinsamen Ort.
- Transkribieren. Lassen Sie die Aufnahme noch am selben Tag durch Ihre Transkriptionssoftware laufen und befolgen Sie dabei die oben beschriebenen Schritte zum Transkribieren von Audio und Video. Verwenden Sie für die meisten Inhalte ein bereinigtes Wortprotokoll und lassen Sie Zeitstempel aktiviert.
- Riskante Stellen prüfen. Überprüfen Sie Namen, Zahlen, Preise und Produktbegriffe und korrigieren Sie sie anhand der Aufnahme.
- Verschlagworten. Markieren Sie das Transkript mit Thema, Sprecher und Verwendungszweck: „Einwand: Preisgestaltung“, „Zitat: Onboarding“, „Newsletter-Idee“.
- Wiederverwenden. Übernehmen Sie Zitate in Vertriebspräsentationen und Outreach-Nachrichten, erstellen Sie den Entwurf für einen Blogbeitrag oder Newsletter und exportieren Sie SRT oder VTT, wenn das Video mit Untertiteln veröffentlicht wird.
- Speichern. Bewahren Sie die fertigen Transkripte in einem durchsuchbaren Ordner oder einer Wissensdatenbank auf, damit die nächste Person sie finden kann.
Eine kurze Vorlage am Anfang jedes Transkripts sorgt für ein einheitliches Archiv:
Title: Q3 product webinar — onboarding emails Date: 2026-09-14 Speakers: Maya (host), Tom (guest) Source: webinar recording, 52 min Type: clean verbatim, timestamped Checked: names and numbers verified Tags: onboarding, open rate, newsletter idea
Wenn das Transkript in eine E-Mail-Kampagne einfließt, gehört der letzte Schritt zur Liste und nicht zum Text: Bereinigen Sie die Liste vor dem Versand, damit die Inhalte, deren Erstellung viel Arbeit gekostet hat, echte Abonnenten erreichen. Unser Leitfaden zum Bereinigen einer E-Mail-Liste beschreibt, wie Sie ungültige, riskante und inaktive Adressen vor dem Versand entfernen.
Häufig gestellte Fragen zur Transkription
Was ist eine Transkription?
Transkription ist der Prozess, gesprochene Wörter aus Audio- oder Videodateien in geschriebenen Text umzuwandeln. Das Ergebnis ist ein Transkript, das Zeitstempel und Sprecherkennzeichnungen enthalten kann. In der Biologie bezeichnet Transkription außerdem den Prozess, bei dem eine Zelle eine RNA-Kopie eines Gens erstellt.
Was bedeutet Transkription in der Biologie?
In der Biologie bedeutet Transkription, die DNA-Sequenz eines Gens in Boten-RNA zu kopieren. Das Enzym RNA-Polymerase liest die DNA und erstellt den RNA-Strang, der später in ein Protein übersetzt wird.
Was ist der Unterschied zwischen Transkription und Übersetzung?
Bei der Transkription werden Informationen in derselben Sprache in schriftliche Form übertragen; bei der Übersetzung werden sie in eine andere Sprache übertragen. In der Biologie erzeugt die Transkription RNA aus einem Gen, während die Übersetzung aus dieser RNA ein Protein bildet. Bei der Sprachverarbeitung liefert die Transkription eines französischen Interviews französischen Text, während die Übersetzung Text in einer anderen Sprache ergibt.
Was sind die wichtigsten Arten der Transkription?
Die wichtigsten Arten der Transkription sind wortgetreue Transkription, bereinigte wortgetreue Transkription, bearbeitete (intelligente) Transkription sowie Transkription mit Zeitstempeln oder Untertiteln. Sie unterscheiden sich darin, wie viel der ursprünglichen Rede erhalten bleibt – von jedem Füllwort und jeder Pause bei der wortgetreuen Transkription bis hin zu geglätteten Sätzen in bearbeiteten Transkripten.
Was ist eine wortgetreue Transkription?
Eine wortgetreue Transkription ist eine schriftliche Aufzeichnung einer Aufnahme Wort für Wort, die jedes Füllwort, jeden Versprecher, jede Wiederholung und jedes hörbare Geräusch beibehält. Sie wird verwendet, wenn die Art und Weise, wie etwas gesagt wurde, von Bedeutung ist, etwa bei juristischen Aufzeichnungen und in bestimmten Forschungsbereichen.
Ist KI-Transkription genau?
KI-Transkription ist bei klaren Aufnahmen in gängigen Sprachen genau. Fehler treten besonders bei Namen, Zahlen, Fachbegriffen, Akzenten und gleichzeitig sprechenden Personen auf. Überprüfen Sie diese Stellen anhand der Aufnahme, bevor Sie das Transkript zitieren oder veröffentlichen.
Was ist Transkriptionssoftware?
Transkriptionssoftware ist ein Tool, das Audio- und Videodateien mithilfe von Spracherkennung in Text umwandelt. Gute Transkriptionssoftware unterstützt die von Ihnen verwendeten Quellen, behält Zeitstempel bei, unterstützt Ihre Sprachen und exportiert TXT, SRT oder VTT.
Wie lange dauert es, eine Stunde Audio zu transkribieren?
Von Hand dauert eine Stunde klarer Audioaufnahme normalerweise etwa vier Arbeitsstunden, bei verrauschten Aufnahmen oder mehreren Sprechern deutlich länger. Mit KI-Transkription ist der Entwurf in wenigen Minuten fertig – hinzu kommt die Zeit, die Sie für die Überprüfung benötigen.
Kann ich ein YouTube-Video ohne Untertitel transkribieren?
Ja. Ein Transkriptions-Tool, das auf Spracherkennung zurückgreift, kann das Audio transkribieren, wenn ein Video keine Untertitel hat. transcript.im verwendet vorhandene Untertitel, wenn sie brauchbar sind, und transkribiert das Audio mit KI, wenn dies nicht der Fall ist.
In welchem Dateiformat sollte ein Transkript vorliegen?
Verwenden Sie TXT zum Lesen, Durchsuchen und Teilen, SRT für Untertitel in Videoeditoren und auf den meisten Videoplattformen sowie VTT für Untertitel in Web-Videoplayern. Viele Tools exportieren alle drei Formate aus demselben Transkript.