Gute Untertitel erstellen | Business-Video Praxis

Gute Untertitel beginnen mit einer präzisen zeitlichen Verankerung. Jeder Untertitel-Block muss mit dem gesprochenen Wort starten und enden, mit einer maximalen Abweichung von 1/10 Sekunde. Das ist kein optionaler Qualitätswunsch, sondern die Vorgabe der W3C Web Accessibility Initiative (2023). Wer diese Toleranz überschreitet, erzeugt ein visuelles Echo, das die Lesbarkeit zerstört. Die Praxis zeigt: Manuelle Nachjustierung ist unvermeidbar, da automatische Erkennung bei Fachbegriffen und Dialekten nachweislich 20-40 % Fehlerrate aufweist.

Das Timing-Grundgerüst

Nutzen Sie einen SMPTE-Timecode-basierten Editor, um jeden Untertitel-Block an den Waveform-Peaks der Tonspur auszurichten. Die minimale Anzeigedauer beträgt 1 Sekunde, die maximale 7 Sekunden pro Bildschirm. Überschreiten Sie 7 Sekunden nicht, da das Auge sonst den Text wiederholt lesen muss und die Synchronisation zum Bild verliert. Die YouTube Dokumentation (2024) empfiehlt maximal 42 Zeichen pro Zeile und maximal 2 Zeilen pro Bildschirm. Halten Sie diese Grenzen ein: 84 Zeichen pro Untertitel-Block sind die absolute Obergrenze.

Entscheidungsregel für die Zeilenaufteilung

Bei einem einzelnen Satz: Brechen Sie nach einem natürlichen Atemzeichen oder nach dem ersten Drittel der Zeichenzahl um. Bei zwei Sätzen: Der erste Satz gehört in Zeile 1, der zweite in Zeile 2. Niemals ein Wort über zwei Zeilen trennen. Ein Beispiel: „Die Qualität der Untertitel“ (Zeile 1), „entscheidet über die Barrierefreiheit.“ (Zeile 2) ist korrekt. „Die Qualität der Untertitel entscheidet“ (Zeile 1), „über die Barrierefreiheit.“ (Zeile 2) ist falsch.

Sprecherwechsel sichtbar machen

Bei jedem Wechsel der sprechenden Person setzen Sie einen neuen Untertitel-Block. Die W3C Web Accessibility Initiative (2023) schreibt vor: Ein neuer Absatz bei jedem Sprecherwechsel. Zusätzlich muss die sprechende Person identifiziert werden. Dafür gibt es zwei akzeptierte Formate:

Kursivsetzung des Sprechernamens vor dem Text, z. B. Maria: „Die Zahlen aus dem dritten Quartal sind positiv.“
Sprechername in Klammern vor dem Text, z. B. [Maria] Die Zahlen aus dem dritten Quartal sind positiv.

Wählen Sie ein Format und wenden Sie es im gesamten Video konsistent an. Mischen Sie die Formate nicht. Bei mehr als zwei Sprechern ist die Kennzeichnung zwingend erforderlich, da sonst die Zuordnung für gehörlose oder schwerhörige Zuschauer unmöglich wird.

Entscheidungsregel für die Sprecherkennung

Wenn das Video genau zwei Personen im Wechsel zeigt und die Kamera jede Person eindeutig im Bild hat, reicht ein neuer Absatz ohne Namensnennung. Sobald eine dritte Person spricht, eine Person nur aus dem Off zu hören ist oder die Kamera eine Totalaufnahme ohne eindeutige Identifikation zeigt, müssen Sie den Sprecher kennzeichnen. Im Zweifelsfall immer kennzeichnen.

Geräusche und auditive Informationen

Nicht-sprachliche Geräusche, die für das Verständnis der Handlung oder der Botschaft notwendig sind, müssen in eckigen Klammern beschrieben werden. Die W3C Web Accessibility Initiative (2023) definiert dies als „wichtige auditive Informationen“. Ein Beispiel: [Tür fällt ins Schloss] oder [Lachen]. Die Beschreibung muss knapp sein und den Geräuschtyp nennen, nicht interpretieren. Schreiben Sie [Telefon klingelt], nicht [Das Telefon klingelt nervig].

Entscheidungsregel für Geräusche

Fragen Sie sich: „Verändert sich die Bedeutung der Szene, wenn ich dieses Geräusch nicht höre?“ Wenn ja, muss es beschrieben werden. Dazu zählen: - Türen, Schritte, Klingeln, die eine Handlung auslösen - Musik, die eine Stimmung transportiert (z. B. [bedrohliche Musik]) - Technische Geräusche wie Piepen, Klicken, Summen - Stille, wenn sie dramatisch eingesetzt wird (z. B. [Stille])

Alltagsgeräusche wie ein vorbeifahrendes Auto oder Vogelgezwitscher im Hintergrund müssen Sie nur dann beschreiben, wenn sie für die Handlung relevant sind. Im Zweifelsfall weglassen.

Prüfung und Qualitätssicherung

Die W3C Web Accessibility Initiative (2023) empfiehlt zwei Prüfstufen:

Manuelle Prüfung auf Synchronisation und Lesbarkeit: Spielen Sie das Video mit Untertiteln ab und lesen Sie laut mit. Jede zeitliche Abweichung, jedes fehlende Wort oder jede Überlappung wird sofort sichtbar. Korrigieren Sie die Zeitcodes direkt im WebVTT-Format.
Automatische Prüfung auf Rechtschreibung und Grammatik: Exportieren Sie die Untertitel als Textdatei und führen Sie eine Rechtschreibprüfung durch. Häufige Fehlerquellen sind Eigennamen, Fachbegriffe und Zahlen. Ein Tippfehler bei einer Telefonnummer oder einer E-Mail-Adresse kann das gesamte Video wertlos machen.

Checkliste für die Endprüfung

Jeder Untertitel-Block beginnt und endet mit dem gesprochenen Wort (max. 1/10 Sek. Abweichung)
Maximale Zeichen pro Zeile: 42
Maximale Zeilen pro Bildschirm: 2
Keine Worttrennungen über Zeilen
Sprecherwechsel: neuer Absatz und ggf. Kennzeichnung
Wichtige Geräusche in eckigen Klammern
Rechtschreibung und Grammatik fehlerfrei
Format: WebVTT (W3C Web Accessibility Initiative, 2023)

Untertitel und Video-SEO

Ein Transkript ist nicht dasselbe wie ein Untertitel, aber beide ergänzen sich. Das Transkript ist ein Volltextdokument, das Sie auf Ihrer Website unter dem Video platzieren oder als separate Seite veröffentlichen. Suchmaschinen können Videoinhalte nicht sehen, aber den Text lesen. Ein fehlerfreies, vollständiges Transkript verbessert die Auffindbarkeit Ihres Unternehmensvideos signifikant. Google Search Central bestätigt, dass Transkripte ein wichtiger Faktor für die Indexierung von Videoinhalten sind.

Plattform-spezifische Anforderungen

YouTube: Untertitel werden im WebVTT-Format hochgeladen. Die Plattform bietet eine automatische Generierung, die Sie aber manuell korrigieren müssen. Die YouTube Dokumentation (2024) empfiehlt, die automatischen Untertitel zu exportieren, zu korrigieren und wieder hochzuladen. Die maximale Zeichenzahl pro Zeile ist auf 42 begrenzt.

Vimeo: Bietet eigene Untertitel-Werkzeuge, die ebenfalls auf WebVTT basieren. Die Plattform erlaubt das Hochladen von Untertiteln im SRT- oder VTT-Format. Für geschäftliche Videos mit privaten Einstellungen ist Vimeo oft die bessere Wahl, da die Untertitel nicht automatisch von einer öffentlichen Spracherkennung erfasst werden.

Eigene Website: Wenn Sie das Video selbst hosten (z. B. über Wistia oder einen eigenen Medien-Server), müssen Sie die Untertitel als separate .vtt-Datei einbetten. Die HTML5-Video-API unterstützt native Untertitel über das <track>-Element. Achten Sie darauf, dass die Untertitel-Datei auf dem gleichen Server liegt und korrekt verlinkt ist.

DSGVO und Barrierefreiheit

Die DSGVO (2018) verlangt, dass personenbezogene Daten, und dazu zählen auch Video-Ansichten, nur mit Einwilligung der Nutzer verarbeitet werden dürfen. Wenn Sie ein Video auf Ihrer Website einbetten, das von YouTube oder Vimeo gehostet wird, müssen Sie sicherstellen, dass keine Cookies ohne Zustimmung gesetzt werden. Die Datenschutzkonferenz (2021) hat klargestellt, dass die Einbettung ohne Einwilligung illegal ist, wenn der Plattform-Anbieter Tracking einsetzt.

Die Barrierefreiheit ist kein Add-on, sondern eine Grundanforderung. Die BITV 2.0 (2019) verpflichtet öffentliche Stellen, Videos mit Untertiteln zu versehen. Für Unternehmen ist die WCAG der relevante Standard. Ein Video ohne Untertitel schließt gehörlose und schwerhörige Menschen systematisch aus und kann zu Abmahnungen führen. Rechnen Sie die Kosten für die Untertitel-Erstellung von Anfang an in Ihr Budget ein: Ein 3-minütiges Video benötigt erfahrungsgemäß 1-2 Stunden manuelle Bearbeitung.

Häufige Fehler und wie Sie sie vermeiden

Fehler 1: Maschinelle Untertitel ohne Korrektur. Die automatische Spracherkennung von YouTube erreicht bei klarer Hochsprache etwa 85 % Genauigkeit. Bei Dialekten, Fachbegriffen oder Akzenten sinkt die Genauigkeit auf 60-80 %. Ein einziger falscher Begriff kann die gesamte Botschaft verfälschen. Beispiel: „Kosten-Nutzen-Analyse“ wird zu „Kosten-Nutzen-Analyse“, der Fehler fällt auf, aber bei „Prozessoptimierung“ zu „Prozessor-Optimierung“ wird die Bedeutung zerstört.

Fehler 2: Untertitel, die vor dem gesprochenen Wort erscheinen. Das verwirrt die Zuschauer, da sie den Text lesen, bevor sie das Wort hören. Die maximale Vorlaufzeit beträgt 0,1 Sekunden, das entspricht einem Frame bei 25 fps. In der Praxis bedeutet das: Der Untertitel muss auf den exakten Sample des Tons starten.

Fehler 3: Zu lange Anzeigedauer. Ein Untertitel, der länger als 7 Sekunden auf dem Bildschirm bleibt, wird von den Zuschauern als störend empfunden. Die Lösung: Teilen Sie den Text in kürzere Blöcke auf, die jeweils 2-4 Sekunden angezeigt werden.

Fehler 4: Fehlende Geräuschbeschreibung bei Handlungs-relevanten Geräuschen. Ein Beispiel: In einem Erklärvideo klingelt ein Telefon, und die Person hebt ab. Ohne die Beschreibung [Telefon klingelt] ist die Handlung für gehörlose Zuschauer unverständlich.