Journalisten verbringen oft ein Drittel ihrer Arbeitszeit mit dem Abtippen von Interviews. Automatische Transkription beschleunigt diesen Prozess erheblich – vorausgesetzt, der Workflow ist sauber aufgesetzt. Dieser Artikel erklärt, wie eine professionelle Interviewtranskription für Journalisten funktioniert: von der Audioaufnahme über die Qualitätskontrolle bis zum Export fertiger Transkripte und Untertitel.
Die wichtigsten Erkenntnisse auf einen Blick
- Automatische Transkription spart Zeit, erfordert aber eine manuelle Nachbearbeitung – rechnen Sie mit 10 bis 20 Minuten pro Stunde Audiomaterial.
- Die Audioqualität entscheidet über die Genauigkeit des maschinellen Ergebnisses. Ein externes Mikrofon und ruhige Umgebungsgeräusche sind wichtiger als die teuerste Software.
- Datenschutz ist kein Nice-to-have: Werden Interviews mit Personen geführt, die nicht öffentlich sprechen, müssen Rechtsgrundlage und Einwilligung vor der Verarbeitung geklärt sein.
- Transkripte sind die Basis für barrierefreie Untertitel: Mit einem korrekt getimten SRT- oder VTT-File erreichen Videos auch Menschen mit Hörbeeinträchtigung und erfüllen gesetzliche Anforderungen (EN 301 549).
- Exportformate bestimmen die Weiterverwendung: Plain Text für die Recherche, SRT/VTT für Untertitel, DOCX für die Redaktion – wählen Sie das Format passend zum nächsten Schritt.
Der Workflow vor der Aufnahme: Vorbereitung spart Zeit
Bevor das Interview beginnt, stellt sich eine Frage, die viele unterschätzen: Darf ich diese Aufnahme überhaupt mit einem KI-Tool transkribieren lassen?
Anders als beim privaten Notizblock unterliegt die automatisierte Verarbeitung gesprochener Daten strengen Regeln. Der Datenschutzleitfaden für KI-Transkription des Landes Baden-Württemberg macht deutlich: Für öffentliche Stellen ist eine explizite Rechtsgrundlage im Ortsrecht nötig (Art. 6 Abs. 1 Buchst. e DS-GVO i.V.m. § 4 LDSG). Auch wenn Sie als Journalist nicht im Gemeinderat protokollieren, gilt: Verarbeiten Sie personenbezogene Daten – etwa Namen, Stimmen oder Meinungen –, brauchen Sie eine Rechtsgrundlage. Meist ist das die informierte Einwilligung der interviewten Person. Holen Sie diese vor dem Gespräch ein.
Technische Vorbereitung: Drei Regeln
- Externes Mikrofon verwenden – das integrierte Laptop-Mikrofon erfasst oft Hall und Störgeräusche. Ein Lavalier- oder USB-Richtmikrofon liefert klare Sprachaufnahmen.
- Raumgeräusche minimieren: Fenster schließen, Kaffeemaschine ausschalten, Lüftung prüfen.
- Aufnahmepegel prüfen: Der Pegel sollte zwischen -12 und -6 dB liegen, ohne zu übersteuern. Ein verzerrtes Audio kann auch die beste Transkriptionssoftware nicht korrigieren.
Während der Aufnahme: Mitschreiben oder zuhören?
Die Versuchung ist groß, während des Interviews mitzuschreiben. Doch Studien aus der Medizinkommunikation zeigen: Gleichzeitiges Notieren lenkt vom Zuhören ab. Sie verpassen Nuancen, Unterbrechungen oder nonverbale Signale. Mein Tipp: Nehmen Sie sauber auf, machen Sie sich maximal zehn Stichpunkte – zum Beispiel Zeitmarken für besonders wichtige Aussagen – und konzentrieren Sie sich auf das Gespräch.
Der Aufnahme-Check nach dem Gespräch
Direkt nach dem Interview, noch bevor Sie die Tür verlassen: Hören Sie zehn Sekunden rein. Prüfen Sie, ob beide Stimmen klar und ohne Rauschen zu hören sind. Nichts ist ärgerlicher als ein verlorenes Interview wegen eines leeren Akkus oder einer defekten Aufnahme.
Nach der Aufnahme: Transkription starten
Nun geht es ans Hochladen. Moderne Transkriptionsdienste wie Speechyou unterstützen über 1,700+ Sprachen und erkennen automatisch die Sprache des Audios. Der Workflow:
- Audio-Datei hochladen (MP3, WAV, M4A, AAC, OGG – die gängigsten Formate werden unterstützt).
- Sprache auswählen oder automatisch erkennen lassen.
- Prozess starten – je nach Länge dauert die Transkription wenige Minuten.
- Transkript prüfen: Das maschinelle Ergebnis ist ein erster Rohtext, der redigiert werden muss.
Workflow-Varianten im Vergleich
| Arbeitsschritt | Manuell tippen | Automatisch transkribieren + nachbearbeiten | Nur automatisch transkribieren (keine Korrektur) |
|---|---|---|---|
| Zeitaufwand pro 60 Min Interview | 3–5 Stunden | 1–1,5 Stunden (Transkription + Nachbearbeitung) | 15–30 Minuten (Upload + Export) |
| Textqualität | Sehr hoch | Hoch (nach Korrektur) | Mittel (fehleranfällig bei Akzenten oder Hintergrundgeräuschen) |
| Geeignet für | Pressekampagnen, wortgetreue Zitate | Tägliche Recherche, schnelle O-Töne | Schnelle Stichwortsuche, erste Orientierung |
| Fehlerrisiko | Ermüdungsfehler beim Abtippen | Fehler durch automatische Erkennung; werden beim Gegenlesen korrigiert | Zitierfehler möglich, keine Gewähr |
| Datenschutzaufwand | Niedrig (keine Cloud-Übertragung) | Mittel (Rechtsgrundlage für Cloud-Verarbeitung prüfen) | Mittel (gleiche Anforderungen) |
Diese Tabelle zeigt: Der Mittelweg – automatische Transkription plus manuelle Korrektur – ist für die meisten journalistischen Zwecke der effizienteste.
Qualitätskontrolle: So wird der Text zitierfähig
Die automatische Transkription ist eine großartige Hilfe, aber kein Ersatz für das menschliche Ohr. Folgende Fehler treten typischerweise auf:
- Eigennamen und Fachbegriffe werden oft falsch erkannt („Merkel“ wird zu „Märkel“).
- Verschluckte Silben bei schnellem Sprechen.
- Satzzeichen: Fehlende Punkte oder falsche Kommata verändern den Sinn.
Die Qualitäts-Checkliste vor dem Export
- Sind alle Zitate wörtlich korrekt? Vergleichen Sie die wichtigsten Passagen mit der Originalaufnahme.
- Sind Namen von Personen, Orten und Organisationen richtig geschrieben?
- Sind Satzzeichen so gesetzt, dass der Satz den gemeinten Sinn ergibt?
- Wurden relevante Geräusche wie Lachen, Pausen oder Unterbrechungen als Kommentar eingefügt? (Gerade für Podcasts oder O-Töne wichtig).
- Stimmt die Zeitebene? Wenn Sie Untertitel brauchen, müssen die Timestamps mit dem Gesprochenen übereinstimmen.
Ein guter Test: Schalten Sie das Video stumm und lesen Sie nur die Untertitel. Ist der Inhalt allein daraus verständlich? Dieser Test wird auch von der Bundesfachstelle Barrierefreiheit empfohlen und stellt sicher, dass die Untertitel den Anforderungen der EN 301 549 entsprechen.
Export und Weiterverarbeitung: Welches Format für welchen Zweck?
Nach der Korrektur steht die Frage: Welches Dateiformat passt?
- Plain Text (.txt): Ideal für die erste Durchsicht, Stichwortsuche und schnelles Kopieren in die Notizen.
- SRT (SubRip): Das Standardformat für Untertitel auf YouTube, Facebook und den meisten Videoplattformen. Die Zeitebenen sind im SRT-Format direkt eingebettet.
- VTT (WebVTT): Wird für interaktive Videos (z. B. Moodle, H5P) und Barrierefreiheitslösungen benötigt. Der Leitfaden zur Erstellung von Untertiteln empfiehlt VTT für Moodle.
- DOCX (Word): Für die Redaktionsmappe oder die Weiterbearbeitung mit Korrekturvorschlägen.
- PDF: Für die Archivierung oder Weitergabe an Dritte, die keine Änderungen vornehmen sollen.
Speechyou unterstützt unter anderem SRT- und VTT-Export – das erleichtert die Arbeit von Journalisten, die ihre Interviews auch als Video-Content aufbereiten.
Barrierefreie Untertitel aus Transkripten erstellen
Immer mehr Medienhäuser sind verpflichtet, ihre Videoinhalte barrierefrei zu gestalten. Die EN 301 549 schreibt vor, dass öffentliche Stellen Untertitel bereitstellen müssen. Aber auch für private Medienanbieter wird Barrierefreiheit zunehmend zum Qualitätsstandard.
Der bfit-Leitfaden für barrierefreie Untertitel stellt eine Checkliste bereit:
- Ist der gesamte gesprochene Text enthalten?
- Sind relevante Geräusche in eckigen Klammern ergänzt – etwa „[Türknallen]“ oder „[Lachen]“?
- Sind die Untertitel synchron mit dem Gesprochenen?
- Beträgt die maximale Zeilenlänge 37 Zeichen pro Zeile?
- Sind höchstens zwei Zeilen sichtbar?
Aus einem korrekten Transkript lassen sich diese Untertitel direkt ableiten. Die Formatierungsregeln sind in den Quellen der Barrierefreiheit Rhein-Niederrhein genau beschrieben: Subtitle Edit kann über 170 Formate konvertieren, aber die Grundlage bleibt ein ordentliches Transkript.
Praxisperspektive: So denken wir bei Speechyou über Transkriptions-Workflows
Von Corneliu, Speechyou
Als Produktteam haben wir uns intensiv mit der Frage beschäftigt, wie journalistische Redaktionen arbeiten. Der häufigste Fehler, den wir beobachten, ist nicht die Technologie – sie funktioniert zuverlässig – sondern die Erwartungshaltung. Viele Nutzer laden eine 90-minütige Audio-Datei hoch und erwarten ein druckreifes Manuskript. Das ist unrealistisch.
Unsere Erfahrung zeigt: Wer das Transkript als grobe Vorlage behandelt und systematisch korrigiert, spart trotzdem 60–70 Prozent der Zeit gegenüber dem Abtippen. Wir haben die Exportformate bewusst einfach gehalten: SRT und VTT für Untertitel, Plain Text für die Recherche. Wir setzen keine proprietären Formate ein – das wäre in einer so vernetzten Branche wie dem Journalismus kontraproduktiv.
Eine Sache ist mir persönlich wichtig: Datenschutz. Wir speichern Audiodateien so kurz wie nötig und löschen sie nach der Transkription. Jede Redaktion sollte aber selbst prüfen, ob die Verarbeitung ihrer Interviews mit den geltenden Datenschutzregeln vereinbar ist. Ein Tool wie Speechyou kann die Arbeit erleichtern, aber die Verantwortung für die rechtliche Zulässigkeit bleibt beim Nutzer.
Rechtliche Aspekte: Was Journalisten beachten müssen
Wer regelmäßig Interviews transkribiert – ob mit Prominenten, Expert:innen oder Bürger:innen – muss wissen:
- Einwilligung einholen: Vor der Aufnahme. Am besten schriftlich oder als aufgezeichnete mündliche Zustimmung.
- Zweckbindung: Der transkribierte Text darf nur für den vereinbarten Zweck (z. B. einen Artikel) verwendet werden.
- Löschpflichten: Nach Abschluss des Projekts sollten Audio- und Transkriptdateien gelöscht werden, es sei denn, sie werden für die Nachweisführung archiviert.
Der Datenschutzleitfaden Baden-Württemberg zeigt exemplarisch, wie Kommunen die Protokollierung von Sitzungen rechtssicher gestalten: durch eine Satzungsregelung. Für Journalisten ist der direkte Weg die informierte Einwilligung. Fragen Sie im Zweifel: „Darf ich dieses Gespräch aufnehmen und mit einer Software transkribieren lassen? Die Software verarbeitet das Audio in der Cloud und löscht es danach.“
Häufig gestellte Fragen (FAQ)
1. Wie lange dauert die automatische Transkription eines einstündigen Interviews?
Die reine Transkriptionszeit beträgt meist 2 bis 5 Minuten. Hinzu kommt die manuelle Korrektur: Rechnen Sie mit 10 bis 20 Minuten pro Stunde Audiomaterial.
2. Erkennt Speechyou mehrsprachige Interviews?
Ja, Speechyou unterstützt über 1,700+ Sprachen in einem Workflow. Die Sprache wird automatisch erkannt.
3. Brauche ich für jede Person im Interview ein separates Mikrofon?
Empfehlenswert, aber nicht zwingend. Ein gutes omnidirektionales Mikrofon kann mehrere Sprecher erfassen. Trennt die Software die Stimmen automatisch? Das hängt vom Tool ab; testen Sie es vor dem wichtigen Interview.
4. Kann ich das Transkript direkt als Untertitel für mein Video nutzen?
Ja, dafür eignen sich die Exportformate SRT und VTT. Achten Sie darauf, dass die Timestamps mit dem Gesprochenen übereinstimmen. Korrigieren Sie vor dem Export die Zeitebene.
5. Darf ich ein Interview mit einem KI-Tool transkribieren, wenn die Person nicht eingewilligt hat?
Nein. Die Verarbeitung personenbezogener Daten – und dazu zählt auch die Sprachaufnahme – setzt eine Rechtsgrundlage voraus. Holen Sie die Einwilligung ein.
6. Welche Dateiformate akzeptiert Speechyou?
Gängige Audioformate wie MP3, WAV, M4A, AAC und OGG werden unterstützt. Bei exotischen Formaten konvertieren Sie das Audio vorab.
7. Wie stelle ich sicher, dass die Untertitel den Barrierefreiheits-Standards entsprechen?
Verwenden Sie die Checkliste aus dem bfit-Leitfaden: max. 2 Zeilen, max. 37 Zeichen pro Zeile, Geräusche in eckigen Klammern, synchron mit dem Video. Testen Sie das Ergebnis, indem Sie das Video stumm schalten.
Fazit: Transkription als Werkzeug, nicht als Ersatz
Die automatische Interviewtranskription für Journalisten ist ein mächtiges Werkzeug – aber kein Zauberstab. Sie ersetzt das Zuhören nicht, sie macht den Prozess effizienter. Wer die Audioqualität hoch hält, das Transkript systematisch prüft und die rechtlichen Rahmenbedingungen beachtet, spart Zeit und gewinnt Qualität. Und wer aus dem Transkript barrierefreie Untertitel erstellt, erreicht zudem ein breiteres Publikum.
Probieren Sie es selbst: Speechyou bietet eine kostenlose Testmöglichkeit. Starten Sie unter app.speechyou.com/sign-up und machen Sie sich ein Bild vom Workflow.