Untertitel und Transkript aus Video erzeugen

Use Case

KI verwandelt Audio aus einem Video in ein verlässliches Transkript und in synchron passende Untertitel — schneller, als ein Mensch tippen kann. Die Roh-Ausgabe ist fast nie publikationsreif, aber sie ist ein solider Start, der mit kurzer Nachbearbeitung tragfähig wird.

Für: Marketing / L&D · Niveau: Einsteiger · Tools: NotebookLM, ChatGPT, Claude, Gemini

Für wen ist dieser Use Case geeignet?

Dieser Use Case eignet sich für alle, die Videos zugänglicher, durchsuchbar oder als Textgrundlage nutzbar machen wollen: Schulung, Marketing, Compliance, Personal, interne Kommunikation, Webinar-Aufzeichnung, Vertriebs-Demo.

Untertitel sind heute Standard für Social-Media-Videos und für barrierefreie interne Kommunikation. Transkripte sind sinnvoll, wenn das Video später als Wissensquelle dienen soll — durchsuchbar, zitierbar oder als Grundlage für Folgeartikel.

Ausgangsproblem

Untertitel manuell zu schreiben dauert pro Stunde Video drei bis fünf Stunden — Tipparbeit, Timecodes setzen, Korrektur. In den meisten Teams gibt es dafür keine Kapazität, also bleiben Videos ohne Untertitel. Damit verlieren Sie nicht nur Zuschauer (Social-Media-Videos werden oft ohne Ton geschaut), sondern auch die Auffindbarkeit über Textsuche.

KI-Transkriptions-Tools liefern in wenigen Minuten ein Rohtranskript mit Zeitstempeln. Die Roh-Ausgabe enthält in der Regel Fehler — bei Eigennamen, Fachbegriffen, Übersprechen. Mit einer kurzen Korrekturrunde wird sie aber tragfähig für Untertitel-Dateien (SRT, VTT) und für Transkript-Veröffentlichungen.

Schritt-für-Schritt-Anleitung

Schritt 1: Transkriptions-Tool auswählen

Mehrere KI-Tools können aus Audio oder Video ein Transkript erzeugen. Die Wahl hängt ab von:

Sprache und Akzent (Deutsch mit DACH-Variationen, Englisch, mehrsprachig)
Audioqualität (hochwertige Studioaufnahme oder schlechter Konferenzton)
Datenschutz-Anforderungen (offene Cloud-Dienste oder On-Premise-Lösung)
Ausgabeformat (reiner Text, mit Sprecher-Erkennung, mit Zeitstempeln, SRT/VTT)

Schritt 2: Audio-Datei oder Video hochladen

Die meisten Tools nehmen MP3, WAV, MP4 oder MOV. Bei längeren Videos lohnt es sich, vorher die Tonspur zu separieren (mit Audacity oder einem ähnlichen Tool) — das beschleunigt den Upload und schont Datenvolumen.

Wenn das Tool Sprecher-Erkennung anbietet, aktivieren Sie sie. Das spart später Zeit, wenn Sie verschiedene Personen im Transkript zuordnen müssen.

Schritt 3: Roh-Transkript auf typische Fehler prüfen

Lesen Sie das Roh-Transkript durch und korrigieren Sie folgende Stellen:

Eigennamen (Personen, Unternehmen, Produkte) — sind sie richtig geschrieben?
Fachbegriffe und Abkürzungen — wurden sie korrekt erkannt oder phonetisch nachgebildet?
Zahlen, Jahreszahlen und Beträge — stimmt die Schreibweise?
Satzgrenzen — hat die KI Punkte und Kommas sinnvoll gesetzt?
Doppelte Wörter oder Versprecher — sollen sie im Transkript bleiben oder werden sie geglättet?

Schritt 4: Untertitel-Datei formatieren

Für Untertitel im Video brauchen Sie eine SRT- oder VTT-Datei. Die meisten Transkriptions-Tools exportieren sie direkt. Achten Sie auf:

Maximale Zeilenlänge — typischerweise 35-42 Zeichen pro Zeile
Maximale Anzeigedauer — etwa 2-5 Sekunden pro Untertitel-Block
Zeilenumbruch an natürlichen Satzgrenzen, nicht mitten im Gedanken
Bei zwei Sprechern: getrennte Zeilen oder Namens-Präfixe

Schritt 5: Transkript für Veröffentlichung aufbereiten

Wenn das Transkript zusätzlich als Text veröffentlicht werden soll (Webseite, Blog-Post, Anhang im Webinar-Mail), bitten Sie eine KI, das Roh-Transkript in lesbarere Absätze zu gliedern. Sinnvoll sind Zwischenüberschriften, eine kurze Einleitung („Im Folgenden das Wortprotokoll des Webinars vom…“) und gegebenenfalls Zeitstempel an den Kapitelgrenzen.

Schritt 6: Stichprobe gegen das Video prüfen

Spielen Sie zwei oder drei zufällige Stellen im Video ab und vergleichen Sie sie mit dem Transkript. Wenn alle drei Stellen stimmig sind, ist das Transkript wahrscheinlich tragfähig. Bei Abweichungen erweitern Sie die Stichprobe und korrigieren systematisch.

Beispielprompt

Ich habe ein Roh-Transkript aus einem Transkriptions-Tool und möchte es für Untertitel und Veröffentlichung aufbereiten.

Roh-Transkript:
[Transkript einfügen — mit oder ohne Zeitstempel]

Kontext:
- Sprache: [Deutsch / Englisch / mehrsprachig]
- Sprecheranzahl: [Anzahl, ggf. mit Namen]
- Verwendungszweck: [Untertitel im Video / Transkript-Veröffentlichung / beides]
- Branche und Fachbegriffe: [kurz erläutern]
- Bekannte Eigennamen: [Liste der Personen, Unternehmen, Produkte]

Aufgabe:
1. Korrigiere typische Transkriptions-Fehler:
   - Eigennamen anhand der Liste oben prüfen und korrigieren
   - Fachbegriffe und Abkürzungen sinnvoll schreiben
   - Zahlen und Jahreszahlen in korrekte Schreibweise bringen
   - Satzzeichen sinnvoll setzen

2. Glätte Versprecher und doppelte Wörter dezent — nur wo es die Lesbarkeit verbessert. Bewahre den Charakter der Aussage.

3. Falls Untertitel-Verwendung: schlage Untertitel-Blöcke vor mit maximal 42 Zeichen pro Zeile und 2-5 Sekunden Anzeigedauer.

4. Falls Transkript-Veröffentlichung: gliedere den Text in lesbare Absätze mit Zwischenüberschriften und schlage eine kurze Einleitung vor.

Wichtig:
- Inhalt nicht verändern, nur Form und Lesbarkeit
- Bei Unsicherheit bei einem Wort: mit [unklar] markieren statt zu raten
- Sie-Form, kein Gendern

Qualitätscheck

Bevor Sie Untertitel oder Transkript veröffentlichen, prüfen Sie:

Sind alle Eigennamen und Fachbegriffe korrekt geschrieben?
Stimmen Zahlen, Daten und Beträge mit der Audioquelle überein?
Sind die Untertitel-Blöcke kurz genug, um beim Mitlesen nicht zu hetzen?
Passt die Sprecher-Erkennung (wenn mehrere Personen sprechen)?
Wurde mindestens eine Stichprobe gegen das Originalvideo geprüft?

Ein guter Test: Lassen Sie eine Person, die das Originalvideo gesehen hat, eine zufällige Seite des Transkripts gegenlesen. Wenn sie nicht stolpert und keine Aussagen verfälscht erscheinen, ist das Transkript tragfähig.

Risiken und Grenzen

Transkriptions-Tools machen bei schwierigem Audio Fehler, die inhaltlich folgenreich sein können — eine falsche Zahl, ein falsches Datum, ein verwechselter Name. Wer das Roh-Transkript ungeprüft veröffentlicht, riskiert Falschinformationen unter dem Anschein eines Wortprotokolls.

KI-Untertitel können Aussagen subtil glätten oder Versprecher entfernen, die für die Authentizität wichtig sind. Bei rechtlich relevanten Aufzeichnungen (Hauptversammlung, Gerichtsverhandlung, Aussage) ist ein professionelles Wortprotokoll Pflicht — keine KI-Aufbereitung.

Datenschutzhinweis

Videos enthalten häufig personenbezogene Daten — Stimmen identifizierbarer Personen, genannte Namen, vertrauliche Inhalte. Prüfen Sie, ob Ihr Transkriptions-Tool für diese Datenklasse freigegeben ist. Manche Anbieter speichern Audiodaten zur Modellverbesserung — das ist bei vertraulichen Aufnahmen unzulässig.

Wenn keine offene Cloud-Lösung verwendbar ist: Es gibt On-Premise- oder EU-gehostete Alternativen (z. B. Whisper lokal über Mac, einige Anbieter mit EU-Rechenzentren). Klären Sie das vor dem Upload, nicht danach.

Passende Tools

NotebookLM: gut, wenn das Transkript anschließend als durchsuchbare Wissensquelle dienen soll
ChatGPT: für Nachbearbeitung des Roh-Transkripts und Untertitel-Formatierung; reine Audio-Transkription nur über Spezial-Tools
Claude: besonders geeignet für die Aufbereitung längerer Transkripte und Strukturierung in lesbare Absätze
Gemini: mit Multimodalität geeignet für Audio- und Video-Inputs, gut für mehrsprachige Inhalte