Transkription Arten: wörtlich, geglättet oder redigiert?

Die wörtliche Transkription (Verbatim) hält Sprache genau so fest, wie sie gesprochen wurde, mit Füllwörtern wie „äh", Stottern, Satzabbrüchen und Wiederholungen; die geglättete Transkription (Clean Verbatim, auch Intelligent Verbatim) behält den Wortlaut, entfernt aber diese Stolperstellen, damit sich der Text besser liest. Eine dritte Art, die redigierte Transkription, geht weiter und formuliert für bessere Verständlichkeit um. Wählen Sie die streng wörtliche Fassung, wenn es darauf ankommt, wie etwas gesagt wurde (juristische Arbeit, Gesprächsanalyse), die geglättete für die meisten Interviews, Forschungsprojekte und Untertitel und die redigierte für Veröffentlichungen.

Im Folgenden finden Sie alle drei Transkription-Arten definiert, dieselbe kurze Passage in allen drei Stilen, eine Vergleichstabelle, die Situationen, die den jeweiligen Stil verlangen, und eine Checkliste für die Wahl.

Was ist eine wörtliche Transkription?

„Wörtlich" bzw. „verbatim" heißt Wort für Wort, doch Transkriptionsdienste und Forschende meinen damit drei unterschiedlich genaue Stufen. Die Bezeichnungen unterscheiden sich je nach Stilrichtlinie; in deutschsprachigen Methodenbüchern etwa ist von einfacher und erweiterter Transkription die Rede. Es lohnt sich daher, die Stufen festzulegen, bevor Sie ein Transkript beauftragen oder erstellen.

Streng wörtliche Transkription (True Verbatim, auch „vollständig wörtlich") erfasst alles Hörbare: jedes Wort, jedes „äh" und „ähm", Stottern, Satzabbrüche, Wortwiederholungen, unvollendete Sätze und in der Regel nichtsprachliche Geräusche und Pausen wie [lacht], [hustet] oder (Pause). Die Grammatik bleibt genau so, wie gesprochen wurde.

Geglättete Transkription (Clean Verbatim, oft Intelligent Verbatim genannt; im Deutschen nah an der „einfachen Transkription") behält die eigenen Worte und den Satzbau der sprechenden Person bei, lässt aber Füllwörter, Stottern, Satzabbrüche und Wiederholungen weg, die nichts zur Bedeutung beitragen. Sie soll weder paraphrasieren noch das Gesagte „verbessern".

Redigierte Transkription (manchmal „Edited Clean" oder „leicht lektoriert") korrigiert zusätzlich die Grammatik, strafft ausufernde Sätze und darf Formulierungen umstellen oder verdichten, sodass sich der Text wie geschriebene Prosa liest. Sie gibt die Bedeutung getreu wieder, nicht die Worte.

Manche Forschungstraditionen kennen eine vierte Stufe: detaillierte Transkription mit Notation für Timing, Überlappungen und Intonation, etwa das in der Konversationsanalyse genutzte Jefferson-System oder im deutschsprachigen Raum GAT 2. Unser Leitfaden zur Transkription in der qualitativen Forschung behandelt diese Konventionen.

Wörtlich vs. geglättet: dieselbe Passage dreimal

Hier ein vierzeiliger Ausschnitt aus einem Interview, transkribiert in jedem Stil.

Streng wörtlich

I: Also, ähm, wie sind Sie— wie sind Sie eigentlich zur Pflege gekommen?
B: Äh, na ja, ich mein, das war— das war irgendwie Zufall, wissen Sie? [lacht]
B: Meine Mama war Krankenschwester und, so, ich— ich hab geschworen, das mach ich nie.
B: Aber dann, ähm, nach der Uni war ich... war ich halt so, irgendwie, orientierungslos. (Pause)

Geglättet

I: Wie sind Sie eigentlich zur Pflege gekommen?
B: Na ja, das war irgendwie Zufall. [lacht]
B: Meine Mama war Krankenschwester und ich hab geschworen, das mach ich nie.
B: Aber dann nach der Uni war ich halt irgendwie orientierungslos.

Redigiert

I: Wie wurden Sie Pflegekraft?
B: Fast zufällig. Meine Mutter war Krankenschwester, und ich hatte mir
   geschworen, nicht in ihre Fußstapfen zu treten. Doch nach dem Studium
   war ich orientierungslos.

Achten Sie darauf, was sich ändert. Die geglättete Fassung entfernt „ähm", „äh", „ich mein", „wissen Sie", „so" und das doppelte „wie sind Sie" und „ich", behält aber die umgangssprachliche Ausdrucksweise („Mama", „Uni", „hab", „irgendwie"). Ob [lacht] bleibt, legt die Stilrichtlinie fest; viele Richtlinien für geglättete Transkripte behalten nonverbale Geräusche nur, wenn sie die Bedeutung verändern. Die redigierte Fassung ist kürzer und flüssiger, aber nicht mehr die Stimme der befragten Person.

Vergleichstabelle

Wann welcher Stil gefordert ist

Recht und Compliance

Zeugenaussagen, Anhörungen, Vernehmungen, Versicherungsfälle und Aufnahmen, die als Beweismittel dienen, verlangen normalerweise eine streng wörtliche Transkription. Eine Pause vor der Antwort, eine Selbstkorrektur oder ein „ja... nein, Entschuldigung" kann verändern, wie eine Aussage verstanden wird; sie zu entfernen, ist eine redaktionelle Entscheidung, die nicht der Transkribierende treffen sollte. Die genauen Anforderungen hängen von Gericht, Rechtsordnung und Auftraggeber ab, folgen Sie also deren Vorgaben oder Formatierungsregeln.

Wissenschaft und qualitative Forschung

Die Methode entscheidet. Konversationsanalyse, Diskursanalyse und linguistische Studien brauchen eine streng wörtliche Transkription, oft mit Notation. Thematische Analysen, angewandte Forschung und die meisten Politikstudien nutzen typischerweise eine geglättete Transkription, weil der Fokus darauf liegt, was die Teilnehmenden sagen, nicht wie. Welche Art Sie auch wählen: Halten Sie die Transkriptionsregeln vor Beginn schriftlich fest und dokumentieren Sie sie im Methodenteil.

Journalismus und Medien

Journalistinnen und Journalisten arbeiten meist mit geglätteten Transkripten und hören vor dem Zitieren noch einmal ins Audio. Direkte Zitate sollten dem Gesagten entsprechen; Füllwörter zu streichen ist allgemein akzeptiert, Worte zu ändern nicht. Bei langen Reportagen kann ein redigiertes Transkript eine nützliche Lesefassung sein, solange Zitate mit der Aufnahme abgeglichen werden. Unser Leitfaden zur Interview-Transkription beschreibt den Ablauf vom Aufnehmen bis zum Zitieren.

Untertitel

Untertitel sind fast immer geglättet oder leicht redigiert. Zuschauer haben pro Cue wenige Sekunden zum Lesen, und die Stilrichtlinien von Sendern begrenzen Lesegeschwindigkeit und Zeilenlänge; Füllwörter und Satzabbrüche entfallen also, sofern sie für Szene oder Figur keine Rolle spielen. Untertitel für Gehörlose und Schwerhörige ergänzen Geräuschbeschreibungen wie [Tür knallt], was eine andere Art von Detail ist als wörtliche Füllwörter. Zur Formatierung lesen Sie unseren Leitfaden zum SRT- und VTT-Untertitel-Generator.

Business, Meetings und Podcasts

Meeting-Notizen, Podcast-Shownotes und Kundeninterviews sind meist geglättet, oft gefolgt von einer Zusammenfassung. Eine streng wörtliche Fassung verlängert hier die Lesezeit, ohne Mehrwert zu bringen.

Wie sich KI-Transkripte verhalten

Automatische Transkription passt nicht sauber in diese Kategorien, daher hilft es zu wissen, was Sie erwartet.

• Füllwörter verschwinden tendenziell. In der Praxis lassen Modelle der Whisper-Klasse „äh", „ähm" und Wortwiederholungen oft weg und liefern Text, der eher wiedergibt, was gemeint war, als was gesagt wurde. Die Autoren des CrisperWhisper-Papers (Interspeech 2024) halten fest, dass Standard-Whisper viele Füllwörter und Wiederholungen tilgt, und haben eine Variante gezielt darauf trainiert, sie zu behalten. Auch OpenAIs eigener Speech-to-Text-Leitfaden nennt das „Beibehalten von Füllwörtern" als etwas, das sich per Prompt steuern lässt, was zeigt, dass es nicht der Standard ist.
• Das Ergebnis kommt einer geglätteten Transkription nahe, aber nicht genau. Modelle glätten mitunter auch einen Satzabbruch oder ein halbes Wort und behalten gelegentlich ein Füllwort, das sie zufällig erkennen. Die Ausgabe ist uneinheitlich, statt einer Stilrichtlinie zu folgen.
• Nonverbale Geräusche und Pausen fehlen meist. Die meisten Tools markieren weder [lacht] noch zeitlich bemessene Pausen, und keines, das wir kennen, erzeugt zuverlässig Notation nach Jefferson oder GAT.
• Die Zeichensetzung ist geschätzt. Satzgrenzen und Kommas werden abgeleitet, was bei langen, verschachtelten Antworten die Bedeutung subtil verändern kann.

Ein KI-Entwurf ist also ein guter Ausgangspunkt für eine geglättete Transkription und braucht für eine streng wörtliche einen menschlichen Durchgang. Auch die Tonqualität zählt: Unsere Tipps für genauere Transkription erklären, wie Mikrofon, Durcheinanderreden und Akzente den Entwurf beeinflussen.

Die richtige Transkriptionsart wählen: Checkliste

Gehen Sie diese Fragen durch, bevor Sie transkribieren oder ein Transkript beauftragen:

• Dient das Transkript als Beweismittel oder in einem rechtlichen Verfahren? Nutzen Sie die streng wörtliche Transkription und folgen Sie den Vorgaben derjenigen, die sie verlangen.
• Untersucht Ihre Analyse, wie Menschen sprechen (Zögern, Reparaturen, Sprecherwechsel)? Nutzen Sie die streng wörtliche Fassung, gegebenenfalls mit Notation.
• Brauchen Sie vor allem, was gesagt wurde, für Themen, Zitate oder Entscheidungen? Eine geglättete Transkription reicht meist.
• Wird der Text veröffentlicht oder von Menschen gelesen, die nicht dabei waren? Erwägen Sie eine redigierte Fassung und bewahren Sie das geglättete Transkript als Quelle auf.
• Ist es für Untertitel? Geglättet transkribieren, dann die Zeilen auf die Lesegeschwindigkeit kürzen.
• Haben Sie die Regeln aufgeschrieben? Legen Sie fest, wie Sie mit Füllwörtern, Umgangssprache, Dialekt, nonverbalen Geräuschen, unverständlichen Stellen und Sprecherbezeichnungen umgehen, und wenden Sie das auf jede Datei an.
• Wer gleicht das Transkript mit dem Audio ab? Unabhängig vom Stil sollte es mindestens einmal jemand anhören.

Einen KI-Entwurf in den gewünschten Stil bringen

Ein praktischer Ablauf: mit einem automatischen Transkript beginnen und es anpassen. In Audiotexta etwa können Sie eine Datei hochladen oder über das Mikrofon aufnehmen, erhalten einen Entwurf mit Sprecherbezeichnungen und Zeitstempeln und korrigieren ihn dann in einem Editor, der jedes Wort beim Abspielen hervorhebt und per Klick auf ein Wort an genau diese Stelle im Audio springt. So ergänzen Sie fehlende Füllwörter und Pausen für eine streng wörtliche Fassung schneller oder entfernen übrig gebliebene Versprecher für eine geglättete. Probieren können Sie das in der Web-App im kostenlosen Tarif, ohne Konto, für Dateien bis 30 Minuten.

Wenn das Transkript dem gewählten Stil entspricht, exportieren Sie es im Format, das Ihr nächster Schritt braucht: DOCX oder PDF als Lesefassung (Pro-Tarif), TXT für Analysesoftware wie MAXQDA oder ATLAS.ti oder SRT und VTT für Untertitel (beides auch kostenlos). Vermerken Sie bei jeder Datei Stil und Regeln, damit später alle wissen, was „wörtlich" in Ihrem Projekt genau bedeutete.