Automatische Untertitel: Warum jedes Video Text braucht

Automatische Untertitel sind das Feature, das Untertitelung überhaupt erst passieren lässt — mit einer einzigen Disziplin daran geknüpft:

Auto-Untertitel transkribieren dein Video in Sekunden, sodass jeder Clip Text auf dem Bildschirm bekommt, ohne dass du ihn abtippst. Das löst das Problem des stummen Zuschauers — die meisten scrollen mit ausgeschaltetem Ton — fast ohne Aufwand.

Aber die Software verhört sich falsch. Und das Einzige, was du korrigieren darfst, ist der Fehler (“Salär” statt “Balayage”). Das Einzige, was du niemals korrigieren darfst, ist die Person — ihr Zögern, ihre Formulierung, ihr “ähm”. Korrigiere die Maschine. Nie sie.

Das ist der automatisierte Begleiter zum Stumm-Zuschauer-Artikel. Jener erklärt, warum jedes Video Text braucht. Dieser erklärt wie — und die eine Regel, die Auto-Untertitel ehrlich hält.

Warum manuelle Untertitelung nie passiert

Untertitel sind enorm wichtig — ein Testimonial, das niemand hören kann, ist ein Testimonial, das niemand erreicht —, aber sie von Hand einzutippen ist genau die Art fummeliger Feierabend-Verwaltungsarbeit, die keine stressige Woche überlebt.

Also gehen Videos in der Praxis ohne Untertitel raus, und die Hälfte des Publikums — die Leute, die stumm im Bus scrollen, im Büro, neben einem schlafenden Kind — bekommt nichts. Der Beweis, den du eingefangen hast, erreicht nur jene, die zufällig den Ton an haben.

Automatische Untertitel beseitigen dieses Problem. Die Transkription passiert sofort, der Text erscheint auf dem Bildschirm, und der stumme Zuschauer bekommt die Worte. Das ist es, was aus “Untertitel sind wichtig” ein nettes Prinzip in etwas verwandelt, das bei jedem Clip tatsächlich passiert.

Was Auto-Untertitel falsch machen

Automatische Transkription ist gut, nicht perfekt. Sie stolpert zuverlässig über:

• Ungewöhnliche Wörter — “Balayage” wird zu “Salär”, “DSGVO” wird zu Kauderwelsch.
• Namen — Eigennamen, die sie noch nie gehört hat.
• Akzente und Hintergrundgeräusche — ein Wort, das vom Föhn übertönt wird.
• Homophone — “seid/seit”, “das/dass”.

Das sind Fehler — die Maschine hat nicht gehört, was sie tatsächlich gesagt hat. Und sie zu korrigieren ist nicht nur erlaubt, sondern notwendig, denn ein unkorrigierter Fehler stellt sie genauso falsch dar wie eine Umformulierung. Wenn sie “Balayage” gesagt hat und der Untertitel “Salär” zeigt, ist der Untertitel falsch — und du solltest ihn zu dem korrigieren, was sie gesagt hat.

Die eine Regel: den Fehler korrigieren, nie die Person

Hier ist die Disziplin, die Auto-Untertitel auf der richtigen Seite der Linie hält — und der ganze Grund, warum dieser Artikel existiert.

Auto-Untertitel geben dir ein editierbares Textfeld voller ihrer Worte — und ein editierbares Textfeld ist eine Versuchung. Die “ähm”s sind da. Der Fehlstart ist da. Der Satz, den sie halb abgebrochen hat, ist da. Und es würde zehn Sekunden dauern, das “aufzuräumen”.

Tu es nicht. Der Test besteht aus einer Frage: Würde sie das als ihren Satz wiedererkennen — oder als einen besseren?

• Die Maschine tippte “Salär”, sie sagte “Balayage” → korrigieren. Das stellt ihre Worte wieder her.
• Sie sagte “es ist, ähm, ehrlich gesagt so viel — ja, besser als ich dachte” und du glättest es zu “Es ist ehrlich gesagt so viel besser als ich dachte” → nicht tun. Das ersetzt ihre Worte.

Einen Transkriptionsfehler zu korrigieren bedeutet, den Untertitel an das anzugleichen, was sie gesagt hat. Ihre Formulierung zu glätten bedeutet, den Untertitel besser zu machen, als sie gesprochen hat — und ein Testimonial, das sich besser liest, als die Kundin spricht, ist gefälscht. Der Untertitel ist ihr Wort, nicht deine Caption, und daran ändert die Automatisierung nichts.

Warum das für den stummen Zuschauer entscheidend ist

Für eine Zuschauerin ohne Ton ist der Untertitel das Testimonial. Es ist die einzige Version davon, die sie je erhält.

Ein “aufgeräumter” Auto-Untertitel ist also keine kosmetische Korrektur an einem echten Testimonial — für den Großteil deines Publikums ist er das Testimonial, und wenn er zu etwas geglättet wurde, das sie so nicht ganz gesagt hat, dann bekommt die Mehrheit eine Fälschung serviert. Die stumm schauende Mehrheit hört nie die echte, zögernde, glaubwürdige Stimme — sie liest deine polierte Version und hält sie für ihre.

Deshalb zählt die Regel “Fehler korrigieren, nie die Person” bei Auto-Untertiteln mehr als fast überall sonst: Der Untertitel ist kein Zusatz zum Beweis — er ist der Beweis, für alle, die nicht hören können.

Auch lesbar halten

Über die Ehrlichkeit hinaus die praktischen Punkte (ausführlich im Stumm-Zuschauer-Artikel):

• Groß und kontrastreich — auf Armlänge am Handy lesbar.
• Außerhalb der Gefahrenzonen — nicht hinter den Buttons der Plattform am unteren Rand eines Reels oder TikToks.
• Kein animiertes Wort-für-Wort-Karaoke bei einem Testimonial — das ist die Bildsprache einer produzierten Werbung, und sie untergräbt die Authentizität.

Auto-Untertitel übernehmen die Transkription; du übernimmst die Platzierung und die eine Ehrlichkeitsregel.

Wo das im Workflow sitzt

Auto-Untertitel gehören in den Untertitel-Schritt des Veröffentlichungs-Workflows, und er sollte nahezu automatisch ablaufen: Das Video wird transkribiert, du überfliegst es auf echte Fehler, korrigierst nur diese, und veröffentlichst.

Dieser Blick ist der ganze manuelle Teil — ein paar Sekunden, um “Salär” zu erwischen, keine Umschreibung. Wenn du dich dabei ertappst, mehr als Fehler zu bearbeiten, halt inne: Du bist von der Korrektur der Maschine zur Korrektur der Kundin übergegangen.

Eine Floristin und ein falsches Wort

Stell dir eine Floristin vor, die eine Kundin filmt, die ihren Brautstrauß abholt. Die Kundin, die Blumen noch in der Hand, sagt: “Ich hab ihr ein Foto vom Kleid geschickt, und sie hat einfach… ähm, sie hat’s verstanden. Die Pfingstrosen sind genau das, was ich mir vorgestellt hab.”

Der Auto-Untertitel kommt in Sekunden zurück. Das meiste stimmt. Aber “Pfingstrosen” — ein Wort, das die Maschine selten hört — landet als “Pfingsten sonst”, und das “ähm” sitzt mittendrin genau so, wie sie es gesagt hat.

Zwei Korrekturen stehen zur Debatte. Nur eine ist erlaubt.

Du korrigierst “Pfingsten sonst” zu “Pfingstrosen”, denn das ist das Wort, das sie gesagt hat, und die Maschine hat es falsch gehört. Das ist der Fehler, und ihn zu beheben bringt den Untertitel mit ihr in Einklang.

Das “sie hat einfach… ähm, sie hat’s verstanden” lässt du stehen. Auf dem Papier wirkt es holprig. Es ist aber auch genau so, wie ein echter Mensch über etwas spricht, das ihn glücklich gemacht hat. Glättest du es, hast du einen Satz geschrieben, den sie nie gesprochen hat. Es ist dieselbe Disziplin, die schon ein am Handy aufgenommenes Testimonial schützt — das falsche Wort gehört der Maschine, die Pause gehört ihr. Korrigiere das eine, lass das andere stehen.

Aber wirken die “ähm”s nicht unprofessionell?

Das ist die ehrliche Sorge, und sie verdient eine klare Antwort. Ein Untertitel, der “es ist, ähm, ehrlich gesagt so viel besser als ich dachte” liest, wirkt tatsächlich unordentlicher als eine glatte Marketingzeile. Warum also so lassen?

Weil die Unordnung Arbeit leistet. Eine Zuschauerin, die mit ausgeschaltetem Ton scrollt, hat keinen Tonfall zum Anhalten, keine Wärme im Ohr — nur Text. Und Text, der ein bisschen zögerlich, ein bisschen unpoliert ist, liest sich wie ein echter Mensch. Text, der sauber und zitierfähig ist, liest sich wie Copy, die du geschrieben hast. Das Zögern ist der Beweis: Es ist das, was eine Werbung nicht fälschen kann, und das, was eine fremde Person dazu bringt, ihr zu glauben.

Politur entfernt genau das Signal, das ein Testimonial von einem Slogan unterscheidet. Das “ähm” ist kein Makel im Untertitel. Für den stummen Zuschauer ist es der Beleg, dass hier tatsächlich ein Mensch spricht — der Stift bleibt deiner, aber ihre Worte, Zögern inklusive, bleiben ihre.

Auto-Untertitel: nächster Clip, nur Fehler korrigieren

Schalte automatische Untertitel ein, damit jedes Video Text bekommt — denn die Hälfte deines Publikums schaut stumm zu, und ein ungehörtes Testimonial ist ein unerreichtes.

Halte dann die eine Linie: korrigiere, was die Maschine falsch gehört hat, nie, was sie tatsächlich gesagt hat. Stelle ihre Worte wieder her, verbessere sie nie.

Warum der Text von Anfang an so wichtig ist — die meisten schauen mit ausgeschaltetem Ton — ist der Artikel, der diesem zugrunde liegt.