Zurück zum Blog
Branchen-Insights•2026-11-16•12 min Lesezeit

Echtzeitübersetzung vs. Transkription: Was ist der Unterschied?

Echtzeitübersetzung vs. Transkription: Was ist der Unterschied?
TL
Team Laxis
Laxis-Team bei Laxis

Ein Lieferant sagt im Call etwas auf Portugiesisch. Ihr Meeting-Tool erfasst es fehlerfrei: jedes Wort richtig geschrieben, mit Zeitstempel, dem richtigen Sprecher zugeordnet. Und Sie haben trotzdem keine Ahnung, was gerade vereinbart wurde.

In diesem Moment steckt der ganze Unterschied. Deshalb verhalten sich zwei Funktionen, die auf einer Preisseite fast gleich klingen, im Meeting völlig unterschiedlich. Die eine ändert die Form einer Nachricht. Die andere ihre Sprache. Für die erste zu bezahlen, obwohl man eigentlich die zweite gebraucht hätte, ist ein Fehler, den Teams ungefähr einmal pro internationaler Expansion machen.

Vier Aufgaben und zwei Fragen, die sie sortieren

Jedes Produkt in diesem Bereich erledigt eine von vier Aufgaben, und welche, verraten zwei Fragen: Ändert sich die Sprache? Und muss das Ergebnis schon vorliegen, während noch gesprochen wird?

Transkription behält die Sprache bei und ändert die Form: Gesprochenes wird zu Text, dem jemand mit derselben Sprache auch schon mit dem Ohr hätte folgen können. Das ist alles. Wie ein Transkript entsteht, was es kostet und wo Menschen Maschinen noch schlagen, ist ein eigenes Thema; wie Transkription tatsächlich funktioniert, erklären wir separat.

Übersetzung behält die Form bei und ändert die Sprache. Geschriebener Ausgangstext rein, geschriebener Zieltext raus. Sie setzt meist bei Text an, der bereits existiert. Deshalb laufen Übersetzung und Transkription so oft nacheinander statt gegeneinander.

Dolmetschen ändert die Sprache und bleibt mündlich, live, geleistet von einem Menschen. Andere Ausbildung, anderer Berufsverband, andere Rechnung.

Untertitel sind überhaupt keine fünfte Aufgabe, sondern ein Ausgabeformat: Text, zeitlich auf eine Videospur abgestimmt. Darin kann eine Transkription stecken (dieselbe Sprache) oder eine Übersetzung (eine andere), und genau deshalb verwenden Leute, die Gegensätzliches meinen, dieselben Begriffe. Wenn Sie zwischen Dateitypen und Konventionen abwägen, deckt der Unterschied zwischen Closed Captions und Untertiteln die Dokumentseite ab.

ModusÄndert sich die Sprache?Live?Was Sie am Ende habenWer es leistetTypischer Einsatz
TranskriptionNeinBeides – live oder im NachhineinEin durchsuchbares Textprotokoll in der OriginalspracheSoftware, ein Mensch oder beidesMeeting-Protokolle, Interviews, Compliance-Archive
ÜbersetzungJaMeist im NachhineinDasselbe Dokument, lesbar in einer anderen SpracheSoftware oder ein FachübersetzerVerträge, Dokumentation, veröffentlichte Inhalte
EchtzeitübersetzungJaJa, per DefinitionÜbersetzter Text, der Sekunden nach dem Sprecher erscheintFast immer SoftwareMehrsprachige Calls, Live-Events, Support-Chat
DolmetschenJaJaGesprochene Bedeutung im Moment; standardmäßig wird nichts gespeichertEine qualifizierte PersonVerhandlungen, Gerichte, Kliniken, Diplomatie
Closed Captions / UntertitelBeides möglichBeides möglichZeitgesteuerter Text über dem Video, passend für den Bildschirm zugeschnittenSoftware, menschliche Redakteure oder eine MischungBarrierefreiheit, Ansehen ohne Ton, Veröffentlichung im Ausland

„Echtzeit“ ist eine Aussage über Latenz, nicht über Mühe

Anbieter verwenden den Begriff für alles, was kein nächtlicher Batch-Job ist. Ohne eine Zahl dahinter ist er damit fast bedeutungslos. Hier also die Zahl, die er schlagen muss.

Gespräche laufen nach einer viel strengeren Uhr, als man denkt. Als Linguisten die Pausen zwischen Sprecherwechseln in einer weltweiten Stichprobe aus zehn Sprachen gemessen haben, lag die häufigste Pause in jeder einzelnen zwischen null und 200 Millisekunden, und der Durchschnitt über den gesamten Datensatz betrug etwa 208 – ungefähr die Zeit, die man für eine einzige Silbe braucht (Stivers und Kollegen, 2009). Sprecherwechsel sind keine höflichen Pausen, sondern ein Wettlauf: Alle im Gespräch sagen das Ende Ihres Satzes voraus, um sofort mit ihrem eigenen beginnen zu können.

Legt man Live-Übersetzung daneben, ergeben sich die Stufen von selbst:

  • Unter einer Sekunde. Schnell genug, um Teil des Gesprächs zu sein. Sie können eine Zeile lesen und trotzdem noch den Ball aufnehmen, den sie Ihnen zuspielt.
  • Eine bis drei Sekunden. Der realistische Bereich für übersetzten Text heute, und wirklich nützlich. Sie sind einen Takt hinterher – ungefähr da, wo jemand, der in einer Zweitsprache zuhört, ohnehin schon ist.
  • Fünf Sekunden und mehr. Im eigentlichen Sinn nicht mehr live. Es ist ein Transkript in Raten, und bis Sie eine Zeile gelesen haben, hat die Runde schon abgestimmt.

Was Übersetzung ans langsame Ende drängt, ist strukturell bedingt und keine Frage zusätzlicher Server. Ein Erkennungssystem kann ein Wort ausgeben, sobald es sich sicher ist. Eine Übersetzungs-Engine kann das nicht, weil sie genug vom Satz braucht, um zu wissen, worauf er hinauswill – und im Deutschen oder Japanischen kommt das Verb, das die Bedeutung festlegt, womöglich erst ganz am Ende. Also wartet sie entweder oder legt sich früh fest und korrigiert dann. Beides hat seinen Preis. Warum Live-Erfassung ein schwierigeres technisches Problem ist als die Verarbeitung einer fertigen Aufnahme, erklären wir in So funktioniert Speech-to-Text.

Wenn Sie übersetzt werden: Sprechen Sie Ihre Sätze zu Ende. Das Wichtigste, was Sprechende für eine Live-Übersetzung tun können, ist, jeden Gedanken sauber abzuschließen, bevor der nächste beginnt. Nachgeschobene Nebensätze, halb abgebrochene Sätze und „na ja, egal …“ lassen die Engine mit einem unvollständigen Stück zurück, bei dem sie raten muss.

Dolmetscher lösen das, indem sie vorwegnehmen, wohin ein Satz läuft. Software nimmt nichts vorweg – sie wartet. Kurze, vollständige Sätze mit dem Verb möglichst weit vorn bringen für die Qualität mehr als jede Einstellung in der App.

Eine zusätzliche Sprache ist eine zusätzliche Fehlerquelle

Viele Live-Übersetzungsprodukte auf dem Markt sind heute als Kaskade gebaut: erst die Sprache erkennen, dann den entstandenen Text übersetzen. Zwei Modelle hintereinander, jedes mit seinen eigenen Fehlerbildern.

Die Rechnung ist gnadenlos. Zwei Stufen, die jeweils in 95 % der Fälle richtig liegen, liegen zusammen nur in etwa 90 % der Fälle richtig – zur Veranschaulichung, nicht gemessen, aber auf die Richtung kommt es an. Genauigkeit mittelt sich in einer Pipeline nicht. Sie multipliziert sich.

Das eigentlich interessante Problem: Stufe zwei weiß nicht, dass Stufe eins einen Fehler gemacht hat. Ein Übersetzungsmodell ist eine Maschine für flüssige Sätze. Geben Sie ihm einen falsch verstandenen Eigennamen oder eine verschluckte Verneinung, und es überträgt den Fehler ohne den geringsten Zweifel in grammatisch einwandfreies Spanisch. Nichts am Ergebnis wirkt beschädigt – und genau das macht es gefährlich.

Hinzu kommt: Übersetzungsfehler fühlen sich anders an als Erkennungsfehler. Ein falsch verstandenes Wort ist ein lokales Problem – offensichtlich und aus dem Kontext reparierbar. Ein Übersetzungsfehler ist semantisch: eine umgedrehte Verneinung, ein „wir könnten“, das sich zu einem „wir werden“ verhärtet, ein Pronomen, dem ein Geschlecht zugewiesen wird, das die Quelle nie angegeben hat. „Let's table it“ heißt im amerikanischen Englisch „vertagen“ und im britischen „jetzt besprechen“, und dabei hilft keine noch so gute Audioqualität.

Selbst die Qualität wird anders gemessen. Maschinelle Übersetzung wird bewertet, indem man die Ausgabe mit einer Referenzübersetzung vergleicht – BLEU ist die altbewährte Metrik, gelernte Scores wie COMET bilden das menschliche Urteil genauer ab –, und nichts davon verrät Ihnen, ob die eine Zeile, auf die es in Ihrem Meeting ankam, richtig herauskam. Es gibt einen leiseren Forschungsstrang, der den Zwischenschritt ganz überspringt: Modelle, die direkt vom Audio in einer Sprache zu Text in einer anderen gehen, ohne Zwischentranskript, das verfälscht werden könnte. Weniger Stufen, weniger Stellen, an denen sich Fehler aufaddieren. Viele Produkte auf dem Markt arbeiten trotzdem noch als Kaskade.

Der Zehn-Sekunden-Test, ob ein Tool wirklich live übersetzt. Starten Sie ein Meeting, sagen Sie zwei Sätze in einer Sprache und schauen Sie auf den Bildschirm, während Sie den dritten sagen. Erscheint eine Fassung in Ihrer Zielsprache, bevor Sie fertig sind, ist das Live-Übersetzung. Erscheint nichts, bis der Call endet und die Zusammenfassung kommt, ist es Nachbearbeitung – nützlich, aber sie hilft niemandem, sich zu beteiligen.

Machen Sie den Test in einem echten Call, nicht mit einer Demo-Aufnahme. Demos werden nach sauberem Ton und jeweils nur einer sprechenden Person ausgewählt – die Bedingung, unter der jedes Tool gut ist.

Warum ein Tool bei der Transkription glänzen und bei der Live-Übersetzung versagen kann

Daran scheitern Leute ständig, und es ist kein Qualitätsunterschied zwischen Anbietern. Darunter steckt ein anderes Produkt.

Hervorragende Transkription lässt sich im Batch erledigen: warten, bis der Call vorbei ist, die Aufnahme mit dem Wissen um das Ganze verarbeiten, sich so viel Zeit lassen wie nötig. Das ist günstiger im Betrieb, leichter genau hinzubekommen, und genau darauf sind die meisten Meeting-Notetaker optimiert: Ihr ganzes Design geht davon aus, dass Sie dem Gespräch live gefolgt sind und hinterher nur ein Protokoll wollen.

Live-Übersetzung bricht diese Annahme an drei Stellen gleichzeitig. Sie halten für die gesamte Dauer des Calls eine Verbindung offen. Sie zerlegen den eingehenden Stream an Stellen, an denen eine Übersetzung Sinn ergibt – eine sprachliche Entscheidung, kein Timer. Und Sie bezahlen für jedes Stück ein zweites Modell, für jede Zielsprache im Raum. Einen Stream offen zu halten kostet im Betrieb mehr, als dasselbe Audio einmal am Ende zu verarbeiten; legen Sie einen Übersetzungsdurchgang obendrauf, und die Wirtschaftlichkeit erklärt so manche Produkt-Roadmap.

Deshalb bekommt die Frage „Übersetzt Ihr Tool?“ so oft eine ausweichende Antwort. Viele Tools übersetzen auf Wunsch ein fertiges Transkript, und das ist ein wirklich anderes Produkt als Original und Übersetzung nebeneinander, während gesprochen wird. Wir haben die gängigen Notetaker genau auf diese Frage hin geprüft, Tool für Tool, in Welche KI-Notetaker wirklich übersetzen, und die Antworten sind weniger einheitlich, als das Marketing vermuten lässt.

Untertitel verschwinden. Genau dafür sind sie da.

Ein Live-Untertitel ist eine Anzeige, kein Protokoll. Er ist dazu da, einmal gelesen und von der nächsten Zeile vom Bildschirm geschoben zu werden, und die meisten Konferenzplattformen behandeln übersetzte Untertitel genau so: während des Meetings da, danach weg.

Für einen Status-Call ist das in Ordnung. Bei allem, woran Geld oder eine Frist hängt, zählt die Frage, was eine Woche später noch existiert – und darauf gibt es drei mögliche Antworten.

Nichts. Übersetzt wurde, verstanden wurde, aufbewahrt wurde nichts. Wer nicht im Call war, bekommt eine Zusammenfassung, die jemand aus dem Gedächtnis geschrieben hat.

Das Transkript in der Originalsprache. Besser, und das liefern die meisten Tools. Sie können es durchsuchen und daraus zitieren – sofern Sie die Sprache lesen, in der es verfasst ist. Wenn nicht, stehen Sie wieder am Anfang, nur mit einem Schritt mehr.

Ein übersetztes Protokoll. Beide Fassungen bleiben erhalten, Zusammenfassung und Aufgaben stehen in der Sprache, in der jede Person arbeitet. Das ist die Fassung, die Streit beendet. Sechs Wochen später geht es nie darum, wie die Aufnahme klang, sondern darum, ob zugesagt war, bis zum 14. zu liefern oder bis zum 14. zu prüfen – und das Dokument, das das klärt, muss für beide Seiten lesbar sein.

Dieses dritte Ergebnis ist das praktische Argument dafür, vor dem Kauf zu prüfen, was ein Tool aufbewahrt, und zusätzlich zu den Untertiteln, die Ihre Plattform ohnehin einblendet, einen Meeting-Assistenten mit Live-Übersetzung einzusetzen. Laxis zum Beispiel zeigt unter jeder Transkriptzeile eine Übersetzung an, während noch gesprochen wird (eine Premium-Funktion, in über 60 Sprachen), und nach dem Call haben Sie das Originaltranskript, eine Zusammenfassung und die nächsten Schritte an einem Ort. Wie bei jedem Tool gilt: Prüfen Sie nach einem echten Call, was tatsächlich gespeichert ist, bevor Sie sich darauf verlassen. Und wer die Aufnahme startet, ist dafür verantwortlich, die Teilnehmenden zu informieren und, wo erforderlich, ihre Einwilligung einzuholen; unser Leitfaden zur Einwilligung bei Aufnahmen nach US-Bundesstaat und Land ist ein Ausgangspunkt, keine Rechtsberatung.

Sehen Sie es sich in einem echten Call an. Aktivieren Sie Translate in der Laxis-Desktop-App, und jede Transkriptzeile bekommt ihre Übersetzung direkt darunter – in einer von über 60 Sprachen, während das Gespräch noch läuft.

14-tägige Premium-Testphase, ohne Kreditkarte. Laxis kostenlos testen

Dolmetschen ist nicht die Luxusversion derselben Software

Beim dritten Modus lohnt sich Genauigkeit, denn „wir nehmen einfach die KI“ ist eine Entscheidung, die oft fällt, ohne dass man weiß, worauf man verzichtet.

Ein Simultandolmetscher hört und spricht gleichzeitig, ein paar Sekunden hinter dem Redner, und diesen Abstand zu steuern, ohne dass die Bedeutung leidet, ist der Großteil des Könnens. Konsekutivdolmetschen geht den anderen Weg: Der Redner hält inne, der Dolmetscher gibt den Abschnitt wieder, und das Meeting läuft mit halber Geschwindigkeit – im Tausch gegen weit höhere Genauigkeit.

Was keine Engine leistet, ist der Teil, der nicht sprachlich ist. Ein Dolmetscher merkt, dass eine Formulierung mehrdeutig ist, und fragt nach. Er passt das Register an, wenn eine wörtliche Wiedergabe unhöflich ankäme. Er trägt die berufliche Haftung dafür, dass es stimmt, und in regulierten Umfeldern ist genau diese Haftung das eigentliche Produkt, das Sie einkaufen.

Die Grenze verläuft also entlang der Folgen, nicht des Schwierigkeitsgrads. Wöchentliche Stand-ups, Projekt-Reviews, Abstimmungen mit Lieferanten, interne Schulungen: Das übernimmt die Software, und niemand vermisst den Dolmetscher. Eine Verhandlung mit dem Betriebsrat, ein Arztgespräch, eine Zeugenvernehmung, ein Termin bei der Ausländerbehörde – buchen Sie einen Menschen. Maschinelle Übersetzung ist dort ein Sicherheitsnetz, kein Ersatz, und hervorragend bei den neunzig Prozent der Gespräche, in denen ungefähr richtig völlig reicht.

So finden Sie heraus, was Sie wirklich brauchen

Vier Fragen, der Reihe nach. Die meisten Teams können nach der zweiten aufhören.

  1. Folgen alle im Call der gesprochenen Sprache mühelos? Wenn ja, brauchen Sie Transkription und sonst nichts – mit einer Übersetzungsschicht kaufen Sie eine Funktion, die niemand einschaltet.
  2. Braucht jemand Hilfe während des Gesprächs oder nur danach? Das ist die teure Weggabelung. Wer nur hinterher aufholen muss, kommt mit einem übersetzten Transkript aus, das günstig ist und in Ruhe erstellt werden kann. Wer sich während des Calls beteiligen soll, braucht die Live-Version – mit allem, was das für Latenz und Preis bedeutet.
  3. Muss das Ergebnis gesprochen werden? Im Geschäftsalltag fast nie. Synthetische übersetzte Sprache wird schnell besser, aber Text ist leiser, lässt sich überfliegen, kollidiert nicht mit dem Originalton und hinterlässt ein Protokoll. Gesprochene Ausgabe zählt bei Events und Vor-Ort-Begehungen, wo niemand auf einen Bildschirm schauen kann.
  4. Was passiert, wenn ein Satz falsch ist? Wenn in der Antwort eine Aufsichtsbehörde, ein Gericht, ein Patient oder eine Unterschrift vorkommt, ist das die Schwelle für einen menschlichen Dolmetscher, und daran ändert keine Genauigkeitszahl etwas.

Die meisten Teams investieren zu viel in Live und zu wenig ins Protokoll. Live-Übersetzung macht sich in Demos gut, also wird sie evaluiert. Auf das übersetzte Protokoll verlassen sich die Leute danach monatelang stillschweigend – und genau das fehlt, wenn jemand nachprüfen muss, was vereinbart wurde.

Übersetzen Sie den Call, und behalten Sie ein Protokoll. Lesen Sie das Gespräch in Ihrer Sprache mit, während es in Zoom, Google Meet oder Microsoft Teams läuft, und kehren Sie danach zu Transkript und Zusammenfassung zurück. Live-Übersetzung ist Teil von Laxis Premium. 14-tägige Premium-Testphase, ohne Kreditkarte. Laxis herunterladen

Das Fazit

Die beiden Fähigkeiten wachsen in einzelnen Produkten zusammen – gut für Käufer, schlecht für die Klarheit. Eine Preisseite, auf der „Übersetzung“ steht, kann heute Live-Text im Nebeneinander meinen, eine Untertitelspur, die sich verflüchtigt, eine Zusammenfassung, die zwanzig Minuten nach dem Call erstellt wird, oder einen Button, der ein fertiges Transkript auf Wunsch durch eine Engine schickt. Vier Produkte, ein Wort.

Die Unterscheidung, die man sich merken sollte, ist keine technische. Bei Transkription geht es um Gedächtnis – darum, dass das Gespräch morgen noch existiert. Bei Übersetzung geht es um Zugang – darum, dass heute wirklich alle dabei waren. Ein Team kann beim Ersten hervorragend und beim Zweiten still und leise katastrophal sein, und das Anzeichen ist immer dasselbe: In jedem Call sitzt jemand, der viel nickt und nie widerspricht.

Häufig gestellte Fragen

Was ist der Unterschied zwischen Übersetzung und Transkription?

Transkription ändert die Form einer Nachricht, ohne ihre Sprache zu ändern: Sie macht aus gesprochenem Audio geschriebene Wörter, die jeder mit dieser Sprache ohnehin verstehen konnte. Übersetzung ändert die Sprache selbst und überträgt die Bedeutung aus einer Ausgangs- in eine Zielsprache. Wer dem ursprünglichen Gespräch folgen konnte, gewinnt durch eine Übersetzung nichts und durch ein Transkript alles.

Was bedeutet Echtzeitübersetzung eigentlich?

Echtzeitübersetzung bedeutet, dass die übersetzte Fassung erscheint, während das Gespräch noch läuft – so dicht hinter dem Sprecher, dass Zuhörende sie nutzen können, um sich zu beteiligen, statt später nachzulesen. In der Praxis heißt das ungefähr eine bis drei Sekunden Verzögerung. Alles, was eine übersetzte Fassung erst nach dem Ende des Calls liefert, ist Nachbearbeitung, egal wie schnell.

Ist Echtzeitübersetzung dasselbe wie Dolmetschen?

Nein. Dolmetschen leistet eine qualifizierte Person, mündlich und auf der Ebene der gemeinten Bedeutung. Ein Dolmetscher kann deshalb auf eine Mehrdeutigkeit hinweisen, das Register anpassen oder nachfragen, was jemand gemeint hat. Software für Echtzeitübersetzung erzeugt automatisch Text und kann nichts hinterfragen. Gemeinsam haben beide nur das Timing, sonst nichts.

Warum hinkt Live-Übersetzung dem Sprecher hinterher?

Weil eine Übersetzungs-Engine ein ausreichend großes Stück eines Satzes braucht, bevor sie sich festlegen kann. Die Wortstellung unterscheidet sich zwischen Sprachen, sodass ein System, das Deutsch oder Japanisch übersetzt, womöglich auf ein Verb warten muss, das erst ganz am Ende kommt. Diese Wartezeit kommt zu der Verzögerung hinzu, die die Spracherkennung ohnehin schon verursacht.

Wie genau ist maschinelle Übersetzung in Meetings?

Gut genug für gewöhnliche Geschäftsgespräche, unzuverlässig in Grenzfällen. Zwei Stufen laufen nacheinander, also werden Erkennungsfehler an die Übersetzung weitergereicht, als wären sie korrekt, und die Ausgabe bleibt flüssig, während die Bedeutung abdriftet. Redewendungen, interne Abkürzungen, Produktnamen und Durcheinanderreden sind die Stellen, an denen es am sichtbarsten hakt.

Was ist der Unterschied zwischen übersetzten Untertiteln und einem übersetzten Transkript?

Übersetzte Untertitel sind eine Live-Anzeige, die einmal gelesen und von der nächsten Zeile ersetzt wird, und die meisten Plattformen behalten nach dem Call nichts davon. Ein übersetztes Transkript ist ein gespeichertes Dokument, das Sie Wochen später noch durchsuchen, zitieren und wieder aufrufen können. Untertitel lösen das Verstehen während des Meetings; ein Transkript löst jeden Streit, der danach kommt.

Brauche ich für internationale Meetings Transkription oder Übersetzung?

Wenn alle im Call der gesprochenen Sprache mühelos folgen, reicht eine einfache Transkription, und Übersetzung erhöht die Kosten, ohne das Verständnis zu verbessern. Ergänzen Sie eine Übersetzung, sobald mindestens eine Person in einer Zweitsprache arbeitet – und zwar live nur dann, wenn diese Person sich während des Calls einbringen muss, statt hinterher aufzuholen.

Passendes Produkt

Laxis-Meeting-Assistent

Automatisieren Sie Ihre Notizen noch heute.

  • Notizen ohne Bot für Zoom, Google Meet, Teams und Vor-Ort-Meetings
  • KI-Zusammenfassungen, Aufgaben und Follow-ups in über 60 Sprachen
  • Mac, Windows, iPhone und Android, mit kostenlosem Tarif

Kostenlos starten, keine Kreditkarte erforderlich.

Mehr erfahren ▷