Was ist ein Transkript? Arten, Formate und Beispiele

Jemand bittet Sie, das Transkript rüberzuschicken, und Sie sagen klar, weil Sie natürlich wissen, was das ist. Dann landet die Datei bei Ihnen, und da stehen alle paar Sekunden Zeitstempel, Namen in Großbuchstaben und eine Zeile, auf der nur [Durcheinanderreden] steht. Plötzlich ist es weniger offensichtlich.

Zuerst eine Weggabelung. Im Englischen bedeutet transcript auch die offizielle Aufstellung der belegten Kurse und erzielten Noten aus der Schul- oder Studienzeit – das Dokument, das ein Prüfungsamt ausstellt. Wenn Sie das brauchen, ist die Studierendenverwaltung Ihrer Einrichtung die richtige Adresse. Dieser Leitfaden behandelt die andere Bedeutung: die schriftliche Aufzeichnung von etwas Gesprochenem, erstellt aus einer Aufnahme.

Ein Transkript ist ein Dokument, keine Tätigkeit

Ein Transkript ist ein Textdokument, das festhält, was in einer Aufnahme gesagt wurde, in der Reihenfolge, in der es gesagt wurde, und zugeordnet zu der Person, die es gesagt hat. Das ist die ganze Definition. Alles andere – Zeitstempel, Anmerkungen in eckigen Klammern, der Kopfblock, die Dateiendung – sind Konventionen, die darüber gelegt werden, damit das Dokument brauchbar wird.

Das Wort wird locker auch für die Arbeit selbst benutzt, nicht nur für das Ergebnis, und genau da beginnt die Verwirrung. Das Dokument zu erstellen – die Kosten, das Tempo, die Frage Maschine oder Mensch – ist ein eigenes Thema, und wir haben den Transkriptionsprozess selbst in einem begleitenden Leitfaden behandelt. Auf dieser Seite geht es um das Artefakt.

Zwei Eigenschaften trennen ein Transkript von Notizen. Es ist linear: Es folgt der Aufnahme von Anfang bis Ende, statt zu den interessanten Stellen zu springen. Und es ist vollständig für den Stil, den es für sich beansprucht. Eine Zusammenfassung darf auswählen; ein Transkript darf das nicht. Lassen Sie die langweiligen fünf Minuten weg, in denen niemand die richtige Folie fand, dann haben Sie Notizen – und wer die Transkript nennt, provoziert früher oder später Streit.

Die vier Transkriptstile und was jeder davon wegwirft

Jedes Transkript entscheidet, wie viel von der Unordnung echter Sprache erhalten bleibt. Vier Stile verteilen sich auf diesem Spektrum, und den falschen zu wählen ist der häufigste Weg, wie ein Transkriptionsauftrag schiefgeht.

Vollständiges Verbatim (auch wörtliche Transkription genannt)

Alles. Jedes „ähm“, jedes Stottern und jeder Satzabbruch, dazu nichtsprachliche Geräusche wie Lachen, lange Pausen und Hintergrundgeräusche, alle markiert. Vollständiges Verbatim hält nicht nur fest, was gesagt wurde, sondern auch, wie es gesagt wurde. Es ist langsam zu erstellen und unangenehm zu lesen, was genau der Punkt ist, an dem es verlangt wird: Gerichtsverfahren, polizeiliche Vernehmungen und Forschung, in der das Zögern selbst die Daten sind.

Bereinigtes Verbatim

Die Worte wie gesprochen, ohne das Rauschen. Bereinigtes Verbatim entfernt Füllwörter, sprachliche Ticks und Stottern, paraphrasiert aber nicht – die Sätze bleiben die der sprechenden Person. Die meisten Anbieter behalten bedeutsame Satzabbrüche und Selbstkorrekturen bei, weil sie echte Unsicherheit anzeigen, streichen aber das reflexhafte „weißt du“, das vierzig Mal pro Stunde auftaucht. Es ist der Standard für Meetings, Konferenzsessions, Fokusgruppen und aufgezeichnete Vorlesungen.

Intelligentes Verbatim

Ein Schritt weiter Richtung Lesbarkeit. Zusätzlich zum Entfernen der Füllwörter repariert die transkribierende Person leicht die Grammatik, fasst Wiederholungen zusammen und streicht Einschübe ohne Bedeutung („Entschuldigung, mein Hund dreht gerade durch“). Die Stimme der sprechenden Person bleibt erhalten; die Rauheit nicht. Forschende bevorzugen das oft für Interviews, aus denen sie zitieren werden. Verwirrend ist: Manche Anbieter verwenden „intelligentes Verbatim“ und „bereinigtes Verbatim“ synonym.

Redigiertes Transkript

Die am stärksten bearbeitete Fassung. Eine redigierende Person stellt Satzteile um, strafft Sätze, korrigiert die Grammatik und formt den Text für Lesende, die nie im Raum waren. Veröffentlichte Interviews, Redetexte und Podcast-Shownotes leben hier. Der Kompromiss ist real: Ein redigiertes Transkript liest sich am angenehmsten und ist als Beleg am wenigsten haltbar.

Tipp: Benennen Sie den Stil, bevor irgendjemand anfängt. Diese Begriffe sind nicht standardisiert – das „bereinigte Verbatim“ des einen Anbieters ist das „intelligente Verbatim“ des nächsten. Verlassen Sie sich nicht auf das Etikett. Schicken Sie stattdessen eine zweizeilige Spezifikation: „Satzabbrüche behalten, Füllwörter entfernen, unverständliche Passagen mit Zeitstempel versehen.“ Dieser Satz verhindert die teuerste Art von Nacharbeit, nämlich vierzig Stunden Audio noch einmal zu machen, weil die Füllwörter eigentlich drinbleiben sollten.

Wie ein Transkript tatsächlich aussieht

Mit Beschreibungen kommt man nur begrenzt weit. Hier ist ein Transkript in bereinigtem Verbatim aus einem kurzen Geschäftsmeeting, formatiert so, wie die meisten professionellen Transkripte formatiert sind.

Beispieltranskript – bereinigtes Verbatim

TRANSKRIPT – Preisüberprüfung Q3 Aufgenommen: 5. August 2026 | Dauer: 00:42:11 | Sprecher: 3 Stil: Bereinigtes Verbatim

[00:00:04] MAYA CHEN: Okay, wir nehmen auf. Dan, hattest du die überarbeiteten Margenzahlen?

[00:00:09] DAN OKAFOR: Habe ich. Enterprise liegt bei einundsechzig Prozent Bruttomarge, vier Punkte mehr als in Q2. Hässlich wird es im Mid-Market.

[00:00:21] MAYA CHEN: Wie hässlich?

[00:00:23] DAN OKAFOR: Supportlast. Gleicher Preis, ungefähr dreimal so viele Tickets. Ich glaube, es liegt am [unverständlich 00:00:27] Onboarding.

[00:00:31] PRIYA RAO: Passt. Wir haben im Juni das Self-Service-Onboarding ausgeliefert, und die Nutzung liegt unter dreißig Prozent.

[00:00:38] MAYA CHEN: Die Lösung ist also nicht – [Durcheinanderreden] –

[00:00:39] DAN OKAFOR: – die Lösung ist das Onboarding, nicht der Preis.

[00:00:44] MAYA CHEN: Dann eine Aufgabe. Priya, kannst du die Nutzung nach Kohorte bis Donnerstag rausziehen?

[00:00:51] PRIYA RAO: Ja. Mittwoch.

[00:00:53] [Aufnahme pausiert]

Vier nahezu universelle Konventionen sind hier am Werk:

• Ein Kopfblock. Titel, Datum, Dauer, Anzahl der Sprechenden, Stil. Das macht aus einer Textwand ein Dokument, das man sechs Monate später zitieren kann.
• Sprecherkennzeichnungen. Vollständige Namen in Großbuchstaben oder Rollenbezeichnungen wie INTERVIEWER und BEFRAGTE, wenn Anonymität zählt. Bleiben Sie konsistent – ein Transkript, das halb mit „DAN“ und halb mit „D. OKAFOR“ gekennzeichnet ist, zerstört jede Suche darin.
• Zeitstempel. Bei jedem Sprecherwechsel wie oben oder in festen Abständen von 30 Sekunden bis zwei Minuten. Feiner ist Rauschen; gröber macht Stellen schwer auffindbar.
• Eckige Klammern für alles, was keine Sprache ist. [unverständlich], [Durcheinanderreden], [Lachen], [Aufnahme pausiert]. Ernsthafte Transkripte versehen die Unverständlich-Markierung mit einem Zeitstempel, damit jemand nachhören und die Lücke füllen kann.

Alle vier von Hand richtig hinzubekommen ist mühsam, weshalb das meiste davon inzwischen generiert wird. Meeting-Tools erzeugen Kopfblock, Kennzeichnungen und Zeitstempel automatisch – Laxis etwa transkribiert Zoom-, Google-Meet- und Microsoft-Teams-Gespräche in ein gekennzeichnetes, mit Zeitstempeln versehenes Dokument und zieht die Aufgaben gleich mit heraus, sodass die Aufgabe, die Priya gerade übernommen hat, nicht davon abhängt, dass jemand daran denkt, sie aufzuschreiben. Woher Ihres auch kommt: Die obigen Konventionen sind der Maßstab, an dem es gemessen wird; unsere Anleitung zu Audio in Text transkribieren behandelt die Mechanik.

Transkript, Untertitel für Gehörlose, Untertitel, Protokoll: vier verschiedene Dokumente

Diese vier werden ständig als Synonyme benutzt und sind nicht austauschbar. Es läuft auf zwei Fragen hinaus: Ist der Text mit einer Zeitachse synchronisiert, und ist er vollständig oder selektiv?

Ein Transkript ist vollständig und eigenständig – Sie können es mit geschlossenem Video lesen. Closed Captions sind vollständig, aber zeitsynchron, in Blöcke zerlegt, die während des Audios erscheinen, und sie tragen nichtsprachliche Informationen, weil sie für jemanden gemacht sind, der nicht hören kann. Untertitel sind zeitsynchron, aber selektiv, nur Dialog, weil sie voraussetzen, dass Sie den Ton hören können und lediglich die Sprache nicht sprechen. Ein Protokoll ist weder noch: eine strukturierte Zusammenfassung von Entscheidungen, Verantwortlichen und Fristen.

Diese Dokumente fließen nur in eine Richtung. Sie können ein Transkript in getaktete Blöcke zerlegen und zu Captions machen oder es zu einem Protokoll zusammenfassen. Zurück geht es nicht zuverlässig: Captions wurden an beliebigen Zeilenumbrüchen getrennt und ihrer Absatzstruktur beraubt, und das Protokoll hat 95 % der Wörter absichtlich weggeworfen. Behalten Sie das Transkript.

Closed Captions gegen Untertitel, weil das alle falsch verstehen

Fragen Sie zehn Leute, was Untertitel sind, und neun beschreiben Closed Captions. Der Unterschied ist nicht kosmetisch, und in regulierten Kontexten trennt er konform von nicht konform.

Untertitel setzen voraus, dass Sie hören können. Sie lösen ein Sprachproblem, tragen also den Dialog und sonst nichts. Eine Tür, die außerhalb des Bildes zuschlägt, braucht keinen Untertitel – Sie haben sie gehört.

Closed Captions setzen voraus, dass Sie nicht hören können. Sie lösen ein Zugänglichkeitsproblem, tragen also alles, was die Tonspur trägt: wer spricht, was gesagt wurde, und die nichtsprachlichen Geräusche, die den Sinn beeinflussen – [bedrohliche Musik schwillt an], [Glas zerbricht], [seufzt]. Deshalb wirken Captions überladener.

Zwei weitere Begriffe runden das Set ab. SDH – Untertitel für Gehörlose und Schwerhörige – ist der Hybrid: Darstellung im Untertitelstil mit Caption-Inhalten, und genau das liefern Streaming-Plattformen üblicherweise aus. Und „closed“ heißt lediglich zuschaltbar; Open Captions sind fest ins Video eingebrannt und lassen sich nicht abschalten, weshalb sie in Feeds dominieren, die stumm automatisch abspielen. Selbst mechanisch unterscheiden sich die Formate: Closed Captions im Rundfunk sind traditionell bei rund 32 Zeichen pro Zeile gedeckelt, während SDH-Dateien bis zu 42 erlauben, weshalb dieselbe Zeile in zwei Playern desselben Films unterschiedlich umbricht.

Tipp: Prüfen Sie, was Ihre Barrierefreiheitsrichtlinie tatsächlich verlangt. Teams liefern routinemäßig übersetzte Untertitel aus, haken die Barrierefreiheit ab und stellen später fest, dass sie die Anforderung nie erfüllt haben. Zugang für Gehörlose und Schwerhörige braucht Captions oder SDH – Text, der Sprechende benennt und bedeutungstragende Geräusche beschreibt. Ein internationales Publikum braucht übersetzte Untertitel. Die meisten Videobibliotheken brauchen beides, als getrennte Dateien mit getrennten Kosten.

Die Dateiformate, in denen ein Transkript ankommt

Die Endung sagt Ihnen, wofür ein Transkript gebaut ist, und es gibt etwa sechs, denen Sie begegnen werden.

.txt ist der kleinste gemeinsame Nenner: keine Formatierung, keine Metadaten, öffnet sich überall, lässt sich sauber in Skripte und Suchen einspeisen. .docx ist für den Fall, dass ein Mensch liest, kommentiert oder schwärzt – es hält Formatvorlagen, hängende Einzüge, Änderungsverfolgung. .pdf ist die Fassung, die unterschrieben, beglaubigt oder abgelegt wird, Layout eingefroren. .json ist die reichhaltigste: Zeitstempel auf Wortebene, Konfidenzwerte pro Wort, Sprecher-IDs als strukturierte Felder. Wenn Sie Suche oder Analytik auf Ihren Transkripten aufbauen wollen, verlangen Sie JSON.

Dann die beiden Caption-Formate, die fälschlich als Transkriptformate behandelt werden. .srt (SubRip) ist das universelle Upload-Format – nummerierte Blöcke mit Start- und Endzeit, akzeptiert von fast jedem Editor, Player und jeder Plattform, Millisekundentrenner ein Komma: 00:00:01,500. .vtt (WebVTT) ist webnativ, gebaut für das HTML5-Element <track>. Es verlangt eine WEBVTT-Zeile am Anfang, nutzt einen Punkt statt eines Kommas (00:00:01.500), macht die Blocknummerierung optional und trägt Dinge, die SRT nicht kann: CSS-Styling, Positionierung auf dem Bildschirm, Kapitelmarken, Metadatenspuren und einen besseren Umgang mit rechtsläufigen Sprachen wie Arabisch und Hebräisch.

Keines von beiden ist ein guter Ort, um ein Transkript zu lagern. Beide verwerfen die Absatzstruktur konstruktionsbedingt, und aus getakteten Blöcken wieder lesbaren Fließtext zu bauen ist eine wirklich lästige Arbeit. Behalten Sie einen Text- oder JSON-Master; exportieren Sie SRT oder VTT, wenn ein Video sie braucht.

Wer eigentlich in Transkripten lebt

Transkripte wirken wie ein Nischenartefakt, bis man die Berufe zählt, die darauf aufbauen.

• Recht. Die mit Abstand striktesten Nutzer – Zeugenvernehmungen und Verhandlungen verlangen vollständige Verbatim-Protokolle, üblicherweise mit Zeilennummern, damit eine Anwältin „Seite 43, Zeile 12“ zitieren kann. Ein beglaubigtes Transkript trägt eine unterschriebene Richtigkeitserklärung und funktioniert als Beweismittel.
• Medizin. Behandelnde diktieren Befunde, Operationsberichte und Entlassbriefe, die in die Patientenakte eingehen. Die Genauigkeitsanforderungen sind unbarmherzig, das Vokabular ist dicht, und die Aufbewahrungsfristen laufen über Jahre.
• Forschung. Qualitative Arbeit läuft auf transkribierten Interviews und Fokusgruppen. Forschende kodieren Transkripte Zeile für Zeile nach Themen, weshalb die Stilwahl – ob Zögern überlebt – die Ergebnisse prägt.
• Medien. Journalistinnen transkribieren Interviews, um korrekt zu zitieren und das Zitat später zu verteidigen. Podcastende veröffentlichen Transkripte, weil gesprochene Inhalte nur so durchsuchbar werden – und so wurde das Transkript still und leise zum SEO-Asset.
• Unternehmen. Die größte und unordentlichste Kategorie: Vertriebsgespräche, Vorstandssitzungen, All-Hands, Compliance-Aufzeichnungen. Niemand liest die von vorne bis hinten; sie existieren, um durchsucht, zitiert und nach Entscheidungen durchforstet zu werden. Deshalb synchronisiert ein Laxis-Transkript zum Beispiel seine Zusammenfassung und die nächsten Schritte nach HubSpot oder Salesforce – damit Gesprächsnotizen dort landen, wo der Deal lebt, und nicht in einem Dokument, das niemand öffnet.

Und dann alle anderen: Sprachnotizen, Vorlesungen, Interviews zur Familiengeschichte, YouTube-Videos, die Sie lieber lesen als ansehen würden. Hier streift das Transkript das Diktieren, obwohl das zwei verschiedene Handlungen sind – Diktieren heißt, Text absichtlich durch Sprechen zu verfassen, und wenn Sie das wollen, ist unsere Übersicht der besten KI-Diktier-Apps der bessere Einstieg.

Holen Sie sich ein sauberes, gekennzeichnetes Transkript jedes Meetings

Laxis nimmt Zoom, Google Meet und Microsoft Teams auf, transkribiert und fasst zusammen, in über 100 Sprachen – Sprecherkennzeichnungen, Zeitstempel und Aufgaben inklusive. Der kostenlose Plan deckt 300 Transkriptionsminuten pro Monat ab.

Laxis kostenlos testen

Das Fazit

Transkripte altern in die entgegengesetzte Richtung von allem anderen, was Sie produzieren. Eine Zusammenfassung ist in der Woche nützlich, in der Sie sie schreiben, und ein Jahr später wertlos, weil sie bewahrt hat, was der schreibenden Person an jenem Dienstag wichtig war. Ein Transkript ist in der Woche, in der Sie es erstellen, nahezu nutzlos – niemand liest 9.000 Wörter eines Meetings, an dem er teilgenommen hat – und wird mit jedem Monat danach wertvoller, weil es bewahrt hat, wovon niemand wusste, dass es einmal zählen würde. Genau deshalb verdienen die langweiligen Formatierungsdetails Aufmerksamkeit. Nichts davon ist für Sie. Es ist für die Person, die in achtzehn Monaten darin einen einzigen Satz finden muss.

Häufig gestellte Fragen

Was ist ein Transkript?

Ein Transkript ist ein Textdokument, das festhält, was in einer Audio- oder Videoaufnahme gesagt wurde, in der Reihenfolge, in der es gesagt wurde. Es benennt jede sprechende Person und trägt meist Zeitstempel, sodass sich jede Zeile auf einen Moment in der Quelldatei zurückführen lässt.

Wie sieht ein Transkript aus?

Ein Transkript beginnt mit einem kurzen Kopf, der Titel, Datum, Dauer und Beteiligte nennt, und läuft dann als Abfolge von Sprechbeiträgen. Jeder Beitrag startet mit einem Zeitstempel und einer Sprecherkennzeichnung in Großbuchstaben. Alles Unklare erscheint in eckigen Klammern, etwa [unverständlich] oder [Durcheinanderreden].

Welche Arten von Transkripten gibt es?

Vier Stile sind üblich. Vollständiges Verbatim behält jedes Geräusch, samt Stottern und Füllwörtern. Bereinigtes Verbatim behält die Worte, entfernt aber Füllwörter und sprachliche Ticks. Intelligentes Verbatim glättet zusätzlich die Grammatik und streicht Wiederholungen. Ein redigiertes Transkript ist für die Veröffentlichung neu geschrieben. Anbieter benennen das uneinheitlich, klären Sie also, was Ihres damit meint.

Was ist der Unterschied zwischen einem Transkript und Untertiteln?

Ein Transkript ist ein eigenständiges Dokument, das Sie für sich lesen, ganz ohne Video. Untertitel sind kurze Dialogzeilen, in getaktete Blöcke zerlegt und über einem Video eingeblendet, meist übersetzt für Zuschauende, die den Ton hören, aber die Sprache nicht sprechen.

Ist ein Transkript dasselbe wie ein Besprechungsprotokoll?

Nein. Ein Transkript hält alles Gesagte fest, Wort für Wort, in Reihenfolge. Ein Protokoll ist eine kurze, strukturierte Zusammenfassung dessen, was entschieden wurde: Teilnehmende, Entscheidungen, Verantwortliche und Fristen. Eine Stunde Meeting kann ein Transkript mit 9.000 Wörtern und ein einseitiges Protokoll ergeben, und beide sind korrekt.

In welchem Dateiformat sollte ein Transkript vorliegen?

Nehmen Sie .docx oder .pdf, wenn ein Mensch das Dokument lesen, kommentieren oder ablegen wird. Nehmen Sie .txt oder .json, wenn Software es verarbeitet. Nehmen Sie .srt oder .vtt nur, wenn der Text als Captions mit Video synchron laufen muss. Behalten Sie einen Klartext-Master und exportieren Sie den Rest.

Bedeutet transcript auch ein Schulzeugnis?

Ja. Im Bildungsbereich ist ein academic transcript die offizielle Aufstellung der belegten Kurse und der erzielten Noten, ausgestellt vom Prüfungsamt einer Schule oder Hochschule. Mit der Audiobedeutung teilt es nur das englische Wort und sonst nichts. Fordern Sie es beim Prüfungsamt an.