Interview transkribieren (2026): Wörtlich, einfach oder MAXQDA-ready

Es kommt auf den Einsatzzweck an. Für qualitative Forschung mit MAXQDA-Integration und Dresing/Pehl-Regeln: VexaScribe (99 Sprachen, $2-20/Monat, wörtliche/einfache/zusammenfassende Ebenen) oder F4transkript (deutscher Universitätsstandard, aber manuell). Für Journalismus: Otter (nur EN/FR/ES), VexaScribe (Deutsch), oder Amberscript (Amsterdam-basiert, EU-Datenresidenz). Für kostenlos: Whisper lokal installieren (unbegrenzt, offline, Python + GPU) oder VexaScribe 30-Minuten-Test.

Wörtliche Transkription behält jedes Wort, jedes Füllwort (ähm, äh, hm), Wortabbrüche, [Pausen] und [Lachen] — nötig für Diskursanalyse und Gesprächsforschung. Einfache Transkription bereinigt Füllwörter und Wortabbrüche, behält aber Sinn und Struktur — Standard für qualitative Forschung nach Kuckartz/Rädiker und für die meisten Bachelor-/Masterarbeiten. Zusammenfassende Transkription reduziert auf Kernaussagen — für Zeitschriftenartikel und interne Zusammenfassungen. VexaScribe unterstützt alle drei Ebenen.

MAXQDA akzeptiert DOCX-Import mit Sprecher-Präfix (SPEAKER 1:, P1:, IP:) und Timestamp-Syntax #00:12:34#. Der einfachste Workflow: Interview in VexaScribe hochladen → auf einfache Transkription einstellen → Export als DOCX mit MAXQDA-Timestamps → Import in MAXQDA (Datei → Import → Text). Sprecher-Labels werden von MAXQDA automatisch erkannt und für Kodierung genutzt. Verifiziert am 23.07.2026 gegen maxqda.com/docs.

F4transkript (dr. dresing & pehl GmbH) ist die manuelle Standard-Software an deutschen Universitäten. Sie transkribieren manuell mit Audio-Playback und Fußpedal-Steuerung. Für automatische Transkription vor der F4-Nachbearbeitung: Interview in VexaScribe hochladen → wörtliche oder einfache Transkription wählen → als Zeitstempel-DOCX exportieren → in F4transkript öffnen zur Feinbearbeitung. Diese Kombination spart 60-80% der manuellen Transkriptionszeit vs. reine F4-Nutzung.

Dresing/Pehl (2018) Praxisbuch Interview, Transkription & Analyse ist der deutsche Universitätsstandard für qualitative Forschung. Zentrale Regeln: Füllwörter (ähm, äh) je nach Ebene beibehalten oder entfernen, Wortabbrüche mit — markieren, nonverbale Vokalisierungen [Lachen] / [Räuspern] bracketen, Pausen mit Dauer [Pause 2s], überlappende Rede [überlappend], Betonung durch GROSSBUCHSTABEN, unverständliche Stellen [unv.], Zeitmarken alle 5 Minuten, Anonymisierung als P1, IP, I (Interviewperson/Interviewer:in). Vollständiges 9-Punkte-Regelwerk auf dieser Seite.

Manuell (nach Dresing/Pehl-Regeln, wörtlich): 5-10 Stunden Arbeit pro Stunde Audio. Manuell einfach: 4-6 Stunden pro Audiostunde. AI-Transkription (VexaScribe, Whisper): 5-10 Minuten pro Audiostunde plus 15-30 Minuten Nachkorrektur — Gesamt etwa 20-40 Minuten pro Audiostunde. F4transkript mit Fußpedal: 4-5 Stunden pro Audiostunde. Für eine Masterarbeit mit 10 einstündigen Interviews spart die AI-Route etwa 40-60 Arbeitsstunden.

Kostenlos: Whisper lokal installiert (kostenlos für immer, Python + GPU nötig). Test/gering: VexaScribe 30 Minuten gratis + $2/Monat für 200 Minuten. Kleine Studie: VexaScribe Basic $5/Monat für 1.000 Minuten. Große Studie: VexaScribe Studio $20/Monat für 6.000 Minuten. F4transkript-Lizenz: etwa €49/Jahr (Studierende) bis €120+/Jahr (Vollversion, verifiziert 23.07.2026 gegen audiotranskription.de). Professionelle Transkriptionsdienstleister: €1,20-2,50 pro Audiominute wörtlich (~€72-150 pro Stunde Audio) — teurer, aber juristisch verwertbar.

Fünf ehrliche Optionen: (1) OpenAI Whisper lokal installiert — kostenlos für immer, unbegrenzt, offline, aber Python + GPU nötig; (2) VexaScribe 30-Minuten-Test — für ein einzelnes 30-Minuten-Interview ausreichend; (3) TurboScribe — 3 Dateien/Tag kostenlos, 30-Min-Cap pro Datei; (4) Otter — 300 Min/Monat kostenlos, aber nur EN/FR/ES (kein Deutsch); (5) Whisper.cpp Browser-Demo — für Testläufe. Für eine Bachelor-/Masterarbeit mit mehreren Interviews ist der VexaScribe Starter ($2/Monat für 200 Min) günstiger als Zeit-Investment in Whisper-Setup.

Ja. Experteninterviews (üblicherweise 60-90 Minuten mit 1-2 Sprechern) sind der ideale Fall für AI-Transkription — bei sauberer Audioqualität erreicht Whisper Large V3 Turbo 92-97% Genauigkeit. Wichtig: Fachbegriffe (medizinisch, juristisch, technisch) manuell nachkorrigieren; Namen und Institutionen prüfen; ggf. wörtliche Ebene wählen für Zitate. Anonymisierung als IP oder P1 vor MAXQDA-Import. Für rechtlich verwertbare Transkripte (z.B. Zeugenaussagen) wird weiterhin ein zertifizierter menschlicher Transkriptionsdienstleister empfohlen.

Schweizerdeutsch ist herausfordernd — Whisper Large V3 Turbo unterstützt Schweizerdeutsch teilweise, aber die Genauigkeit ist niedriger als bei Hochdeutsch (etwa 75-85% je nach Dialekt und Sprecher). Für Standarddeutsch mit Schweizer Färbung funktioniert es gut. Österreichisches Deutsch wird generell gut unterstützt (Wiener Dialekt inklusive, Genauigkeit ähnlich wie Hochdeutsch ~92-95%). Für stark dialektale Aufnahmen empfehlen wir manuelle Nachkorrektur oder professionelle Transkription.

Grundsätzlich ja, mit Beachtung der DSGVO. Zu beachten: (1) Einwilligung der Interviewten zur Aufnahme UND zur Verarbeitung durch AI-Dienstleister muss vorliegen — schriftlich oder dokumentiert; (2) VexaScribe verarbeitet in den USA (unter EU-US Data Privacy Framework 2023), für strenge EU-Datenresidenz sind Amberscript (Amsterdam) oder lokales Whisper besser; (3) Anonymisierung von Namen/Ort/Institution vor Export empfohlen für Publikation. Für BDSG-sensible Bereiche (Gesundheit, Justiz) rechtliche Beratung empfohlen.

Ja — nach § 201 StGB (Verletzung der Vertraulichkeit des Wortes) ist die heimliche Aufzeichnung des nichtöffentlich gesprochenen Wortes eine Straftat. Für qualitative Forschung: schriftliche Einwilligungserklärung vor Interview (Standard an deutschen Universitäten). Für Journalismus: mündliche Einwilligung am Beginn der Aufnahme (dokumentiert im Transkript). Zusätzlich DSGVO-Belehrung zur Datenverarbeitung. Muster-Einwilligungen sind bei Ethikkommissionen der Universitäten erhältlich.

Die qualitative Inhaltsanalyse nach Philipp Mayring ist ein regelgeleitetes, systematisches Verfahren zur Auswertung von Textmaterial — meist Interview-Transkripten. Mayring entwickelte die Methode in den 1980er-Jahren; sie unterscheidet drei Grundformen: zusammenfassende, strukturierende und explizierende Inhaltsanalyse. Kategorien werden entweder deduktiv (aus Theorie abgeleitet) oder induktiv (aus dem Material) gebildet. Für alle drei Formen ist ein wörtliches oder einfaches Transkript die Voraussetzung.

Mayring beschreibt die Auswertungsmethode (was mache ich mit dem fertigen Transkript?), Dresing/Pehl beschreibt die Transkriptionsregeln (wie erstelle ich das Transkript?). In der Praxis werden beide kombiniert: Sie transkribieren nach Dresing/Pehl (einfach oder wörtlich), dann werten Sie das Transkript nach Mayring aus (zusammenfassend, strukturierend oder explizierend). Für Bachelor- und Masterarbeiten in DACH-Sozialwissenschaften ist diese Kombination Standard.

In vier Schritten: (1) Interview aufzeichnen (Sprachmemo, Diktiergerät oder Zoom-Recording) — schriftliche Einwilligung vorher einholen; (2) Aufnahme in ein Transkriptionstool wie VexaScribe hochladen (99 Sprachen, ~95% deutsche Genauigkeit); (3) Ebene wählen — wörtlich für Diskursanalyse, einfach für qualitative Forschung nach Mayring, zusammenfassend für Redaktionsnotizen; (4) Export als MAXQDA-DOCX oder F4-Format für die Auswertung. Rechenzeit: 5-10 Minuten pro Audiostunde.

Drei akademische Notationssysteme mit unterschiedlichem Detailgrad: GAT 2 (Selting et al. 2009) für Konversationsanalyse und Gesprächsforschung — sehr detailliert, notiert Intonation und Prosodie. TiQ (Talk in Qualitative Sozialforschung, Bohnsack) für qualitative Interviews in Sozialwissenschaften — mittlerer Detailgrad. HIAT (Halbinterpretative Arbeitstranskriptionen, Ehlich/Rehbein 1976) für Diskursanalyse — nicht-linear, Partitur-artig. Für die meisten Bachelor-/Masterarbeiten ist Dresing/Pehl einfacher und ausreichend.

Ja, mit Genauigkeits-Vorbehalt. Telefon-Audio ist komprimiert (8 kHz statt 16 kHz Breitband) und die AI-Genauigkeit sinkt um 5-15 Prozentpunkte gegenüber Headset-Aufnahmen. Verwenden Sie eine Anrufaufzeichnungs-App (Rev Call Recorder auf iOS, TapeACall) und laden Sie die .m4a-Datei bei VexaScribe hoch. Rechnen Sie mit 82-90% Genauigkeit; planen Sie manuelle Nachkorrektur für kritische Zitate ein. Rechtlich: beide Gesprächspartner müssen der Aufnahme zustimmen (§ 201 StGB).

Grundsätzlich ja — die meisten deutschen Universitäten akzeptieren AI-unterstützte Transkription, sofern (1) die Methode im Methodenkapitel offengelegt wird, (2) manuelle Nachkorrektur dokumentiert ist, (3) die Verarbeitung DSGVO-konform erfolgt und (4) die Einwilligung der Interviewten zur AI-Verarbeitung explizit vorliegt. Prüfungsordnung Ihrer Hochschule prüfen — einige Fachbereiche (Rechtswissenschaft, Medizin) haben strengere Vorgaben. Für die Zitation im Methodenkapitel: „Interviews wurden mit VexaScribe (Whisper Large-v3) automatisch transkribiert und manuell nach Dresing/Pehl nachkorrigiert.“

Die Standard-Methode für Bachelor-/Masterarbeit und PhD ist die qualitative Inhaltsanalyse nach Mayring: einfache oder wörtliche Transkription (nach Dresing/Pehl) → Kategoriensystem entwickeln (induktiv oder deduktiv) → Textstellen kodieren (MAXQDA/ATLAS.ti) → Ergebnisdarstellung. Für journalistische oder redaktionelle Zwecke reicht eine KI-Zusammenfassung mit Kernaussagen-Extraktion. Details zur Mayring-Methode auf dieser Seite oben.

Ja. Für nicht-wissenschaftliche Zwecke (Journalismus, HR-Debrief, Kundeninterview-Auswertung, erste Themenübersicht vor der Kodierung) reicht eine KI-Zusammenfassung mit Bulletpoints, Themen und Kernaussagen. VexaScribe erzeugt Zusammenfassungs-Modi wie Executive Summary, Bulletpoints, Action Items, Karteikarten aus jedem Interview-Transkript. Für wissenschaftliche Publikation bleibt Mayring der Goldstandard.