Was ist Transkription? — Bedeutung, Beispiele und Definition (2026)
Ein kompakter, deutschsprachiger Leitfaden zum Begriff Transkription: Was er bedeutet, woher er kommt (lateinisch trans-scribere), wie er sich vom Transkript unterscheidet, welche Regeln in Wissenschaft und Praxis gelten und wie moderne KI-Systeme wie Whisper das Verschriften gesprochener Sprache automatisieren.
Supported formats:
Kurzantwort: Was ist Transkription?
Transkription bedeutet die Verschriftung gesprochener Sprache — also das Übertragen einer Audio- oder Videoaufnahme in geschriebenen Text. Der Begriff stammt vom lateinischen trans-scribere („hinüberschreiben”) und bezeichnet in der Linguistik den systematischen Prozess, gesprochene Äußerungen samt Pausen, Betonung und Sprecherwechsel schriftlich festzuhalten. Das Ergebnis ist ein Transkript: ein Textdokument mit Sprecher-Labels und meist Zeitstempeln. Transkription wird für Interviews, Meetings, Vorlesungen, Podcasts, Gerichtsverfahren und wissenschaftliche Studien eingesetzt und kann heute manuell, automatisch per KI (z. B. OpenAI Whisper) oder hybrid erstellt werden.
Kurzantwort: Was bedeutet Transkription?
Transkription bedeutet, gesprochene Sprache in Schrift zu übertragen. Wer eine Aufnahme transkribiert, hört das Audio (oder Video) und schreibt möglichst originalgetreu nieder, was gesprochen wurde. Der Vorgang kann wortwörtlich (verbatim), sinngemäß oder editiert erfolgen.
Ziel ist immer, gesprochene Sprache lesbar, zitierbar und durchsuchbar zu machen — für Journalist:innen, Forschende, Anwält:innen, Podcaster:innen, Studierende und alle, die Sprache dokumentieren müssen. In der Praxis unterscheidet man klar zwischen dem Vorgang (Transkription) und dem entstehenden Dokument (Transkript).
Was ist ein Transkript? — Definition und Ursprung
Ein Transkript ist das schriftliche Ergebnis einer Transkription — also das fertige Textdokument. Der Begriff geht auf das lateinische trans-scribere zurück, zusammengesetzt aus trans(„hinüber”) und scribere („schreiben”). Wörtlich bedeutet es also „hinüberschreiben” oder „umschreiben”.
Historisch wurde der Begriff für das Abschreiben von Handschriften verwendet — das Übertragen von Texten von einem Medium in ein anderes. In der modernen Verwendung bezeichnet Transkription vor allem das Verschriften gesprochener Sprache. Der Vorgang heißt Transkription, das Produkt Transkript. Beide Wörter sind eng verwandt, sollten aber nicht verwechselt werden.
Ein typisches Transkript enthält: eine Kopfzeile (Datum, Ort, Anlass), Sprecher-Labels (z. B. „Interviewerin”, „Interviewpartner”), Zeitstempel in regelmäßigen Abständen und den transkribierten Text. Wissenschaftliche Transkripte fügen Notationszeichen für Pausen, Überlappungen und Betonung hinzu.
Transkription in verschiedenen Kontexten — Linguistik, Biologie, Musik
Das Wort Transkription hat je nach Fachgebiet unterschiedliche Bedeutungen. Dieser Artikel behandelt ausschließlich die linguistische Bedeutung (Verschriftung gesprochener Sprache). Für die anderen Bedeutungen verweisen wir auf Wikipedia:
| Kontext | Bedeutung | Beispiel |
|---|---|---|
| Linguistik / Sprachwissenschaft ← Thema dieser Seite | Verschriftung gesprochener Sprache — Audio oder Video wird in Text übertragen. Dies ist der Bereich, in dem VexaScribe arbeitet. | Interview-Transkript, Vorlesungsmitschrift, Podcast-Show-Notes, Untertitel-Grundlage. Wikipedia (Linguistik) |
| Biologie / Genetik | Synthese von RNA anhand einer DNA-Vorlage. Ein zellulärer Prozess, bei dem die genetische Information von DNA in mRNA übersetzt wird. | mRNA-Transkription, RNA-Polymerase. Wikipedia (Biologie) |
| Musik / Editionswissenschaft | Übertragung eines klingenden Werkes in Notenschrift oder Bearbeitung eines Werkes für andere Instrumente. | Transkription eines Jazz-Solos, Klaviertranskription einer Orchesterpartitur. Wikipedia (Musik) |
| Schreibung / Transliteration | Übertragung einer Schrift in ein anderes Alphabet — etwa vom kyrillischen oder arabischen ins lateinische Schriftsystem. | Umschrift russischer Namen, Umschrift arabischer Toponyme. Wikipedia (Schreibung) |
Alle weiteren Abschnitte auf dieser Seite behandeln ausschließlich die linguistische Bedeutung: das Verschriften gesprochener Sprache.
Transkription oder Transkript? — Verwechslungen vermeiden
Die beiden Wörter sind eng verwandt, bezeichnen aber unterschiedliche Dinge:
Transkription (der Vorgang)
Der Prozess des Verschriftens. Beispiel: „Die Transkription des Interviews dauerte drei Stunden.” Auch als Berufsbezeichnung: Transkribent:in führt Transkriptionen durch.
Transkript (das Ergebnis)
Das fertige Textdokument. Beispiel: „Das Transkript umfasst 12 Seiten und wurde mit Zeitstempeln versehen.” Ein Transkript ist ein Substantiv (Neutrum, das Transkript, Plural: die Transkripte).
Transkribieren (das Verb)
Die Handlung. Beispiel: „Wir transkribieren die Interviews mit einem KI-Werkzeug und überprüfen sie danach manuell.”
Im englischsprachigen Raum werden die Begriffe transcription (Vorgang) und transcript (Ergebnis) analog verwendet. In der akademischen Schreibung sollten beide Wörter präzise eingesetzt werden — im Alltag ist die Unterscheidung weniger streng.
Beispiel eines Transkripts (mit Zeitstempeln und Sprecher-Labels)
So sieht ein typisches Interview-Transkript aus: mit Zeitstempeln, Sprecher-Labels und wortgetreuer Wiedergabe. Dieses Beispiel stammt aus einem fiktiven Gespräch über KI-Transkription auf Deutsch.
Arten der Transkription — verbatim, sinngemäß, editiert
Je nach Verwendungszweck wählen Transkribent:innen unterschiedliche Detailgrade. Die drei am häufigsten verwendeten Formen:
| Art | Was erhalten bleibt | Typischer Einsatz |
|---|---|---|
| Verbatim (wortwörtlich) | Alles: Fülllaute (äh, ähm), Pausen, Wiederholungen, Satzabbrüche, Grammatikfehler, Dialekt. | Gerichtsverfahren, Konversationsanalyse, Marktforschung, Sprachwissenschaft. |
| Sinngemäß (geglättet) | Inhalt und Aussage bleiben erhalten; Grammatik wird korrigiert, Fülllaute entfernt, Sätze werden zu Ende geführt. | Qualitative Interviews, Journalismus, Meeting-Protokolle, akademische Publikationen. |
| Editiert (gekürzt) | Nur die wesentlichen Aussagen; Nebensätze und Wiederholungen werden redigiert und stilistisch überarbeitet. | Publizierte Interviews, Podcast-Show-Notes, Zusammenfassungen für Führungskräfte. |
Die Wahl der Transkriptionsart hat direkte Konsequenzen für den Aufwand: Verbatim dauert typischerweise das 4- bis 6-Fache der Audiolänge, sinngemäße Transkription das 3- bis 4-Fache, editierte Fassungen sind noch aufwendiger, dafür kürzer im Ergebnis.
Transkript-Regeln — GAT 2, TiQ und HIAT im Überblick
Im deutschsprachigen akademischen Raum haben sich drei Notationssysteme durchgesetzt. Sie regeln, wie Pausen, Betonung, Überlappungen und nichtsprachliche Phänomene notiert werden:
GAT 2 — Gesprächsanalytisches Transkriptionssystem 2
Weiterentwicklung des ursprünglichen GAT von Selting et al. (2009). Standard in der Konversationsanalyse und Interaktionalen Linguistik. Bietet ein Basis-, Fein- und ein Minimaltranskript-Level. Notationszeichen für Mikropausen (.), kurze Pausen (-), Betonung (WORT), Dehnungen (:::) und Überlappungen ([]).
TiQ — Talk in Qualitative Sozialforschung
Von Bohnsack und der Dokumentarischen Methode geprägtes System für qualitative Sozialforschung. Fokus auf inhaltlicher Analyse, sparsamer in der Notation als GAT 2 — bewahrt aber Sprecherwechsel, Überlappungen und markante Pausen.
HIAT — Halbinterpretative Arbeitstranskriptionen
Von Konrad Ehlich und Jochen Rehbein entwickeltes System für Diskurs- und Interaktionsanalysen. Nutzt Partiturschreibweise: mehrere Sprecher:innen werden zeitgleich in horizontalen Spuren dargestellt, ähnlich einer Musiknoten-Partitur.
Für journalistische, betriebliche oder studentische Zwecke reichen einfachere Regeln aus: einheitliche Sprecher-Labels, Zeitstempel alle 30–60 Sekunden, Fülllaute nach Kontext entfernen oder beibehalten, wörtliche Zitate in Anführungszeichen setzen.
Wie funktioniert automatische Transkription? — Whisper und KI-Modelle
Moderne Transkriptionswerkzeuge basieren auf sogenannten Sprach-Sequence-to-Sequence-Modellen. Das bekannteste Beispiel ist OpenAI Whisper, das auf 680.000 Stunden mehrsprachigen Audiomaterials trainiert wurde und Deutsch mit einer Wortfehlerrate von rund 4,5 % (FLEURS-Benchmark) erkennt.
Die Kurzversion des technischen Ablaufs:
- Audio-Preprocessing — die Aufnahme wird in kurze Segmente (30 Sekunden) unterteilt und in ein Mel-Spektrogramm umgewandelt.
- Encoder — ein Transformer-Netzwerk analysiert das Spektrogramm und erzeugt eine akustische Repräsentation.
- Decoder — ein zweites Transformer-Netzwerk erzeugt daraus Text, wobei es sowohl akustische als auch sprachliche Wahrscheinlichkeiten nutzt.
- Postprocessing — Zeitstempel, Interpunktion und Formatierung werden hinzugefügt.
Das ist die Kurzversion — für die Volltiefe siehe unsere Tool-Seiten zu Audio-Transkription und Video-zu-Text.
Genauigkeit von Transkription auf Deutsch
Die Wortfehlerrate (Word Error Rate, WER) misst, wie viele Wörter ein Transkriptionsmodell falsch erkennt. Je niedriger, desto besser. Die folgenden Werte stammen aus dem FLEURS-Benchmark (Radford et al., 2022 — arXiv:2212.04356, Tabelle 5) für OpenAI Whisper Large-v2/v3:
| Sprache | WER (FLEURS) |
|---|---|
| Deutsch | ~4,5 % |
| Englisch | ~4,2 % |
| Spanisch | ~4 % |
| Französisch | ~4 % |
| Italienisch | ~5 % |
| Portugiesisch | ~5 % |
| Niederländisch | ~6 % |
Deutsch schneidet also im Vergleich zu anderen europäischen Sprachen sehr gut ab. Reale Aufnahmen mit Dialekten, Hintergrundgeräuschen oder Fachvokabular können schlechter abschneiden — für optimale Qualität empfiehlt sich eine kurze Nachbearbeitung im Editor.
Wann brauche ich eine Transkription?
Interviews
Journalistische und wissenschaftliche Interviews verschriften — mit Sprecher-Labels und Zeitstempeln.
Meetings
Besprechungen, Team-Calls und Kundengespräche in durchsuchbare Protokolle umwandeln.
Vorlesungen
Vorlesungsmitschriften für Studierende, Nachbereitung und Prüfungsvorbereitung.
Podcasts
Show-Notes, SEO-Texte und Barrierefreiheit für Podcast-Episoden.
Videos
Videoinhalte transkribieren — für Untertitel, Blogartikel oder Zitate.
Häufig gestellte Fragen
Was ist Transkription in einfachen Worten?
Transkription bedeutet, gesprochene Sprache in geschriebenen Text zu übertragen. Konkret: Man hört eine Audio- oder Videoaufnahme und schreibt wortgetreu (oder sinngemäß) nieder, was gesagt wurde. Das Ergebnis dieser Verschriftung ist ein Transkript — also das fertige Textdokument. Transkription wird für Interviews, Meetings, Vorlesungen, Podcasts, wissenschaftliche Studien und Untertitel eingesetzt. In der Sprachwissenschaft ist es die zentrale Methode, um gesprochene Sprache analysierbar zu machen.
Was ist der Unterschied zwischen Transkription und Transkript?
Transkription bezeichnet den Vorgang (das Verschriften) — Transkript bezeichnet das Ergebnis (das entstandene Textdokument). Beispiel: Eine Journalistin führt eine Transkription des Interviews durch; das Resultat ist ein 12-seitiges Transkript mit Zeitstempeln und Sprecher-Labels. Im Alltag werden beide Begriffe oft synonym verwendet, in wissenschaftlichen Kontexten (Konversationsanalyse, Qualitativforschung) ist die Trennung aber wichtig.
Wie sieht ein Transkript-Beispiel aus?
Ein einfaches Transkript enthält Zeitstempel, Sprecher-Labels und den gesprochenen Text. Beispiel: „[00:00:03] Interviewerin: Erzählen Sie uns von Ihrer Forschung. [00:00:07] Interviewpartner: Gerne. Wir haben 2024 begonnen, KI-Sprachmodelle für Deutsch zu evaluieren.” In wissenschaftlichen Transkripten kommen Notationszeichen für Pausen (.), Betonung (WORT), Überlappungen ([]) und Fülllaute (äh, ähm) hinzu. Weiter unten auf dieser Seite zeigen wir ein vollständiges Beispiel mit vier Redebeiträgen.
Welche Transkript-Regeln gibt es?
Im akademischen Bereich haben sich drei Systeme etabliert: GAT 2 (Gesprächsanalytisches Transkriptionssystem 2) für Konversationsanalyse, TiQ (Talk in Qualitative Sozialforschung) für qualitative Interviews und HIAT (Halbinterpretative Arbeitstranskriptionen) für Diskursanalysen. Sie unterscheiden sich in der Notation von Pausen, Überlappungen, Betonung und Intonation. Für journalistische oder betriebliche Zwecke reichen einfachere Regeln: einheitliche Sprecher-Labels, Zeitstempel alle 30–60 Sekunden, Fülllaute nach Kontext beibehalten oder entfernen.
Was bedeutet verbatim in der Transkription?
Verbatim (lateinisch für „wortwörtlich”) bezeichnet eine Transkription, die den gesprochenen Text vollständig und unverändert wiedergibt — inklusive Fülllauten (äh, ähm), Wiederholungen, Satzabbrüchen und Grammatikfehlern. Verbatim-Transkripte werden in Gerichtsverfahren, Konversationsanalyse und marktforscherischen Studien verwendet, in denen jede Nuance des Sprechens zählt. Für Publikationen wird meist eine sinngemäß geglättete oder editierte Version bevorzugt.
Was ist automatische vs manuelle Transkription?
Automatische Transkription nutzt KI-Modelle (z. B. OpenAI Whisper), um Audio in Sekunden bis Minuten in Text zu wandeln — mit einer Wortfehlerrate von rund 4,5 % auf Deutsch bei klaren Aufnahmen. Manuelle Transkription wird von Menschen durchgeführt, dauert typischerweise das 3- bis 5-Fache der Audiolänge und erreicht bei guten Transkribent:innen 99 %+ Genauigkeit. Ein hybrider Workflow — KI-Vortranskription plus menschliche Nachbearbeitung — verbindet Geschwindigkeit und Präzision und ist heute für die meisten Anwendungen der Standard.
Wie genau ist deutsche Transkription mit KI?
Auf dem FLEURS-Benchmark erreicht OpenAI Whisper Large-v3 auf Deutsch eine Wortfehlerrate (WER) von rund 4,5 % (Radford et al., 2022 — arXiv:2212.04356, Tabelle 5). Das bedeutet: von 100 gesprochenen Wörtern werden im Durchschnitt etwa 4–5 falsch erkannt. Die Genauigkeit sinkt bei starken Dialekten, Hintergrundgeräuschen, Fachterminologie und mehreren gleichzeitig sprechenden Personen. Bei sauberem Studio-Ton kann die Genauigkeit deutlich über 96 % liegen.
Was kostet eine Transkription?
KI-basierte Transkription kostet zwischen 0,18 $ und 0,60 $ pro Audiostunde — VexaScribe bietet 30 Minuten gratis, danach ab 2 $/Monat für 200 Minuten. Professionelle menschliche Transkription liegt bei 60–120 $ pro Stunde, mit 12–48 Stunden Bearbeitungszeit. Zertifizierte Gerichtstranskription ist deutlich teurer. Details siehe unsere Seite Transkription kostenlos.
Wozu wird Transkription verwendet?
Zu den häufigsten Einsatzgebieten zählen: Interviews für Journalismus und qualitative Forschung, Meeting-Protokolle, Vorlesungsmitschriften für Studierende, Podcast-Shownotes und SEO-Texte, Untertitel für Videos, juristische Verfahren (Vernehmungen, Aussagen), medizinische Anamnesen, Barrierefreiheit für Menschen mit Hörbeeinträchtigung sowie Archivierung mündlicher Geschichte (Oral History).
Woher stammt der Begriff Transkription?
Das Wort geht auf das lateinische „trans-scribere” zurück, was „hinüberschreiben” oder „umschreiben” bedeutet — zusammengesetzt aus „trans” (hinüber) und „scribere” (schreiben). Ursprünglich bezeichnete es das Übertragen eines Textes von einem Medium in ein anderes (etwa das Abschreiben von Handschriften). Heute wird der Begriff vor allem für die Verschriftung gesprochener Sprache verwendet, existiert aber auch in Biologie (RNA-Synthese) und Musik (Übertragung klingender Werke in Notenschrift).
Verwandte Seiten
Audio transkribieren
Audiodateien schnell und präzise in Text umwandeln.
Video zu Text
MP4, MOV und weitere Videoformate in Text konvertieren.
Interview-Transkription
Interviews mit mehreren Sprecher:innen automatisch verschriften.
Transkription kostenlos
Kostenloser Einstieg — 30 Minuten ohne Kreditkarte.
Whisper ist eine Marke von OpenAI. WER-Werte für Deutsch basieren auf dem FLEURS-Benchmark (Radford et al., 2022 — arXiv:2212.04356, Tabelle 5). Reale Ergebnisse hängen von Audioqualität, Dialekt und Fachvokabular ab. Etymologie und Kontext-Disambiguierung basieren auf Wikipedia (de.wikipedia.org).