Ohne Untertitel bleibt Ihr Firmenvideo stumm

In der S-Bahn öffnen Sie auf LinkedIn das Video einer Kollegin zur neuen Preisliste und lassen den Ton aus, weil der Sitznachbar mithört. Die Preisliste bleibt das Geheimnis der Kollegin. Laut einer Umfrage von Verizon Media und Publicis Media unter 5.616 Erwachsenen in den USA schauen 69 % der Befragten Videos in der Öffentlichkeit ohne Ton.

drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen

Jedes stumm geschaute Firmenvideo ohne Untertitel verliert genau die Botschaft, für die der Dreh bezahlt wurde. Seit dem 28. Juni 2025 kommt eine Rechtsfrage hinzu, weil das Barrierefreiheitsstärkungsgesetz auch Videos in Onlineshops und Buchungsstrecken erfasst. Hier lesen Sie, was Untertitel leisten müssen, wie zuverlässig die automatische Spracherkennung inzwischen arbeitet und wie Sie mit wenig Aufwand saubere Untertitel erstellen.

Das Wichtigste in Kürze

• Nicht nur Menschen mit Hörbeeinträchtigung nutzen Untertitel. In der Umfrage von Verizon Media hörten 80 % der Untertitel-Nutzer normal. In Deutschland gelten nach einer Hochrechnung des Deutschen Schwerhörigenbunds rund 15,7 Millionen Menschen ab 14 Jahren als hörbeeinträchtigt.
• Für Onlineshops, Buchungsportale und Apps, die Verträge mit Verbrauchern schließen, verlangt das Barrierefreiheitsstärkungsgesetz seit dem 28. Juni 2025 barrierefreie Inhalte. Über die Norm EN 301 549 gehören Untertitel für neue aufgezeichnete Videos dazu.
• Automatische Untertitel sind für Deutsch brauchbar, aber nicht fehlerfrei: Das Modell Whisper erkannte im Test seiner Entwickler 4,5 % der Wörter falsch. Namen, Zahlen und Fachbegriffe brauchen eine Korrektur von Hand.
• Gut lesbar bleiben Untertitel mit höchstens zwei Zeilen zu je 37 bis 42 Zeichen und höchstens 15 bis 17 Zeichen pro Sekunde. Schnelle Sprecher bekommen deshalb verdichtete statt wörtliche Untertitel.

Wissenstest

Untertitel für Firmenvideos: Was wissen Sie?

5 Fragen aus dem Artikel. Wählen Sie Ihre Antwort, dann decken Sie die Lösung auf.

1 Wie viel Prozent der Befragten schauen laut Verizon Media und Publicis Media Videos in der Öffentlichkeit ohne Ton? Aufklappen ↓

Auflösung aufdecken ↓

Richtig: B. 69 % der 5.616 befragten Erwachsenen schauen in der Öffentlichkeit ohne Ton. 25 % schauen auch an privaten Orten ohne Ton, 80 % der Untertitel-Nutzer haben keine Hörbeeinträchtigung.

A25 % B69 % C80 %

2 Seit wann gelten die Anforderungen des Barrierefreiheitsstärkungsgesetzes für Onlineshops? Aufklappen ↓

Auflösung aufdecken ↓

Richtig: A. Das BFSG gilt für Dienstleistungen, die nach dem 28. Juni 2025 erbracht werden. Am 27. Juni 2030 endet eine Übergangsfrist für bestimmte Altfälle.

ASeit dem 28. Juni 2025 BSeit dem 1. Januar 2024 CAb dem 27. Juni 2030

3 Welche Wortfehlerrate erreichte das Whisper-Modell large-v2 für Deutsch im Test seiner Entwickler? Aufklappen ↓

Auflösung aufdecken ↓

Richtig: C. Das große Modell large-v2 erkannte 4,5 % der Wörter falsch, also etwa jedes 22. Wort. Die kleineren Modelle small und tiny lagen bei 10,2 und 27,8 %.

A27,8 % B10,2 % C4,5 %

4 Wie viele Zeichen je Zeile sehen die Untertitel-Standards von ARD, ORF, SRF und ZDF höchstens vor? Aufklappen ↓

Auflösung aufdecken ↓

Richtig: A. Die Sender nutzen höchstens 37 Zeichen je Zeile in maximal zwei Zeilen. Netflix erlaubt im deutschen Leitfaden 42 Zeichen.

A37 Zeichen B42 Zeichen C60 Zeichen

5 In welchem Dateiformat lädt das HTML-Element track Untertitel in ein Video auf der eigenen Website? Aufklappen ↓

Auflösung aufdecken ↓

Richtig: C. Das Element track lädt Untertitel im WebVTT-Format. Das Format des W3C beruht auf SRT und ergänzt Positionsangaben und Formatierungen.

ASRT BMP4 CWebVTT

Quelle: Dr. Web Fachartikel „Ohne Untertitel bleibt Ihr Firmenvideo stumm“

© 2026 Dr. Web – Das Fachportal für Entscheider | Quiz von Dr. Web

Warum schauen so viele Menschen Videos ohne Ton?

Viele Menschen schauen Videos ohne Ton, weil sie unterwegs, im Großraumbüro oder neben anderen sitzen und niemanden stören wollen. Hinzu kommen Millionen Zuschauer mit Hörbeeinträchtigung. Untertitel erreichen beide Gruppen, und die größere davon hört ganz normal.

Die Umfrage von Verizon Media und Publicis Media lief im April 2019 unter 5.616 Erwachsenen zwischen 18 und 54 Jahren. Neben den 69 % mit stummem Video in der Öffentlichkeit gaben 25 % an, auch an privaten Orten ohne Ton zu schauen. Die Hälfte der Befragten hielt Untertitel für wichtig, gerade weil sie Videos oft ohne Ton abspielen. Den auffälligsten Wert lieferte die Frage nach dem Gehör: 80 % derer, die Untertitel nutzen, haben keine Hörbeeinträchtigung.

Die meisten Nutzer lesen Untertitel also aus Gewohnheit, nicht aus Not.

YouGov befragte im Sommer 2023 rund 1.000 Erwachsene in den USA: 63 % der Unter-30-Jährigen schauen Fernsehen am liebsten mit Untertiteln, auch in ihrer eigenen Sprache, über alle Altersgruppen hinweg 38 %. In Großbritannien ermittelte die Organisation Stagetext 2021, dass 80 % der 18- bis 24-Jährigen Untertitel zumindest zeitweise einschalten.

Für Arbeitgeber, die mit Karrierevideos um Berufseinsteiger werben, zählt die Vorliebe der Jüngeren für Untertitel mehr als jede Reichweitenprognose. Die Zielgruppe liest mit.

Der Deutsche Schwerhörigenbund rechnet für 2018 mit rund 15,7 Millionen hörbeeinträchtigten Menschen ab 14 Jahren, das wären 21,3 % dieser Altersgruppe. Der Verband nennt die Zahl selbst eine grobe Schätzung, weil sie auf einer Studie von 1999 beruht.

Der Deutsche Gehörlosen-Bund geht von rund 80.000 gehörlosen Menschen in Deutschland aus. Weltweit leben laut Weltgesundheitsorganisation 1,5 Milliarden Menschen mit einem Hörverlust, 430 Millionen davon brauchen eine Rehabilitation. Bis 2050 erwartet die WHO fast 2,5 Milliarden Menschen mit Hörverlust.

Ein Video ohne Untertitel spricht also zu einem Teil des Publikums gar nicht.

Bei einem Werbeclip kostet das Reichweite, bei einem Erklärvideo zum Produkt fehlt ohne Text das Verständnis, und am Ende landen mehr Anfragen beim Support.

Welche Pflichten gelten für Untertitel in Firmenvideos?

Seit dem 28. Juni 2025 verlangt das Barrierefreiheitsstärkungsgesetz barrierefreie Websites und Apps für Verbrauchergeschäfte. Über die Norm EN 301 549 gehören Untertitel für aufgezeichnete Videos dazu. Kleinstunternehmen unter zehn Beschäftigten und bis 2 Mio. € Umsatz sind bei Dienstleistungen ausgenommen.

Das Barrierefreiheitsstärkungsgesetz, kurz BFSG, nennt in § 1 eine Liste von Dienstleistungen, darunter in Nummer 5 die Dienstleistungen im elektronischen Geschäftsverkehr. Gemeint sind nach § 2 Nr. 26 Angebote über Websites und Apps, die auf den Abschluss eines Verbrauchervertrags zielen: der Onlineshop, das Buchungsportal, die App für den Tarifwechsel. Ein Produktvideo auf der Shopseite gehört zu diesem Angebot, ein reiner Imagefilm für Geschäftskunden in der Regel nicht.

Das Wort „Untertitel“ kommt in der zugehörigen Verordnung nicht vor.

Die Verordnung zum BFSG (BFSGV) verlangt in § 12, Informationen über mehr als einen Sinneskanal bereitzustellen und für nicht-textliche Inhalte eine alternative Darstellung anzubieten. Websites und Apps müssen wahrnehmbar, bedienbar, verständlich und robust gestaltet sein. Ein Video, dessen Inhalt nur über den Ton ankommt, nutzt genau einen Kanal.

Konkret wird die Pflicht erst über den Stand der Technik, auf den § 3 der Verordnung verweist. Die Bundesfachstelle Barrierefreiheit nennt dafür die harmonisierte Norm EN 301 549, die ihrerseits die Web Content Accessibility Guidelines des W3C einbindet. Eine Website, die WCAG 2.1 auf Stufe AA erfüllt, genügt laut Normtext den Web-Anforderungen der Norm.

Das Erfolgskriterium 1.2.2 verlangt Untertitel für alle aufgezeichneten Tonspuren in Videos, schon auf der untersten Stufe A. Für Live-Videos gilt Kriterium 1.2.4 auf Stufe AA.

Was das BFSG für neue Videos verlangt

Vier Eckdaten für Onlineshops, Buchungsportale und Apps im Verbrauchergeschäft

28.06.2025

Stichtag

Seit diesem Tag gelten die Anforderungen für Dienstleistungen im elektronischen Geschäftsverkehr

1.2.2

WCAG-Kriterium, Stufe A

Untertitel für alle aufgezeichneten Tonspuren in Videos, über die Norm EN 301 549 verlangt

unter 10

Beschäftigte für die Ausnahme

Kleinstunternehmen mit höchstens 2 Mio. € Umsatz oder Bilanzsumme sind bei Dienstleistungen befreit

100.000 €

Bußgeld im Höchstfall

Etwa für eine nicht konforme Dienstleistung (§ 37 BFSG)

Videos, die vor dem 28. Juni 2025 veröffentlicht wurden, nimmt § 1 Abs. 4 BFSG aus.

Quellen: BFSG §§ 1, 2, 3, 37; BFSGV §§ 3, 12; Bundesfachstelle Barrierefreiheit; ETSI EN 301 549 V3.2.1; W3C WCAG 2.1, Stand Oktober 2026

© 2026 Dr. Web | Das Fachportal für Entscheider | Infografik von Dr. Web

Nach § 1 Abs. 4 BFSG fallen aufgezeichnete zeitbasierte Medien, die vor dem 28. Juni 2025 veröffentlicht wurden, nicht unter das Gesetz. Das Archiv alter Produktvideos dürfen Sie also stehen lassen. Für jedes neue Video gilt die Pflicht dagegen ab dem ersten Upload.

Die zweite Ausnahme betrifft Kleinstunternehmen: Wer weniger als zehn Personen beschäftigt und höchstens 2 Mio. € Jahresumsatz oder Bilanzsumme erreicht, muss bei Dienstleistungen die Anforderungen nach § 3 Abs. 3 nicht erfüllen.

Bei Verstößen sieht § 37 BFSG ein Bußgeld von bis zu 100.000 € vor, etwa wenn ein Unternehmen eine nicht konforme Dienstleistung anbietet.

Angenommen, ein Möbelhändler mit 40 Beschäftigten zeigte im Onlineshop zu jedem Schrank ein Aufbauvideo mit gesprochener Anleitung. Für jedes Video, das seit dem Stichtag neu online gegangen ist, bräuchte er Untertitel, für die älteren nicht. Die Ausnahme für Kleinstunternehmen griffe bei dieser Größe nicht mehr.

Wir halten den Umweg über eine europäische Norm für ungeschickt, weil kaum ein Shopbetreiber die EN 301 549 je aufschlägt. Am Ergebnis ändert der Umweg nichts: Ein neues Video im Onlineshop braucht Untertitel, und der Maßstab ist der Kunde, der den Ton nicht hören kann. Für Recruiting-, Schulungs- und Social-Media-Videos greift das Gesetz meist nicht, der Nutzen aus dem ersten Kapitel bleibt dort derselbe.

Untertiteldatei, eingebrannter Text oder Transkript: Was brauchen Sie wofür?

Untertitel liegen entweder als eigene Datei vor und lassen sich dann ein- und ausschalten, oder sie stehen fest ins Bild eingebrannt. Für die Website und YouTube eignet sich die Datei, für Plattformen ohne Upload-Funktion der eingebrannte Text. Ein Transkript ergänzt beide Formen, ersetzt aber keine Untertitel.

Die Begriffe offene und geschlossene Untertitel beschreiben genau diesen Unterschied. Offene Untertitel sind Teil des Bildes und immer zu sehen. Geschlossene Untertitel liegen als Textspur neben dem Video, der Player blendet sie auf Wunsch ein. Die Web Accessibility Initiative des W3C stellt fest, dass die meisten Untertitel im Netz geschlossen sind.

SRT stammt aus dem Programm SubRip und speichert nur Nummer, Zeitspanne und Text jedes Untertitels. WebVTT ist der Webstandard des W3C, beruht laut Library of Congress auf SRT und ergänzt etwa Positionsangaben und Formatierungen.

Das HTML-Element track bindet WebVTT-Dateien direkt in ein Video auf der eigenen Website ein. Der Player zeigt dann eine Schaltfläche für Untertitel.

Eingebrannte Untertitel wirken bequem, weil der Text überall gleich aussieht. Ein Tippfehler, eine neue Preisangabe oder eine zweite Sprache verlangt später einen neuen Export des ganzen Videos. Screenreader und Suchmaschinen lesen Bildpunkte nicht als Text.

Am wenigsten Nacharbeit haben Sie mit einer sauberen SRT-Datei als Vorlage, aus der Sie bei Bedarf eingebrannte Fassungen ableiten.

Die gemeinsamen Untertitel-Standards von ARD, ORF, SRF und ZDF sehen beschreibende Untertitel für Geräusche vor, damit Hörgeschädigte mehr als das gesprochene Wort erfahren, Musik steht zwischen Sternchen, und Farben wie Gelb, Cyan oder Grün auf schwarzem Grund unterscheiden die Sprecher. Für ein Erklärvideo genügt meist der gesprochene Text, bei einem Imagefilm mit Klangkulisse fehlt ohne solche Hinweise ein Teil der Wirkung.

Für reine Tonformate genügt ein Transkript. WCAG-Kriterium 1.2.1 verlangt für aufgezeichnete Audioinhalte wie Podcasts eine gleichwertige Textalternative. Für die Bildebene aufgezeichneter Videos sieht Kriterium 1.2.3 auf Stufe A eine Audiodeskription oder eine vollständige Medienalternative vor, damit auch blinde Nutzer folgen können.

Wie zuverlässig sind automatische Untertitel?

Automatische Untertitel sind für Deutsch inzwischen brauchbar, aber nicht fehlerfrei. Das Spracherkennungsmodell Whisper erkannte im Test seiner Entwickler 4,5 % der Wörter falsch. Fehler häufen sich bei Namen, Fachbegriffen, Zahlen und schlechtem Ton, deshalb gehört vor jede Veröffentlichung eine Korrektur.

Die Werte stammen aus dem Forschungspapier, mit dem OpenAI 2022 das Modell Whisper vorstellte. Gemessen wurde die Wortfehlerrate: der Anteil der Wörter, die das System falsch erkennt, auslässt oder hinzufügt. Für Deutsch im Testdatensatz FLEURS erreichte das große Modell large-v2 4,5 %, das kleine Modell small 10,2 % und das kleinste Modell tiny 27,8 %.

Welches Modell ein Werkzeug im Hintergrund nutzt, verraten die wenigsten Anbieter. Zwischen 4,5 und 27,8 % liegt aber ein Faktor sechs.

Angenommen, ein zehnminütiges Erklärvideo enthielte 1.300 gesprochene Wörter, dann wären bei 4,5 % Fehlerquote rund 60 Wörter falsch.

FLEURS besteht aus sauber vorgelesenen Sätzen. Bei einem Mitschnitt vom Messestand oder einem Interview im Treppenhaus steigt die Fehlerquote.

YouTube schreibt in seiner Hilfe zu automatischen Untertiteln, dass sich Fehler einschleichen können, etwa durch Hintergrundgeräusche, Akzente oder Dialekte, und rät, die Untertitel immer zu prüfen.

Die Bundesfachstelle Barrierefreiheit weist darauf hin, dass YouTube in automatischen Untertiteln Groß- und Kleinschreibung sowie Satzzeichen vollständig weglässt. Im Deutschen mit seinen großgeschriebenen Substantiven liest sich ein solcher Text wie eine Chatnachricht. Die Meta Business Suite berücksichtigt laut Bundesfachstelle beides und exportiert die Untertitel auf Wunsch als SRT-Datei.

Automatische Untertitel verhalten sich wie ein Praktikant mit sehr gutem Gehör und ohne jedes Branchenwissen. Alltagsdeutsch schreibt er fast fehlerfrei mit, den Produktnamen hört er zum ersten Mal, und bei „fünfzehn“ oder „fünfzig“ entscheidet er nach Gefühl.

Gerade diese Stellen zählen in einem Firmenvideo: der Name des Produkts, der Preis, die Frist, das Datum.

Am meisten bringt deshalb der Schritt vor der Erkennung: der Ton. Eine klare Aufnahme mit wenig Hall senkt die Fehlerquote stärker als jedes nachträgliche Korrigieren. Ein Ansteckmikrofon nah am Mund nimmt vor allem die Stimme auf, das eingebaute Mikrofon einer Kamera in drei Metern Abstand vor allem den Raum. Wie Sie die Audioqualität einer Smartphone-Aufnahme nachträglich verbessern, beschreibt unser Praxistest.

Für vertrauliche Aufnahmen nennt die Bundesfachstelle Programme wie MacWhisper, die die Sprache lokal auf dem eigenen Rechner verarbeiten.

Wie lesbar sind Ihre Untertitel?

Gut lesbare Untertitel haben höchstens zwei Zeilen mit je 37 bis 42 Zeichen und bleiben lange genug stehen. Netflix erlaubt bei Programmen für Erwachsene bis zu 17 Zeichen pro Sekunde, die Standards von ARD, ORF, SRF und ZDF 15. Ein dunkler Hintergrund hält den Text auf jedem Bild lesbar.

Der deutschsprachige Untertitel-Leitfaden von Netflix legt höchstens zwei Zeilen mit jeweils 42 Zeichen fest. Die Lesegeschwindigkeit liegt für Erwachsenenprogramme bei bis zu 17 Zeichen pro Sekunde, für Kinderprogramme bei 13. Jeder Untertitel steht nach den allgemeinen Netflix-Vorgaben mindestens fünf Sechstel einer Sekunde und höchstens sieben Sekunden im Bild.

Das Handbuch der SWISS TXT, das die gemeinsamen Standards von ARD, ORF, SRF und ZDF wiedergibt, nennt höchstens zwei zentrierte Zeilen am unteren Bildrand mit maximal 37 Zeichen, eine Mindeststandzeit von einer Sekunde und 15 Zeichen pro Sekunde, für Kindersendungen bis zu 12.

Die strengeren Werte der Sender passen zu einem Publikum, das auf die Untertitel angewiesen ist.

Ein lebhafter Sprecher mit 150 Wörtern pro Minute käme bei durchschnittlich sieben Zeichen je Wort samt Leerzeichen auf rund 17,5 Zeichen pro Sekunde, also über beide Grenzen. Gute Untertitel verdichten deshalb: Füllwörter und Doppelungen fallen weg, die Aussage bleibt.

Beim Zeilenumbruch gehören Artikel und Substantiv, Verb und Partikel sowie Vor- und Nachname in dieselbe Zeile.

Weiße Schrift auf halbtransparentem schwarzem Balken bleibt auf hellen wie dunklen Bildern lesbar. Eingebrannte Untertitel für soziale Netzwerke sitzen besser etwas höher als im Kino, weil viele Apps Profilnamen, Beschreibungen und Schaltflächen über den unteren Bildrand legen. Prüfen Sie jede Fassung deshalb in der Vorschau der Zielplattform, bevor Sie veröffentlichen.

So bleiben Untertitel lesbar

Richtwerte aus den Standards von Netflix sowie ARD, ORF, SRF und ZDF

2

Zeilen höchstens

Zentriert am unteren Bildrand, Umbruch nach Sinneinheiten

37 bis 42

Zeichen je Zeile

37 bei ARD, ORF, SRF und ZDF, 42 im deutschen Leitfaden von Netflix

15 bis 17

Zeichen pro Sekunde

15 bei den Sendern, 17 bei Netflix für Erwachsene, für Kinder 12 bis 13

7 s

Standzeit höchstens

Mindestens eine Sekunde bei den Sendern, fünf Sechstel bei Netflix

Ein Sprecher mit 150 Wörtern pro Minute kommt auf rund 17,5 Zeichen pro Sekunde. Wörtliche Untertitel überschreiten dann die Grenze, verdichtete bleiben lesbar.

Quellen: Netflix German Timed Text Style Guide und General Requirements; SWISS TXT, Handbuch Untertitelung mit UT-Standards ARD, ORF, SRF, ZDF (2018); Dr.-Web-Berechnung

© 2026 Dr. Web | Das Fachportal für Entscheider | Infografik von Dr. Web

Wie erstellen Sie Untertitel Schritt für Schritt?

Sie erstellen Untertitel in fünf Schritten: sauberen Ton aufnehmen, den Text automatisch erkennen lassen, Wort für Wort korrigieren, Zeilen und Zeiten anpassen und das Ergebnis als Datei exportieren oder einbrennen. Für ein Video von wenigen Minuten genügt dafür ein Werkzeug im Browser.

1. Ton sichern: Nehmen Sie mit einem Ansteckmikrofon in einem ruhigen Raum auf. Wenig Hall erspart später viele Korrekturen.
2. Text erkennen lassen: Laden Sie das Video in ein Untertitel-Werkzeug hoch und wählen Sie die gesprochene Sprache aus. Die automatische Erkennung liefert den Rohtext samt Zeitstempeln.
3. Korrigieren: Lesen Sie jeden Untertitel gegen den Ton und prüfen Sie Namen, Zahlen und Fachbegriffe gegen das Skript. Diese Arbeit nimmt Ihnen kein Werkzeug ab.
4. Zeilen und Zeiten anpassen: Kürzen Sie zu lange Untertitel und brechen Sie die Zeilen nach Sinneinheiten um. Zu kurze Standzeiten verlängern Sie auf mindestens eine Sekunde. Die Werte aus dem vorigen Kapitel dienen als Maßstab.
5. Exportieren: Speichern Sie zuerst die SRT-Datei als Vorlage. Danach erzeugen Sie bei Bedarf eingebrannte Fassungen für einzelne Plattformen.

Am wenigsten Aufwand machen Untertitel, wenn sie im selben Werkzeug entstehen, in dem Sie das Video bearbeiten. Viele Online-Editoren haben die automatische Erkennung inzwischen eingebaut: Sie schneiden den Clip, lassen die Sprache erkennen, korrigieren die erkannten Zeilen und legen Schrift, Farbe, Hintergrund und Position im selben Fenster fest. Am Ende laden Sie das Video mit eingebrannten Untertiteln herunter und zusätzlich die SRT-Datei als Vorlage für die übrigen Kanäle. Eine vorhandene SRT-Datei laden Sie statt der Erkennung direkt hoch.

Schneiden Sie dabei zuerst fertig und untertiteln Sie danach. Jede Kürzung nach der Erkennung verschiebt die Zeitstempel, und die betroffenen Zeilen müssen Sie neu setzen.

Vor der Wahl des Werkzeugs lohnt ein Blick in Nutzungsbedingungen und Preisliste. Kostenlose Fassungen setzen häufig ein Wasserzeichen in den Export oder begrenzen Dateigröße und Speicherdauer. Für ein Firmenvideo mit eigenem Logo kommt dann nur die Bezahlfassung infrage.

Vor jedem Upload steht außerdem eine Datenschutzfrage: Zeigt ein Video Beschäftigte, Kunden oder unveröffentlichte Produkte, verarbeitet der Dienst personenbezogene oder vertrauliche Daten. Klären Sie vorab mit Ihrem Datenschutzbeauftragten, wo der Anbieter seinen Sitz hat, ob ein Vertrag zur Auftragsverarbeitung nötig ist und wie lange hochgeladene Projekte gespeichert bleiben.

Für hochvertrauliche Aufnahmen bleibt die lokale Erkennung auf dem eigenen Rechner die sichere Wahl. Für Social-Media-Clips, Produktvideos und Anleitungen spart ein Browser-Werkzeug dagegen die Einarbeitung in ein Schnittprogramm, und in kleinen Teams entscheidet die verfügbare Zeit, ob Untertitel überhaupt entstehen.

YouTube Studio und die Meta Business Suite bieten für ihre eigenen Plattformen ebenfalls automatische Untertitel mit Editor an.

Welche Untertitel verlangt welche Plattform?

YouTube und LinkedIn nehmen Untertiteldateien an, Instagram und TikTok erzeugen Untertitel automatisch, und auf der eigenen Website bindet das HTML-Element track eine WebVTT-Datei ein. Eingebrannte Untertitel funktionieren überall, lassen sich aber nur durch einen neuen Export korrigieren.

Auf LinkedIn muss die SRT-Datei am Video hängen, bevor der Beitrag online geht. Nachträglich ergänzen lässt sich die Datei auf diesem Weg nicht, die Reihenfolge gehört deshalb in jede Checkliste fürs Posten.

Instagram schaltet die automatischen Untertitel für Feed-Videos seit März 2022 standardmäßig ein. TikTok führte automatische Untertitel im April 2021 ein, im Juli 2022 kam Deutsch hinzu. Beide Funktionen sind bequem, für Firmenkonten gilt aber dieselbe Regel wie bei YouTube: Erst lesen, dann veröffentlichen, denn ein falsch erkannter Produktname steht sonst unter dem Logo.

Karrierevideos laufen gleichzeitig auf der Karriereseite, bei LinkedIn und in der Stellenanzeige, also vor genau dem jungen Publikum, das Untertitel am häufigsten einschaltet. Entsteht der Film mit KI, kommen eigene Rechtsfragen hinzu, die wir für das KI-generierte Recruiting-Video in einem Vergleich untersucht haben.

Eine geprüfte Vorlage in SRT genügt für alle drei Kanäle.

Auf der eigenen Website behalten Sie zudem die Kontrolle: Die WebVTT-Datei liegt auf Ihrem Server, und für eine Korrektur tauschen Sie nur die Textdatei aus, nicht das Video.

Viele Werkzeuge übersetzen eine SRT-Datei maschinell, die Prüfung durch einen Muttersprachler bleibt bei Kundenvideos trotzdem unverzichtbar, weil die Übersetzung an denselben Stellen scheitert wie die Erkennung.

Wann reicht die Maschine, wann brauchen Sie Profis?

Für Social-Media-Clips, Schulungen und Erklärvideos reicht eine automatische Erkennung mit gründlicher Korrektur. Professionelle Untertitler lohnen sich bei Videos mit rechtlicher Tragweite, bei Produktionen in Fernsehqualität und bei Untertiteln für Hörgeschädigte mit Geräuschbeschreibung und Sprecherfarben.

Die automatische Erkennung hat den Aufwand der Untertitelung so weit gesenkt, dass Zeitmangel als Ausrede nicht mehr zählt. Ein Kurzvideo von zwei Minuten lässt sich in einer Kaffeepause untertiteln. Die eigentliche Arbeit steckt in der Korrektur, und an dieser Stelle sparen viele Unternehmen, weil der Rohtext auf den ersten Blick fertig aussieht.

Würden Sie einen Pressetext mit 60 Tippfehlern verschicken, nur weil die Rechtschreibprüfung schneller war als die Lektorin?

Untertitel gehören als Text im Namen des Unternehmens in denselben Freigabeprozess wie eine Produktbeschreibung oder eine Anzeige: Eine zweite Person liest gegen, bevor das Video online geht. Für Videos im Onlineshop kommt die Pflicht aus dem BFSG hinzu, die ein fehlerhafter Untertitel nicht erfüllt.

Profis lohnen sich dort, wo Fehler teuer werden: bei Videos mit Preisen, Vertragsbedingungen oder Sicherheitshinweisen, bei aufwendigen Imagefilmen mit Klangkulisse und bei Formaten für ein Publikum, das auf Untertitel angewiesen ist. Professionelle Untertitler arbeiten nach Standards wie denen von ARD und ZDF, beschreiben Geräusche, kennzeichnen Sprecher und verdichten schnelle Rede so, dass sie lesbar bleibt.

Für alle anderen Videos gilt eine einfache Regel: Kein Firmenvideo geht ohne Untertitel online. Der Aufwand ist klein, und für jedes neue Video im Verbrauchergeschäft hat das BFSG die Frage ohnehin entschieden.

Glossar: 14 wichtige Fachbegriffe zu Untertiteln für Firmenvideos

Automatische Spracherkennung

Automatische Spracherkennung (englisch Automatic Speech Recognition, ASR) wandelt gesprochene Sprache per Software in Text um. Moderne Systeme wie Whisper arbeiten mit neuronalen Netzen und liefern den Rohtext samt Zeitstempeln. Für Untertitel ersetzt die Erkennung das Abtippen, aber nicht die Korrektur von Namen, Zahlen und Fachbegriffen.

Barrierefreiheitsstärkungsgesetz (BFSG)

Das Barrierefreiheitsstärkungsgesetz (BFSG) setzt den European Accessibility Act in deutsches Recht um. Seit dem 28. Juni 2025 verpflichtet das Gesetz unter anderem Anbieter von Onlineshops, Buchungsportalen und Apps im Verbrauchergeschäft zu barrierefreien Angeboten. Kleinstunternehmen sind bei Dienstleistungen ausgenommen.

Beschreibende Untertitel

Beschreibende Untertitel geben neben dem gesprochenen Wort auch Geräusche, Musik und Stimmungen wieder, etwa „Telefon klingelt“. Die Standards von ARD, ORF, SRF und ZDF setzen solche Hinweise in Weiß auf Schwarz, Musik steht zwischen Sternchen. Für Hörgeschädigte erschließen beschreibende Untertitel die ganze Tonspur.

Eingebrannte Untertitel

Eingebrannte Untertitel, auch offene Untertitel genannt, sind fester Bestandteil des Videobildes. Zuschauer sehen den Text auf jeder Plattform, können ihn aber weder abschalten noch vergrößern. Jede Korrektur und jede weitere Sprache verlangt einen neuen Export des ganzen Videos.

EN 301 549

Die EN 301 549 ist die europäische Norm für barrierefreie Informations- und Kommunikationstechnik. Die Bundesfachstelle Barrierefreiheit nennt die Fassung V3.2.1 als Maßstab für das BFSG. Für Websites verweist die Norm auf die WCAG 2.1 und verlangt unter Klausel 9.1.2.2 Untertitel für aufgezeichnete Videos.

Geschlossene Untertitel

Geschlossene Untertitel (englisch Closed Captions) liegen als eigene Textspur neben dem Video. Der Player blendet den Text auf Wunsch ein oder aus. Laut Web Accessibility Initiative des W3C sind die meisten Untertitel im Netz geschlossen und liegen in der Regel als WebVTT- oder SRT-Datei vor.

Kleinstunternehmen

Als Kleinstunternehmen gilt nach § 2 BFSG ein Unternehmen mit weniger als zehn Beschäftigten und höchstens 2 Mio. € Jahresumsatz oder Jahresbilanzsumme. Für Dienstleistungen müssen solche Betriebe die Barrierefreiheitsanforderungen nicht erfüllen, für Produkte gilt die Ausnahme nicht.

Lesegeschwindigkeit

Die Lesegeschwindigkeit gibt an, wie viele Zeichen pro Sekunde ein Untertitel Zuschauern zumutet. Netflix erlaubt im deutschen Leitfaden für Erwachsenenprogramme bis zu 17 Zeichen pro Sekunde, die Standards von ARD, ORF, SRF und ZDF 15. Schnelle Rede wird deshalb verdichtet.

SRT

SRT ist das Dateiformat des Programms SubRip und speichert je Untertitel eine laufende Nummer, eine Zeitspanne und den Text. Das schlichte Format nehmen YouTube, LinkedIn und die meisten Schnittprogramme an, deshalb eignet sich eine geprüfte SRT-Datei als Vorlage für alle Kanäle.

Standzeit

Die Standzeit beschreibt, wie lange ein Untertitel im Bild bleibt. Netflix verlangt mindestens fünf Sechstel einer Sekunde und höchstens sieben Sekunden je Untertitel, die Standards der öffentlich-rechtlichen Sender mindestens eine Sekunde. Zu kurze Standzeiten überfordern Leser, zu lange wirken träge.

Transkript

Ein Transkript gibt den gesamten gesprochenen Text eines Videos oder Podcasts als Fließtext wieder, ohne Zeitstempel. WCAG-Kriterium 1.2.1 verlangt eine solche Textalternative für aufgezeichnete Audioinhalte. Auf einer Website ist ein Transkript zudem durchsuchbar und zitierbar.

WCAG

Die Web Content Accessibility Guidelines (WCAG) des W3C definieren Kriterien für barrierefreie Webinhalte in den Stufen A, AA und AAA. Kriterium 1.2.2 verlangt auf Stufe A Untertitel für aufgezeichnete Videos, Kriterium 1.2.4 auf Stufe AA Untertitel für Live-Videos.

WebVTT

WebVTT (Web Video Text Tracks) ist das Untertitelformat des W3C für Videos im Browser. Das Format beruht auf SRT und ergänzt Positionsangaben und Formatierungen. Über das HTML-Element track binden Sie WebVTT-Dateien direkt in ein Video auf der eigenen Website ein.

Wortfehlerrate

Die Wortfehlerrate (englisch Word Error Rate, WER) misst, welcher Anteil der Wörter bei der Spracherkennung falsch, fehlend oder überzählig ist. Das Whisper-Modell large-v2 erreichte für Deutsch im Testdatensatz FLEURS 4,5 %. Je niedriger der Wert, desto weniger Korrekturarbeit bleibt.

FAQ: Ohne Untertitel bleibt Ihr Firmenvideo stumm

Quellen