Untertitel erstellen: Schritt-für-Schritt-Anleitung für barrierefreie Videos

Seit dem 28. Juni 2025 gelten in Deutschland das Barrierefreiheitsstärkungsgesetz (BFSG) und in Österreich das Barrierefreiheitsgesetz (BaFG) - beide setzen den European Accessibility Act (Richtlinie (EU) 2019/882) um. Eine Untertitel-Pflicht für alle Unternehmensvideos folgt daraus nicht, aber für viele: Wer Verbrauchern online den Abschluss von Verträgen anbietet - vom Webshop bis zur Buchungsstrecke -, muss dort eingebundene Videos barrierefrei gestalten. Untertitel sind dabei die zentrale Anforderung.

Trotzdem haben viele Unternehmen noch nicht umgestellt. Häufig fehlt nicht der Wille, sondern das Wissen: Welche Untertitel sind „barrierefrei"? Welches Format brauche ich? Und wie erstelle ich sie effizient, ohne jedes Video manuell zu bearbeiten?

Diese Anleitung führt Sie durch den gesamten Prozess - von den gesetzlichen Anforderungen bis zur fertigen Untertiteldatei.

Was BFSG und BaFG für Videos bedeuten

BFSG (Deutschland) und BaFG (Österreich) verlangen seit dem 28. Juni 2025 barrierefreie digitale Angebote für bestimmte verbrauchergerichtete Dienstleistungen - vor allem Online-Shops und andere Angebote, über die Verbraucher online Verträge abschließen. Videos, die Teil eines solchen Angebots sind und nach dem Stichtag veröffentlicht wurden, brauchen Untertitel. Relevante visuelle Informationen, die nicht aus dem Ton hervorgehen, müssen bei AA-Konformität zusätzlich per Audiodeskription zugänglich werden. Als Orientierungsmaßstab der Praxis gilt EN 301 549 mit WCAG 2.1 (Konformitätsstufe AA).

Das Barrierefreiheitsstärkungsgesetz setzt die europäische Richtlinie (EU) 2019/882 (European Accessibility Act) in deutsches Recht um. In Österreich geschieht dies durch das Barrierefreiheitsgesetz (BaFG). Für Unternehmen ist deshalb weniger die Abkürzung entscheidend als die praktische Umsetzung: Digitale Dienstleistungen müssen für Menschen mit Behinderungen nutzbar sein. Als technischer Orientierungsmaßstab der Praxis gilt die EN 301 549 mit WCAG 2.1, Konformitätsstufe AA - rechtlich verbindlich sind die jeweils anwendbaren nationalen Rechtsvorschriften.

Für typische Medieninhalte sind vor allem diese WCAG-Kriterien relevant:

• Untertitel für aufgezeichnete synchronisierte Medien mit gesprochenem Inhalt (WCAG 1.2.2, Stufe A)
• Audiodeskription für relevante visuelle Inhalte, die nicht aus dem Ton erschließbar sind (WCAG 1.2.5, Stufe AA; auf Stufe A lässt WCAG 1.2.3 auch eine Medienalternative zu)
• Textalternativen für aufgezeichnete reine Audioinhalte sowie eine Textalternative oder Tonspur für reine Videoinhalte ohne Audio (WCAG 1.2.1, Stufe A)

Ein vollständiges Transkript ist darüber hinaus sehr hilfreich, aber für jedes synchronisierte Video nicht automatisch eine eigenständige Pflicht der Konformitätsstufe AA.

Betroffen sind die im Gesetz gelisteten Verbraucher-Dienstleistungen - praktisch vor allem der elektronische Geschäftsverkehr: Online-Shops, Buchungs- und Bestellstrecken, dazu Banken, Telekommunikations- und Personenverkehrsdienste sowie E-Book-Anbieter. Nicht erfasst sind rein informative Unternehmenswebsites ohne Bestell- oder Buchungsfunktion, reine B2B-Angebote, interne Videos (Intranet, Schulungen) und Videos, die bereits vor dem 28. Juni 2025 veröffentlicht wurden. Bei einer inhaltlich überarbeiteten und neu veröffentlichten Fassung sollte die Ausnahme erneut geprüft werden; auf sie sollte man sich für die neue Fassung nicht ungeprüft berufen. Kleinstunternehmen (weniger als zehn Beschäftigte und höchstens zwei Millionen Euro Jahresumsatz oder Bilanzsumme) sind als Dienstleistungserbringer ausgenommen.

Bei Verstößen drohen in Deutschland Bußgelder bis zu 100.000 Euro (§ 37 BFSG); wettbewerbsrechtliche Abmahnungen können daneben in Betracht kommen. In Österreich reichen Verwaltungsstrafen bis zu 80.000 Euro, bei kleinen und mittleren Unternehmen bis höchstens 50.000 Euro (§ 36 BaFG). Unabhängig vom BaFG kann außerdem das Bundes-Behindertengleichstellungsgesetz greifen, wenn öffentlich angebotene Waren oder Dienstleistungen wegen einer digitalen Barriere nicht gleichberechtigt zugänglich sind; dann kommen auch Schadenersatzansprüche in Betracht.

Standard-Untertitel vs. barrierefreie Untertitel

Standard-Untertitel geben nur den gesprochenen Text wieder. Barrierefreie Untertitel (SDH) beschreiben zusätzlich relevante Geräusche, Musik, Sprecherwechsel und die emotionale Tonlage. Nur barrierefreie Untertitel erfüllen die WCAG-Anforderungen und damit die Anforderungen barrierefreier Videoangebote.

Nicht jeder Untertitel erfüllt die Anforderungen barrierefreier Videoangebote nach BFSG bzw. BaFG. Plattformen wie YouTube erzeugen automatische Untertitel - diese reichen für die gesetzliche Konformität in der Regel nicht aus. Der Unterschied liegt im Detail:

• Standard-Untertitel geben nur den gesprochenen Text wieder. Sie helfen bei leisem Ton oder fremder Sprache, sind aber für gehörlose Menschen unvollständig.
• Barrierefreie Untertitel (SDH) beschreiben zusätzlich relevante Geräusche ([Türklingel], [Applaus]), Musik ([spannende Musik]), Sprecherwechsel und die emotionale Tonlage. Sie machen den gesamten akustischen Kontext zugänglich.

Die WCAG verlangt barrierefreie Untertitel. Das bedeutet: Sprecherkennzeichnung, synchrone Einblendung, Beschreibung nicht-sprachlicher Audioinhalte und ausreichend Lesezeit pro Einblendung.

Untertitel erstellen: Schritt für Schritt

Der effizienteste Weg führt über eine KI-gestützte Transkription als Basis, die anschließend für Untertitelzwecke angepasst wird. Der Workflow besteht aus fünf Schritten:

• 1. Audio vorbereiten: Extrahieren Sie die Tonspur aus Ihrem Video oder laden Sie die Videodatei direkt in ein Transkriptionstool hoch. Gängige Formate wie MP4, MOV, MP3, WAV und M4A werden von den meisten Diensten unterstützt. Je besser die Audioqualität, desto genauer die Transkription - Hintergrundgeräusche und Hall reduzieren die Erkennungsrate erheblich.
• 2. Transkription erstellen lassen: Moderne KI-Modelle liefern je nach Sprache, Audioqualität, Dialekt und Sprecherzahl in wenigen Minuten eine gut nutzbare Rohfassung. Achten Sie darauf, dass das Tool Sprechererkennung (Diarization) unterstützt - bei Videos mit mehreren Personen ist die Zuordnung „wer spricht" wichtig, sobald Sprecherwechsel oder Sprecheridentität für das Verständnis erforderlich sind. Das Ergebnis ist ein zeitgestempeltes Transkript mit Sprecherwechseln.
• 3. Transkript nachbearbeiten: Prüfen Sie das KI-Transkript auf Fehler, insbesondere bei Eigennamen, Fachbegriffen und Abkürzungen. Ergänzen Sie Beschreibungen für relevante Geräusche und Musik in eckigen Klammern. Achten Sie sich bei Zeilenlänge, Blockgröße und Einblendedauer am Styleguide der Zielplattform. Häufig sind höchstens zwei Zeilen sinnvoll; entscheidend ist eine gut lesbare, zum Audio passende Anzeige.
• 4. Untertiteldatei exportieren: Exportieren Sie das bearbeitete Transkript als SRT- oder VTT-Datei. Beide Formate enthalten Zeitstempel und Text. SRT wird von vielen Plattformen und Schnittprogrammen akzeptiert; WebVTT ist für HTML5-<track>-Elemente vorgesehen. Welches Format Sie wählen, hängt vom Einsatzzweck ab (siehe nächster Abschnitt). In scryp geht das direkt aus dem Editor: Transkript prüfen, in Pro und Ultra auf Wunsch mit automatischer Sprechererkennung, dann als SRT- oder WebVTT-Datei exportieren - ohne Umweg über ein zweites Tool.
• 5. Untertitel einbinden: Laden Sie die Untertiteldatei auf Ihrer Videoplattform hoch oder brennen Sie die Untertitel fest ins Video ein. Für Websites empfiehlt sich die zuschaltbare Variante (Closed Captions), damit Nutzer die Untertitel selbst aktivieren können.

SRT, VTT oder eingebrannt: Welches Format wann

Die Wahl des Untertitelformats hängt davon ab, wo und wie Sie das Video einsetzen:

• SRT (SubRip): Ein weit verbreitetes, schlichtes Austauschformat. Es enthält Sequenznummer, Start-/Endzeit und Text und wird von vielen Videoplattformen und Schnittprogrammen akzeptiert. Ideal für Plattform-Uploads und Übergaben.
• VTT (WebVTT): Der Web-Standard für HTML5-Video. Unterstützt zusätzlich Styling-Optionen wie Schriftfarbe, Positionierung und CSS-Klassen. Empfehlenswert, wenn Sie Videos in einem eigenen Player auf Ihrer Website einbetten und die Darstellung kontrollieren möchten.
• Eingebrannt (Open Captions): Die Untertitel werden fest ins Video gerendert und sind immer sichtbar. Das sorgt auf Social Media für eine konsistente Darstellung, ist aber nicht abschaltbar oder individuell anpassbar. Viele Plattformen bieten zusätzlich eigene Untertitelfunktionen; deren Unterstützung und Exportmöglichkeiten unterscheiden sich. Nachträgliche Korrekturen eingebrannter Untertitel erfordern ein neues Rendering.

Für HTML5-Videos auf der eigenen Website empfiehlt sich WebVTT über das <track>-Element. SRT eignet sich besonders für Plattform-Uploads. Eingebrannte Untertitel können ergänzen, ersetzen zuschaltbare und anpassbare Captions aber nicht in jedem Szenario.

Häufige Fehler bei Untertiteln

Selbst gut gemeinte Untertitel verfehlen die Barrierefreiheitsanforderungen, wenn typische Fehler unterlaufen:

• Fehlende Sprecherkennzeichnung: Bei Videos mit mehreren Personen muss erkennbar sein, wer spricht. Ohne Kennzeichnung sind Diskussionen, Interviews und Dialoge nicht nachvollziehbar.
• Zu schnelle Einblendung: Untertitel, die nur eine halbe Sekunde sichtbar sind, können nicht gelesen werden. Die WCAG nennt dafür keinen pauschalen Grenzwert; richten Sie die Lesegeschwindigkeit nach dem Styleguide der Zielplattform aus und testen Sie die Untertitel mit realen Nutzern.
• Fehlender Kontrast: Weiße Schrift auf hellem Hintergrund ist unleserlich. WCAG verlangt ein Kontrastverhältnis von mindestens 4,5:1. Ein halbtransparenter schwarzer Balken hinter dem Text löst das Problem.
• Keine Geräuschbeschreibungen: Wenn ein Alarmton ertönt oder jemand lacht und das für den Kontext relevant ist, muss es beschrieben werden - sonst fehlt gehörlosen Zuschauern eine entscheidende Information.
• Automatische Untertitel ohne Korrektur: KI-generierte Untertitel enthalten Fehler. Eigennamen, Fachbegriffe und Zahlen werden regelmäßig falsch erkannt. Ohne menschliche Prüfung sind die Untertitel nicht zuverlässig.

Datenschutz bei der Untertitel-Erstellung

Unternehmensvideos enthalten oft vertrauliche Informationen - Produktankündigungen, interne Schulungen, Kundenstimmen oder Mitarbeiterinterviews. Wer die Audio-Spur zur Transkription an einen externen Dienst übergibt, sollte prüfen, wo die Daten verarbeitet und gespeichert werden.

Die DSGVO stellt klare Anforderungen an die Verarbeitung: Auftragsverarbeitungsvertrag, Verarbeitungsort innerhalb der EU und angemessene technische Schutzmaßnahmen. Besonders bei vertraulichen Inhalten bietet clientseitige Verschlüsselung den stärksten Schutz: Die Datei bleibt während des gesamten Workflows durchgehend clientseitig verschlüsselt.

Checkliste: Barrierefreie Untertitel nach BFSG/BaFG

• Alle Videos mit gesprochenem Inhalt haben Untertitel
• Untertitel geben den gesprochenen Text vollständig und korrekt wieder
• Sprecherwechsel sind gekennzeichnet
• Relevante Geräusche und Musik sind in eckigen Klammern beschrieben
• Untertitel sind synchron zum Audio (kein merklicher Versatz)
• Einblendedauer und Lesegeschwindigkeit entsprechen dem Styleguide der Zielplattform und wurden praktisch geprüft
• Schrift ist lesbar (ausreichende Größe, Kontrast mindestens 4,5:1)
• Untertitel sind als SRT/VTT-Datei zuschaltbar oder fest eingebrannt
• Automatische Transkription wurde manuell geprüft und korrigiert
• Datenschutz bei der Transkription ist gewährleistet (AVV, EU-Verarbeitung, Verschlüsselung)

Fazit

BFSG und BaFG machen barrierefreie Untertitel für viele Unternehmensvideos zu einem echten Compliance-Thema - und das ist mehr als eine bürokratische Hürde. Barrierefreie Videos erreichen ein breiteres Publikum, verbessern die Nutzererfahrung und stärken die Auffindbarkeit in Suchmaschinen. Der effizienteste Weg führt über eine KI-gestützte Transkription mit anschließender manueller Prüfung und Export als SRT- oder VTT-Datei. Entscheidend ist, dass die Untertitel nicht nur den Text wiedergeben, sondern den gesamten akustischen Kontext - Sprecher, Geräusche, Stimmung - für alle zugänglich machen.

Mit scryp lässt sich dieser Workflow vollständig abbilden: Video- oder Audiodatei hochladen, das Transkript im audio-synchronen Editor korrigieren, in Pro und Ultra auf Wunsch die automatische Sprechererkennung nutzen, Geräuschbeschreibungen ergänzen - und als SRT- oder WebVTT-Datei exportieren. Die Datei bleibt dabei durchgehend clientseitig verschlüsselt und wird in Österreich verarbeitet. Auch vertrauliche Schulungs- oder Produktvideos bleiben geschützt. Berechtigte Neukunden können jeden Plan 14 Tage kostenlos testen.

Hinweis: Dieser Beitrag dient der allgemeinen Information und ersetzt keine Rechtsberatung im Einzelfall.