Ein Interviewtranskript ist die schriftliche Wiedergabe eines Gesprächs, bei der jeder Beitrag einer Person zugeordnet wird. Eine brauchbare Fassung enthält einen Metadatenkopf mit Datum und Beteiligten, klar getrennte Sprecherbeiträge mit Zeitstempeln sowie eckige Klammern für nichtsprachliche Ereignisse.
Die Definition ist einfach. Viele Leitfäden zeigen jedoch nur künstlich erstellte Mustertexte statt echter Aufnahmen. Dadurch fehlen genau die Satzabbrüche, Wiederholungen und unsicheren Zuordnungen, die in der Praxis bearbeitet werden müssen.
Deshalb verwendet dieser Leitfaden ein echtes Oral-History-Interview vom 5. Januar 1985: Die Sausalito Historical Society befragte Sally Stapp, die damals 79 Jahre alt war. Die gemeinfreie Aufnahme darf ohne Nutzungseinschränkungen wiedergegeben werden. Wir haben die ersten fünf Minuten mit aktivierter Sprechererkennung verarbeitet; das folgende Ergebnis ist unbearbeitet.
Ein echtes transkribiertes Interviewbeispiel
Hören Sie sich zunächst den 36 Sekunden langen Ausschnitt an. Das Transkript darunter ist die unbearbeitete Ausgabe für genau diese Datei, sodass Sie jede Zeile selbst mit dem Audio vergleichen können.
Das ist die Rohfassung ohne Korrekturen oder redaktionelle Glättung:
```
[00:02] SPEAKER_01: Now it's working.
[00:04] SPEAKER_01: Now it's working.
[00:05] SPEAKER_01: This is Sally Stapp and it is January 5th, 1985.
[00:10] SPEAKER_00: I don't know how to run this any better than I know.
[00:12] SPEAKER_01: Okay.
[00:13] SPEAKER_01: Sally, first thing I want to ask is when you when you came to Sausalito?
[00:18] SPEAKER_00: Right after World War II.
[00:20] SPEAKER_01: Where had you been before?
[00:23] SPEAKER_00: Naval Air Station, San Diego, for the duration.
[00:29] SPEAKER_01: Where are you from?
[00:31] SPEAKER_00: I was born in Cleveland, Ohio.
[00:32] SPEAKER_01: Cleveland, Ohio.
[00:33] SPEAKER_00: April 30th, 1905.
```
Diese dreizehn Zeilen zeigen vier typische Punkte, die sich direkt am Audio überprüfen lassen.
„Jetzt funktioniert es“ erscheint zweimal. Das ist kein Transkriptionsfehler, sondern tatsächlich auf dem Band zu hören. Echte Interviewaufnahmen beginnen häufig mit einem Gerätetest statt mit der ersten Frage.
Die Software liefert zunächst Nummern statt Namen. `SPEAKER_00` und `SPEAKER_01` stammen aus der automatischen Sprechererkennung. Sie kann Stimmen im Verlauf der Aufnahme unterscheiden, kennt aber deren Identität nicht. Suchen Sie die erste eindeutige Vorstellung und benennen Sie anschließend beide Labels im gesamten Transkript um.
„when you, when you“ ist kein Transkriptionsfehler. Die interviewende Person beginnt die Frage bei 00:13 neu. Eine vollständige Wortlautfassung bewahrt beide Ansätze; eine geglättete Fassung entfernt die Wiederholung. Genau deshalb muss der gewählte Stil im Kopf des Dokuments stehen.
Eine Zuordnung bleibt zweifelhaft. Die Zeile bei 00:10 wird `SPEAKER_00` zugeschrieben, klingt inhaltlich aber nach der Person, die noch mit dem Aufnahmegerät arbeitet. Solche Stellen müssen vor dem Zitieren mit dem Audio abgeglichen und als unsicher gekennzeichnet werden.
Nach der manuellen Prüfung erhält dieselbe Passage eine Kopfzeile, benannte Sprecher, einen Hinweis auf die Wiederholung und eine Kennzeichnung der unsicheren Zuordnung:
```
INTERVIEW TRANSCRIPT
Project: Sausalito Historical Society oral history programme
Date: 5 January 1985
Location: Sausalito, California
Participant: Sally Stapp (b. 30 April 1905)
Interviewer: Sausalito Historical Society
Recording: Side A, 31 min 36 s (excerpt: 00:00–00:35)
Style: Verbatim
Source: California Revealed / Internet Archive, public domain
[00:02] INTERVIEWER: Now it's working. [repeated on tape] This is Sally
Stapp and it is January 5th, 1985.
[00:10] UNCLEAR: I don't know how to run this any better than I know.
[attribution uncertain — check audio]
[00:13] INTERVIEWER: Sally, first thing I want to ask is when you when
you came to Sausalito?
[00:18] STAPP: Right after World War II.
[00:20] INTERVIEWER: Where had you been before?
[00:23] STAPP: Naval Air Station, San Diego, for the duration.
[00:29] INTERVIEWER: Where are you from?
[00:31] STAPP: I was born in Cleveland, Ohio. April 30th, 1905.
```
Der Wortlaut wurde nicht verändert. Die Wiederholung bleibt erhalten und wird kommentiert, statt stillschweigend gelöscht zu werden. Sallys zwei aufeinanderfolgende Segmente wurden zu einem Sprecherbeitrag zusammengeführt, weil die Software sie lediglich an einer Pause getrennt hatte. Die zweifelhafte Zuordnung ist ausdrücklich markiert, statt einer Person ohne Beleg zugeschrieben zu werden.
Genau diese Prüfung unterscheidet ein fertiges Interviewtranskript von der bloßen Ausgabe eines Transkriptionswerkzeugs.
Was ein Interviewtranskript ist — und was nicht
Ein Transkript dokumentiert das Gesagte in seiner ursprünglichen Reihenfolge. Es ist weder eine Notiz noch eine Zusammenfassung oder ein Sitzungsprotokoll.
Diese Unterscheidung ist besonders in Forschung, Journalismus, Recht und Personalwesen wichtig. Weicht das Transkript von der Aufnahme ab, verlieren auch spätere Analysen und Zitate ihre Grundlage. Erstellen Sie deshalb zunächst eine originalgetreue Fassung und leiten Sie Zusammenfassungen oder redigierte Texte erst danach ab.
Die drei Transkriptstile
Die meisten Richtlinien unterscheiden drei grundlegende Stile. Eine falsche Wahl kostet entweder unnötig Zeit oder entfernt relevante Informationen.
| Stil | Enthält | Geeignet für | Aufwand und Grenze |
|---|---|---|---|
| Vollständiger Wortlaut | Jedes Wort, Füllwörter, Satzabbrüche, Wiederholungen und Pausen; Markierungen wie [lacht] oder [seufzt] | Gesprächs- und Diskursanalyse, rechtliche Zwecke und alle Fälle, in denen die Art des Sprechens relevant ist | Am aufwendigsten zu erstellen und am schwersten zu lesen |
| Geglätteter Wortlaut | Alle inhaltlichen Aussagen; Füllwörter und Satzabbrüche entfernt, kleinere Grammatikfehler korrigiert | Thematische Analyse, viele qualitative Projekte, Journalismus und Podcasts | Erfordert eine konsistente Entscheidung darüber, was inhaltlich relevant ist |
| Redigierte Fassung | Kerninhalte; Smalltalk und themenfremde Passagen entfernt | Veröffentlichungen, interne Berichte und Marketingfallstudien | Keine vollständige Dokumentation mehr und deshalb nie die einzige Archivfassung |
Die praktische Regel lautet: Legen Sie den Stil vor Beginn fest und vermerken Sie ihn in der Kopfzeile. Sonst bleibt unklar, ob fehlende Zögerlaute auf flüssiges Sprechen oder redaktionelle Glättung zurückgehen.
Wie viele Füllwörter enthält ein Interview?
Für eine belastbare Einordnung haben wir Füllwörter in 934 englischen Aufnahmen mit zwei Personen aus unseren Produktivdaten gemessen:
| Token | Mittelwert pro 1000 Wörter | In einem Median 4.620-Wort-Interview |
|---|---|---|
| um | 2.16 | ≈ 10 |
| uh | 0.92 | ≈ 4 |
| Du weißt, | 5.20 | ≈ 24 |
| wie | 17.40 | ≈ 80 |
Zwei Einschränkungen sind wichtig. Der Wert für „like“ ist keine reine Füllwortquote, weil er auch die reguläre Verwendung des Wortes umfasst. Außerdem handelt es sich um Mittelwerte; einzelne Personen können deutlich häufiger Füllwörter verwenden.
Bei einem typischen Interview entfernt die Glättung ungefähr vierzig Füllwörter aus rund 4.500 Wörtern. Das verbessert die Lesbarkeit, verkürzt den Text aber kaum. Wählen Sie den geglätteten Stil deshalb nur, wenn Zögern und Satzabbrüche für Ihre Analyse keine Rolle spielen.
Interviewtranskript formatieren: drei Bestandteile
1. Metadatenkopf
Der Kopf enthält alle Angaben, die spätere Leser zur Einordnung benötigen:
```
Project: [study or programme name]
Date: [date of the interview]
Location: [place, or "remote — Zoom"]
Participant: [name or pseudonym, plus any relevant detail]
Interviewer: [name or initials]
Recording: [file name, total length]
Style: [verbatim / clean / edited]
Anonymised: [yes / no]
Consent: [reference to the signed consent form]
```
Besonders häufig fehlen Stil und Anonymisierung. Ohne den Stil bleibt unklar, ob eine flüssige Passage tatsächlich so gesprochen oder redaktionell geglättet wurde. Ohne Hinweis zur Anonymisierung lässt sich später nicht erkennen, ob ein Name echt oder ein Pseudonym ist.
2. Transkripttext
Die wichtigsten Regeln, nach ihrer praktischen Häufigkeit geordnet:
1. Immer nur eine Person pro Absatz. Führen Sie nie zwei Sprecher in einem Block zusammen, auch nicht bei einer Einwortantwort.
2. Einheitliches Label mit Doppelpunkt. Verwenden Sie beispielsweise `INTERVIEWER:` und `STAPP:` oder `I:` und `P1:` konsequent im gesamten Dokument.
3. Zeitstempel in sinnvollen Abständen. Bei kurzen Interviews eignet sich jeder Sprecherwechsel, bei langen reichen meist 30 bis 60 Sekunden.
4. Eckige Klammern für nichtsprachliche Ereignisse. Beispiele sind `[lacht]`, `[Pause]`, `[Telefon klingelt]`, `[Übersprechen]` oder `[unverständlich 00:14:22]`. Ein Zeitstempel erleichtert die spätere Prüfung.
5. Unsicherheit markieren statt raten. `[unklar: Kessler?]` ist ehrlicher und nützlicher als ein sicher klingendes falsches Wort.
3. Zeilennummerierung für Forschungszwecke
Wenn das Transkript zitiert werden soll, nummerieren Sie die Zeilen. Verweise wie „P4, Zeilen 212–218“ funktionieren nur bei stabiler Nummerierung. Fügen Sie sie deshalb erst in der finalen Fassung hinzu.
Layout eines Interviewtranskripts: Erkenntnisse aus den Daten
Einige Layoutentscheidungen lassen sich mit tatsächlichen Nutzungsdaten begründen.
In unseren Produktivdaten umfasst die Stichprobe 1.248 Aufnahmen mit zwei Personen und mindestens fünf Minuten Länge. Das Medianinterview dauert 29,9 Minuten. Bei 1.030 Aufnahmen mit messbarem Redeanteil spricht die dominierende Person im Median 72,4 % der Zeit; beim 90. Perzentil sind es 88,7 %.
Diese Zahl hat zwei praktische Konsequenzen für das Layout.
Die Redeanteile sind bewusst ungleich. In einem guten Interview spricht die befragte Person oft ungefähr dreimal so viel wie die interviewende. Liegt das Verhältnis nahe 50:50, sagt das eher etwas über die Gesprächsführung als über die Transkription aus. Im gemeinfreien Beispiel entfallen 85,8 % auf Sally Stapp und 14,2 % auf die interviewende Person — ein plausibler Wert für ein Oral-History-Gespräch.
Sprecherbeiträge sind kurz und zahlreich. Das Medianinterview in unseren Daten umfasst 391 Segmente. Lange ununterbrochene Absätze entstehen meist durch ungeeignete Formatierung und erschweren die qualitative Codierung.
Wie man ein Transkript eines Interviews eingibt
Wenn Sie von Hand transkribieren, ist der Arbeitsablauf, der am wenigsten Zeit verschwendet:
1. Stellen Sie die Wiedergabegeschwindigkeit auf etwa 75 % und verwenden Sie einen Player mit Tastatursteuerung. Kontinuierliches Zurückspulen kostet meist mehr Zeit als eine etwas langsamere Wiedergabe.
2. Belegen Sie ein Fußpedal oder Tastenkürzel für fünf Sekunden Rücksprung. Der ständige Griff zur Maus ist eine der größten Zeitbremsen bei manueller Transkription.
3. Erster Durchlauf: Erfassen Sie zunächst den Wortlaut. Formatieren Sie nicht, reparieren Sie keine Namen, suchen Sie nichts nach oben. Geben Sie `[?]` ein und bewegen Sie sich weiter.
4. Zweiter Durchlauf: Prüfen Sie die `[?]`-Markierungen, Namen, Zahlen und Fachbegriffe anhand des Audios.
5. Dritter Durchlauf: Formatieren Sie den Text — Kopfzeile, Labels, Zeitstempel und Zeilennummern.
Budget vier bis sechs Stunden pro Stunde Audio für sorgfältige wortwörtliche Arbeit. Für das 29,9-minütige Median-Interview sind das zwei bis drei Stunden.
Der schnellere Weg und der tatsächliche Zeitaufwand
Automatische Transkription beseitigt die Arbeit nicht, sondern verlagert sie. Die Software erzeugt den Volltext schnell; Ihre Zeit fließt anschließend in die fachlich wichtige Prüfung.
Bei 962 abgeschlossenen Aufnahmen mit zwei Personen lag die mediane Zeit vom vollständigen Upload bis zum fertigen Transkript bei 5,5 Minuten — etwa 6,5-mal schneller als Echtzeit. Neun von zehn Vorgängen waren innerhalb von 45,5 Minuten abgeschlossen. Die langsamsten Fälle betrafen vor allem den Upload großer Videodateien, nicht die Verarbeitung selbst.
Bei einem typischen 30-minütigen Forschungsinterview entsteht das Rohtranskript mit Sprecherlabels und Zeitstempeln in wenigen Minuten. Planen Sie die manuelle Prüfung trotzdem separat ein; sie stellt die inhaltliche Genauigkeit sicher.
Praktisch die Sequenz, die funktioniert:
1. Laden Sie die Aufzeichnung mit aktivierter Sprechererkennung hoch.
2. Benennen Sie `Sprecher 1` und `Sprecher 2` einmal in die interviewende und die befragte Person um; dadurch wird das gesamte Transkript aktualisiert.
3. Lesen Sie es gegen das Audio, korrigieren Sie Namen, Zahlen, Jargon und Überlappungen.
4. Wenden Sie den festgelegten Stil an: Bewahren Sie Füllwörter oder entfernen Sie sie konsequent.
5. Exportieren Sie als DOCX zum Bearbeiten, TXT für Analysesoftware oder PDF zum Archivieren.
Interview Transkripte in der qualitativen Forschung
Ein Forschungsinterview-Transkript enthält Anforderungen, die ein journalistisches nicht erfüllt.
Anonymisieren Sie konsequent. Ersetzen Sie Namen sowie identifizierende Arbeitgeber, Kollegen, Institutionen und kleine Orte. Verwenden Sie durchgehend dasselbe Pseudonym oder denselben Code, bewahren Sie den Zuordnungsschlüssel in einer separaten geschützten Datei auf und vermerken Sie die Anonymisierung im Kopf. Häufigster Fehler ist eine nur teilweise anonymisierte Fassung.
Bewahren Sie die Fragen vollständig auf. Suggestive Fragen lassen sich nur am genauen Wortlaut erkennen, und viele Antworten sind ohne ihre Frage nicht verständlich. Da die interviewende Person im Median nur etwa 28 % der Redezeit einnimmt, spart das Entfernen wenig, beseitigt aber wichtigen Kontext.
Entscheiden Sie vor der Codierung über Füllwörter. Ein Stilwechsel mitten im Korpus macht Transkripte schwer vergleichbar und kann Beobachtungen zu Zögern verfälschen.
Prüfen Sie die Importformate Ihrer Analysesoftware. ATLAS.ti, NVivo und MAXQDA unterstützen DOCX und Klartext. Eine zusätzliche TXT-Masterdatei vermeidet Formatierungsprobleme und bleibt langfristig gut lesbar.
Häufige Fehler
Probieren Sie es im eigenen Interview aus
Für die ersten fünf Minuten des Beispiels benötigte die automatische Verarbeitung mit Sprechererkennung etwa 80 Sekunden. Sie können Ihre eigene Aufnahme ebenso testen: Die ersten fünf Minuten sind ohne Konto kostenlos, sodass Sie die Qualität anhand Ihres eigenen Audios beurteilen können.
Laden Sie eine Audio- oder Videoaufnahme hoch, lassen Sie die Sprache erkennen, benennen Sie die Sprecher um und exportieren Sie das Ergebnis als DOCX, TXT, PDF, SRT oder VTT.
Unsere drei abspielbaren Transkriptionsbeispiele stellen Meeting, Interview und Voicemail samt gemessener Fehlerrate gegenüber. Bei Videoaufnahmen erklärt MP4 in ein Transkript umwandeln die Besonderheiten des Containers. Hinweise zur Aufnahmetechnik finden Sie in den Transkriptionstipps aus mehr als 10.000 Interviews.
---
*Interviewauszug: „Oral Interview w. Sally Stapp“, Sausalito Historical Society, 5. Januar 1985, über California Revealed und Internet Archive (casauhs 000095). Public Domain Mark 1.0; keine Nutzungseinschränkungen. Am 2. August 2026 wurden die ersten fünf Minuten von Seite A mit aktivierter Sprechererkennung transkribiert; der Rohtext oben ist unbearbeitet. Die aggregierten Kennzahlen stammen aus TranscribeNext-Produktivdaten vom 9. Oktober 2025 bis 31. Juli 2026.*