Transkription für die qualitative Forschung: Regeln, Ethik und Tools

Das Wichtigste in Kürze

Legen Sie fest, wie detailliert transkribiert wird, bevor Sie irgendetwas transkribieren: wörtlich (Verbatim), wenn Ihre Analyse danach fragt, wie Menschen gesprochen haben; leicht geglättet (Intelligent Verbatim) oder bereinigt, wenn es darum geht, was sie gesagt haben. Halten Sie die Transkriptionsregeln fest, bevor das zweite Interview ansteht. Prüfen Sie, was Einwilligung und Ethikvotum dazu sagen, wohin Aufnahmen gelangen dürfen, und fragen Sie jeden Transkriptionsdienst genau, wer das Audio erhält. Die automatische Transkription liefert in Minuten einen ersten Entwurf für einen Bruchteil der Kosten eines menschlichen Dienstes; das Korrekturlesen gegen das Audio bleibt Ihre Aufgabe. Planen Sie bei NVivo, ATLAS.ti und MAXQDA den Importweg ein, bevor Sie das Tool wählen.

Den Standard für die Transkription in der qualitativen Forschung nennt Ihnen niemand, weil es nicht den einen Standard gibt. Es gibt mehrere, und welcher für Sie gilt, hängt davon ab, was Sie mit den Transkripten vorhaben. Diese Entscheidung ist methodisch, und sie gehört vor die Entscheidung für ein Werkzeug, nicht danach.

Wer es andersherum macht, zahlt dafür. Sie transkribieren sechs Interviews bereinigt, steigen in die Analyse ein, merken, dass Sie wissen müssten, wo die Person gezögert hat – und hören sich sechs Aufnahmen noch einmal mit anderen Ohren an. Nehmen Sie sich deshalb zuerst eine Stunde für diese Frage.

Entscheiden Sie, wofür das Transkript gedacht ist, bevor Sie ein Wort transkribieren

Wie viel Detail ein Transkript braucht, ist eine methodische Entscheidung und keine Frage der Sorgfalt oder Gründlichkeit. Sie ergibt sich aus Ihrem analytischen Ansatz.

Geht es in Ihrer Analyse darum, was gesagt wurde, genügt ein bereinigtes Transkript. Sie brauchen die Worte, korrekt und der richtigen Person zugeordnet. Füllwörter, Satzabbrüche und kurze Pausen lassen sich ohne Schaden glätten, denn nichts davon taucht je in Ihrer Kodierung auf. Die meisten thematischen und inhaltsorientierten Arbeiten liegen hier, und ein bereinigtes Transkript ist schneller erstellt, schneller gelesen und schneller kodiert.

Geht es darum, wie etwas gesagt wurde, kehrt sich die Lage um. Pausen, Überlappungen, Zögern, die Stelle, an der zwei Personen durcheinanderreden, die drei Sekunden vor einer Antwort, die Selbstkorrektur mitten im Satz: Das sind die Daten. Ein Transkript, das sie entfernt, hat entfernt, was Sie untersuchen. Das betrifft gerade die automatische Transkription, denn genau solche Merkmale glättet sie gut weg. Sie liefert flüssige, lesbare Prosa, und flüssige, lesbare Prosa ist eine verlustbehaftete Wiedergabe eines stockenden, sich überlappenden Gesprächs.

Verlockend ist es, sich abzusichern und alles in feinster Detailstufe zu transkribieren, schließlich könne man Unnötiges ja ignorieren. Meist ist das der falsche Weg. Detailliertes Transkribieren ist langsam, und langsames Arbeiten an zwanzig Interviews frisst Monate, die Sie nicht haben. Außerdem werden die Transkripte schwerer lesbar, und das Kodieren dauert länger. Wenn Sie wirklich noch nicht wissen, ob die Interaktion für Ihre Analyse eine Rolle spielt, ist das ein Gespräch mit Ihrer Betreuung, das Sie jetzt führen sollten, und kein Problem, das sich mit roher Gewalt lösen lässt. Wie Sie sich auch entscheiden: Die Aufnahmen bleiben erhalten, und die Aufnahme sind die eigentlichen Daten. Das Transkript ist eine Darstellung davon.

Verbatim, Intelligent Verbatim und bereinigt im direkten Vergleich

Die drei Bezeichnungen werden locker verwendet. Hier deshalb ein kurzer, erfundener Austausch in allen drei Fassungen. Er dient der Veranschaulichung und stammt nicht aus einer Studie.

Verbatim behält alles, was der Rekorder gehört hat, markiert nach Ihren Regeln:

I:  Und wie, ähm, wie haben Sie das erfahren?
P3: Also (.) ich- ich gar nicht, eigentlich. Meine Schwester [hat's mir]
I:                                                          [ja]
P3: hat's mir erzählt, nach der- nach der Sitzung. (2.0) Ja.

Intelligent Verbatim behält jedes bedeutungstragende Wort und die Sprecherwechsel, lässt Füllwörter und Stotterer weg und behält eine Pause nur dort, wo sie etwas bedeutet:

I:  Wie haben Sie das erfahren?
P3: Gar nicht, eigentlich. Meine Schwester hat es mir nach der Sitzung erzählt. [Pause] Ja.

Bereinigt (manchmal auch „redigiert“ genannt) glättet zusätzlich die Grammatik zu lesbaren Sätzen:

I:  Wie haben Sie das erfahren?
P3: Gar nicht. Meine Schwester hat es mir nach der Sitzung erzählt.

Sehen Sie, was die bereinigte Fassung verloren hat. Die zweisekündige Pause vor „Ja“ und die Selbstkorrektur „ich- ich“ könnten das Interessanteste an diesem Ausschnitt sein, wenn Sie untersuchen, wie Menschen über schlechte Nachrichten sprechen. Für eine thematische Studie darüber, wie sich eine Nachricht in einer Familie verbreitet hat, verliert die bereinigte Fassung nichts, was Sie kodieren würden.

Die automatische Transkription liegt irgendwo zwischen Intelligent Verbatim und bereinigt. Meist fallen das „ähm“ und das wiederholte „ich“ weg, es gibt keine Pausenmarken, und Überlappungen erscheinen als Redebeiträge, die aufeinander folgen. Brauchen Sie Verbatim, ergänzen Sie diese Merkmale im Korrekturdurchgang von Hand.

Legen Sie Ihre Transkriptionsregeln schriftlich fest, bevor das zweite Interview ansteht

Haben Sie sich für die Detailstufe entschieden, legen Sie die Konventionen fest und halten Sie sie in einem kurzen Dokument fest, das Sie bei der Arbeit neben sich haben. Spätere Änderungen bedeuten, jede bereits bearbeitete Aufnahme noch einmal durchzugehen, und genau solche Aufgaben fressen unbemerkt zwei Wochen.

Diese Punkte sollten Sie vorab klären:

• Ob Füllwörter und Satzabbrüche behalten, geglättet oder nur dort behalten werden, wo sie bedeutsam erscheinen – die Variante, die am ehesten zu Uneinheitlichkeit zwischen den Interviews führt.
• Wie Pausen markiert werden und ob kurze und lange Pausen unterschieden werden.
• Wie überlappendes Sprechen dargestellt wird und was geschieht, wenn Sie nicht erkennen können, wer zuerst gesprochen hat.
• Wie Sie unverständliche Passagen kennzeichnen und ob Sie den Grund vermerken.
• Wie Sprechende bezeichnet werden und wie diese Bezeichnung zu Ihrem Anonymisierungsschema passt.
• Wo Zeitstempel stehen: in regelmäßigen Abständen, bei jedem Sprecherwechsel oder nur an Passagen, die Sie zitieren wollen.

Zeitstempel verdienen einen eigenen Absatz. Mit ihnen lässt sich ein Zitat in Ihrer Arbeit auf seine Stelle in der Aufnahme zurückführen, und genau das macht die Aussage für jeden überprüfbar, der Zugang zu Ihren Daten hat, auch für Gutachtende. Sie beim Transkribieren einzufügen kostet fast nichts. Sie nachträglich in ein fertiges Transkript einzufügen heißt, die ganze Aufnahme noch einmal mit der Stoppuhr anzuhören. Mit welchem Tool Sie auch arbeiten: Setzen Sie sie gleich im ersten Durchgang.

Eine Vorlage für Transkriptionsregeln zum Kopieren

Füllen Sie die rechte Spalte aus, legen Sie die Vorlage in den Methodenanhang und geben Sie sie jeder Person, die für Sie transkribiert oder korrigiert. Die gezeigten Zeichen sind gängige Wahlmöglichkeiten, keine Vorschriften; ändern Sie sie nach Belieben, aber halten Sie die Änderung fest.

Dieselbe Vorlage als reiner Text für Ihre Notizen:

TRANSKRIPTIONSREGELN: [Projekt]          Version: [Datum]
Detailstufe:         Verbatim | Intelligent Verbatim | bereinigt
Sprechende:          I = Interviewende; P1, P2 ... = Teilnehmende
Füllwörter:          behalten | entfernt | behalten, wenn bedeutsam
Satzabbrüche:        behalten, mit Bindestrich (ich- ich)
Pausen:              (.) unter 2 s; (3.0) = Länge in Sekunden
Überlappung:         [ am Anfang und ] am Ende überlappenden Sprechens
Unverständlich:      [unverständlich hh:mm:ss]
Unsicher:            [Wort?]
Nonverbales:         [lacht] [seufzt] [Tür schließt sich]
Betonung:            nicht markiert | GROSSBUCHSTABEN
Zeitstempel:         jeder Sprecherwechsel | alle 2 Min. | nur Zitate
Anonymisierung:      bei der Transkription; Zuordnung getrennt aufbewahrt unter [Ort]
Andere Sprachen:     Original, dann {Übersetzung}
Gegen das Audio geprüft von: [Name], am [Datum]

Einwilligung und Ethikvotum bestimmen, wohin das Audio gelangen darf

Ihre Einwilligungserklärung ist kein Papierkram, der erledigt war, bevor die Forschung begann. Sie ist ein Bündel von Bedingungen dafür, was Sie mit den Aufnahmen jetzt tun dürfen, und sie betrifft meist drei Dinge: wie die Aufnahme gespeichert wird, wer sie hören darf und wann sie vernichtet wird.

Audio an einen externen Transkriptionsdienst zu schicken, ist eine Weitergabe. Jemand oder etwas außerhalb Ihres Projekts hat nun eine Kopie der Stimme einer teilnehmenden Person. Das muss mit dem vereinbar sein, dem die Person zugestimmt hat. Manchmal ist es das eindeutig, weil die Erklärung es vorsah. Manchmal eindeutig nicht, weil der Person gesagt wurde, nur das Forschungsteam werde die Aufnahme hören. Oft ist die Erklärung mehrdeutig, und diese Unklarheit sollten Sie mit Ihrer Betreuung oder der Ethikkommission klären, bevor Sie hochladen, nicht danach.

Ein Ethikvotum geht häufig weiter und legt fest, wo Aufnahmen gespeichert werden dürfen, auf welcher Art von Gerät oder Institutionssystem und wie lange. Das Transkript erbt diese Bedingungen. Ebenso alles, was daraus entsteht: Ihre kodierten Dateien, Ihre Zitatauszüge, das Arbeitsdokument, in das Sie beim Schreiben Passagen kopieren. All das zählt als Daten und gehört in die Speicherregelung, für die Sie das Votum erhalten haben. Das verliert man leicht aus dem Blick, wenn man tief in der Analyse steckt und sich Kopien auf Laptop, Cloud-Laufwerk und einer E-Mail an sich selbst vermehren.

In der Praxis schränkt das Ihre Werkzeugauswahl ein, bevor Sie sie auch nur nach Qualität oder Preis verglichen haben. Ein Tool, das Dateien auf Ihrem eigenen Gerät verarbeitet, ist etwas anderes als eines, das sie hochlädt. Kann Ihnen ein Anbieter nicht klar sagen, welche Unternehmen das Audio erhalten, ist auch das eine Antwort.

Was eine Ethikkommission über einen Transkriptionsdienst wissen will

Kommissionen unterscheiden sich, aber die Fragen wiederholen sich. Tragen Sie die Antworten in Ihren Antrag ein, mit dem Datum der Prüfung, denn Anbieter wechseln ihre Partner.

1. Wo wird das Audio gespeichert, und in welchem Land?
2. Welche anderen Unternehmen erhalten es, und was genau erhalten sie? Ein Transkriptionstool ist oft nur die Oberfläche für die Spracherkennung eines anderen. Fragen Sie nach der Liste der Unterauftragsverarbeiter.
3. Werden die Daten zum Trainieren von Modellen verwendet? Fragen Sie nach dem Anbieter und nach jedem Partner einzeln; eine Antwort deckt selten beide ab.
4. Was entfernt das Löschen einer Datei, und gibt es Backups, die sie länger aufbewahren?
5. Wer kann sich anmelden, und gibt es einen Prüfbericht, einen Auftragsverarbeitungsvertrag oder eine Anmeldung über die Institution?

Hier sind die Antworten von SozAI, Stand 25. Oktober 2026, damit Sie sehen, wie ein vollständiger Satz aussieht:

• Aufnahmen und Transkripte werden auf unseren Servern gespeichert. Alles wird per HTTPS übertragen.
• Die Spracherkennung übernimmt AssemblyAI in den USA, das das Audio erhält. Wenn Sie Zusammenfassungen, Notizen, Quizze oder Fragen zu einer Aufnahme nutzen, läuft der Transkripttext über OpenRouter zu Modellanbietern (Anthropic, Google und xAI, mit DeepSeek als Ausweichlösung). YouTube-Links gehen an die Google-Gemini-API; Ihr eigenes Audio nicht. Cloudflare leitet den Datenverkehr und hält unsere verschlüsselten Datenbank-Backups. Die vollständige Liste steht auf unserer Seite zu Unterauftragsverarbeitern.
• Wir verkaufen keine Aufnahmen, und unser eigener Code nutzt sie nie zum Trainieren von Modellen. Dieses Versprechen können wir nicht für die oben genannten Partner abgeben; für sie gelten ihre eigenen Bedingungen.
• Sie können eine Aufnahme oder Ihr ganzes Konto selbst löschen, in der App oder im Web. Das entfernt Audio, Transkript, Notizen, Karteikarten und Quizze von unseren Servern. Verschlüsselte Datenbank-Backups werden bis zu 12 Monate aufbewahrt. Das Löschen in SozAI löscht nicht die Kopie, die der Partner für die Spracherkennung hält.
• Die Anmeldung erfolgt mit Google, Apple oder einem einmaligen E-Mail-Code. Wir haben keinen SOC-2-Bericht, kein Single Sign-on und keine Admin-Rollen für Teams, und SozAI ist nicht HIPAA-konform. Mehr zur Sicherheit bei SozAI.

Verlangt Ihr Votum, dass Aufnahmen die Institutionssysteme nicht verlassen, kommt keines der auf dieser Seite genannten Cloud-Tools infrage, unseres eingeschlossen. Nutzen Sie dann den lizenzierten Dienst Ihrer Hochschule oder transkribieren Sie offline.

Anonymisiert wird im Transkript

Die Aufnahme bleibt, wie sie ist. Eine Stimme lässt sich nicht anonymisieren, indem man Text bearbeitet, und Ihre Primärdaten sollten Sie ohnehin nicht verändern. Anonymisiert wird das Transkript.

Das heißt, Namen, Ortsnamen, Arbeitgeber, Berufsbezeichnungen, die eine einzelne Person erkennbar machen, und die kleinen Begleitumstände zu ersetzen, an denen jemand zu erkennen ist, der den Rahmen kennt. Tun Sie das konsequent. Heißt eine Kollegin in einem Interview [Kollegin A], heißt sie überall so, wo sie vorkommt, und dieselbe Regel gilt für Ihren gesamten Datensatz. Inkonsistente Pseudonymisierung ist schlimmer als keine, denn sie sieht anonymisiert aus und lässt sich von jemandem, der genau liest, trotzdem zurückverfolgen.

Wenn Sie eine Zuordnung zwischen echten Identitäten und Ersetzungen aufbewahren, halten Sie sie getrennt von den Transkripten, unter den Speicherbedingungen Ihres Votums, und machen Sie sich klar, warum Sie sie aufbewahren und wann sie vernichtet wird. In manchen Projekten gibt es dafür einen guten Grund: Sie müssen Teilnehmende vielleicht erneut kontaktieren oder Interviews über mehrere Erhebungswellen verknüpfen. In anderen nicht, und dann ist die sicherste Zuordnung die, die es nicht gibt. Entscheidend ist, bewusst zu entscheiden.

Eine Warnung, wenn Sie das schnell erledigen wollen: Suchen und Ersetzen findet die offensichtlichen Namen und übersieht den Rest, den zweimal genannten Spitznamen, die falsche Schreibweise, die Beschreibung eines Gebäudes, auf das in der ganzen Stadt nur ein Ort passt. Beim Anonymisieren muss jemand das ganze Dokument lesen.

Ein praktischer Hinweis zu automatischen Tools: Die Sprechernamen, die Sie in ein Tool eintippen, werden mit dem Transkript gespeichert. Bezeichnen Sie Sprechende von Anfang an als P1 und P2, statt sie später umzubenennen.

Fokusgruppen: sechs bis zehn Sprechende

Eine Fokusgruppe ist die schwierigste Aufnahme, die Sie transkribieren werden. Die automatische Sprechertrennung gruppiert Sprache, die ähnlich klingt, und bei acht Personen am Tisch versagt das an vorhersehbaren Stellen: Zwei Teilnehmende mit ähnlicher Stimme werden zu einer Person, wer nur „mm“ oder „ja“ sagt, bekommt nie eine eigene Bezeichnung, und ein Schwall durcheinanderredender Stimmen wird der lautesten Person zugeschrieben.

In SozAI können Sie dem System nicht sagen, wie viele Personen im Raum waren; es entscheidet anhand des Audios. Rechnen Sie damit, die Sprecherbezeichnungen bei jeder Fokusgruppe von Hand zu korrigieren, und planen Sie dafür Zeit ein. Bei einer einstündigen Gruppe mit acht Personen ist das ein echter Nachmittag Arbeit, größtenteils für kurze Redebeiträge.

Was hilft, nach Wirkung geordnet:

• Beginnen Sie mit einer Runde, in der jede Person ihre Teilnehmernummer und einen Satz sagt. So haben Sie von jeder Stimme eine Probe an einer bekannten Stelle und können Bezeichnungen den Personen zuordnen.
• Die Moderation nennt die sprechende Person, wenn es unklar ist („danke, P4“), und Sie führen einen Sitzplan mit der Reihenfolge der ersten Wortmeldungen.
• Stellen Sie ein gutes Mikrofon in die Tischmitte statt eines Handys am Platz der Moderation. Die Entfernung ist die größte einzelne Fehlerquelle.
• Lassen Sie am anderen Tischende einen zweiten Rekorder laufen. Wenn eine Datei unklar ist, ist die andere es oft nicht.

Hängt Ihre Analyse davon ab, wer in schnellen Wortwechseln was gesagt hat (zum Beispiel bei der Konversationsanalyse von Gruppendynamik), spart ein automatischer Entwurf weniger Zeit als bei Einzelinterviews. Ein menschlicher Dienst, der auf Fokusgruppen spezialisiert ist, kann dort seinen Preis wert sein.

Wo die automatische Transkription tatsächlich hilft

Die automatische Transkription liefert einen ersten Entwurf. Das ist eine echte Ersparnis, und sie aus Prinzip abzulehnen bedeutet meist, mehrere Stunden Sprache ohne methodischen Gewinn von Hand abzutippen. Ein fertiges Transkript liefert sie nicht.

Bei Interviewdaten ist der Korrekturdurchgang gegen das Audio Teil der Methode, kein optionales Aufräumen am Ende. Sie hören durch, den Entwurf vor sich, korrigieren Fehler, stellen wieder her, was Ihre Regeln verlangen und die Maschine weggelassen hat, setzen oder prüfen die Zeitstempel und anonymisieren. Das geht langsamer als Lesen und schneller als Tippen. Und hier lernen Sie das Material kennen, was kein Nebeneffekt ist. Wer seine Interviews selbst transkribiert, kommt mit dem Wissen in die Analyse, was darin steckt, und der Korrekturdurchgang holt einen guten Teil dieser Vertrautheit zurück.

Mit der SozAI-App für iPhone, Android und Mac oder der Web-Version kommt ein aufgezeichnetes Interview mit Sprecherbezeichnungen und einem Zeitcode an jeder Passage zurück; tippen Sie auf eine, und das Audio spielt ab dieser Zeile, was für einen Korrekturdurchgang das Wichtigste ist. Text lässt sich in der iPhone- und Android-App korrigieren; die Web- und Mac-Versionen zeigen ihn an, bearbeiten ihn aber noch nicht. Mehr zum Transkribieren von Interviews allgemein. Es ist eine Option unter mehreren, und die Fragen zu Speicherung und Einwilligung, die eine Ethikkommission stellt, sollten Ihre Auswahlliste filtern, bevor es die Qualität tut.

KI oder Mensch bei wissenschaftlicher Transkription: Kosten, Dauer, Genauigkeit

Die meisten Seiten, die für „wissenschaftliche Transkription“ ranken, sind menschliche Dienste. Hier deshalb der Vergleich, den sie weglassen. Die Preise sind so, wie der jeweilige Anbieter sie am 25. Oktober 2026 veröffentlicht hat.

Rechnen wir eine typische Studie durch: zwanzig einstündige Interviews, 1.200 Minuten Audio. Zu den obigen Preisen sind das 2.388 $ bei Rev, 2.100 $ bei Ditto und ab 948 $ bei TranscribeMe. Mit einem SozAI-Abo liegt der ganze Satz bequem innerhalb der Stunden, und die Entwürfe sind am selben Nachmittag da.

Die Genauigkeitsangaben sind nicht vergleichbar, und es lohnt sich zu wissen, warum. Die menschlichen Dienste geben eine Garantie zu ihren eigenen Bedingungen. Unsere ist eine Messung mit veröffentlichter Methode: 200 kurze, in ruhigen Räumen laut vorgelesene Sätze aus dem offenen Datensatz FLEURS. Interviews sind schwieriger, und manche Sprachen sind deutlich schwieriger (19,6 % bei Arabisch, 50 % bei Kasachisch im selben Test). Der ehrliche Tausch lautet also: Automatische Transkription kostet weit weniger und ist fast sofort fertig, dafür machen Sie den Korrekturdurchgang selbst. Ein menschlicher Dienst lässt sich einen Großteil dieses Durchgangs bezahlen, und die Zitate prüfen Sie trotzdem.

Wann die menschliche Transkription der bessere Kauf ist: bei Verbatim-Regeln mit Pausenlängen, bei schlechtem Audio, bei Fokusgruppen, in denen die Zuordnung der Kern ist, oder wenn eine Förderstelle sie bezahlt und Ihre Zeit knapp ist.

Transkriptionssoftware für die qualitative Forschung

Sechs realistische Optionen und das, worin jede gut ist. Angaben so, wie der jeweilige Anbieter sie am 25. Oktober 2026 veröffentlicht hat.

Unsere Empfehlung, wenn Sie die Wahl haben: Wenn Sie schon eine MAXQDA- oder NVivo-Lizenz haben und Ihre Interviews in einer Sprache sind, die diese abdecken, nutzen Sie die eingebaute Transkription: Das Transkript kommt bereits mit dem Audio verknüpft ins Projekt, und der Importschritt entfällt ganz. Liegen Ihre Interviews in einer Sprache außerhalb ihrer Listen vor, sind sie unterwegs mit dem Handy aufgenommen, oder möchten Sie Zusammenfassungen und Übersetzung neben dem Transkript, ist SozAI das bessere Werkzeug, mit einem Importschritt. Schließt Ihr Ethikvotum die Verarbeitung durch externe KI aus, bezahlen Sie einen menschlichen Dienst, der Ihre Vertraulichkeitsbedingungen unterschreibt, oder transkribieren Sie selbst.

Transkripte in NVivo, ATLAS.ti und MAXQDA importieren

SozAI exportiert keine Word-Dateien (DOCX). Alles Folgende funktioniert mit dem, was es exportiert: TXT, SRT, VTT und JSON (auch PDF, aber kein Analyseprogramm will ein PDF-Transkript). Die Handy- und Mac-Apps exportieren alle diese Formate; die Web-Version exportiert TXT, SRT und VTT. Benennen Sie Ihre Sprecher vor dem Export in P1, P2 und so weiter um; diese Namen werden in VTT, JSON und das TXT der App geschrieben. SRT enthält nie Sprechernamen, lassen Sie es für die Forschung also weg.

ATLAS.ti

Fügen Sie zuerst die Audiodatei in Ihr Projekt ein und importieren Sie dann das Transkript dazu. Das Handbuch von ATLAS.ti nennt VTT, SRT, TXT, DOCX und RTF als unterstützte Transkriptformate und sagt, dass es Sprecher in VTT-Dateien mit Sprecherangaben erkennt und kodiert. Exportieren Sie also VTT aus SozAI: Sie erhalten den mit dem Audio synchronisierten Text und die Sprecherkodes in einem Schritt. (ATLAS.ti-Handbuch, geprüft am 25. Oktober 2026.)

MAXQDA

MAXQDA importiert Transkripte mit Zeitstempeln über Import, Transkripte und nennt VTT unter den lesbaren Formaten, neben SRT-Untertiteln und Word- oder RTF-Dateien. Wählen Sie VTT und geben Sie MAXQDA auf Nachfrage die passende Audiodatei an. SRT lässt sich ebenfalls importieren, aber MAXQDA-Nutzende berichten von einem zerstückelten Layout, einer Untertitelzeile pro Absatz, und die Sprecher gehen verloren. (MAXQDA-Hilfe, geprüft am 25. Oktober 2026.)

NVivo

NVivo 14 für Windows importiert ein mit Audio verknüpftes Transkript aus einer reinen Textdatei, die als durch Komma oder Tabulator getrennte Tabelle aufgebaut ist, oder aus Word oder RTF. (NVivo-Hilfe, geprüft am 25. Oktober 2026.) Die Dateien von SozAI haben dieses Layout nicht, Sie haben also zwei Wege:

• Schnell: Exportieren Sie TXT aus web.sozai.app mit eingeschalteten Zeitcodes und Sprechern. Jeder Absatz liest sich dann „[04:12] P3: Text“. Importieren Sie ihn in NVivo als gewöhnliches Dokument. Sie können sofort kodieren; er ist nur nicht mit dem Audio synchronisiert.
• Synchronisiert: Exportieren Sie JSON aus der App. Jedes Segment hat eine Start- und Endzeit in Sekunden, den Text und den Sprechernamen. Öffnen Sie es in einer Tabellenkalkulation (oder lassen Sie eine Kollegin oder einen Kollegen mit ein paar Zeilen Skript helfen), um drei Spalten zu bilden: Zeitspanne, Sprecher, Text. Speichern Sie als tabulatorgetrennten Text und importieren Sie ihn als Transkript, wobei Sie die Spalten zuordnen, wenn NVivo danach fragt.

Welchen Weg Sie auch wählen: Machen Sie den Korrekturdurchgang nach Möglichkeit vor dem Import. Korrekturen in der Handy-App wandern mit dem Transkript in jeden späteren Export, Änderungen im Analysepaket bleiben dort.

Was der erste Entwurf nicht für Sie erledigt

Rechnen Sie damit, dass der Entwurf genau dort am schwächsten ist, wo Interviews am schwierigsten sind. Durcheinanderreden verwirrt die Sprechertrennung, und zwei Personen, die gleichzeitig sprechen, kommen oft als eine Person heraus, die etwas leicht Unzusammenhängendes sagt. Starke Akzente, leise Teilnehmende, Hintergrundgeräusche aus einem Café oder einem Flur und Fachvokabular senken die Genauigkeit. Sprecherbezeichnungen stimmen meist ungefähr, sind aber an den Grenzen nicht verlässlich, besonders bei kurzen Einwürfen.

Und Prosodie liefert er nicht. Kein automatisches Transkript bewahrt die Länge einer Pause oder markiert die Stelle, an der sich die Stimme verändert hat. Braucht Ihre Analyse das, ist der Maschinenentwurf nur ein Gerüst für die Worte, und Sie sollten Ihre Zeit entsprechend einplanen. Eine Kollegin, die am selben Korpus mit einer inhaltsorientierten Frage arbeitet, ist in einem Bruchteil der Zeit fertig, nicht weil sie weniger sorgfältig arbeitet. Ihr Transkript beantwortet eine andere Frage.

Interviews mit Sprachwechsel sind ein Sonderfall. Automatische Tools, SozAI eingeschlossen, erkennen meist eine Sprache pro Aufnahme, daher werden die Passagen in der zweiten Sprache am schlechtesten. Markieren Sie sie in Ihren Regeln und prüfen Sie sie zuerst.

Planen Sie auch mehr Zeit ein, als die Rechnung nahelegt. Der Korrekturdurchgang ist kein Durchlauf des Audios in normaler Geschwindigkeit; er besteht aus Anhalten, Zurückspulen und erneutem Anhören der sechs Sekunden, die Sie nicht ganz verstehen. Das bei einem ganzen Satz Interviews zu tun, ist erhebliche Arbeit, und das ist normal. Wenn Sie wissen möchten, wie die Teile über ein ganzes Projekt zusammenpassen, gibt es eine Beschreibung des Arbeitsablaufs einer Doktorandin oder eines Doktoranden, die einen Satz Aufnahmen von der Datei bis zum zitierfähigen Transkript begleitet. Wenn Sie für eine Forschungsgruppe oder ein Institut einkaufen, schreiben Sie wegen Team- und Education-Tarifen an [email protected]; wir stellen Rechnungen aus.

Zuletzt sollten Sie festhalten, dass das Transkript eine Darstellung ist und jede Konvention, die Sie gewählt haben, eine Entscheidung darüber, was erhalten bleibt und was verloren geht. Schreiben Sie diese Entscheidungen in Ihr Methodenkapitel. Gutachtende, die wissen, warum Ihre Transkripte so aussehen, lesen sie als durchdacht. Wer es nicht weiß, wird sich wundern.