Sehr lange Aufnahmen transkribieren: Predigten, Hörbücher, Ganztagsveranstaltungen

Die wichtigsten Punkte

Eine Aufnahme, die stundenlang läuft, ergibt ein Transkript, das niemand von vorne bis hinten lesen wird – das eigentliche Ziel ist also nicht ein makelloser Text, sondern einer, den man durchsuchen und von dem aus man gezielt zur passenden Stelle im Audio zurückspringen kann. Teilen Sie nach Vortrag oder Thema statt in gleich große Abschnitte, behalten Sie Zeitstempel bei, rechnen Sie damit, dass die Qualität schwankt, wenn sich die Raumsituation ändert, und wandeln Sie Video in Audio um, bevor Sie an ein Upload-Limit stoßen, von dem Sie nichts wussten.

Die meisten Tipps zum Transkribieren gehen von einer Datei aus, die man auf dem Weg zur Arbeit anhören kann – zwanzig Minuten, vielleicht vierzig. Das funktioniert gut, bis man plötzlich vor acht Stunden Konferenztag sitzt, vor einer ganzen Woche Predigten in einer einzigen Datei oder vor einem Interview, das einfach nicht enden wollte. Bei dieser Länge sind die Probleme nicht einfach größere Ausgaben der üblichen Probleme. Es sind andere Probleme, und die üblichen Ratschläge wissen das nicht immer.

Der erste Impuls ist die Frage, wie man ein Transkript des Ganzen bekommt. Die bessere Frage ist, was man damit anschließend tun will – denn ein vierzigtausend Wörter langes Dokument liest niemand von Anfang bis Ende. Was etwas so Langes wirklich braucht, ist nicht Vollständigkeit. Es ist die Fähigkeit, sich später wieder zurechtzufinden.

Wo die Länge wirklich an ihre Grenzen stößt

Eine kurze Aufnahme verschleiert ihre eigenen Grenzen. Upload-Obergrenzen, der Aufwand, ein Transkript gegenzuprüfen, die Form des fertigen Dokuments – bei fünf Minuten fällt das alles kaum auf. Zieht man dieselbe Aufnahme auf fünf Stunden, tauchen alle diese Grenzen gleichzeitig auf.

• Upload-Limits, an die eine kurze Datei nie auch nur annähernd herankommt
• Die Konzentration, die es braucht, ein Transkript gegen stundenlanges Audio zu prüfen – statt gegen wenige Minuten
• Ein fertiges Dokument, das für niemanden mehr von Anfang bis Ende lesbar ist, auch nicht für Sie selbst

Diesen Kipppunkt kann man nicht an einer festen Minutenzahl festmachen – er hängt von der Aufnahme, dem Mikrofon und davon ab, wie viel man vom Inhalt bereits weiß. Die Richtung ist aber für alle dieselbe: Ab einer bestimmten Länge wird die Form des Ergebnisses genauso wichtig wie dessen Genauigkeit. Das heißt nicht, dass sich eine lange Aufnahme nicht transkribieren lässt. Es heißt, dass sich das Ziel ändern muss. Bei einer kurzen Aufnahme zielt man auf ein saubgeres Transkript. Bei einer langen zielt man auf ein navigierbares – durchsuchbar, in sinnvolle Abschnitte gegliedert, mit markierten Stellen, die man tatsächlich braucht und später wiederfindet. Wenn Sie vorher wissen wollen, wie lange die Verarbeitung einer Datei dieser Größe dauert, bevor Sie einen ganzen Nachmittag dafür einplanen, gibt Ihnen ein Rechner für die Transkriptionsdauer eine grobe Schätzung.

Zeitstempel sind das, was die Sache überhaupt zumutbar macht

Die reine Suchfunktion liefert Ihnen die Wörter. Sie bringt Sie aber nicht zurück ins Audio. Bei einer kurzen Aufnahme spielt das kaum eine Rolle – man kann das Ganze in wenigen Minuten überfliegen und die Stelle notfalls per Gehör wiederfinden, falls die Suche versagt. Bei einer achtstündigen Aufnahme sagt Ihnen ein gefundener Satz im Text fast nichts darüber, wo Sie im Player klicken müssen – außer das Transkript trägt Zeitstempel, die genau dazu passen.

Zeitstempel machen aus einem Transkript, das man liest, ein Transkript, das man benutzt. Sie erlauben es, den Text als Register zur Aufnahme zu behandeln statt als Ersatz dafür: Satz finden, Zeit notieren, im Player dorthin springen, den Zusammenhang hören – etwas, das reiner Text allein nie ganz liefern kann. Ohne Zeitstempel lässt sich ein langes Transkript zwar durchsuchen, aber nicht wiederfinden – man weiß, die Formulierung steckt irgendwo drin, hat aber keinen effizienten Weg zurück zu dem Moment, in dem sie tatsächlich gesagt wurde. Das ist bei einer Datei dieser Größe kein kleiner Schönheitsfehler. Es ist der Unterschied zwischen einem Transkript, das Zeit spart, und einem, das das Problem nur verschiebt.

Wenn Sie ohnehin ahnen, dass Sie das öfter machen werden – bestimmte Momente aus stundenlangem Material herausziehen, für einen Bericht, für Notizen oder einfach fürs eigene Gedächtnis –, lohnt es sich, sich diese Arbeitsweise früh anzugewöhnen. Die Anleitung dazu, wie man eine bestimmte Stelle in einer langen Aufnahme findet, ist genau für diesen Fall geschrieben.

Teilen Sie nach Inhalt, nicht nach Größe

Der naheliegende Weg, eine lange Datei handhabbar zu machen, ist, sie in gleich große Stücke zu schneiden – etwa eine Stunde pro Teil, oder so viele Häppchen, wie das Upload-Tool eben mag. Widerstehen Sie dem. Gleich große Abschnitte sind schnell erstellt, aber kaum brauchbar, weil die Grenze zwischen Teil drei und Teil vier nichts mit dem Inhalt zu tun hat. Sie ergibt sich einfach zufällig aus der Uhrzeit.

Schneiden Sie stattdessen nach dem, was sich inhaltlich tatsächlich ändert:

• Nach Vortrag, wenn der Tag aus einzelnen Sessions bestand
• Nach Predigt, wenn es sich um eine Reihe handelt, die in einer Datei zusammengefasst wurde
• Nach Thema oder Sprecher, wenn es ein langes Interview oder eine Podiumsdiskussion ist

Diese Einteilungen werden zu Ihrem Inhaltsverzeichnis. Wenn später jemand fragt, was im dritten Vortrag gesagt wurde oder in der zweiten Predigt einer Reihe, brauchen Sie eine Grenze, die zu dieser Frage passt – nicht eine, die einfach dem Ablauf von sechzig Minuten entspricht. Das sorgt auch dafür, dass die Abschnitte auch dann noch funktionieren, wenn Sie Monate später mit einer ganz anderen Frage zur Aufnahme zurückkehren. Die paar zusätzlichen Minuten, die es kostet, diese Grenzen zu markieren – vor der Transkription oder beim Durchsehen des Ergebnisses –, zahlen sich schon beim ersten Mal aus, wenn Sie wirklich schnell etwas finden müssen.

Die Qualität schwankt über Stunden – und die Korrektur sollte das berücksichtigen

Eine Aufnahme, die stundenlang läuft, bleibt selten über ihre gesamte Dauer gleich gut. Jemand verschiebt mitten drin das Mikrofon. Der Raum füllt sich, und die Akustik verändert sich mit. Der Redner dreht sich weg, um auf eine Folie zu zeigen, und die Worte für diesen Abschnitt kommen dünner an als die, die eine Minute vorher direkt ins Mikrofon gesprochen wurden. Das ist kein Mangel der Transkription selbst – es ist eine Tatsache über die Aufnahme, und das Transkript wird entsprechend uneinheitlich sein: an manchen Stellen präziser, an anderen unschärfer, manchmal sogar innerhalb desselben Absatzes. Mit dieser Unregelmäßigkeit sollte man rechnen, statt sich davon überraschen zu lassen – sie zeigt Ihnen, wo Sie Ihre Prüfzeit einsetzen sollten, statt die gesamte Aufnahme als gleich verlässlich oder gleich fragwürdig zu behandeln.

Das Wichtige korrigieren, nicht alles

Ein langes Transkript von vorne bis hinten durchzulesen, um es zu korrigieren, ist meist die falsche Verwendung der dafür nötigen Zeit. Bei einer Aufnahme dieser Länge wird in der Praxis fast nichts gleichmäßig geprüft – manche Passagen ziehen Sie intensiv heran, andere sehen Sie nie wieder an. Lesen Sie deshalb nicht der Reihe nach auf Richtigkeit. Suchen Sie die Passagen, die Sie tatsächlich zitieren, belegen oder als Grundlage für eine Entscheidung nutzen werden, und prüfen Sie genau diese Abschnitte gegen das Audio. Lassen Sie den Rest als grobe, aber durchsuchbare Aufzeichnung des Gesagten stehen. Das ist ein unbequemer Kompromiss, wenn Sie lieber ein durchgehend korrektes Dokument hätten als eines, das größtenteils stimmt und schnell nutzbar ist. Aber jeden Satz für gleich prüfwürdig zu halten, ist genau der Grund, warum ein Korrekturdurchgang bei einer achtstündigen Aufnahme einen ganzen Tag verschlingt – für einen Zugewinn, den Sie meistens gar nicht brauchen werden.

Schon die Datei selbst ist ein Problem, bevor es das Transkript ist

Lange Aufnahmen stoßen an eine Grenze, an die die meisten Menschen nicht denken, bis sie plötzlich davor stehen: die Dateigröße. Ein Video eines vollen Konferenztags ist eine große Datei, und die meisten Upload-Wege haben irgendwo eine Obergrenze, auch wenn diese nirgends deutlich angegeben ist. Dieselbe Aufnahme nur als Audio – ohne Bild – ist deutlich kleiner, oft klein genug, um ein Limit zu unterschreiten, an dem die Videofassung nie eine Chance gehabt hätte.

Wenn Sie nur die Worte brauchen, wandeln Sie das Audio heraus, bevor Sie irgendetwas hochladen. Sie verlieren das Bild – was meist nichts kostet, wenn ohnehin niemand die Aufnahme noch einmal anschauen wollte – und gewinnen dafür eine Datei, die tatsächlich durchgeht. Dieser eine Schritt macht oft den gesamten Unterschied zwischen einer langen Aufnahme, die sauber transkribiert wird, und einer, die mitten im Upload aus Gründen scheitert, die mit der Transkription selbst gar nichts zu tun haben. Der Ablauf von Audio zu Text ist genau darauf ausgelegt: Geben Sie Audio statt Video hinein, und das Größenproblem erledigt sich meist von selbst. Um die nächste lange Datei komplett zu bearbeiten – Sprecherkennzeichnung, Zusammenfassungen und Transkript zusammen –, gibt es einen einfachen Download für iOS, Android und macOS.

Was eine Zusammenfassung Ihnen nicht bieten kann

Eine Zusammenfassung einer langen Aufnahme ist tatsächlich nützlich, sie beantwortet aber eine andere Frage als das Transkript. Eine Zusammenfassung sagt Ihnen grob, was passiert ist – wo die interessanten Passagen liegen, was die wichtigsten roten Fäden waren. Sie kann Ihnen nicht den genauen Wortlaut einer Aussage liefern, nicht die Reihenfolge, in der zwei Dinge tatsächlich gesagt wurden, und auch nicht bestätigen, ob eine Formulierung, an die Sie sich nur halb erinnern, wirklich vorkommt. Dafür brauchen Sie das Transkript, mit Zeitstempeln und in Abschnitte gegliedert – nicht eine Beschreibung, die für die Sache selbst einsteht.

Behandeln Sie die Zusammenfassung als Landkarte und das Transkript als das Gelände selbst. Wenn Ihnen die Aufnahme unbekannt ist, lesen Sie zuerst die Zusammenfassung – sie zeigt Ihnen, welche Teile Ihre Zeit wert sind. Gehen Sie dann für genau diese Abschnitte ins Transkript, statt entweder alles zu lesen oder darauf zu vertrauen, dass die Zusammenfassung schon alles Wichtige erfasst hat. Meist hat sie das nicht – nicht weil schlecht zusammengefasst wurde, sondern weil eine Zusammenfassung von acht Stunden notwendigerweise nur ein kleiner Bruchteil des Gesagten sein kann, und das, was Sie am Ende wirklich brauchen, steckt mit realer Wahrscheinlichkeit genau in dem Teil, der weggelassen wurde. Das ist keine Kritik am Zusammenfassen – so funktioniert eine Zusammenfassung eben, und die Enttäuschung entsteht meist genau daraus, dass man von ihr erwartet, auch die Aufgabe des Transkripts zu übernehmen.