Untertitel für Firmenvideos: warum stumm der Normalfall ist

Videos werden seltener angeklickt und häufiger einfach angezeigt. In sozialen Netzwerken laufen sie im Feed automatisch an, stumm, bis jemand tippt. Im Büro läuft ein Video auf dem zweiten Bildschirm, ohne dass jemand Kopfhörer aufsetzt. In beiden Fällen bekommt der Zuschauer die ersten Sekunden nur über Bild und Text. Untertitel sind deshalb keine Zusatzleistung, sondern der Normalfall.

Stumm ist der Ausgangszustand

Wer ein Video für einen Feed plant, muss davon ausgehen, dass niemand den Ton einschaltet, bevor der Inhalt überzeugt hat. Die Reihenfolge ist also umgekehrt: erst verstehen, dann hören. Das betrifft vor allem den Anfang, in dem sonst gern eine Begrüßung oder ein Logo steht.

Auch außerhalb der Feeds ist Stummheit verbreitet. Im Großraumbüro, in der Bahn, in der Werkstatt neben laufenden Maschinen: überall dort wird mit den Augen geschaut. Wenn Ihre Kernaussage nur gesprochen vorkommt, erreicht sie einen erheblichen Teil des Publikums nicht.

Für kurze Formate ist das kein Nachteil, sondern eine Gestaltungsvorgabe. Wie sich daraus ein tragfähiger Aufbau ergibt, beschreibt Kurzvideos für Unternehmen.

Was Untertitel leisten und was nicht

Untertitel machen gesprochene Sprache lesbar und helfen überall dort, wo Hören schwierig ist: bei Dialekt, bei Nebengeräuschen, bei Fachbegriffen, die man nur im Schriftbild sicher erkennt, und bei Zuschauern, für die Deutsch nicht die erste Sprache ist. Sie helfen Menschen mit eingeschränktem Hörvermögen, und sie halten die Aufmerksamkeit, weil das Auge dem Text folgt.

Was Untertitel nicht leisten, ist der Ersatz für schlechten Ton. Ein verhallter Beitrag bleibt anstrengend, sobald der Ton doch eingeschaltet wird, und eine Tonspur, die man kaum versteht, führt bei der automatischen Erkennung zu entsprechend schlechtem Text. Die Grundlagen dazu stehen in Guter Ton im Video.

Sie ersetzen auch kein Konzept. Wenn ein Satz gesprochen unverständlich ist, wird er geschrieben nicht besser. Untertitel legen die Qualität eines Textes eher offen, als dass sie sie verbergen.

Eingebrannt oder als separate Datei

Eingebrannte Untertitel sind Teil des Bildes. Sie werden beim Export fest in das Video gerechnet und sehen überall gleich aus, unabhängig von Player und Plattform. Dafür lassen sie sich nicht abschalten, nicht übersetzen und nicht korrigieren, denn jede Änderung bedeutet einen neuen Export. Lesbar sind sie außerdem nur für Menschen, nicht für Programme, weil sie kein Text mehr sind.

Eine separate Untertiteldatei, üblicherweise im Format WebVTT oder SRT, liegt neben dem Video und wird vom Player eingeblendet. Sie lässt sich ein- und ausschalten, in mehreren Sprachen anlegen und nachträglich korrigieren, ohne das Video anzufassen. Voraussetzung ist ein Player, der das unterstützt.

In der Praxis läuft es auf eine Aufteilung hinaus: Für Feeds und für Videos, die weitergereicht werden, sind eingebrannte Untertitel die sichere Variante, weil sie unterwegs nicht verloren gehen. Für den Player auf der eigenen Website ist die separate Datei die flexiblere. Wer beides braucht, erzeugt zwei Fassungen aus derselben Textgrundlage.

Lesbarkeit: Größe, Kontrast, Zeilen, Standzeit

Untertitel werden überwiegend auf einem Telefon gelesen, oft in einem Player, der nur einen Teil des Bildschirms einnimmt. Die Schrift muss deshalb größer sein, als sie am Schnittplatz wirkt. Prüfen Sie das immer am Telefon und nicht am Monitor.

Kontrast entsteht nicht durch Farbe, sondern durch Trennung vom Untergrund. Helle Schrift auf einem leicht abgedunkelten Balken oder mit dunkler Kontur bleibt auch dann lesbar, wenn im Bild eine weiße Wand oder ein helles Blech auftaucht. Reine Farbschrift ohne Hintergrund verschwindet früher oder später.

Die Standzeit ist der Punkt, an dem automatische Werkzeuge am häufigsten danebenliegen. Sie schneiden den Text genau auf die gesprochene Dauer zu, und schnell gesprochene Sätze stehen dann zu kurz. Ziehen Sie solche Einblendungen von Hand etwas länger und kürzen Sie im Zweifel den Text, statt ihn schneller durchlaufen zu lassen.

• Höchstens zwei Zeilen gleichzeitig
• Umbruch an Sinngrenzen, nicht mitten in einer Wortgruppe
• Text lange genug stehen lassen, damit er in Ruhe gelesen werden kann
• Unteren Bildrand frei lassen, dort liegen Bedienelemente und Einblendungen
• Am Telefon gegenlesen, nicht nur am Schnittmonitor

Arbeitsablauf: erkennen lassen, dann korrigieren

Untertitel tippt heute niemand mehr ab. Schnittprogramme und eigenständige Werkzeuge erzeugen aus der Tonspur eine Rohfassung mit Zeitmarken. Diese Rohfassung ist der Anfang der Arbeit, nicht das Ergebnis.

Gehen Sie den Text einmal vollständig durch und achten Sie auf vier Dinge: Zahlen und Einheiten, Eigennamen, Satzzeichen und Füllwörter. Automatische Erkennung schreibt Zahlen uneinheitlich, verwechselt ähnlich klingende Namen, setzt Punkte an falschen Stellen und überträgt jedes Räuspern. Gesprochene Sprache muss im Untertitel außerdem gekürzt werden, sonst kommt niemand beim Lesen mit.

Zum Schluss sehen Sie das Video einmal stumm von vorn bis hinten an. Das ist die Prüfung, auf die es ankommt: Wenn die Aussage ohne Ton steht, funktioniert das Video auch im Feed. Dass auvimix selbst keine Untertitel erzeugt, ändert daran nichts, denn die Textfassung entsteht im Schnitt, bevor die Datei hochgeladen wird.

Fachbegriffe, Eigennamen und der Nutzen über das Video hinaus

In Firmenvideos kommen Wörter vor, die eine automatische Erkennung nicht kennen kann: Produktbezeichnungen, Verfahren, Abkürzungen, Ortsnamen, Namen von Mitarbeitenden. Legen Sie dafür eine Liste an, die Sie bei jedem Video wieder verwenden. Viele Werkzeuge nehmen solche Begriffe direkt entgegen, sonst arbeiten Sie mit Suchen und Ersetzen.

Schreiben Sie Fachbegriffe so, wie sie in Ihren Unterlagen stehen, und nicht so, wie sie klingen. Für Kunden, die dieselbe Bezeichnung später im Angebot wiederfinden, ist das der Unterschied zwischen einem Video, das zur Firma gehört, und einem, das daneben liegt.

Der Text hat außerdem einen Wert außerhalb des Videos. Stellen Sie die korrigierte Fassung als Transkript neben den Player auf die Seite, dann ist der Inhalt lesbar, zitierbar und für Suchmaschinen erfassbar. In einer wachsenden Firmenmediathek ist dieser Text oft die einzige Möglichkeit, ein Video Monate später überhaupt wiederzufinden.