Interview transkribieren: Regeln, Ablauf und Werkzeuge

Transkribieren ist der Teil qualitativer Forschung, den niemand einplant und der trotzdem die meiste Zeit frisst. Dieser Guide zeigt, welche Regeln tatsächlich nötig sind, wie viel Aufwand realistisch entsteht und an welcher Stelle Automatisierung hilft, ohne die Qualität der Auswertung zu beschädigen.

Was ein Transkript leisten muss

Ein Transkript ist kein Selbstzweck, sondern die Arbeitsgrundlage für die Auswertung. Daraus folgen drei Anforderungen. Es muss vollständig sein, damit nichts Relevantes verloren geht. Es muss nachvollziehbaren Regeln folgen, damit Zitate belastbar sind. Und es muss auffindbar machen, wo im Audio eine Aussage steht, damit sich strittige Passagen prüfen lassen.

Alles darüber hinaus ist Aufwand ohne Gegenwert. Wer für eine Inhaltsanalyse jede Pause in Zehntelsekunden notiert, produziert Daten, die er nie benutzt.

Der realistische Zeitaufwand

Die Faustregel für manuelles Transkribieren liegt beim Fünf- bis Zehnfachen der Audiolänge, abhängig von Aufnahmequalität, Sprechtempo und Tippgeschwindigkeit. Bei detaillierten Systemen steigt der Faktor deutlich weiter.

Die dritte Zeile ist der Grund, warum die Werkzeugfrage überhaupt gestellt wird. Acht Interviews sind eine übliche Größenordnung für eine Masterarbeit, und 40 bis 80 Stunden Tippen sind eine bis zwei volle Arbeitswochen.

Welche Transkriptionsregeln du brauchst

Es gibt keine allgemeingültige Norm. Etabliert haben sich mehrere Systeme mit unterschiedlichem Detailgrad.

Einfaches, inhaltlich-semantisches System

Der Standard für Inhaltsanalysen, bekannt in den Fassungen von Dresing und Pehl sowie von Kuckartz. Es wird ins Hochdeutsche geglättet, die Satzstruktur bleibt erhalten, Füllwörter ohne Bedeutung entfallen. Wortwiederholungen und Stottern werden bereinigt, sofern sie nicht inhaltlich relevant sind.

Typische Festlegungen:

• Sprecherkennzeichnung durch Kürzel wie I für Interviewer und B für Befragte
• Unverständliches wird mit (unv.) markiert, Vermutungen in Klammern gesetzt
• Nichtsprachliches wie Lachen wird nur notiert, wenn es die Aussage verändert
• Pausen ab etwa drei Sekunden werden als (Pause) vermerkt
• Zeitmarken an jedem Sprecherwechsel oder in festen Abständen

Detaillierte Systeme

GAT 2 und vergleichbare Systeme erfassen Betonung, Überlappungen, Dehnungen und Pausenlängen exakt. Sie sind für Konversations- und Gesprächsanalyse gedacht, also dann, wenn das Wie des Sprechens untersucht wird. Für eine Inhaltsanalyse sind sie überdimensioniert.

Die praktische Entscheidungsregel: Wenn deine Forschungsfrage auch beantwortbar wäre, wenn die Person den Inhalt aufgeschrieben statt gesprochen hätte, reicht das einfache System.

Dialekt und Mundart

Bei stark dialektalen Aufnahmen, etwa im schweizerdeutschen oder bairischen Raum, steht die Entscheidung an, ob übersetzt oder lautnah verschriftlicht wird. Für Inhaltsanalysen ist die Übertragung ins Hochdeutsche üblich, mit einer Notiz im Methodenteil. Automatische Erkennung schwächelt hier deutlich, sodass mehr Korrekturzeit einzuplanen ist als bei standardnaher Sprache.

Wichtiger als die Wahl selbst ist, dass sie einmal getroffen und dann für alle Interviews gleich angewendet wird. Uneinheitliche Transkripte sind im Kolloquium angreifbarer als eine gut begründete einfache Lösung.

Der Ablauf in sechs Schritten

1. Regelwerk festlegen, bevor das erste Interview transkribiert wird. Ein halbseitiges Dokument mit den eigenen Festlegungen genügt und wandert später in den Methodenteil.
2. Aufnahme sichern. Eine Kopie an einem zweiten Ort, bevor irgendetwas anderes passiert. Verlorene Interviewaufnahmen lassen sich nicht wiederholen.
3. Rohtranskript erzeugen, automatisch oder manuell.
4. Korrekturdurchgang mit Audio. Einmal komplett mithören und mitlesen. Dieser Schritt ist nicht optional, weil automatische Erkennung Fachbegriffe, Eigennamen und Verneinungen zuverlässig falsch trifft. Ein übersehenes nicht dreht die Aussage um.
5. Anonymisieren. Namen, Orte und Einrichtungen ersetzen, auch die Dritter.
6. Formatieren und exportieren in das Format, das die Auswertungssoftware erwartet.

Schritt vier ist derjenige, der am häufigsten abgekürzt wird, und derjenige, der die Qualität der gesamten Arbeit bestimmt.

Werkzeuge und wofür sie taugen

Die Wahl hängt weniger am Funktionsumfang als an zwei Fragen: Wie viele Stunden Audio liegen vor, und was verlangt deine Hochschule beim Datenschutz. Bei zwei kurzen Interviews lohnt kein Werkzeugwechsel. Ab etwa fünf Stunden Material rechnet sich Automatisierung immer.

Zum Datenschutzteil gibt es einen eigenen Leitfaden, weil er in der Praxis über die Zulassung des Werkzeugs entscheidet: Interviews transkribieren und DSGVO.

Vom Transkript zur Auswertung

Das Transkript ist Zwischenstand, nicht Ergebnis. Für die qualitative Inhaltsanalyse folgt das Codieren, also das Zuordnen von Textstellen zu Kategorien. Ob die Kategorien aus der Theorie stammen oder aus dem Material entwickelt werden, hängt vom gewählten Vorgehen ab.

Für diesen Schritt zahlt sich aus, was im Transkript angelegt wurde. Saubere Sprecherkennzeichnung erlaubt es, Aussagen zweifelsfrei zuzuordnen. Zeitmarken machen das Gegenhören schnell. Einheitliche Regeln über alle Interviews hinweg machen Vergleiche zwischen Fällen überhaupt erst möglich.

Wie Nodl den Rohtext liefert

Nodl nimmt die Aufnahme entgegen, erzeugt daraus das Transkript und auf Wunsch ein strukturiertes Dokument im gewünschten Format. Für Interviews sind drei Eigenschaften relevant:

• Bestehende Aufnahmen lassen sich hochladen, nicht nur direkt einsprechen
• Bei mehreren Stimmen werden die Abschnitte getrennt und den Sprechenden farblich zugeordnet
• Jeder Abschnitt trägt eine Zeitmarke, über die sich die Audiostelle direkt anspringen lässt

Aufnahmen liegen verschlüsselt auf Servern in Deutschland, die Sprachmodelle laufen in der EU, und Inhalte werden nicht zum Training verwendet. Eine einzelne Aufnahme darf bis zu einer Stunde lang sein, längere Interviews müssen vorher geteilt werden.

Den Korrekturdurchgang ersetzt das nicht, und keine automatische Transkription tut das. Es verschiebt die Arbeit von zehn Stunden Tippen auf eine Stunde Prüfen.

Häufige Fragen