Steven Schulz
Immer mehr Videos werden ohne Ton geschaut – in der Bahn, im Wartezimmer, beim Scrollen durch soziale Medien. Gleichzeitig wächst das Bewusstsein für Barrierefreiheit. Beides führt dazu, dass Untertitel kein Nice-to-have mehr sind, sondern Standard. Wer Videos untertitelt, leistet eine gefragte Arbeit, die sich vollständig von zu Hause erledigen lässt. Dieser Artikel erklärt, welche Regeln dabei gelten, wie lange ein Video wirklich dauert und was pro Videominute üblich ist.
Was Untertitel-Erstellung bedeutet
Beim Captioning verwandelst du gesprochene Sprache in lesbaren Text, der zeitlich genau zum Video passt. Anders als bei einer reinen Abschrift kommt es hier nicht nur auf den Wortlaut an, sondern auch auf das Timing: Jeder Untertitel muss zum richtigen Moment erscheinen und wieder verschwinden, lange genug stehen, um lesbar zu sein, und kurz genug, um nicht das Bild zu verdecken.
Das unterscheidet die Arbeit von der klassischen Transkription, bei der es vor allem um die vollständige Verschriftlichung geht. Wer beides vergleichen will, findet im Beitrag Dateneingabe oder Transkription? eine ähnliche Gegenüberstellung verwandter Tätigkeiten.
Zwei Arten von Untertiteln
Es gibt grob zwei Formen. Bei einfachen Untertiteln gibst du den gesprochenen Text wieder. Bei sogenannten erweiterten Untertiteln (oft für Gehörlose und Schwerhörige) beschreibst du zusätzlich relevante Geräusche – etwa „[Tür schlägt zu]" oder „[ruhige Musik]" – und kennzeichnest, wer gerade spricht. Diese Variante ist anspruchsvoller und wird besser vergütet.
Daneben unterscheidet man, ob Untertitel in der Originalsprache erstellt werden oder ob übersetzt wird. Letzteres verbindet Captioning mit der Übersetzungsarbeit und erfordert entsprechende Sprachkenntnisse.
Die Regeln, nach denen Untertitel gebaut werden
Captioning ist stärker durch Konventionen geregelt, als Einsteiger vermuten. Wer sie kennt, liefert vom ersten Auftrag an brauchbare Dateien:
- Höchstens zwei Zeilen pro Untertitel, jeweils rund 37 bis 42 Zeichen.
- Lesegeschwindigkeit von etwa 15 bis 17 Zeichen pro Sekunde für Erwachsene, deutlich weniger bei Kinderinhalten.
- Mindeststandzeit rund eine Sekunde, Höchststandzeit etwa sechs bis sieben Sekunden.
- Sinnvolle Umbrüche: Nicht mitten in einer Wortgruppe trennen. „Der neue / Vertrag" ist schlecht, „Der neue Vertrag / gilt ab Januar" gut.
- Kein Überlappen mit Schnitten: Ein Untertitel sollte möglichst nicht über einen harten Bildschnitt hinweg stehen bleiben.
- Kürzen statt wörtlich: Wenn schnell gesprochen wird, ist eine sinnwahrende Kürzung besser als ein unlesbarer Block.
Dateiformate
Am häufigsten sind SRT (einfach, textbasiert, überall lesbar) und WebVTT (für Webplayer, erlaubt einfache Formatierung). Im professionellen Umfeld kommen TTML oder ITT dazu, die Positionierung und Farben unterstützen. Für die meisten Aufträge genügt SRT – kläre das Zielformat aber vor Beginn, ein nachträglicher Wechsel kostet Zeit.
Welche Fähigkeiten du brauchst
Die wichtigsten Voraussetzungen sind ein gutes Sprachgefühl, schnelles und korrektes Tippen sowie Sorgfalt. Du musst Gesprochenes nicht nur richtig verstehen, sondern auch so kürzen und gliedern, dass es als Untertitel gut lesbar ist – wörtliche Mitschriften sind oft zu lang. Ein Gespür für Rechtschreibung und Zeichensetzung ist Pflicht; verwandte Anforderungen beschreibt der Beitrag Korrektorat und Lektorat.
Technisches Talent ist hilfreich, aber kein Hindernis. Die gängigen Programme sind schnell erlernt, und vieles läuft heute computergestützt. Eine unterschätzte Voraussetzung ist dagegen die Ausstattung: Ohne ordentliche Kopfhörer verstehst du bei schlechten Aufnahmen einzelne Wörter schlicht nicht, und genau die kosten die meiste Zeit.
Werkzeuge und Arbeitsweise
Reine Handarbeit ist beim Captioning selten geworden. Üblich ist ein zweistufiger Ablauf: Zuerst erzeugt eine automatische Spracherkennung einen Rohtext mit Zeitstempeln. Dann korrigierst du diesen Entwurf – Fehler ausbessern, Timing feinjustieren, Zeilen sinnvoll umbrechen. Dieses Nachbearbeiten von maschinellem Text ist eng verwandt mit dem Redigieren von KI-Texten.
Ein bewährter Arbeitsablauf sieht so aus:
- Rohtext erzeugen oder vom Auftraggeber übernehmen.
- Einmal mit Bild durchgehen und Verständnisfehler korrigieren – Eigennamen, Fachbegriffe, Zahlen.
- Segmentieren: Blöcke auf zwei Zeilen und lesbare Länge bringen.
- Timing anpassen: Ein- und Ausblendzeiten an Sprechpausen und Schnitte legen.
- Endkontrolle im Player: Das Video einmal mit eingeblendeten Untertiteln ansehen.
Es gibt kostenlose und kostenpflichtige Untertitel-Editoren, viele davon laufen direkt im Browser. Auch Videoplattformen bieten eigene Werkzeuge. Für den Einstieg reicht ein kostenloses Programm völlig aus; einen Überblick über nützliche Helfer gibt Nützliche Tools fürs Homeoffice.
Wie lange ein Video wirklich dauert
Die Branche rechnet mit dem Verhältnis von Bearbeitungszeit zu Videolänge. Es ist die wichtigste Kennzahl für deine Kalkulation:
| Aufgabe | Verhältnis | Für 10 Minuten Video |
|---|---|---|
| Korrektur eines guten Rohtexts, geübt | 2:1 bis 3:1 | 20 bis 30 Minuten |
| Korrektur eines guten Rohtexts, Einsteiger | 4:1 bis 6:1 | 40 bis 60 Minuten |
| Untertitel komplett von Hand | 5:1 bis 8:1 | 50 bis 80 Minuten |
| Erweiterte Untertitel mit Geräuschen und Sprecherkennzeichnung | 4:1 bis 6:1 | 40 bis 60 Minuten |
| Übersetzte Untertitel | 5:1 bis 8:1 | 50 bis 80 Minuten |
Nach oben treiben das Verhältnis: schlechter Ton, Dialekt, mehrere gleichzeitig sprechende Personen, viel Fachvokabular und schnelles Sprechtempo. Nach unten: klare Studioaufnahmen, ein einzelner Sprecher, wiederkehrende Formate.
Was du verdienst
Die Vergütung erfolgt meistens pro Videominute, seltener pro Stunde. Übliche Spannen:
| Leistung | Übliches Honorar je Videominute |
|---|---|
| Einfache Untertitel in der Originalsprache | 1,50 bis 4,00 € |
| Erweiterte Untertitel für Gehörlose und Schwerhörige | 3,00 bis 6,00 € |
| Übersetzte Untertitel | 4,00 bis 10,00 € |
| Abrechnung nach Stunden | 18,00 bis 40,00 € |
Vom Minutenpreis zum Stundensatz
Der entscheidende Rechenschritt, den Einsteiger überspringen: Ein Minutenpreis sagt nichts, solange du nicht weißt, wie viele Minuten Arbeit hinter einer Videominute stecken.
| Honorar | Videolänge | Aufwand | Effektiver Stundensatz |
|---|---|---|---|
| 1,20 €/Min | 10 Minuten (12 €) | 60 Minuten als Einsteiger | 12,00 € |
| 2,00 €/Min | 10 Minuten (20 €) | 60 Minuten als Einsteiger | 20,00 € |
| 2,00 €/Min | 10 Minuten (20 €) | 30 Minuten nach Übung | 40,00 € |
| 5,00 €/Min | 10 Minuten (50 €) | 80 Minuten, erweiterte Untertitel | 37,50 € |
Die erste Zeile liegt unter dem Mindestlohn von 13,90 € – ein Angebot, das auf dem Papier bequem wirkt und in der Praxis ein Verlustgeschäft ist. Die zweite und dritte Zeile beschreiben denselben Auftrag am Anfang und nach etwa zwanzig bearbeiteten Videos. Miss deshalb bei den ersten Aufträgen deine Zeit mit und rechne jedes Angebot mit dem Stundenlohn-Rechner um.
Zwei Vereinbarungen schützen dich zusätzlich: ein Aufschlag für schlechte Tonqualität und eine Obergrenze für Korrekturschleifen. Beides gehört vor dem ersten Auftrag geklärt, nicht danach.
Captioning im Minijob-Rahmen
Als angestellter Minijob – etwa bei einem Bildungsanbieter, einer Agentur oder einer öffentlichen Stelle – gilt die Grenze von 603 € im Monat und 7.236 € im Jahr. Beim Mindestlohn von 13,90 € entspricht das rund 43 Stunden monatlich. Bei einem realistischeren Satz von 22 € sind es gut 27 Stunden, bei 30 € nur noch 20 Stunden – umgerechnet etwa 40 bis 60 Minuten fertige Untertitel pro Woche. Wie sich Stundenlohn und Stundenzahl bedingen, zeigt der Minijob-Rechner; die Regeln erklärt Die Minijob-Grenze 2026.
Wer dagegen für mehrere Auftraggeber auf Honorarbasis arbeitet, ist selbstständig: keine Verdienstgrenze, dafür eigene Anmeldung, Steuern und Vorsorge – siehe Minijob und Selbstständigkeit.
Wer Untertitel braucht und wo du Aufträge findest
Die Auftraggeber sind vielfältig: YouTuber und Content-Creator, Unternehmen mit Erklärvideos, Bildungsanbieter mit Online-Kursen, Agenturen, Podcaster mit Videoformaten und öffentliche Stellen, die zur Barrierefreiheit verpflichtet sind. Gerade kleinere Creator haben den Bedarf, aber nicht die Zeit, ihre Videos selbst zu untertiteln – ein idealer Markt für Heimarbeitende.
Du erreichst diese Auftraggeber über Freelancer-Plattformen, über die üblichen Jobbörsen und über direkte Ansprache; feste Stellen im Homeoffice sammelt Home-Office-Jobs.net in der Jobübersicht. Ein kleines Portfolio mit untertitelten Beispielvideos hilft enorm: Such dir zwei bis drei öffentlich zugängliche Videos ohne Untertitel, erstelle je 60 Sekunden, und zeige das Ergebnis als Vorher-Nachher.
Fazit
Untertitel zu erstellen ist eine ruhige, konzentrierte Tätigkeit mit wachsender Nachfrage. Der Bedarf steigt mit jedem Video, das ohne Ton geschaut wird, und mit den Anforderungen an Barrierefreiheit. Wer gut tippt, ein Sprachgefühl mitbringt und die Konventionen kennt – zwei Zeilen, rund 40 Zeichen, 15 bis 17 Zeichen pro Sekunde – findet hier einen flexiblen Homeoffice-Job. Entscheidend für den Verdienst ist das Verhältnis von Bearbeitungszeit zu Videolänge: Bei 2 € pro Videominute und einem Verhältnis von 6:1 bleiben 20 € pro Stunde, bei 3:1 sind es 40 €. Dank computergestützter Werkzeuge ist der Einstieg leichter denn je – die menschliche Korrektur bleibt unverzichtbar, und genau darin liegt der Wert deiner Arbeit.
Häufige Fragen
Wie schnell werde ich besser, und woran merke ich das?
Die deutlichste Verbesserung zeigt sich zwischen dem fünften und dem zwanzigsten Video: Das Verhältnis sinkt typischerweise von 6:1 auf 3:1, weil Tastenkürzel, Umbruchentscheidungen und Timing zur Routine werden. Notiere für jeden Auftrag Videolänge und tatsächliche Arbeitszeit – die Kurve macht den Fortschritt sichtbar und ist zugleich deine Kalkulationsgrundlage für höhere Preise.
Was mache ich bei schlechter Tonqualität?
Höre zwei Minuten in die Datei, bevor du zusagst. Starkes Rauschen, überlagerte Stimmen oder Aufnahmen mit viel Hall können den Aufwand verdoppeln. Vereinbare für solche Fälle einen Aufschlag oder eine Abrechnung nach Stunden statt nach Videominuten. Unverständliche Stellen kennzeichnest du im Untertitel neutral, statt zu raten – erfundene Inhalte sind schlimmer als eine Lücke.
Muss ich mich zwischen Original und Übersetzung entscheiden?
Nein, viele arbeiten in beiden Bereichen. Die Übersetzung setzt allerdings sehr sichere Kenntnisse in beiden Sprachen voraus, weil du gleichzeitig kürzen und den Sinn erhalten musst. Wer damit einsteigt, sollte mit einfachen Inhalten beginnen. Der Vorteil: Übersetzte Untertitel werden deutlich besser bezahlt, und die Konkurrenz ist kleiner.
Wie gehe ich mit Fachbegriffen und Eigennamen um?
Bitte den Auftraggeber vorab um eine Liste mit Namen, Produkten und Fachbegriffen; das spart mehr Zeit als jede andere Absprache. Fehlt sie, recherchiere die Schreibweisen selbst und führe eine eigene Liste je Kunde. Bei wiederkehrenden Formaten wird daraus nach wenigen Aufträgen ein kleines Glossar, das dich spürbar schneller macht.
Lohnt sich der Einstieg, wenn Spracherkennung immer besser wird?
Ja, weil sich die Aufgabe verschiebt statt zu verschwinden. Automatische Erkennung liefert Rohtext, scheitert aber weiterhin an Eigennamen, Fachvokabular, Dialekt, überlappenden Stimmen und vor allem am Timing und an sinnvollen Umbrüchen. Für dich bedeutet das ein besseres Verhältnis von Aufwand zu Ergebnis – der Stundensatz steigt, während der Minutenpreis eher sinkt.