Interview transkribieren: Regeln, Vorlage und KI-Hilfe

Ein Interview transkribierst du in vier Schritten: vor der Aufnahme die Einwilligung einholen, ein Regelsystem wählen, abtippen oder eine Software einen Entwurf schreiben lassen und alles gegen die Aufnahme korrigieren. Für die meisten Abschlussarbeiten passt ein einfaches, inhaltlich-semantisches System wie das von Dresing & Pehl oder Kuckartz & Rädiker; GAT 2 brauchst du für Gesprächs- und Sprachanalysen. Gibt dein Institut Regeln vor, gelten diese. Unten findest du denselben Ausschnitt in drei Regelsystemen, eine Zeichenlegende und eine Vorlage für den Transkriptkopf.

Vor der Aufnahme: Einwilligung und Datenschutz

• Frag vorher und lass dir die Zustimmung geben. Wer „unbefugt“ das „nichtöffentlich gesprochene Wort eines anderen auf einen Tonträger aufnimmt“, macht sich nach § 201 StGB strafbar. Das gilt auch für Telefon- und Videointerviews. Muster für eine Einwilligungserklärung bieten etwa audiotranskription.de und viele Hochschulen.
• Die Stimme ist ein personenbezogenes Datum. Die Universität Münster nennt sie ausdrücklich als Beispiel. Damit gilt die DSGVO für Aufnahme und Transkript.
• Cloud-Dienste brauchen einen Vertrag. Lässt du extern transkribieren, auch automatisch, muss laut Dresing & Pehl vorher eine Vereinbarung zur Auftragsverarbeitung bestehen, weil die Weitergabe schon in der Einwilligung stehen muss. Bist du für deine Datenerhebung selbst verantwortlich, schließt du diesen Vertrag laut Universität Münster in deinem eigenen Namen ab.
• Heikle Themen: Geht es um Gesundheit, Religion, Herkunft oder Sexualität, gelten nach Art. 9 DSGVO strengere Regeln; in der Regel brauchst du eine ausdrückliche Einwilligung. Bei Minderjährigen müssen meist die Eltern zustimmen; die Altersgrenze klärst du mit deiner Ethikkommission oder dem Datenschutzbeauftragten.

Welches Regelsystem passt?

Zuerst gelten die Vorgaben deines Instituts oder deiner Betreuung. Gibt es keine, hilft diese Faustregel:

• Inhaltlich-semantisch (Dresing & Pehl, Kuckartz & Rädiker): wenn dich interessiert, was gesagt wurde, also für qualitative Inhaltsanalyse, Leitfaden- und Experteninterviews. Das ist der Normalfall in Bachelor- und Masterarbeiten.
• GAT 2: wenn dich interessiert, wie gesprochen wurde, also für Gesprächsanalyse und Linguistik. Selbst seine Autoren schreiben, dass das Minimaltranskript für viele sozialwissenschaftliche Zwecke ausreicht, etwa die Inhaltsanalyse von Interviews.

Nenne das System im Methodenteil mit Auflage und Jahr, und schreib eigene Abweichungen in den Transkriptkopf.

Ein Ausschnitt, drei Regelsysteme

Die Kernregeln lassen das „Ähm“, die kurze Pause und das leise „mhm“ der Interviewerin weg und markieren nur die lange Pause. Mit den Erweiterungsmodulen stehen Fülllaute, beide Pausen mit ihrer Länge und die Überlappung im Text. GAT 2 schreibt alles klein, ohne Satzzeichen, misst die Pausen in Sekunden und setzt gleichzeitig Gesprochenes in eckige Klammern untereinander.

Die Regeln nach Dresing & Pehl, Stand 2023

Die aktuelle 9. Auflage des „Praxisbuch Interview, Transkription & Analyse“ (2024) enthält das überarbeitete „Regelsystem für die inhaltlich-semantische Transkription (2023)“ mit fünf Kernregeln. Viele Anleitungen im Netz zitieren noch die 8. Auflage von 2018 mit deutlich mehr Einzelregeln.

1. Jedes Wort aufschreiben, auch wenn der Satz merkwürdig klingt. Wortverschleifungen und Dialekt werden an das Schriftdeutsch angenähert. Unverständliches wird zu „(unv.)“, Vermutetes steht mit Fragezeichen in Klammern.
2. Kurze Antworten aufschreiben, Verstehensäußerungen ignorieren: „hmm“, „ja“ oder „genau“ fallen weg, wenn sie den Redefluss nicht unterbrechen, und werden notiert, wenn sie eine Frage beantworten.
3. Pausen ab drei Sekunden werden mit „(…)“ markiert.
4. Lachen, Seufzen oder Weinen stehen in Klammern, besonders betonte Wörter in VERSALIEN.
5. Jeder Redebeitrag bekommt einen eigenen Absatz, beginnend mit einem Kürzel und Doppelpunkt, etwa „I:“ oder „B1:“.

Die Erweiterungsmodule kannst du einzeln oder komplett wählen: Abbrüche mit „/“, Wortdoppelungen, Pausen nach Länge, Fülllaute und Rezeptionssignale, „hm“ mit Bedeutung in Klammern und Überlappungen mit „//“.

Kuckartz & Rädiker (2024) gehen in einigen Punkten anders vor: Betonte Begriffe werden unterstrichen, lautes Sprechen steht in Großbuchstaben, kurze Einwürfe wie „Ja“ kommen als „(I – Ja)“ in den laufenden Redebeitrag, Wortwiederholungen werden immer transkribiert, und eine eigene Regel verlangt die Anonymisierung.

Vorlage: Transkriptkopf und Zeichenlegende

Zeitmarken setzt meist die Software. Sie dienen laut Dresing & Pehl dazu, eine Stelle in der Aufnahme wiederzufinden, nicht zum Zitieren; das Format hängt vom Programm ab. Welche Schreibweisen es gibt und wie oft du Zeitmarken setzt, zeigt unser Ratgeber Transkript mit Zeitmarken.

Wie lange dauert das Transkribieren?

• Von Hand: Dresing & Pehl rechnen für einfache Regelsysteme mit dem Fünf- bis Zehnfachen der Interviewdauer, Korrekturlesen eingeschlossen. Kuckartz & Rädiker nennen sechs bis zehn Stunden pro Interviewstunde.
• Mit KI-Entwurf: In einer Studie in der Fachzeitschrift FQS (2024) brauchte das Team zum Korrigieren von Whisper-Entwürfen im Schnitt dreieinhalb Stunden pro Interviewstunde, über sieben Interviews. Für das Abtippen von Hand nennt die Studie aus der Literatur sechs Stunden.
• Planung: Ganze Interviewreihen dauern entsprechend Wochen, nicht Tage. Plane die Korrektur von Anfang an ein.

KI-Hilfe: lokal oder in der Cloud?

Seit etwa 2022 ist automatische Transkription laut Dresing & Pehl auch für qualitative Interviews brauchbar. Entscheidend für deine Arbeit ist, wo die Aufnahme verarbeitet wird:

• Auf deinem Rechner, ohne Upload: noScribe ist kostenlos und quelloffen, arbeitet mit Whisper und erkennt Sprecherwechsel; laut Website bleibt „alles auf dem eigenen Computer“. aTrain von der Universität Graz transkribiert ebenfalls offline mit Sprechererkennung. Whisper selbst läuft lokal, trennt aber keine Sprecher. Lade solche Programme nur von der offiziellen Website oder aus dem offiziellen Repository.
• In der Cloud: Bei f4 von audiotranskription.de erfolgt die Spracherkennung laut Anbieter ausschließlich in Deutschland. MAXQDA Transcription kann Aufnahmen mit gemischten Sprachen nicht verarbeiten (Ausnahme: Spanisch mit Englisch) und schreibt Fülllaute wie „ähm“ nur bei Englisch mit. Bei „Transkribieren“ in Word für Microsoft 365 werden die Audiodateien an Microsoft gesendet.

Kein Programm liefert ein fertiges Transkript. In der FQS-Studie ordneten alle getesteten Programme Absätze und Sprecher nicht korrekt zu. Dresing & Pehl schreiben dazu als Überschrift: „Korrektur ist immer nötig“. Wie genau Whisper und andere kostenlose Programme bei deutscher Sprache arbeiten, haben wir in unserem Ratgeber Audio transkribieren gemessen.

Korrigieren, anonymisieren, zitieren

1. Korrigieren: Hör die ganze Aufnahme noch einmal und lies mit. Prüfe besonders Namen, Zahlen, Fachbegriffe und Stellen, an denen mehrere sprechen.
2. Anonymisieren: Ersetze Namen, Orte, Arbeitgeber und andere Hinweise auf die Person durch Platzhalter wie „[Kommilitonin]“ und speichere die Zuordnungsliste getrennt. Solange es diese Liste gibt, ist das Transkript nur pseudonymisiert und bleibt ein personenbezogenes Datum.
3. Zitieren: Zitate belegst du mit Absatznummern, die Analyseprogramme automatisch vergeben, oder mit Zeilennummern, je nach Vorgabe deines Instituts. Setz die Nummern erst, wenn der Text fertig ist.
4. KI dokumentieren: Hast du eine Software genutzt, nenne im Methodenteil Programm, Version, lokal oder Cloud und die Zahl der Korrekturdurchgänge. Ob KI erlaubt ist, klärst du vorher mit deiner Betreuung.

Führst du Interviews per Videocall, kann Teams das Transkript als Word- oder VTT-Datei liefern; wie du VTT in Text umwandelst, steht in unserem Ratgeber zur VTT-Datei. Brauchst du von einem Gespräch nur Ergebnisse statt jedes Wortes, schreib ein Besprechungsprotokoll.