Automatisierte Transkription für Redaktionen

Das echte Ausmaß des Problems

Die journalistische Faustregel: Manuelle Transkription dauert das Vier- bis Sechsfache der Aufnahmelänge. Ein 45-Minuten-Interview kostet 3 bis 4,5 Stunden Transkriptionsarbeit, bevor der erste Satz des Artikels geschrieben ist. Wie groß dieser Anteil an deiner Arbeitszeit ist, siehst du, wenn du für die letzten fünf Stücke mit Interview die Abtippstunden neben die Gesamtstunden schreibst.

Das ist nicht nur ein Zeitproblem. Transkription ist kognitiv erschöpfend: Kopfhörer auf, rückspulen, tippen, rückspulen, tippen. Journalisten, die nach vier Stunden Tippen mit der inhaltlichen Analyse beginnen, tun das mit deutlich weniger Energie. In der Praxis führt das zu oberflächlicherer Auswertung, nicht aus Faulheit, sondern weil die kognitive Ressource erschöpft ist.

Menschliche Transkriptionsdienste kosten je nach Anbieter rund 1,00 bis 1,85 Euro pro Audiominute ( Amberscript etwa ab 1,85 Euro), ein 45-Minuten-Interview also 45 bis 83 Euro, mit Lieferzeiten von einem bis zwei Werktagen. Für zeitkritische Berichterstattung scheidet das aus. Für freie Journalisten mit schmalen Margen ist es ein erheblicher Kostenfaktor: drei Interviews pro Woche bedeuten 135 bis 250 Euro in der Woche.

Mit vs. ohne KI, ein ehrlicher Vergleich

Die Genauigkeit für klares Standarddeutsch liegt bei 90 bis 95 Prozent der Wörter. Bei 130 bis 150 gesprochenen Wörtern pro Minute sind das sieben bis 15 falsche Wörter je Minute, die meisten Kleinigkeiten, einige aber Namen, Zahlen und Verneinungen. Dialekt, starke Akzente, Hintergrundrauschen und schlechte Mikrofonierung senken die Genauigkeit deutlich. Die entscheidende Variable ist die Audioqualität der Aufnahme, nicht das KI-Modell.

Einschätzung auf einen Blick

Zeitersparnis, sehr hoch (5/5) Der stärkste Zeithebel in der gesamten Medienbranche-Kategorie. Aus vier Stunden manueller Arbeit werden 30–35 Minuten (KI-Lauf plus Nachkorrektur). Das ist keine schrittweise Verbesserung, sondern eine Größenordnungsveränderung. Kein anderer KI-Anwendungsfall in dieser Kategorie erzeugt eine so direkte, so messbare Zeitersparnis.

Kosteneinsparung, sehr hoch (5/5) Wer bisher externe Transkriptionsdienste genutzt hat, spart pro Interview 45 bis 83 Euro. Bei drei Interviews pro Woche sind das 135 bis 250 Euro in der Woche, gegen eine Flatrate ab 9,90 Euro im Monat. Das ist der einzige Fall, in dem Geld in der Kasse bleibt. Wer selbst abtippt, gewinnt Stunden, keinen Euro, solange die Stunden nicht in zusätzliche verkaufte Stücke fließen. Die 5/5 gilt deshalb nur für die Fremdvergabe.

Schnelle Umsetzung, sehr hoch (5/5) Du kannst scryp 14 Tage kostenlos testen und dein erstes Interview hochladen, in unter einer Stunde. Kein Setup, keine IT, keine Integration. Das ist der einfachste Einstieg in der gesamten Medienbranche-Kategorie.

ROI-Sicherheit, sehr hoch (5/5) Der Nutzen ist direkt messbar: Transkriptionszeit vorher vs. nachher. Kein Interpretationsspielraum, keine Kausalitätsfrage. Wer drei Stunden Transkription durch 30 Minuten ersetzt, sieht das an dem Tag, an dem er es zum ersten Mal macht. Höchste ROI-Sicherheit unter allen verglichenen Anwendungsfällen.

Skalierbarkeit, mittel (3/5) Der Nutzen skaliert linear mit dem Interviewvolumen: mehr Interviews, mehr Zeitersparnis. Aber es gibt keinen Netzwerkeffekt und keine datenbasierte Verbesserung. Ein System, das 10 Interviews pro Monat transkribiert, ist nicht besser als eines, das 2 transkribiert. Mittelfeldposition in dieser Dimension.

Richtwerte, stark abhängig von Interviewvolumen, Audioqualität und bisheriger Transkriptionspraxis.

Was automatisierte Transkription konkret macht

Das technische Fundament fast aller KI-Transkriptionstools ist Whisper von OpenAI, ein öffentlich zugängliches Spracherkennungsmodell, das 2022 veröffentlicht wurde und die Transkriptionsqualität für Deutsch erheblich verbessert hat. Whisper ist direkt nutzbar (technisch, kostenlos), andere Dienste arbeiten mit eigenen Modellen hinter benutzerfreundlichen Oberflächen.

Der Prozess ist einfach: Du lädst eine Audiodatei hoch (MP3, WAV, M4A, die meisten Formate funktionieren). Die KI verarbeitet das Audio in Echtzeit oder schneller, transkribiert den Text und gibt ihn als durchsuchbares Dokument zurück. Bei Tools mit Sprecherdiarisierung wird zusätzlich erkannt, wer wann gesprochen hat.

Das Transkript ist kein fertiges Produkt, es ist eine hochwertige Rohfassung, die du mit dem Audio mitliest und korrigierst. Die entscheidende Einsicht: Du korrigierst Fehler, du tippst nicht. Das ist kognitiv völlig anders und erheblich schneller.

Nach der Transkription ist das Interview volltext-durchsuchbar: Du kannst nach dem Begriff “Investitionen” suchen und siehst sofort, wo in dem 55-Minuten-Interview die Bürgermeisterin das Thema angesprochen hat. Das ändert auch die Archivarbeit, alte Interviews werden wieder zugänglich.

Konkrete Werkzeuge, was wann passt

scryp ist die Wahl für deutschsprachige Interviews, die die DACH-Region nicht verlassen sollen: Das Audio wird bereits im Browser verschlüsselt, verarbeitet wird in Wien und gespeichert bei Hetzner in Nürnberg, für unlimitierte Transkription ab 9,90 Euro im Monat im Jahresabo, Sprechererkennung allerdings erst ab dem Pro-Plan (14,90 Euro im Jahresabo, 19,87 Euro bei monatlicher Zahlung). 14 Tage kostenlos testbar.

Amberscript (Amsterdam, EU-Server) transkribiert Deutsch mit Sprechertrennung und Browser-Editor, automatisch ab 10 Euro pro Audiostunde oder im Abo ab 19 Euro im Monat für fünf Stunden. Wer ein Zitat wasserdicht braucht, kann dort auch menschlich nachkorrigieren lassen, ab 1,85 Euro pro Minute.

Whisper (OpenAI) ist das technische Fundament vieler Dienste: frei verfügbar und lokal kostenlos, über die OpenAI API nach Minuten abgerechnet, ein 45-Minuten-Interview kostet dort 45 mal 0,006 US-Dollar, rund 27 Cent. Direktzugang für technisch versierte Nutzer oder Redaktionen mit Entwicklungskapazität. Kein benutzerfreundliches Interface, keine Sprechertrennung out-of-the-box.

Otter.ai und Fireflies.ai sind für englischsprachige Meetings gebaut. Unsere Toolseiten raten beiden bei überwiegend deutschen Gesprächen ab, weil die Fehlerquote spürbar steigt. Otters Gratisplan bricht außerdem nach 30 Minuten pro Gespräch ab. Für Interviews mit englischsprachigen Gesprächspartnern sind sie eine Option, für die Bürgermeisterin nicht.

Claude als Analyseschicht nach der Transkription: Transkript einfügen, Kernaussagen extrahieren, Widersprüche identifizieren, Zitate strukturieren lassen. Das ist kein Transkriptionstool, aber ein erheblicher Zeitgewinn bei der Auswertung. Pro-Plan: 20 Euro/Monat.

Empfehlung für Einsteiger: scryp 14 Tage kostenlos testen, ein echtes Interview hochladen, Qualität beurteilen. Für freie Journalisten mit höherem Volumen: scryp Pro (14,90 Euro im Monat im Jahresabo) plus Claude für die Analyse.

Datenschutz und Datenhaltung

Das ist der entscheidende Knackpunkt bei Transkription: Interviewaufnahmen können hochsensible Inhalte enthalten.

Für vertrauliche Quellen, Whistleblower-Gespräche oder Hintergrundgespräche ohne Namensnennung dürfen Aufnahmen nicht in Cloud-Services hochgeladen werden. Das ist kein Vorbehalt, das ist journalistische Sorgfaltspflicht: Pressekodex Ziffer 5 verlangt, das Berufsgeheimnis zu wahren und Informanten ohne ausdrückliche Zustimmung nicht preiszugeben. Das Beschlagnahmeverbot nach § 97 Abs. 5 StPO schützt Material, das sich im Gewahrsam von dir oder deiner Redaktion befindet. Eine Aufnahme auf dem Server eines Transkriptionsdienstes ist das nicht mehr ohne Weiteres.

Für solche Fälle gibt es zwei Alternativen: Lokale Whisper-Installation (kostenlos, läuft auf dem eigenen Rechner, kein Daten-Upload), oder vollständiger Verzicht auf KI-Transkription beim sensiblen Material.

Für Standard-Interviews (Politikerinnen, Unternehmensvertreter, Expertengespräche), bei denen die Gesprächspartner wissen, dass sie aufgenommen werden, ist die Datenschutzfrage unkritischer. Trotzdem gilt: Aufnahme-Einwilligung vor dem Gespräch einholen, das verlangt schon § 201 StGB. Und einen Dienst wählen, mit dem du einen AVV abschließen kannst: scryp und Amberscript bieten ihn an und verarbeiten in der EU.

Otter.ai verarbeitet Daten auf US-amerikanischen Servern, einen AVV gibt es dort laut unserer Toolseite erst für Business und Enterprise, nicht für Pro. Fireflies.ai hält die Daten ebenfalls primär in den USA.

Was es kostet, realistisch gerechnet

Kostenloser Einstieg:

• scryp : 14 Tage kostenlos, genug für einen ehrlichen Test mit drei, vier echten Interviews
• Whisper lokal: vollständig kostenlos, braucht technisches Setup (ca. 1 Stunde)
• Einarbeitungszeit: 30–60 Minuten für den ersten Test
• Tool-Kosten: 0 Euro

Professioneller Ansatz (freie Journalisten oder kleine Redaktionen):

• scryp Pro: 14,90 Euro/Monat im Jahresabo, unlimitierte Transkription mit Sprechererkennung
• Claude Pro für Analyse: 20 Euro/Monat
• Gesamt: 34,90 Euro/Monat, im Jahr 12 mal 34,90 Euro, also rund 420 Euro

ROI-Rechnung: Freie Journalistin, 3 Interviews à 45 Minuten pro Woche. Bisher: 9 Stunden Transkriptionsarbeit. Mit KI: 1,5 Stunden für KI-Lauf und Gegenhören der zitierten Passagen. Ersparnis: 7,5 Stunden/Woche, bei 48 Arbeitswochen 360 Stunden im Jahr.

Welcher Eurobetrag daraus wird, hängt davon ab, wer bisher getippt hat. Hat sie extern vergeben, sind es 3 Interviews mal 45 bis 83 Euro mal 48 Wochen, rund 6.500 bis 12.000 Euro im Jahr, gegen 420 Euro Tool-Kosten und die 1,5 Stunden Prüfarbeit pro Woche, die sie jetzt selbst macht. Das ist echtes Geld. Hat sie selbst getippt, wie Marcus bis Mitternacht, dann waren die 360 Stunden unbezahlte Abendstunden. Sie bekommt sie zurück, aber kein Honorar dafür. Geld wird daraus erst, wenn sie in der Zeit zusätzliche Stücke schreibt und verkauft. Die 420 Euro können sich trotzdem lohnen, schlicht als Preis für 360 Stunden, die nicht mehr am Abend anfallen.

Vier typische Einstiegsfehler

Fehler 1: Das erste Interview mit schlechter Audioqualität als Test wählen Das frustriert und führt zu falschen Schlüssen über die Tool-Qualität. Die KI transkribiert, was sie hört, schlechtes Mikrofon, Hintergrundrauschen oder schlechte Telefonverbindung ergeben schlechte Transkripte. Teste das Tool immer zuerst mit einer sauberen Aufnahme. Dann entscheide, ob du in ein externes Mikrofon investierst (40–80 Euro, der wirkungsvollste Qualitätshebel).

Fehler 2: Das Transkript ohne Gegenlesen übernehmen Bei 90–95 Prozent Genauigkeit stecken in einem 45-Minuten-Interview mit 6.000 bis 7.000 Wörtern 300 bis 700 falsche Wörter: falsche Namen, vertauschte Wörter, fehlende Negationen. Diese Fehler finden sich typischerweise genau bei Namen und Zahlen, den Stellen, die in Artikeln direkt zitiert werden. Jede Passage, die du zitierst oder sinngemäß wiedergibst, hörst du deshalb gegen die Originalaufnahme. Wer das ganze Transkript gegenhört, braucht dafür mindestens so lange wie die Aufnahme selbst.

Fehler 3: Kein Mikrofonupgrade, und dann enttäuscht sein Das Einbaumikrofon eines Laptops in einem Café liefert ein Transkript, in dem du mehr korrigierst, als du übernimmst. Wie groß der Unterschied ist, siehst du, wenn du dasselbe Gespräch einmal über ein Ansteckmikrofon für 40 bis 80 Euro aufnimmst. Die größte Qualitätsverbesserung kommt nicht von einem teureren KI-Tool, sondern von besserer Audioqualität. Das ist ein einmaliger Invest, der dauerhaft wirkt.

Fehler 4: Den Workflow nicht dokumentieren, und dann bei Personalwechsel von vorne anfangen Welches Tool wird für welche Interviewlänge genutzt? Welche Nachkorrektur-Schritte sind Standard? Wer exportiert wohin? Ohne schriftliche Prozessbeschreibung (auch ein einfaches Notion-Dokument reicht) beginnt jede neue Redakteurin oder jeder neue Freie mit einer Lernkurve. Der Zeitvorteil der Transkriptions-KI wird durch wiederkehrende Einarbeitungsphasen aufgefressen.

Was mit der Einführung wirklich passiert

Der erste Test läuft meistens gut und überrascht, die Zeitersparnis ist so offensichtlich, dass die meisten sofort wechseln wollen. Die Herausforderung liegt danach.

Das erste Problem ist das Nachkorrektur-Paradox: Wer weiß, dass eine Aufnahme gut war, überspringt die Nachkorrektur. Das passiert immer öfter. Irgendwann ist ein Artikel online, der ein falsches Zitat enthält, das das KI-Tool eingebaut hat. Dann ist der Schaden größer als die eingesparte Zeit.

Das zweite Problem betrifft vertrauliche Aufnahmen: Wer einmal den Workflow internalisiert hat (“Aufnahme → Cloud-Dienst → fertig”), vergisst manchmal, beim vertraulichen Gespräch bewusst auf den Cloud-Upload zu verzichten. Eine klare interne Regel, “Aufnahmen von vertraulichen Quellen kommen nie in Cloud-Services”, muss aktiv kommuniziert werden.

Bewährt hat sich ein einfaches Ampelsystem: Grün = öffentliches Interview, Cloud-Transkription okay. Gelb = sensibles Material, lokale Whisper-Lösung. Rot = Quellenschutz, keine KI.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„Für Interviews auf Deutsch funktioniert das nicht gut.” Das war 2021 noch eine berechtigte Sorge. Whisper und die darauf aufbauenden Tools haben sich seitdem erheblich verbessert. Klares Standarddeutsch wird mit 90 bis 95 Prozent Genauigkeit transkribiert, das bedeutet sieben bis 15 Wörter pro Minute korrigieren, statt 130 bis 150 selbst zu tippen. Dialekt liegt niedriger, aber selbst dort ist die Zeitersparnis erheblich. Ein einfacher Test mit einer eigenen Aufnahme dauert fünf Minuten.

„Vertrauliche Interviews kann ich nicht in Cloud-Tools hochladen.” Das ist vollständig korrekt, und kein Argument gegen KI-Transkription generell. Für nicht-vertrauliche Interviews (und das sind die meisten) ist Cloud-Transkription unbedenklich. Für vertrauliche Quellen gibt es lokale Whisper-Installationen, die vollständig offline laufen. Die Lösung ist ein bewusstes Unterscheiden, nicht ein Totalverzicht.

„Ich transkribiere beim Abhören gleichzeitig, da ist kein Vorteil.” Das ist effizienter als reines Abtippen, aber immer noch mehrfach langsamer als KI + Nachkorrektur. Rechne es einmal konkret: 45-Minuten-Interview, gleichzeitig Transkribieren = ca. 90 Minuten. KI + Gegenhören der Zitate = ca. 30 Minuten. Bei drei Interviews pro Woche, also rund 140 im Jahr: 140 Stunden Unterschied, knapp vier Arbeitswochen.

Woran du merkst, dass das zu dir passt

Du führst regelmäßig Interviews und transkribierst sie selbst, oder lässt sie extern transkribieren und zahlst dafür. Du hast das Gefühl, dass Transkription eine deiner größten Zeitfallen ist. Du möchtest Interview-Transkripte durchsuchbar archivieren.

Diese Lösung passt nicht zu dir, wenn:

• Deine Interviews ausschließlich vertrauliche Quellen betreffen und du keine lokale Whisper-Installation einrichten willst
• Du hauptsächlich in Dialekt-Umgebungen arbeitest und ein Test mit drei eigenen Aufnahmen zeigt, dass du mehr korrigierst als übernimmst
• Du keine Interviews führst und die Zeitersparnis daher nicht relevant ist

Das kannst du heute noch tun

Starte den kostenlosen Test bei scryp und lade eine Aufnahme hoch, am besten ein bestehendes, nicht vertrauliches Interview, das du manuell transkribiert hast. Vergleiche das KI-Ergebnis mit deiner manuellen Version und miss, wie lang die Nachkorrektur dauert.

Quellen & Methodik

• OpenAI Whisper: Technische Dokumentation und Benchmark-Daten für mehrsprachige Transkriptionsgenauigkeit, openai.com/research/whisper (2022).
• Tool-Preise und Sprachunterstützung: Unsere Toolseiten zu scryp, Amberscript, Whisper, Otter.ai, Fireflies.ai und Claude, Stand September 2026.
• Pressekodex: Ziffer 5 (Berufsgeheimnis), Fassung vom 19. März 2025, presserat.de. § 97 Abs. 5 StPO: Beschlagnahmeverbot, gesetze-im-internet.de.
• Eigene Beobachtung: Zeitvergleiche aus Workshops mit freien Journalisten, die von manueller zu KI-unterstützter Transkription gewechselt haben (2023–2024).