Gute Untertitel: Zeilenlänge, Lesetempo, Timing und Pflichten

Für Zeilenlänge, Lesegeschwindigkeit und Standzeit legen Auftraggeber eigene Richtwerte fest. Ein fehlerfreies Transkript ergibt deshalb noch keine guten Untertitel. Automatische Untertitel beurteilen Sie mit drei Fragen. Stimmt der Text? Stimmt das Timing? Lässt sich jeder Untertitel in seiner Standzeit lesen?

Welche Richtwerte gelten für deutsche Untertitel?

Öffentlich dokumentiert sind der German Timed Text Style Guide von Netflix mit den allgemeinen Netflix-Anforderungen und die gemeinsamen Untertitel-Standards von ARD, ORF, SRF und ZDF.

Welche Richtwerte gelten für deutsche Untertitel?

Richtwert	Netflix, deutsche Untertitel	ARD, ORF, SRF, ZDF
Zeilen je Untertitel	höchstens 2	höchstens 2
Zeichen je Zeile	42	37
Zeichen pro Sekunde, Erwachsene	bis 17	Basiswert 13 bis 15
Zeichen pro Sekunde, Kinder	bis 13	höchstens 11 empfohlen
Mindeststandzeit	5/6 Sekunde	1 Sekunde
Höchststandzeit	7 Sekunden	keine Angabe
Abstand zwischen zwei Untertiteln	mindestens 2 Frames	mindestens 1 Frame

Für Untertitel für Gehörlose und Hörgeschädigte (SDH) erlaubt Netflix bei Erwachseneninhalten bis zu 20 Zeichen pro Sekunde. Das Testprotokoll von ScribeIndex verwendet höchstens zwei Zeilen, 42 Zeichen je Zeile und 17 Zeichen pro Sekunde, angelehnt an Netflix’ deutsches Profil für Erwachseneninhalte.

Wie wird die Lesegeschwindigkeit berechnet?

Die Lesegeschwindigkeit ist die Zeichenzahl eines Untertitels geteilt durch seine Standzeit in Sekunden. Ein Untertitel mit 34 Zeichen und zwei Sekunden Standzeit ergibt 17 Zeichen pro Sekunde. Ob Leerzeichen und Satzzeichen mitzählen, verändert den Wert. ScribeIndex zählt alle sichtbaren Unicode-Zeichen einschließlich Leerzeichen.

Ein Mittelwert über eine ganze Datei verdeckt einzelne zu schnelle Untertitel. Aussagekräftig ist der Anteil der Untertitel, die Zeilenlänge und Lesegeschwindigkeit gleichzeitig einhalten.

Wo gehört der Zeilenumbruch hin?

Bei Netflix bleibt Text auf einer Zeile, solange er die Zeilenlänge nicht überschreitet. Ein nötiger Umbruch hält grammatische und inhaltliche Einheiten zusammen und steht nach Satzzeichen oder vor Konjunktionen und Präpositionen. Artikel und Nomen, Vor- und Nachname sowie Verb und Verneinung bleiben auf einer Zeile. Bei mehreren Möglichkeiten bevorzugt Netflix eine Pyramidenform mit der kürzeren Zeile oben. Die Wortfehlerrate erfasst diese Regeln nicht. Ein Untertitel kann jedes Wort richtig enthalten und trotzdem mitten in einer Wortgruppe umbrechen.

Wann ist ein Untertitel richtig getimt?

Nach den Netflix-Timingrichtlinien beginnt ein Untertitel auf dem ersten Frame des Tons, ein bis zwei Frames Abweichung sind akzeptabel. Folgt kein weiterer Untertitel, bleibt er idealerweise mindestens eine halbe Sekunde über das Sprachende hinaus stehen. Beginnt der Dialog innerhalb einer halben Sekunde nach einem Schnitt, startet der Untertitel mit dem ersten Frame nach dem Schnitt.

Für Abspielsoftware verlangt die europäische Norm EN 301 549 in Abschnitt 7.1.2, dass Untertitel aufgezeichneter Inhalte höchstens 100 Millisekunden von ihrer Zeitmarke abweichen. ScribeIndex wertet einen Untertitel als zeitlich passend, wenn Start und Ende jeweils höchstens 200 Millisekunden von der Referenz abweichen. Diese Toleranz ist eine ScribeIndex-Testbedingung. Daneben veröffentlicht ScribeIndex den mittleren Zeitversatz in Millisekunden.

Wie werden Sprecher und Geräusche gekennzeichnet?

Bei Netflix markiert ein Bindestrich ohne Leerzeichen zwei Sprecher in einem Untertitel, höchstens ein Sprecher steht in jeder Zeile. In SDH-Untertiteln stehen Sprecherangaben und Geräusche in eckigen Klammern, etwa „[Kimmy] Kommst du mit?“, und nur dann, wenn das Bild sie nicht zeigt. ARD, ORF, SRF und ZDF ordnen Sprecher über die Farben Weiß, Gelb, Cyan und Grün zu. Bei gleicher Farbe zeigt ein Spiegelstrich den Sprecherwechsel. Geräusche stehen zwischen zwei Sternchen.

Die Richtlinien für barrierefreie Webinhalte des W3C, kurz WCAG 2.2, zählen Geräusche, Musik, Lachen und die Kennzeichnung der Sprecher ausdrücklich zu Untertiteln. Fehlen Geräusche, die für das Verständnis nötig sind, erfüllen Untertitel diese Definition nicht. Eine automatische Sprechererkennung liefert die Sprecherwechsel, die Kennzeichnung im Untertitel ist ein eigener Schritt.

Was unterscheidet SRT, WebVTT und eingebrannte Untertitel?

SRT stammt aus dem Programm SubRip und besteht aus nummerierten Blöcken mit Zeitmarke, Text und Leerzeile. Die Zeitmarke trennt Millisekunden mit einem Komma ab, etwa 00:01:02,500 --> 00:01:04,000. Eine formale Spezifikation gibt es laut Library of Congress kaum.

WebVTT ist ein W3C-Format für zeitgesteuerte Textspuren in Videos. Die Datei beginnt mit WEBVTT, ist UTF-8-kodiert und trennt Millisekunden mit einem Punkt ab. WebVTT kennzeichnet Sprecher mit einem eigenen Tag wie <v Roger Bingham>. Die Spezifikation nennt SRT als Grundlage.

Eingebrannte Untertitel sind Teil des Videobilds. Die WCAG nennen sie offene Untertitel, die sich nicht ausschalten lassen. Schriftgröße und Farbe können Zuschauer nicht anpassen, und jede Textkorrektur erfordert einen neuen Videoexport. Bewahren Sie deshalb immer die SRT- oder WebVTT-Datei auf.

Wann sind Untertitel Pflicht?

Das Erfolgskriterium 1.2.2 der WCAG 2.2 verlangt auf Stufe A Untertitel für alle aufgezeichneten Audioinhalte in synchronisierten Medien. Ausgenommen ist ein Medium, das nur einen vorhandenen Text wiedergibt und klar so gekennzeichnet ist. Die harmonisierte Norm EN 301 549 V3.2.1 übernimmt Kriterium 1.2.2 in Abschnitt 9.1.2.2 für Webseiten.

Öffentliche Stellen des Bundes gestalten ihre Websites und mobilen Anwendungen nach § 12a des Behindertengleichstellungsgesetzes barrierefrei. Nach der Barrierefreie-Informationstechnik-Verordnung (BITV 2.0) sind eingebundene Videos Bestandteil dieser Websites und Anwendungen (§ 2a). Barrierefreiheit wird vermutet, wenn das Angebot harmonisierten Normen entspricht, die im Amtsblatt der EU genannt sind (§ 3 Abs. 2). Für Websites und Apps öffentlicher Stellen ist das laut Durchführungsbeschluss (EU) 2021/1339 die EN 301 549 V3.2.1.

Das Barrierefreiheitsstärkungsgesetz (BFSG) nennt Untertitel nicht ausdrücklich. Es gilt für bestimmte Dienstleistungen für Verbraucher, darunter Bankdienstleistungen und den elektronischen Geschäftsverkehr (§ 1 Abs. 3 BFSG). Deren Webseiten und Apps müssen nach § 12 der Verordnung zum BFSG wahrnehmbar, bedienbar, verständlich und robust sein. Aufgezeichnete zeitbasierte Medien, die vor dem 28. Juni 2025 veröffentlicht wurden, nimmt das Gesetz aus (§ 1 Abs. 4 Nr. 1 BFSG). Lassen Sie im Einzelfall prüfen, ob Ihr Angebot darunter fällt.

Wie beurteilen Sie automatische Untertitel?

Prüfen Sie Text, Timing und Lesbarkeit getrennt. Die Wortfehlerrate zeigt, wie genau der Untertiteltext das Gesprochene wiedergibt. Für das Timing zählen der Anteil zeitlich passender Untertitel und der mittlere Zeitversatz, für die Lesbarkeit der Anteil regelkonformer Untertitel. Hinzu kommt die Nacharbeit bis zur fertigen Datei. Die W3C-Initiative für Barrierefreiheit hält automatisch erzeugte Untertitel erst dann für ausreichend, wenn ihre vollständige Richtigkeit bestätigt ist. Planen Sie die Korrektur deshalb fest ein.

Die Testreihe zu Untertiteln für Videodateien misst diese Werte an 40 deutschsprachigen Videos aus Interview, Tutorial, Vortrag und Reportage. Das Testprotokoll beschreibt Referenz, Segmentzuordnung und die Gewichtung im ScribeIndex-Score. Live-Untertitel prüft eine eigene Testreihe.