Interviews transkribieren: Werkzeuge im Vergleich
Automatisch, manuell oder lokal, und was der Datenschutz vorgibt
Eine Stunde Interview braucht beim manuellen Tippen erfahrungsgemäß das Fünf- bis Achtfache an Zeit. Kein Wunder, dass automatische Dienste verlockend wirken. Bevor du eine Aufnahme hochlädst, sind allerdings zwei Fragen zu klären, die mit Bedienkomfort nichts zu tun haben.
Zuerst die Einwilligung, dann das Werkzeug
Interviewaufnahmen enthalten personenbezogene Daten. Ob du sie an einen externen Dienst geben darfst, hängt davon ab, was in deiner Einwilligungserklärung steht und welche Vorgaben dein Institut macht.
Steht dort nur, dass du selbst die Aufnahme auswertest, ist ein Upload zu einem Dienstleister davon nicht gedeckt. Diese Frage entscheidet die Wahl des Werkzeugs, nicht umgekehrt. Kläre sie vor dem ersten Interview, nicht danach.
Automatische Dienste in der Cloud
Sie liefern in Minuten eine Rohfassung, oft mit Sprechertrennung und Zeitmarken, und rechnen meist nach Audiominuten ab. Bei sauberer Aufnahme und Standardsprache ist die Trefferquote hoch.
Abgerechnet wird meist nach Audiominuten, teils im Abo, teils als Guthaben. Rechne die Kosten auf dein gesamtes Material hoch, bevor du dich festlegst: Bei zwölf Interviews à einer Stunde ist der Unterschied zwischen den Modellen spürbar.
Schwächer wird es bei Dialekt, mehreren gleichzeitig Sprechenden, Fachvokabular und schlechter Aufnahmequalität. Rechne fest mit einer Korrekturrunde: Die Rohfassung ist ein Entwurf, kein fertiges Transkript. Prüfe außerdem, wo die Daten verarbeitet werden und ob ein Vertrag zur Auftragsverarbeitung angeboten wird.
Lokale Spracherkennung auf dem eigenen Rechner
Modelle, die offline auf dem eigenen Gerät laufen, lösen das Datenschutzproblem an der Wurzel: Die Aufnahme verlässt den Rechner nicht. Die Qualität liegt inzwischen nah an den Cloud-Diensten, die Verarbeitung dauert je nach Hardware aber deutlich länger.
Der Einrichtungsaufwand ist höher als ein Upload, aber einmalig. Für Arbeiten mit vielen Interviews und strengen Vorgaben ist das oft der praktikabelste Weg.
Plane die Rechenzeit ein: Auf einem gewöhnlichen Notebook kann eine Stunde Audio je nach Modellgröße deutlich länger als eine Stunde dauern. Lass die Verarbeitung deshalb über Nacht laufen, statt am Abgabetag darauf zu warten.
Manuelle Werkzeuge mit Fußschalter und Tempoanpassung
Klassische Transkriptionssoftware automatisiert nichts, sie macht das Tippen erträglich: verlangsamtes Abspielen, Rückspulautomatik beim Pausieren, Zeitmarken per Tastenkürzel, optional ein Fußschalter.
Das bleibt der aufwendigste Weg und ist trotzdem manchmal der richtige: bei stark dialektalem Material, bei sehr wenigen Interviews oder wenn dein Institut die händische Transkription ausdrücklich verlangt.
Ein Zwischenweg hat sich bewährt: automatisch vorschreiben lassen, sofern zulässig, und die Rohfassung anschließend in einem solchen Programm gegen die Aufnahme prüfen. Das spart einen großen Teil der Tippzeit und lässt die Kontrolle bei dir.
Transkriptionsregeln schlagen Werkzeugwahl
Unabhängig vom Werkzeug entscheidet ein Regelsatz über die Qualität: Wird geglättet oder wörtlich mit Dialekt übertragen? Werden Pausen, Lachen und Betonungen notiert? Wie sehen Zeitmarken aus, und wie werden Namen anonymisiert?
Wichtig ist die Konsequenz: Ein Regelsatz, der nach dem dritten Interview gewechselt wird, macht die Transkripte untereinander unvergleichbar und fällt in der Auswertung auf.
Lege das vor dem ersten Transkript fest und beschreibe es im Methodenteil, einschließlich der Frage, ob ein automatischer Dienst beteiligt war. Weiterführend: Transkriptionsregeln, Interviews zitieren und qualitative Inhaltsanalyse.
Was wir am fertigen Transkript prüfen
Transkripte selbst lektorieren wir nicht: Sie sind Datenmaterial und müssen so bleiben, wie sie erhoben wurden. Was wir prüfen, ist der Text darum herum.
Konkret: ob Zitate aus dem Transkript im Fließtext exakt so stehen wie im Anhang, ob Zeilennummern und Sprecherkürzel zwischen Text und Anhang übereinstimmen und ob die Anonymisierung durchgehalten ist. Genau dort finden wir in qualitativen Arbeiten die meisten Abweichungen.