Gute Untertitel sind keine Worttapete. Sie machen ein Reel ohne Ton verständlich, führen das Auge durch den Satz und bleiben frei von Benutzername, Beschreibung und Plattformknöpfen. Zeige deshalb wenige Wörter pro Einheit, mit hohem Kontrast und in der sicheren Bildmitte.
Warum automatische Transkription nicht reicht
Eine automatische Transkription löst nur die Frage, welche Wörter gesprochen wurden. Sie entscheidet nicht sinnvoll, welche Wörter zusammengehören, wo eine Zeile bricht oder welcher Teil hervorgehoben werden sollte. Ein technisch korrekter Untertitel kann trotzdem schwer lesbar sein.
Im Kurzvideo konkurriert der Text mit Bewegung, Produkt, Gesicht und Bedienelementen der App. Der Zuschauer liest nicht in Ruhe. Er erfasst Textblöcke für einen Moment und blickt wieder ins Bild. Gestaltung ist deshalb Teil des Schnitts.
Ein Gedanke pro Einblendung
Teile den gesprochenen Satz nach Sinn, nicht nach einer starren Zeichenzahl:
Wenn du die Fläche zuerst planst / und den Pfosten später einfügst / musst du jede Reihe neu prüfen.
Die drei Einheiten lassen sich jeweils als kleines Bild verstehen. Eine ungünstige Teilung wäre „Wenn du die Fläche / zuerst planst und den / Pfosten später einfügst“. Sie zwingt das Auge, grammatische Bruchstücke zwischen Einblendungen zu speichern.
Als Startwert funktionieren drei bis sieben Wörter pro Einheit und höchstens zwei Zeilen. Kurze Funktionswörter dürfen beim zugehörigen Begriff bleiben. Namen, Zahlen mit Einheit und feste Ausdrücke werden nicht getrennt.
Platzierung: nicht zu tief, nicht über dem Motiv
Plattformen legen eigene Elemente über das Video: Beschreibung und Kontoname unten, Interaktionen am Rand, gelegentlich Hinweise oben. Diese Flächen unterscheiden sich je nach App und Gerät. Lege deshalb eine konservative Sicherheitszone an:
- Text nicht direkt an den unteren Rand setzen
- rechts Platz für Interaktionsknöpfe lassen
- wichtige Wörter nicht ganz oben platzieren
- Vorschau in den echten Apps prüfen, nicht nur im Schnittprogramm
Die beste Standardposition liegt oft im unteren Mittelfeld, aber oberhalb der Plattformbeschreibung. Bei einer Bildschirmaufnahme kann genau dort die wichtige Schaltfläche liegen. Dann gehört der Text nach oben oder die Aufnahme wird so gerahmt, dass eine ruhige Textfläche entsteht. Es gibt keine Position, die für jedes Motiv passt.
Kontrast entsteht nicht nur durch Farbe
Weißer Text funktioniert auf einem hellen Produkt nicht, schwarzer Text verschwindet im Schatten. Nutze eine der drei robusten Lösungen:
- eine leicht abgedunkelte, abgerundete Fläche hinter der ganzen Einheit
- eine klare Kontur oder einen dezenten Schatten
- eine ruhige, bewusst freigehaltene Bildzone
Ein halbtransparenter Hintergrund ist meist verlässlicher als ein starker Schatten. Prüfe Kontrast an der hellsten und dunkelsten Stelle des Clips, nicht an einem zufälligen Standbild.
Verwende höchstens eine Akzentfarbe, etwa für das Wort, das sich gerade ändert oder die Zahl, auf die es ankommt. Wenn jedes zweite Wort bunt ist, gibt es keine Hierarchie mehr.
Schriftgröße und Zeilenlänge
Bearbeite im 9:16-Format und prüfe auf einem echten Telefon. Ein Untertitel, der auf dem Laptop großzügig wirkt, kann auf 6 Zoll kaum lesbar sein. Die richtige Größe hängt von der Schrift ab; entscheidend ist der Testabstand: Halte das Telefon so, wie du normalerweise scrollst, und lies ohne näher heranzugehen.
Vermeide sehr breite Zeilen. Je weiter das Auge horizontal wandert, desto länger ist es vom Bild weg. Zwei kürzere Zeilen sind oft besser als eine Zeile über fast die ganze Breite. Vermeide zugleich einzelne Restwörter in der zweiten Zeile. Ändere den Umbruch oder kürze den Satz.
Wortgenaue Hervorhebung sinnvoll einsetzen
Karaoke-Untertitel können das Auge gut führen, wenn die Hervorhebung ruhig bleibt. Markiere das aktuelle Wort durch Farbe oder Gewicht, nicht durch Springen, Drehen und Skalieren. Zu viel Bewegung konkurriert mit dem Inhalt und kann das Lesen erschweren.
Wortgenaues Timing verlangt, dass gesprochener und sichtbarer Text dieselbe Wortfolge haben. Wenn die Stimme „circa fünf Millimeter“ sagt und im Bild „5 mm“ steht, passen automatisch ermittelte Wortzeiten nicht mehr sauber. Du kannst die Anzeige bewusst vereinfachen, musst dann aber Einheiten als ganze Sinnblöcke timen statt blind Wortpositionen zu übernehmen.
Gesprochener Text ist nicht immer Anzeigetext
Im Ton helfen Pausen und Betonung. Im Bild helfen Kürze und feste Begriffe. Du darfst deshalb Füllwörter oder eine Wiederholung aus der Anzeige entfernen, solange Bedeutung und Timing klar bleiben. Aus „Und dann, ganz wichtig, schiebst du die Fläche nicht noch einmal“ kann im Bild „Fläche nicht erneut verschieben“ werden.
Bei erklärenden Reels ist eine weitgehend gleiche Wortfolge jedoch leichter zu verfolgen. Trenne Vorlesetext und Anzeigetext nur dort, wo es einen erkennbaren Gewinn gibt.
Zahlen, Marken und Fachwörter
Schreibe Zahlen so, wie sie am schnellsten erfasst werden: „30 %“ ist im Bild meist besser als „dreißig Prozent“. Maße brauchen ihre Einheit. Markennamen müssen konsistent geschrieben sein, auch wenn die Aussprache abweicht.
Fachwörter dürfen stehen bleiben, wenn die Zielgruppe sie benutzt. Erkläre sie beim ersten Auftreten mit Bild oder kurzem Zusatz, statt jeden Untertitel mit Klammern zu überladen.
Ein Untertitel-Qualitätscheck
Sieh das fertige Video in drei Durchgängen:
- Ohne Ton: Ist die Aussage vollständig verständlich?
- Mit Ton, ohne bewusst zu lesen: Unterstützt der Text oder lenkt er ab?
- Anhalten an fünf zufälligen Stellen: Ist jeder Textblock für sich lesbar, kontrastreich und frei von wichtigen Bildelementen?
Lade anschließend einen nicht öffentlichen Test hoch oder nutze die Plattformvorschau. Prüfe Beschreibung, Kontoname und Knöpfe. Die Schnittvorschau kennt diese Überlagerungen nicht.
Untertitel sind gut, wenn sie kaum auffallen und trotzdem fehlen würden. Sie machen den Inhalt zugänglich, verstärken wichtige Wörter und geben dem Auge einen Rhythmus, ohne selbst zum Hauptdarsteller zu werden.
Zeichensetzung und Lesetempo
Punkte helfen, Gedanken abzuschließen. Kommas dürfen sichtbar bleiben, wenn sie die Satzstruktur erklären. Verzichte auf drei Ausrufezeichen und dauerhaftes GROSSSCHREIBEN. Eine gezielte Großschreibung kann Betonung zeigen, verändert aber schnell den Ton der Marke.
Blende eine Einheit nicht nur nach gesprochenen Millisekunden ein. Ein seltenes Fachwort oder eine Zahl mit Einheit braucht mehr Lesezeit als „und dann“. Wenn die Stimme sehr schnell ist, kann der Text minimal früher erscheinen und als Sinnblock stehen bleiben.
Barrierefreiheit über Untertitel hinaus
Verlasse dich bei einem Vergleich nicht allein auf Rot und Grün. Benenne Varianten zusätzlich mit Text, Symbol oder Position. Beschreibe im Ton, was im Bild entscheidend ist, wenn es sonst unsichtbar bliebe. Blinkende Effekte und schnelle Textsprünge können belasten. Nutze Bewegung, um Fokus zu führen, nicht um jede Einblendung zu dekorieren.
Export und Plattformprüfung
Kontrolliere nach dem Export, nicht nur in der Timeline:
- stimmen Sonderzeichen, Umlaute und Apostrophe?
- sind Wörter am Schnitt vollständig sichtbar?
- bleibt Text nach der Kompression scharf?
- liegt die letzte Zeile in der Plattformvorschau frei?
- passt der eingebrannte Text zur gesprochenen finalen Fassung?
- existiert bei Bedarf zusätzlich eine Untertiteldatei oder Plattform-Caption?
Automatische Plattformuntertitel können zusätzlich nützlich sein, dürfen aber nicht ungeprüft Fachbegriffe oder Markennamen verfälschen.
Ein kleines Gestaltungssystem
Definiere für den Kanal drei Zustände: normaler Untertitel, hervorgehobenes Schlüsselwort und Hinweis beziehungsweise Sprecherwechsel. Lege Schrift, Größe, Hintergrund, Zeilenabstand und sichere Ränder einmal fest. Danach wird nicht jedes Reel neu gestaltet.
Das System darf je Motiv die Position wechseln, aber nicht seine Leselogik. So entsteht Wiedererkennung, und die Produktion wird schneller, ohne dass Text über wichtige Bildteile gelegt wird.