Richtlinien für Untertitel und Barrierefreiheit bei Medien
Behandle Untertitel und Barrierefreiheitsspuren als Produktions-Assets, nicht als nachträgliche Verzierungen. Erstelle sie auf Basis des Drehbuchs, der Audiomischung, des Schnitts, des Lokalisierungsplans und des Auslieferungsziels der Plattform. Wenn der Nutzer nach rechtlicher Konformität fragt, nenne die verwendeten Standards und empfehle eine Überprüfung durch qualifizierte Berater für Barrierefreiheit/Recht; versprich keine rechtliche Konformität allein aufgrund einer generierten Datei.
Beginne mit der Klassifizierung des Mediums
Bevor du Untertitel schreibst oder exportierst, identifiziere:
- Inhaltstyp: Voraufgezeichnetes Video mit Audio, Live-/Near-Live-Video, Nur-Audio, Nur-Video oder stummer Social-Clip.
- Bedarf des Publikums: Untertitel für gehörlose/schwerhörige Zuschauer, übersetzte Untertitel für hörende Zuschauer, SDH, Transkript, deskriptives Transkript, Audiodeskription, Gebärdensprache oder plattforminterne automatische Untertitel.
- Auslieferungsziel: Social-Einbrennung, Sidecar im Web-Player, Rundfunk/OTT, LMS/Schulungsportal, interne Überprüfung, lokalisiertes Paket oder Archiv-Master.
- Barrierefreiheitsrisiko: Wesentlicher visueller Text, Diagramme, Bildschirmaufnahmen, mehrere Sprecher, überlappende Dialoge, Musik/Liedtexte, handlungsrelevante Soundeffekte, Blitze/Stroboskope, schnelle kinetische Typografie, geringer Kontrast, kleine mobile Bildschirme oder Plattform-UI-Overlays.
- Endgültige Quellenwahrheit: Die gesperrte Audiomischung und das finale Bild. Generierte Drehbücher, TTS-Entwürfe und ASR-Transkripte sind Ausgangspunkte, nicht die Autorität nach Schnitten.
Dokumentierte Fakten, die zu erhalten sind
Verwende diese als faktische Einschränkungen, wenn relevant, und nenne die Quelle in deiner Ausgabe oder in den Übergabeprotokollen, wenn die Behauptung wichtig ist.
- WCAG 2.2 erfordert Untertitel für voraufgezeichnetes Audio in synchronisierten Medien auf Level A (SC 1.2.2), Untertitel für synchronisiertes Live-Audio auf Level AA (SC 1.2.4) und Audiodeskription für voraufgezeichnetes Video auf Level AA (SC 1.2.5). WCAG Level A erlaubt entweder Audiodeskription oder eine Medienalternative für voraufgezeichnetes synchronisiertes Video unter SC 1.2.3. Quelle: W3C WCAG 2.2, verifiziert 2026-07-10.
- Die WCAG 2.2-Blitze-Richtlinie besagt, dass Inhalt nicht mehr als dreimal pro Sekunde blinken darf, es sei denn, er liegt unter den allgemeinen/Rotblitz-Schwellenwerten. Quelle: W3C Understanding SC 2.3.1, verifiziert 2026-07-10.
- Der WCAG-Mindestkontrast für Text beträgt 4,5:1, bei großem Text 3:1. Dies ist ein Web-Text-Kriterium; eingebrannte Untertitel sind Videopixel, aber verwende es als Mindestdesign-Ziel für die Lesbarkeit von Untertiteln, sofern keine strengere Plattform/Spezifikation gilt. Quelle: W3C WCAG 2.2 SC 1.4.3, verifiziert 2026-07-10.
- Section508.gov unterscheidet zwischen Closed Captions (ein-/ausschaltbar), Open Captions (fest im Video), Untertiteln (normalerweise Dialogübersetzung für Hörende, ohne Sprecherkennung oder nichtsprachliche Audioinformationen) und Transkripten (nicht zeitcodiert). Quelle: Section508.gov Richtlinien für synchronisierte Medien, verifiziert 2026-07-10.
- Die FCC-Regeln zur Untertitelqualität für abgedeckte Fernsehprogramme definieren Qualität anhand von Genauigkeit, Synchronizität, Vollständigkeit und Platzierung; Untertitel sollten relevante nonverbale Informationen enthalten, lesbar sein und wesentliche visuelle Inhalte nicht verdecken. Quelle: 47 CFR Sec. 79.1 über Legal Information Institute/eCFR, verifiziert 2026-07-10. Dieser Skill bestimmt nicht, ob ein bestimmtes Projekt den FCC-Regeln unterliegt.
- YouTube Hilfe listete SRT und SBV/SubViewer als Basisformate und WebVTT/TTML/SAMI/RealText als fortgeschrittene Formate; Basis-SRT/SBV-Dateien müssen UTF-8-codiert sein, und YouTube weist auf begrenzte Styling-Unterstützung hin. Quelle: YouTube Hilfe, verifiziert 2026-07-10.
- Vimeo Hilfe gab an, dass Vimeo SRT und WebVTT für Untertitel unterstützt, WebVTT empfiehlt und UTF-8-Codierung für Sonderzeichen erfordert. Quelle: Vimeo Hilfe, verifiziert 2026-07-10.
- WebVTT ist ein UTF-8-formatiertes Zeittextformat, das mit Medientiteln verwendet wird; es beginnt mit
WEBVTT, enthält zeitgesteuerte Cues und kann je nach Player-Unterstützung für Untertitel, Übersetzungen, Beschreibungen, Kapitel oder Metadaten verwendet werden. Quellen: W3C/MDN und Library of Congress WebVTT-Dokumentation, verifiziert 2026-07-10. - Die W3C-WebVTT-Syntax erfordert UTF-8, eine
WEBVTT-Dateisignatur, Cue-Zeitangaben mit Perioden-Millisekunden, geordnete Cue-Startzeiten und Endzeiten größer als Startzeiten. Cue-Überlappungen sind im Format für Untertitel erlaubt, aber viele Untertitel-Workflows lehnen Überlappungen ab oder markieren sie. Quelle: W3C WebVTT Candidate Recommendation Draft, verifiziert 2026-07-11. - SRT ist ein weit verbreitetes, aber schwach standardisiertes Sidecar-Klartextformat, das aus sich wiederholenden Blöcken besteht: Nummerierung, Start-/Endzeitangabe, Untertiteltext und einer Leerzeile als Trennzeichen. Üblich ist
HH:MM:SS,mmm --> HH:MM:SS,mmm-Zeitformat und UTF-8 für moderne Uploads, obwohl ältere SRT-Dateien andere Codierungen verwenden können. Quelle: Library of Congress SRT-Formatbeschreibung plus bereits zitierte Plattformrichtlinien, verifiziert 2026-07-11. - Die Netflix-Zeittext-Richtlinien sind plattformspezifisch, kein allgemeingültiges Gesetz. Die öffentlichen Partnerhilfen umfassen Maximalgrenzen von 2 Zeilen, sprachspezifische Styleguides, Mindest-/Maximal-Ereignisdauern in allgemeinen Anforderungen und US-englische SDH-Konventionen für Sprecherkennung/Geräusche in Klammern. Quelle: Netflix Partner Help Center, verifiziert 2026-07-10.
Anzuwendende Produktionsheuristiken
Dies sind handwerkliche Standardwerte. Überschreibe sie für einen formellen Kunden-Styleguide, eine Rundfunkanstalt-Spezifikation, sprachspezifische Untertitel-Konventionen oder Plattform-Validierungsfehler.
- Bevorzuge eine Sidecar-Untertiteldatei für Barrierefreiheit, wann immer die Plattform es unterstützt. Füge eingebrannte/Open Captions nur hinzu, wenn die Plattform, der Werbeeinkauf oder die Benutzererfahrung stets sichtbaren Text erfordert.
- Wenn du Untertitel für Social Media einbrennst, behalte dennoch einen bearbeitbaren Sidecar-/Transkript-Master. Eingebrannte Untertitel können nicht umgeschaltet, umgestaltet, durchsucht, übersetzt oder zuverlässig von assistiven Technologien verwendet werden.
- Verwende bearbeitete Untertitel für voraufgezeichnete Medien. Auto-Untertitel sind nützlich für Entwurfsausrichtung, aber die endgültige Arbeit erfordert eine Überprüfung durch Menschen/Agenten hinsichtlich Audio, Sprecheridentität, Zeichensetzung, Soundeffekten, Eigennamen und Timing.
- Halte Cues lesbar: normalerweise 1-2 Zeilen, ausgewogene Zeilenlängen, natürliche Phrasengrenzen und ausreichende Anzeigedauer zum Lesen. Wenn der Text zu dicht ist, kürze nur nicht wesentliche Redundanzen, während du Bedeutung und Schlüsselvokabular erhältst.
- Timing der Cues entsprechend dem dargestellten Audio: erscheinen nahe dem Sprech-/Geräuscheinsatz, verschwinden nahe seinem Ende, vermeide überlappende Cues und vermeide, dass Untertitel Witze, Enthüllungen oder sicherheitskritische Anweisungen vor dem Hören vorwegnehmen.
- Positioniere Untertitel neu, wenn sie Gesichter, Lower Thirds, Produkt-UI, Diagramme, bereits im Bild vorhandene Untertitel, rechtliche Einblendungen oder Plattformsteuerungen verdecken.
- Reduziere bei generierten Videos den Untertitelaufwand, indem du Drehbuch und Schnitt barrierefrei gestaltest: weniger konkurrierende Stimmen, lesbarer Bildschirmtext, visuelle Informationen nach Möglichkeit in der Erzählung beschrieben und Pausen für Audiodeskription, wo nötig.
Erstellung von Untertiteln und SDH
Erstelle einen Untertitel-Master aus folgenden Eingaben:
- gesperrtes Video und Audio;
- endgültiges Erzähl-/Dialogdrehbuch oder Transkript;
- Sprecherliste mit Namen, Titeln, Rollen, Aussprache und wann Namen zum ersten Mal enthüllt werden;
- Glossar für Produktnamen, Eigennamen, Akronyme, Fachbegriffe, juristische Phrasen und erfundene/generierte Namen;
- Musik-Cue-Sheet und Liedtextstatus;
- Liste der Bildschirmtexte, Diagramme/Datenaufrufe und visuell-only Story-Beats;
- Zielformat(e), Bildrate/Timecode-Richtlinie, Sprach-/Gebietsschema-Tag und Styleguide.
Für jeden Untertitel-Cue:
- Enthalte gesprochene Wörter in der Reihenfolge. Paraphrasiere nicht, es sei denn, Lesbarkeits-/Zeitbeschränkungen erfordern eine Komprimierung und der gewählte Standard erlaubt dies.
- Erhalte Bedeutung, Ton und wesentlichen Wortschatz. Behalte absichtliche Umgangssprache, grammatikalische Fehler, Wiederholungen oder Zögern bei, wenn sie für Charakterisierung, Humor, Sicherheit oder Anweisung wichtig sind.
- Verwende Zeichensetzung zur Klärung der Bedeutung, nicht zur Dekoration.
- Identifiziere Sprecher, wenn der Zuschauer nicht zuverlässig aus Platzierung oder Bild ableiten kann, wer spricht. Verwende bekannte Namen erst, nachdem der Inhalt sie preisgegeben hat; andernfalls verwende neutrale Beschreibungen wie
[Sprecher],[Stimme aus dem Off],[Frau 1]oder kundengenehmigte Bezeichnungen. - Füge nichtsprachliches Audio hinzu, wenn es Bedeutung, Stimmung, Sicherheit, Geschichte oder Anweisung beeinflusst:
[Alarm ertönt],[sanfte Klaviermusik],[Publikum lacht],[Tür entriegelt]. Untertitele nicht jedes beiläufige Geräusch. - Untertitele Liedtexte, wenn sie hörbar und wichtig sind, vorbehaltlich Rechte/Kundenanweisungen. Wenn Liedtexte nicht untertitelt werden, identifiziere die Musik, wenn sie die Erfahrung beeinflusst.
- Vermeide die Preisgabe von Informationen, die hörenden Zuschauern zu diesem Zeitpunkt nicht zugänglich sind. Nenne keinen mysteriösen Sprecher, enthülle keine Wendung oder erkläre eine verborgene Ursache vorzeitig.
- Vermeide visuelle Beschreibungen in Untertiteln, es sei denn, sie repräsentieren Ton oder Sprecheridentifikation. Visueller Zugang gehört in die Erzählung, integrierte Beschreibung, Audiodeskription oder deskriptives Transkript.
Zeilenumbrüche:
- Breche an Satz-, Klausel- oder Phrasengrenzen.
- Vermeide, Artikel von Nomen, Adjektive/Modifikatoren von Nomen, Vor- und Nachnamen, Hilfsverben von Hauptverben, Präpositionen von ihren Objekten oder ein Subjektpronomen von seinem Verb zu trennen.
- Platziere nicht das Ende eines Satzes und den Anfang eines anderen in derselben Zeile, wenn eine sauberere Trennung möglich ist.
- Halte Cues mit zwei Sprechern selten; wenn unvermeidbar, mache die Sprecher visuell deutlich mit einer konsistenten, vom Zielformat/Plattform unterstützten Konvention.
Timing:
- Richte Untertitel am endgültigen Audio aus, nicht am Drehbuch-Timing.
- Lasse Untertitel nicht weit über die Sprache hinaus bestehen, es sei denn, es ist für die Lesbarkeit notwendig und nicht irreführend.
- Verwende Lücken, wenn sie die Lesbarkeit verbessern, vermeide aber unnötiges Flackern durch sehr kurze Lücken.
- Wenn ein Sprecher unterbrochen wird, verwende Zeichensetzung, die die Unterbrechung verständlich macht.
- Bei schnellen Haftungsausschlüssen, Sicherheitsanweisungen oder juristischem Text wehre dich gegen unlesbare Wiedergabe, anstatt das Problem in winzigen Untertiteln zu verstecken.
Gestaltung eingebrannter/offener Untertitel
Einbrennen ist Typografie über bewegten Bildern. Gestalte es wie eine lesbare Benutzeroberfläche:
- Verwende hohen Kontrast gegenüber allen repräsentativen Frames. Füge eine halbtransparente Box, einen Schatten, eine Kontur oder einen Farbverlauf hinzu, wenn die Hintergründe variieren.
- Halte den Text groß genug für den kleinsten erwarteten Bildschirm und den Kompressionspfad. Vorschau in Telefongröße, nicht nur auf einem Desktop-Monitor.
- Lasse Ränder für die Plattform-UI: Untertitel, Handle, Reaktionsbuttons, Fortschrittsbalken, Lower Thirds und Sicherheitsbereiche unterscheiden sich je nach Plattform und Ausrichtung.
- Vermeide, Untertitel über Gesichter, Münder bei Lippen-/Avatar-Arbeiten, demonstrierte Produkte, Diagramme, bereits vorhandene Untertitel und Gebärdensprachdolmetscher zu platzieren.
- Halte Animationen zurückhaltend. Kinetische Wort-für-Wort-Untertitel können die Bindung auf Social Media fördern, sind aber kein Ersatz für barrierefreie Untertitel, wenn sie Wörter auslassen, zu schnell sind, Kontrast vermissen oder nicht ausgeschaltet werden können.
- Verwende Farbe nicht allein, um Sprecher oder Bedeutung zu unterscheiden. Kombiniere Farbe mit Bezeichnungen, Platzierung oder anderen nicht-farblichen Hinweisen.
Transkripte und deskriptive Transkripte
Stelle ein Transkript bereit, wenn der Nutzer danach fragt, wenn das Medium nur Audio ist, wenn Trainings-/Such-/Überprüfungs-Workflows davon profitieren oder wenn Barrierefreiheitsanforderungen eine zeitbasierte Medienalternative verlangen.
Basis-Transkript:
- Enthalte Sprache, Sprechernamen, bedeutungsvolles nichtsprachliches Audio und Notizen zu Musik/Liedtexten.
- Bereinige offensichtliche ASR-Fehler, Zeichensetzung und Eigennamen.
- Füge Überschriften oder Zeitstempel hinzu, wenn sie für die Navigation nützlich sind.
Deskriptives Transkript:
- Enthalte das Basis-Transkript plus wesentliche visuelle Informationen: Bildschirmtexte, Diagramme, Aktionen, Szenenwechsel, Vorführungen, Gesten und visuell-only Witze oder Anweisungen.
- Verwende dieselbe Quelle der Wahrheit wie Untertitel und Audiodeskription.
- Bevorzuge präzise Beschreibungen, die es einem Leser ermöglichen, den Inhalt zu verstehen, ohne das Video zu sehen oder zu hören.
Planung der Audiodeskription
Plane Audiodeskription nach Möglichkeit vor dem Bildverschluss. Die günstigste und sauberste Lösung für viele Erklärvideos, Demos und Schulungsvideos ist die integrierte Beschreibung: Schreibe die Haupterzählung so, dass sie natürlicherweise wesentliche visuelle Informationen erwähnt.
Wähle die Methode:
- Integrierte Beschreibung: am besten für neue Erklärvideos, Schulungsvideos, Bildschirmdemos, Produktdurchläufe und Bildungsmedien, bei denen die Erzählung erwähnen kann, was visuell wichtig ist.
- Separate Audiodeskriptionsspur: am besten, wenn die Originalmischung unverändert bleiben soll und der Player/Plattform einen alternativen beschreibenden Audiokanal unterstützt.
- Beschriebener Video-Alternativ-Export: am besten, wenn die Plattform keine benutzerwählbare Audiodeskription unterstützt, aber eine zweite Version hosten kann.
- Zeittext-Beschreibungsdatei: möglich, wenn der Player Beschreibungen aus Text unterstützt; überprüfe die Wiedergabeunterstützung.
- Deskriptives Transkript: nützlich für breiten Zugang und in einigen WCAG-Kontexten erforderlich, aber nicht immer ein Ersatz für synchronisierte Audiodeskription auf der angeforderten Konformitätsstufe.
Was zu beschreiben ist:
- Wesentliche Aktionen, Identitäten, Szenenwechsel, Einstellungen, Diagramme, Bildschirmoperationen, Bildschirmtexte, Produktzustände, Gesten und visuell-only Ursache/Wirkung.
- Beschreibe vom Allgemeinen zum Spezifischen, wenn du einen Zuschauer orientierst.
- Priorisiere, was nötig ist, um dem Inhalt zu folgen, ihn zu verstehen und zu schätzen. Fülle nicht jede Pause.
- Verwende Präsens, aktive Stimme, objektive Formulierung und ein dem Publikum angemessenes Vokabular.
- Vermeide die Interpretation von Emotionen oder Absichten, wenn eine sichtbare Tatsache ausreicht. Bevorzuge "Maya ballt die Fäuste" gegenüber "Maya ist wütend", es sei denn, die Emotion ist anderweitig angegeben oder unmissverständlich und relevant.
- Platziere die Beschreibung vor oder während des relevanten visuellen Moments, wenn möglich, nicht nachdem der Zuschauer sie benötigt.
- Vermeide, über Dialog oder Audio zu sprechen, das für das Verständnis wesentlich ist, es sei denn, es ist notwendig.
Blitze, Bewegung und sensorische Sicherheit
Führe einen sensorischen Sicherheits-Check für generierte Bewegungsgrafiken, Rauschschnitte, Blitze, Alarm, Kamerablitze, Stroboskope, schnelle Schnitte, hochkontrastreiche Musterflimmern, rote Blitze und aggressive kinetische Typografie durch.
- Vermeide Blitze oberhalb des WCAG-Schwellenwerts von drei Blitzen pro Sekunde
… [aus Gründen der Kürze abgebrochen]