KI bei der Transkription

Ein Einstieg für Lehrende 

Andrea Klein


23. Februar 2026

Easy Access ist eine Blogreihe des VK:KIWA für alle, die am Anfang ihrer Beschäftigung mit generativer KI stehen. Wir richten uns dabei besonders an Lehrende und erklären in kompakten Beiträgen zentrale Begriffe, zeigen konkrete Anwendungsmöglichkeiten und machen erste Schritte mit KI verständlich und umsetzbar. Mit der Blogreihe möchten wir vor allem (Noch-)Einsteiger:innen darin ermutigen, KI schrittweise auszuprobieren und sie lernförderlich in die Lehre zu integrieren.

Begriff / Use Case – worum geht es eigentlich?

KI-gestützte Transkription bedeutet: Gesprochenes Material (z. B. aus Interviews oder Gruppendiskussionen) wird automatisch in Text umgewandelt. Das spart Zeit und kann somit Forschungsprozesse deutlich vereinfachen.

Use Case:
Studierende oder auch Sie selbst möchten Audiomaterial für wissenschaftliche Texte effizient transkribieren und für die Analyse aufbereiten.


Funktionsweise und Hintergrundinfos – was sollte man wissen?

Moderne Transkriptions-Tools nutzen Spracherkennung mit Machine-Learning-Modellen, die anhand einer Vielzahl von Sprachbeispielen trainiert wurden. Die Qualität der Transkription hängt stark von Aufnahmequalität, Hintergrundgeräuschen, verwendetem Fachvokabular, dialektalen Färbungen und Sprecher:innenwechseln ab. 

  • Fachbegriffe und Namen werden oft falsch erkannt, lassen sich aber teils per Wörterbuch bzw. Vokabularlisten verbessern, das bzw. die man als Textdatei hochlädt.


  • Datenschutz hängt davon ab, ob die Verarbeitung lokal (auf dem eigenen Gerät) oder in der Cloud erfolgt und ggf. ob die jeweilige Cloud innerhalb oder außerhalb der EU betrieben wird.


  • Korrekturaufwand bleibt: Transkripte sind nie (!) ohne Nacharbeit direkt wissenschaftlich nutzbar.


So funktioniert es:

Technisch wird das Audiosignal in kurze Abschnitte zerlegt, daraus werden Merkmale (z. B. Frequenzmuster) abgeleitet und dann von einem Modell in wahrscheinliche Wortfolgen übersetzt. Im nächsten Schritt bewertet ein Sprachmodell, welche Wortfolgen am wahrscheinlichsten sind, und setzt daraus einen besser lesbaren Text mit Zeichensetzung zusammen. Je besser die Aufnahme und je verständlicher die Sprache, desto weniger Fehler entstehen bei diesen Arbeitsschritten.

Beispiel/Anwendung/Lösung: Wie geht es denn?

Prinzipiell sind drei verschiedene Herangehensweisen vorstellbar:

  • Verwendung eines lokal installierten Tools: NoScribe ist ein Beispiel für ein lokal installierbares Transkriptions-Tool, das Audio- und Videodateien in Text umwandelt und dabei die Daten nur auf dem eigenen Rechner verarbeitet (besserer Datenschutz).


  • Verwenden eines Tools mit Schnittstellen zu Analysefunktionen wie z.B. MAXQDA oder f4 


Kurzanleitung (allgemein):

  1. Aufnahme in guter Qualität erstellen (möglichst nah am Sprecher, wenig Hall, wenig Nebengeräusche).
  2. Datei hochladen oder importieren (Audio/Video), Sprache einstellen, bei Bedarf „Sprecher trennen“ aktivieren.
  3. Ergebnis prüfen: Eigennamen, Fachbegriffe, Zahlen, Zitate und unklare Stellen gezielt korrigieren.
  4. Mit Zeitstempeln (für Nachvollziehbarkeit) exportieren, als DOCX/TXT und ggf. in ein Analysetool (z. B. für Codierung) hochladen.
  5. Transkriptversion dokumentieren


Fallstricke – was sollte ich als Lehrperson beachten bzw. meinen Studierenden mitgeben?


  • Einwilligung & Transparenz: Aufnahmen und Transkription nur mit dokumentierter Zustimmung aller Beteiligten; Zweck, Speicherort und Zugriffsrechte vorher klären.


  • Datenschutz/Vertraulichkeit: Prüfen, wo verarbeitet und gespeichert wird, wer Zugriff hat und ob das bei sensiblen Daten zulässig ist.


  • Nachbearbeitung immer erforderlich: Transkripte können inhaltlich verfälscht sein (Weglassen, Verdrehen, falsche Zahlen und Namen) – deshalb immer Gegenhören und Korrekturen einplanen!


  • Organisation & Qualitätssicherung: Rollen festlegen (wer korrigiert, wer finalisiert), einheitliche Transkriptionsregeln verwenden und saubere Dateibenennung/Versionierung.


Was könnte danach der nächste kleine Schritt sein?

  • Welche Informationen benötigen die Studierenden von mir zu Datenschutzanforderungen, wenn sie sich damit noch nie auseinandergesetzt haben?


  • Welche Mindeststandards setzen wir für die Qualität der Transkription?


  • Mit welchem unkritischen Material können die Studierenden üben und erste Erfahrungen sammeln?