Interview transkribieren: von der Audioaufnahme zum Transkript mit Zeitstempeln

4. Oktober 2026 · Neugence · 7 Min. Lesezeit

Ein Leitfadeninterview für die Masterarbeit, ein Hintergrundgespräch für die Zeitung, ein aufgezeichnetes Bewerbungsgespräch: Am Ende liegt eine Audiodatei von 40 Minuten bis zwei Stunden auf dem Rechner, und von Hand abzutippen dauert erfahrungsgemäß das Fünf- bis Achtfache der Aufnahmelänge. Diese Anleitung zeigt, wie Sie die Datei hochladen, ein Transkript mit Zeitstempeln bekommen, es für Ihren Zweck nachbearbeiten und die Stellen, die Sie brauchen, in Sekunden wiederfinden.

Have a recording like this? Packs from $4, credits never expire → timestamps, overview. Summary free to read.

Kurz gesagt

Schritt für Schritt: Interview transkribieren

  1. Eine Datei pro Interview exportieren. Wenn das Aufnahmegerät die Aufnahme in mehrere Teile gesplittet hat, fügen Sie sie vorher zusammen, damit die Zeitstempel durchlaufen. Benennen Sie die Datei so, wie sie später in Ihrer Arbeit heißt, etwa I03_Pflege_2026-09-12.m4a.
  2. Auf whipscribe.com hochladen. Datei in das Feld ziehen. Die Sprache erkennt das System automatisch; wenn das Gespräch durchgehend auf Deutsch ist, können Sie Deutsch auch fest einstellen. Nach dem Upload geben Sie Ihre E-Mail-Adresse an, damit das Transkript Ihnen zugeordnet ist und Sie den Link bekommen.
  3. Kurz warten. Eine Stunde Audio ist in der Regel in etwa zwei Minuten fertig. Sie können den Tab schließen; das Transkript wartet in Ihrer Bibliothek.
  4. Einmal mit Ton gegenlesen. Klicken Sie in eine Zeile und hören Sie mit, bei Bedarf in 1,5- oder 2-facher Geschwindigkeit. Eigennamen, Fachbegriffe und Dialektstellen sind die Stellen, die Sie prüfen sollten.
  5. Exportieren. DOCX für Word und die Anhänge der Abschlussarbeit, TXT für Analyse-Software, SRT oder VTT, wenn das Interview als Video veröffentlicht wird. Die Zeitstempel bleiben in jedem Format erhalten.

Für die Forschung: Transkript nach Transkriptionsregeln

In qualitativen Arbeiten wird meist nach einem festen Regelsystem transkribiert, häufig nach dem einfachen Transkriptionssystem von Dresing und Pehl. Das maschinelle Transkript ist dafür ein sehr guter Rohentwurf: Der Wortlaut steht, die Zeitmarken stehen, und Sie wenden Ihre Regeln nur noch an, statt bei null zu beginnen.

Mehr zum Forschungs-Workflow mit vielen Interviews finden Sie auf der Seite Transkripte für die wissenschaftliche Forschung.

Beispiel: acht Leitfadeninterviews für eine Masterarbeit

Eine Masterstudentin der Pflegewissenschaft hat acht Interviews mit Pflegekräften geführt, jedes zwischen 42 und 68 Minuten, zusammen gut sieben Stunden. Aufgenommen hat sie mit dem Smartphone auf dem Tisch, gespeichert als M4A.

Für Journalismus: Zitate prüfen und autorisieren

Im deutschen Journalismus werden Interviews meist vor Veröffentlichung autorisiert. Dafür brauchen Sie den genauen Wortlaut, und bei Rückfragen müssen Sie schnell zeigen können, was tatsächlich gesagt wurde.

Wie Redaktionen ein Interview von der Aufnahme bis zum fertigen Text bringen, beschreibt unser Beitrag zum Interview-Workflow für Journalisten (auf Englisch).

Für Bewerbungsgespräche: Notizen ohne Mitschreiben

Wenn ein Bewerbungs- oder Auswahlgespräch mit Einwilligung aufgezeichnet wird, kann sich das Gremium auf das Gespräch konzentrieren statt auf die Mitschrift. Danach lässt sich jede Kandidatin anhand derselben Fragen vergleichen: Fragen Sie im Chat „Was sagt die Person zu ihrer Erfahrung mit Budgetverantwortung?“ und springen Sie per Zeitstempel zur Antwort. Auch Bewerberinnen und Bewerber nutzen das, um ein aufgezeichnetes Probeinterview durchzugehen. Beispiele für Personalabteilungen finden Sie unter Transkripte für Recruiting und Auswahlgespräche.

Nehmen Sie ein Gespräch nur mit Einwilligung aller Beteiligten auf. Das heimliche Aufzeichnen des nichtöffentlich gesprochenen Wortes ist in Deutschland nach § 201 StGB strafbar. Holen Sie die Zustimmung am besten zu Beginn der Aufnahme mündlich ein, dann steht sie auch im Transkript.

Was Sie bekommen

Tipps für eine gute Interviewaufnahme

Das Mikrofon gehört zwischen beide Personen, nicht vor die interviewende Person. Ein Smartphone flach auf dem Tisch in der Mitte reicht für ein Zweiergespräch meist völlig.
Ruhiger Raum schlägt teures Mikrofon: Kein Café, keine Klimaanlage direkt daneben, Handy der Befragten stumm. Halliger Raum? Ein Teppich oder Vorhänge helfen mehr als jeder Filter.
Bei Online-Interviews die Aufzeichnung der Plattform nutzen (Zoom, Teams) und die Audiodatei hochladen. Bitten Sie beide Seiten um ein Headset, dann gibt es kein Echo.
Nennen Sie zu Beginn Datum, Interviewnummer und schwierige Eigennamen laut. So stehen sie richtig geschrieben am Anfang, und Sie wissen beim Gegenlesen, wie sie lauten müssen.

Was es kostet

Bezahlt wird nach Audiominuten, nicht pro Datei. Pakete beginnen bei $4 für 500 Minuten; weitere Pakete: $8 für 1.000 Minuten, $12 für 2.000 Minuten und $24 für 5.000 Minuten. Die Minuten verfallen nicht, Sie können also heute drei Interviews transkribieren und den Rest für die nächste Erhebungswelle aufheben. Bezahlt wird per Karte über Paddle. Alle Preise stehen auf der Preisseite.

Häufige Fragen

Wie lange dauert es, ein einstündiges Interview zu transkribieren?

Eine Stunde Audio ist in der Regel in etwa zwei Minuten fertig. Danach planen Sie Zeit zum Gegenlesen ein: Eigennamen, Fachbegriffe und Dialektstellen prüfen Sie am besten mit Ton, indem Sie auf die Zeile klicken.

Welche Dateiformate kann ich hochladen?

MP3, M4A, WAV, MP4, MOV, FLAC, OGG und WEBM, also die üblichen Formate von Diktiergeräten, Smartphones und Zoom- oder Teams-Aufzeichnungen. Bei einem Video wird die Tonspur verwendet. Auch lange Dateien von zwei oder drei Stunden laden Sie in einem Stück hoch.

Erkennt das Transkript, wer gerade spricht?

Nein. Das Transkript kennzeichnet keine Sprecher. Bei einem Zweiergespräch setzen Sie Kürzel wie I: und B: beim Gegenlesen selbst; durch die Zeitstempel und die Wiedergabe per Klick geht das schnell.

Kann ich das Transkript in MAXQDA, ATLAS.ti oder NVivo verwenden?

Ja. Exportieren Sie das Transkript als DOCX oder TXT und importieren Sie es dort als Textdokument. Die Zeitstempel bleiben im Text erhalten, sodass Sie jede kodierte Stelle im Ton wiederfinden.

Was kostet die Transkription eines Interviews?

Abgerechnet wird nach Audiominuten. Pakete beginnen bei $4 für 500 Minuten, die nicht verfallen; das reicht für acht bis zehn Interviews von 45 bis 60 Minuten. Größere Pakete: $8 für 1.000, $12 für 2.000 und $24 für 5.000 Minuten. Bezahlt wird per Karte über Paddle.

Werden meine Interviewaufnahmen zum Training verwendet?

Nein. Aufnahmen werden auf unseren eigenen Servern transkribiert und nie zum Training von Modellen verwendet. Sie können eine Aufnahme und ihr Transkript jederzeit löschen.

Laden Sie Ihre Interviewaufnahme hoch und bekommen Sie ein Transkript mit Zeitstempeln, Zusammenfassung, Kapiteln und Chat. MP3, M4A, WAV, MP4 und mehr; ab $4 für 500 Minuten, die nicht verfallen.

Interview-Datei hochladen →

Weiterlesen