Audiodeskription 2026: was AD ist, welche WCAG Kriterien gelten, wie sie sich von Untertiteln unterscheidet und wie du Videos mit Cypress prüfst.
Mehr erfahren
Untertitel für Hörgeschädigte, auch Closed Captions (CC) genannt, geben alle hörbaren Informationen eines Videos als Text wieder: Sprache, Sprecherwechsel und wichtige Geräusche. Sie machen Videos für gehörlose und schwerhörige Menschen verständlich und sind nach WCAG 2.2 für aufgezeichnete Videos mit Ton Pflicht.
Der Unterschied zu normalen Untertiteln ist entscheidend. Übersetzungsuntertitel gehen davon aus, dass man den Ton hört und nur die Sprache nicht versteht. Untertitel für Hörgeschädigte gehen davon aus, dass man gar nichts hört. Deshalb stehen darin auch Hinweise wie [Telefon klingelt], [leise Musik] oder ANNA: vor einem Sprecherwechsel.
Closed heißt: Nutzer können sie ein und ausschalten. Das Gegenstück sind Open Captions, die fest ins Bild gebrannt sind.
Ein Tag inhouse mit Roland Golla, offizieller Cypress Ambassador und seit über 20 Jahren in Testing und Refactoring zu Hause. Auf unserem YouTube Kanal zeigt er in über 70 Live Coding Tutorials, wie Cypress in echten Projekten läuft. Dazu kommt unser Open Source Plugin NCA TESTIFY: Basistests für jede Website, mit einer Zeile im CI/CD Setup. Im Workshop lernt euer Team Setup, stabile Selektoren, Custom Commands und Tests in der Pipeline.
Video ist bei NCA Alltag. Wir produzieren eigene YouTube Videos und Shorts, zeichnen Meetups und Workshops auf und bauen Video Player in Frontends ein. Dabei sehen wir beide Seiten: die Redaktion, die Untertitel erstellen und prüfen muss, und den Code, der sie korrekt ausliefert.
Für die Videos auf eurer Website prüfen wir, ob Untertitel vorhanden, vollständig und im Player zuschaltbar sind. Wir binden WebVTT Dateien sauber ins HTML Video ein, bauen Player mit erreichbarem CC Button und sauberer Tastaturbedienung und unterstützen Redaktionen bei geprüften Untertiteln. Wo Bildinhalte erklärt werden müssen, kommt Audiodeskription dazu. Grundlage sind die Medienkriterien der WCAG 2.2, geprüft im Rahmen eines Accessibility Audit und eingeordnet nach dem BFSG.
Im Alltag werden die Begriffe wild gemischt. Für die Barrierefreiheit ist die Unterscheidung aber wichtig, denn nur eine Variante erfüllt die WCAG für gehörlose Menschen.
Im deutschen Fernsehen heißen Untertitel für Hörgeschädigte oft auch UT oder werden über Videotext Seite 150 ausgestrahlt. Im Web gilt: Wer Untertitel anbietet, sollte prüfen, ob es wirklich Captions sind.
Untertitel sind in den WCAG im Prinzip Wahrnehmbar geregelt. Relevant sind vor allem drei Kriterien:
Ergänzend verlangt die EN 301 549, dass ein Player Untertitel anzeigen kann und dass Nutzer sie einschalten können. Ein Video ohne Untertitel Button fällt also auch dann durch, wenn eine Untertiteldatei existiert.
Was gute Untertitel ausmacht:
Nicht jeder Untertitel ist gleich gut. Die Spanne reicht von ungeprüfter Spracherkennung bis zur redaktionell geprüften Fassung mit Geräuschen und Sprechern. Nur die oberen beiden Stufen erfüllen die WCAG zuverlässig.
Im Browser ist das Format der Wahl WebVTT. Eine einfache Textdatei mit Zeitstempeln, die jeder moderne Browser versteht. Sie wird über das track Element an ein video gehängt.
<video controls preload="metadata">
<source src="/videos/workshop.mp4" type="video/mp4">
<track kind="captions" src="/videos/workshop.de.vtt"
srclang="de" label="Deutsch" default>
</video>
Wichtig ist kind="captions". Mit kind="subtitles" signalisiert ihr eine Übersetzung. Screenreader und Player behandeln beide unterschiedlich. Die WebVTT Datei selbst sieht so aus:
WEBVTT
00:00:01.000 --> 00:00:04.000
<v Roland>Willkommen zum Workshop.
00:00:04.500 --> 00:00:07.000
[Applaus]
00:00:07.500 --> 00:00:11.000
<v Benjamin>Heute bauen wir einen Agent
mit Claude Code.
Mit dem Tag <v Name> kennzeichnet ihr den Sprecher, eckige Klammern stehen für Geräusche. Zwei Zeilen pro Einblendung sind das Maximum für gute Lesbarkeit.
Was der Player können muss: Ein sichtbarer CC Button, per Tastatur erreichbar, mit korrektem Namen für Screenreader. Viele Custom Player verstecken den Button oder machen ihn nur per Maus bedienbar. Der native Browser Player mit controls ist hier oft die robustere Wahl. Bei eingebetteten YouTube Videos lassen sich eigene Untertitel im Studio hochladen und per Parameter cc_load_policy=1 standardmäßig einblenden.
Spracherkennung ist 2026 so gut wie nie zuvor. Offene Modelle wie Whisper von OpenAI oder Voxtral von Mistral laufen auch lokal und liefern in Sekunden ein brauchbares Transkript. YouTube, Vimeo und viele Schnittprogramme erzeugen automatische Untertitel direkt beim Upload.
Das Problem: Fast richtig ist bei Untertiteln falsch. Typische Fehler automatischer Untertitel:
Unser Workflow deshalb: KI Transkript als Rohfassung, danach menschliche Korrektur, dann Sprecher und Geräusche ergänzen. Das spart den Großteil der Tipparbeit und liefert trotzdem echte Captions. Wer Modelle datenschutzfreundlich einsetzen will, kann sie lokal mit Ollama oder auf eigenen Servern in Deutschland betreiben.
Please caption your content.
Audiodeskription 2026: was AD ist, welche WCAG Kriterien gelten, wie sie sich von Untertiteln unterscheidet und wie du Videos mit Cypress prüfst.
Mehr erfahrenUntertitel helfen nicht nur gehörlosen Menschen. Viele schauen Videos im Zug, im Büro oder abends neben schlafenden Kindern ohne Ton. Auf Social Media läuft ein Großteil der Videos stumm an. Wer Untertitel als Pflichtaufgabe sieht, verschenkt Reichweite.
Untertitel sind Teil der Nicht Text Inhalte und gehören zum ersten der vier POUR Prinzipien. Für Menschen, die Deutsche Gebärdensprache als Erstsprache nutzen, sind Untertitel nicht immer ausreichend. Hier hilft ein Blick auf DGS im Web und auf Leichte Sprache.
Die Gegenrichtung zu Untertiteln sind Text to Speech und Diktieren, die Text in Sprache und Sprache in Text verwandeln. Welche Pflichten konkret gelten, steht bei Compliance in der Barrierefreiheit. Für die technische Prüfung eures Players hilft unsere Übersicht der Accessibility Testing Tools.
Wir sind hier, um Ihnen zu helfen. Gemeinsam meistern wir Ihre digitalen Herausforderungen und fördern die Inklusion im Internet. Lassen Sie uns Ihre Projekte mit barrierefreiem Webdesign erfolgreich machen.
Captions, Subtitles, WebVTT und KI Transkripte: die Fragen, die bei Videoprojekten immer wieder kommen.
Untertitel für Hörgeschädigte, im Web meist Closed Captions genannt, geben alle hörbaren Informationen eines Videos als Text wieder. Dazu gehören gesprochene Sprache, Sprecherwechsel und relevante Geräusche wie Musik, Lachen oder ein klingelndes Telefon. Sie sind zuschaltbar und machen Videos für gehörlose und schwerhörige Menschen verständlich.
Für viele Anbieter ja. Die WCAG 2.2 verlangen in Kriterium 1.2.2 Untertitel für alle aufgezeichneten Videos mit Ton. Über das BFSG und den European Accessibility Act gilt das für Onlineshops, Banking und weitere Dienste. Öffentliche Stellen sind über die BITV 2.0 verpflichtet. Ausnahmen gibt es nur in engen Grenzen.
Nein. Automatische Untertitel enthalten typischerweise Fehler bei Namen, Fachbegriffen und Satzzeichen und lassen Geräusche und Sprecherwechsel weg. Damit erfüllen sie die WCAG nicht. Sie sind aber ein guter Startpunkt: Rohfassung übernehmen, von Hand korrigieren, Sprecher und Geräusche ergänzen und die fertige Datei hochladen.
Captions richten sich an Menschen, die nichts hören, und enthalten neben der Sprache auch Geräusche und Sprecherangaben. Subtitles richten sich an Menschen, die hören, aber die Sprache nicht verstehen, und enthalten nur die übersetzte Sprache. Für Barrierefreiheit zählen Captions. Im HTML wird das über kind captions oder subtitles unterschieden.
Im Browser ist WebVTT der Standard. Die Datei mit der Endung vtt wird über das track Element an ein HTML video gehängt. Sie unterstützt Zeitstempel, Sprecherkennzeichnung und einfache Formatierung. SRT ist weit verbreitet und lässt sich leicht in WebVTT umwandeln, wird vom track Element aber nicht direkt unterstützt.
Open Captions sind fest ins Videobild eingebrannt und lassen sich nicht abschalten. Sie funktionieren auf jeder Plattform, auch dort, wo keine Untertiteldateien unterstützt werden, etwa in manchen Social Media Feeds. Nachteil: Nutzer können Größe, Farbe und Position nicht anpassen, und Screenreader können den Text nicht auslesen.
Reine Audioinhalte brauchen keine Untertitel, sondern ein Transkript. Das verlangt WCAG Kriterium 1.2.1. Das Transkript sollte vollständig sein, Sprecher kennzeichnen und relevante Geräusche nennen. Als Bonus wird der Inhalt so auch für Suchmaschinen lesbar. Video Podcasts mit Bild brauchen dagegen Untertitel wie jedes andere Video.
Ja, nach WCAG 2.2 Kriterium 1.2.4 auf Stufe AA. Für Webinare, Livestreams und Online Events heißt das Live Untertitelung, entweder durch Schriftdolmetscher oder durch Echtzeit Spracherkennung mit Korrektur. Automatische Live Untertitel ohne Kontrolle sind besser als nichts, erfüllen den Standard aber meist nicht vollständig.
Maximal zwei Zeilen pro Einblendung, mit etwa 37 bis 42 Zeichen pro Zeile. Die Standzeit muss zum Lesen reichen, als Faustregel mindestens eine Sekunde und nicht mehr als etwa sieben Sekunden. Zeilenumbrüche setzt man an Sinngrenzen, nicht mitten in eine Wortgruppe. So bleiben Untertitel auch bei schnellen Dialogen lesbar.
Geräusche stehen üblicherweise in eckigen Klammern, etwa [Applaus] oder [leise Musik]. Sprecher werden vor ihrem Text genannt, wenn nicht klar ist, wer spricht. In WebVTT gibt es dafür das Voice Tag mit dem Sprechernamen. Wichtig ist Konsistenz: Einmal gewählte Schreibweisen im ganzen Video beibehalten.
Ja, als Rohfassung. Modelle wie Whisper oder Voxtral liefern schnell ein Transkript, auch lokal ohne Cloud. Danach braucht es immer eine menschliche Korrektur für Namen, Fachbegriffe und Satzzeichen sowie das Ergänzen von Geräuschen und Sprechern. So spart ihr Zeit und liefert trotzdem Untertitel, die den WCAG entsprechen.
Er muss Untertitel anzeigen und per sichtbarem Button zuschaltbar machen. Alle Bedienelemente müssen per Tastatur erreichbar sein und korrekte Namen für Screenreader haben. Idealerweise lassen sich Schriftgröße und Hintergrund der Untertitel anpassen. Der native HTML Player mit controls erfüllt vieles davon bereits, Custom Player oft nicht.
Ja. Suchmaschinen können Videoinhalte kaum verstehen, Text dagegen sehr gut. Ein veröffentlichtes Transkript oder eine Untertiteldatei macht den gesprochenen Inhalt auffindbar. Dazu kommt die Reichweite: Viele Menschen schauen Videos ohne Ton, etwa unterwegs oder auf Social Media. Mit Untertiteln bleiben sie dran.