Untertitel in eine andere Sprache übersetzen

Die Übersetzung einer einzelnen Untertiteldatei ist ein kleiner Aufwand. Der Grund, warum Menschen nach einer Lösung suchen, ist, dass es nie nur eine einzige Datei ist.

Eine Untertiteldatei enthält eine einzige Sprache, daher ist die zweite Sprache eine zweite Datei und die dritte eine dritte. Legt man einen Kurs oder eine Serie zugrunde, wird die Rechnung schnell komplex: zwölf Episoden in drei Sprachen ergeben sechsunddreissig Dateien, in denen jeweils die gleichen Terminologieentscheidungen getroffen werden müssen und die alle so präzise benannt sein müssen, dass man sie auch in sechs Monaten noch auseinanderhalten kann.

Dieser Leitfaden deckt den gesamten Prozess ab, für jede Untertiteldatei und jeden Zielort: was Sie exportieren müssen, wie Sie die Arbeit einmalig beschreiben, welche zwei Arten von Anweisungen oft verwechselt werden und was Sie bei der ersten Datei prüfen sollten, bevor Sie den Rest bearbeiten.

Unterlagen und Export

Untertitel befinden sich fast immer in einer kleinen Textdatei, die neben dem Video liegt und nicht darin integriert ist. Öffnet man eine solche Datei, findet man eine nummerierte Liste von Cues, jeweils mit einem Start- und End-Timecode sowie dem Text, der in diesem Zeitraum auf dem Bildschirm erscheint.

Diese Datei erhalten Sie dort, wo das Video finalisiert wurde. Ein Video-Editor exportiert sie über das Untertitel-Panel in Premiere, Final Cut oder DaVinci Resolve. Eine Plattform exportiert sie über den Untertitel-Bildschirm des Videos in YouTube Studio, Vimeo oder Ihrem LMS. Ein Transkriptions-Tool erstellt eine, falls das Video ursprünglich gar keine Untertitel hatte.

Egal, für welchen Weg du dich entscheidest, fordere .srt an. AI Glot verarbeitet einzelne Dateien mit bis zu 4 MB sowie VTT, SBV, ASS und TTML. Für YouTube ist SRT ebenfalls eine sichere Wahl: Laut der Seite zu unterstützten Dateiformaten unterstützen SRT und SBV nur einfache Zeitangaben ohne erkannte Formatierung, während VTT Positionierungen unterstützt. Falls du eine .vtt-Datei öffnest, beachte: Die WebVTT-Spezifikation beginnt mit einer Kopfzeile WEBVTT und verwendet in Zeitstempeln einen Punkt, wo SRT ein Komma setzt. Deshalb lassen sich die beiden Formate nicht durch einfaches Umbenennen ineinander umwandeln. Untertitel enthalten nur Text. Eine Stunde Dialog umfasst daher nur einige Dutzend Kilobyte, und die Größenbeschränkung ist selten ein Hindernis. Wenn dein Download stattdessen .vtt, .sbv oder .ass anbietet, verwende die Datei einfach so, wie sie ist: Alle diese Formate werden verarbeitet. Du musst also nicht noch einmal nach SRT suchen.

Ein Fall ist eine echte Sackgasse. Wenn die Untertitel fest in das Bild eingebrannt sind, handelt es sich um Pixel und nicht um Text, und es gibt keine Datei zum Übersetzen. Sie benötigen die Untertiteldatei vom Editor oder eine Transkription des Audios, bevor die hier beschriebenen Schritte anwendbar sind.

Wie viele Aufträge sind das wirklich?

Hier ist der entscheidende Fakt für die gesamte Aufgabenstellung: Eine Untertiteldatei enthält genau eine Textspur. Es gibt kein zweites Feld für Spanisch und keine Möglichkeit, eines hinzuzufügen. Die Übersetzung einer Untertiteldatei ersetzt also den Text jedes Cues direkt und liefert Ihnen eine Datei in einer einzigen Sprache zurück.

Wir wissen das aus eigener Erfahrung. Eine frühe Version unseres Planers schlug einmal vor, eine zweite Sprache als zusätzliche Spur in derselben Datei hinzuzufügen, was das Format technisch nicht kann. Dieser Vorschlag musste an der Quelle korrigiert werden, statt ihn später zu flicken. Sprachen lassen sich nie in einer Datei zusammenführen. Drei Sprachen bedeuten drei Aufträge, unabhängig vom verwendeten Tool.

Bei Episoden verhält es sich genau umgekehrt, und das ist der Teil, der am meisten Zeit spart. Ein Satz Untertiteldateien wird als ein ZIP-Archiv hochgeladen, bis zu 200 Dateien und 20 MB, wobei jede einzelne Datei maximal 4 MB gross sein darf. Untertiteldateien haben keine gemeinsame Struktur, die übereinstimmen muss. Daher können eine achtminütige Lektion und ein neunzigminütiges Webinar problemlos im selben Archiv liegen und erhalten dieselben Anweisungen sowie dasselbe Glossar.

Die Anzahl der Aufträge entspricht also immer der Anzahl der Zielsprachen. Alles andere bezüglich des Volumens wird durch das Packen der Dateien in ein Archiv gelöst.

Drei Wege zur Umsetzung, die alle zum selben Ziel führen

Welchen Weg Sie wählen, hängt von der Anzahl Ihrer Dateien ab, nicht von Ihren technischen Kenntnissen.

Bei ein oder zwei Sprachen ist die manuelle Bearbeitung im Browser tatsächlich der schnellste Weg, und es gibt keinen Grund, ein Terminal zu öffnen. Ab dieser Menge wird die Wiederholung zum Zeitfresser: acht Uploads, acht Anweisungen, acht Freigaben, acht Downloads, wobei die Fehler eher administrativer als linguistischer Natur sind. Der Klassiker: die deutsche Datei hat die französische überschrieben.

Genau hier kommt der dritte Weg ins Spiel. Unser Command-Line-Tool verarbeitet eine Datei direkt, sodass ein KI-Agent auf Ihrem Rechner den gesamten Satz durchlaufen und Ihnen einen Ordner mit einer Untertiteldatei pro Sprache hinterlassen kann. Die Schleife, der Prompt für Ihren Agenten und die Falle, die ein Warteskript ewig hängen lässt, sind alle im Guide zum Übersetzen von YouTube-Untertiteln in mehrere Sprachen beschrieben, sodass es keinen Sinn ergibt, sie hier zu wiederholen.

Welche Anweisung wohin gehört

Dies ist der einzige Teil des Workflows, der lautlos scheitert, daher lohnt es sich, ihm dreißig Sekunden Aufmerksamkeit zu schenken. Es gibt zwei Stellen, an denen Sie Ihre Anforderungen angeben können. Diese werden zu unterschiedlichen Zeitpunkten gelesen, und ein Satz an der falschen Stelle bewirkt überhaupt nichts.

Die Plan-Anweisung entscheidet, was übersetzt wird. Sie wird einmalig basierend auf der Struktur Ihrer Datei gelesen und legt den Umfang fest: die Zielsprache, welche Cues einzubeziehen sind und was weggelassen werden soll. Zum Beispiel: “Übersetze den Text jedes Cues ins Deutsche und überspringe den Abspann am Ende.”

Die Batch-Anweisungen werden angewendet, während jede einzelne Zeile geschrieben wird. Sie können nur Dinge beschreiben, die innerhalb einer Zeile sichtbar sind, da dies der einzige Kontext in diesem Moment ist. Zeilenlänge, Tonalität, ein Name, der exakt so bleiben muss. Batch-Anweisungen ändern, wie der Text geschrieben wird, niemals, welcher Text ausgewählt wird. In einem kostenpflichtigen Plan stehen Ihnen hierfür bis zu 1.500 Zeichen zur Verfügung.

Wenn man es vertauscht, gibt es keine Fehlermeldung. Eine Regel zur Zeilenlänge in der Plan-Anweisung wird beim Schreiben der Zeile einfach nicht beachtet, und die Anweisung “nur die zweite Hälfte der Datei übersetzen” in den Batch-Anweisungen findet keine Datei vor, auf die sie angewendet werden könnte. In beiden Fällen erhalten Sie ein Ergebnis, das Ihre Vorgaben ignoriert hat, ohne dass Sie gewarnt werden.

Untertitel-Regeln, die es wert sind, festgehalten zu werden

Untertitel haben Einschränkungen, die normale Prosa nicht hat. Fast alle davon beziehen sich auf die Zeilenebene und gehören daher in die Batch-Anweisungen. Vier davon lohnt es sich, jedes Mal anzugeben.

Eine maximale Zeilenlänge. Netflix gibt in seinem Styleguide für englische Timed Texts 42 Zeichen pro Zeile, höchstens zwei Zeilen und eine Lesegeschwindigkeit von bis zu 20 Zeichen pro Sekunde für Erwachsenenprogramme vor (17 bei Kinderprogrammen). Diese Vorgaben gelten für Englisch. Andere Sprachen haben eigene Grenzwerte. Betrachte 42 daher als Richtwert für Englisch und lateinische Schriften, nicht als universelle Zahl. Nenn in deiner Anweisung eine Längenbegrenzung. Dann wird die Übersetzung gleich passend formuliert, statt erst zu lang zu sein und anschließend gekürzt zu werden.

Maximal zwei Zeilen pro Cue. Drei Zeilen verdecken das Bild, auf einem Smartphone sogar den Großteil davon.

Lieber kurz und sinngemäß als wörtlich, und achte besonders auf die kürzesten Einblendungen. Laut den allgemeinen Anforderungen von Netflix muss ein Untertitelsegment mindestens 5/6 Sekunden und darf höchstens 7 Sekunden dauern. Ein Untertitel, der nur eineinhalb Sekunden eingeblendet wird, kann also keinen längeren Satz enthalten. Der Ablauf kann die Anzeigedauer auch nicht verlängern, um mehr Text unterzubringen. Im schwedischen Styleguide empfiehlt Netflix, auf inhaltliche Entsprechung statt auf eine wortgetreue Wiedergabe der Quelle zu achten. Das ist derselbe Kompromiss. Mit der Anweisung “bevorzuge eine kürzere Formulierung, wenn die Zeile sonst nicht passt” gibst du dem System die Erlaubnis dazu.

Namen, die unverändert bleiben müssen. Ein Produktname, ein Charaktername oder eine Funktion, die Sie immer auf Englisch lassen.

Der Grund, warum die Längenregel überhaupt funktioniert, ist, dass sie eine Bitte und kein Validator ist. Nichts zählt Ihre Zeichen und lehnt eine Zeile ab, was genau der Grund ist, warum es sich lohnt, die erste übersetzte Datei zu prüfen, anstatt ihr blind zu vertrauen.

Namen konsistent über eine ganze Serie halten

Innerhalb einer Episode ist es selten die Grammatik, an der es scheitert. Das Problem ist eher, dass Ihr Produkt in Minute vier anders heißt als in Minute einundfünfzig, oder dass die Person, die Episode zwei übersetzt hat, nicht dieselbe ist, die Episode neun übersetzt.

Setzen Sie Begriffe, die nicht abweichen dürfen, einmalig in ein Workspace-Glossar: Produktnamen, Charakternamen, die Standardübersetzung für den Satz, den Sie in jedem Intro sagen. Dies gilt dann für jede Datei in jeder Sprache, einschließlich der Episoden, die Sie noch gar nicht aufgenommen haben.

Ein Glossar ist bei Untertiteln aus einem mechanischen Grund wichtiger als bei den meisten anderen Inhalten. Jede Zeile wird mit dem Briefing und den umliegenden Cues im Blick geschrieben. Das reicht für gewöhnliche Dialoge aus, aber nicht für einen Namen, der in einer Stunde nur ein einziges Mal vorkommt. Nichts in diesem einen Cue verrät, ob das Wort ein Produkt oder ein allgemeines Substantiv ist. Ein Glossar stellt dies klar, und zwar in Episode neun genauso wie in Episode zwei.

Hier haben auch allgemeine maschinelle Übersetzungstools Schwierigkeiten, und es lohnt sich, den Mechanismus zu kennen. Deren Glossare ersetzen einen Begriff überall dort, wo er mit dem Text übereinstimmt, sodass der Satz um die Ersetzung herum nie neu bewertet wird. Ein Glossar, das beim Schreiben der Zeile als Bedeutung einfließt, ermöglicht es dem Begriff, sich grammatikalisch in den Satz einzufügen, anstatt ihn einfach mitten hineinzusetzen.

Was Sie in der ersten Datei prüfen sollten, bevor Sie den Rest starten

Übersetzen Sie eine einzige Datei. Nehmen Sie sich dann fünf Minuten Zeit für die Prüfung, denn alles, was Sie hier finden, würden Sie sonst fünfunddreißigmal finden.

1. Vergleichen Sie die Anzahl der Cues. Das Original und die Übersetzung sollten die gleiche Anzahl an Cues sowie denselben ersten und letzten Zeitstempel haben. Cue-Nummern und Zeitstempel sind Teil der Struktur und kein Text, daher werden sie unverändert übernommen: Ein Cue hinein bedeutet ein Cue hinaus.
2. Laden Sie die Spur und schauen Sie eine Minute zu. Nicht den Anfang, den jeder übermäßig poliert. Wählen Sie eine Minute in der Mitte, in der jemand schnell spricht.
3. Prüfen Sie die kürzesten Cues. Sortieren Sie nach Dauer, falls Ihr Tool dies unterstützt, oder suchen Sie gezielt nach Ein-Sekunden-Cues. Zu lange Formulierungen fallen dort zuerst auf.
4. Suchen Sie in der Datei nach einem Namen, der unverändert bleiben musste. Eine einzige Suche verrät Ihnen, ob das Glossar oder die Anweisung tatsächlich beachtet wurde.
5. Lesen Sie drei Zeilen laut vor. Untertitel werden in hoher Geschwindigkeit gelesen. Ein Satz, der zwar korrekt, aber steif klingt, wird in dem Moment offensichtlich, in dem man ihn ausspricht.

Wenn etwas nicht stimmt, ist die Lösung meist eine ergänzende Klausel in den Batch-Anweisungen und kein völlig neuer Ansatz. Führen Sie den Rest dann erneut aus.

Die Spuren wieder einfügen

Jeder Player und jede Plattform funktioniert gleich: Sie fügen dem Video eine Sprache hinzu und laden dann die entsprechende Untertiteldatei hoch. Es gibt nirgendwo eine Oberfläche, die mehrere Sprachen gleichzeitig akzeptiert. Dies ist die gleiche Einschränkung wie bei der Datei selbst, die sich am anderen Ende widerspiegelt.

Zwei Gewohnheiten sparen hier massiv Zeit. Benennen Sie die Dateien mit einem Sprachcode, etwa im Muster episode-04.es.srt, damit das Set sortierbar bleibt und ein Fehl-Upload sofort sichtbar ist, statt rätselhaft zu bleiben. Und nutzen Sie die englische Datei als einzige Quelle. Jede neue Sprache beginnt bei ihr und niemals bei einer Übersetzung davon, da eine Übersetzung zweiter Hand die Kompromisse der ersten Übersetzung übernimmt, ohne dass Sie es merken.

Was eine zweite Sprache Ihnen tatsächlich bringt

Das sind zwei separate Argumente, und die Belege für jedes sind unterschiedlich, daher lohnt es sich, sie getrennt zu betrachten.

Die Auffindbarkeit ist der Grund für die Übersetzung. YouTube gibt auf seiner eigenen Seite zu Übersetzungstools an, dass “im Durchschnitt über zwei Drittel der Wiedergabezeit eines Creators von außerhalb seines Heimatgebiets kommen” und dass übersetzte Titel und Beschreibungen in den Suchergebnissen für Zuschauer erscheinen können, die diese Sprachen sprechen. Ein Video mit nur einer Spur ist in einer Sprache auffindbar. Derselbe Grund gilt für die Übersetzung von Titel und Beschreibung sowie den Untertiteln: Es sind nur drei Textzeilen gegenüber einer Stunde Sprache, aber genau daraus bestehen die Suchergebnisse.

Aufmerksamkeit ist der Grund, überhaupt eine Textspur anzubieten. In einer YouGov-Umfrage unter 1,000 Erwachsenen in den USA, durchgeführt vom 29. Juni bis zum 5. Juli 2023, gaben 63% der unter 30-Jährigen an, lieber mit eingeschalteten Untertiteln fernzusehen, selbst wenn sie die Sprache verstehen. Untertitel sind aber nicht für alle nur eine Frage der Vorliebe: Die Weltgesundheitsorganisation geht davon aus, dass bis 2050 fast 2.5 billion Menschen, also 1 von 4, in gewissem Maß von Hörverlust betroffen sein werden. In ihren Barrierefreiheitshinweisen zu Captions beschreibt die W3C Captions als Textfassung von Sprache und Geräuschen für gehörlose und schwerhörige Menschen. Untertitel geben gesprochene Inhalte dagegen in einer anderen Sprache wieder. Eine übersetzte Untertitelspur ist daher keine direkte Barrierefreiheitsfunktion.

Seien Sie präzise darin, was die zweite Gruppe beweist, da man dies leicht überinterpretieren kann. Diese Zahlen beziehen sich auf Untertitel in einer Sprache, die der Zuschauer bereits spricht. Sie sind also ein Argument für eine Textspur an sich, aber kein Beweis dafür, dass eine japanische Spur japanische Zuschauer anzieht. Die YouTube-Zahl hingegen belegt den Nutzen der Übersetzung. Zusammen sagen sie etwas Einfaches: Eine Textspur generiert Aufmerksamkeit, und eine Textspur in der eigenen Sprache generiert Aufmerksamkeit in einem Markt, in dem Sie derzeit nicht präsent sind.

Wann dies das falsche Tool ist

Für ein einzelnes kurzes Video in einer Sprache, wenn jemand in Ihrem Team diese spricht: Fragen Sie diese Person. Sie wird es besser formulieren als jede Pipeline, sie weiß, wofür das Video gedacht ist, und es wird weniger Zeit in Anspruch nehmen, als diesen Artikel zu lesen.

Das Argument für die Nutzung von AI Glot für Untertitel ist das Volumen, und nur das. Eine Kursbibliothek, eine Staffel, ein Back-Katalog oder ein Sprachset, das Sie jeden Monat wiederholen müssen: Hier wird die Dateiverwaltung zum Hauptaufwand, und es ist wichtig zu wissen, dass Sie keinen Experten für das Dateimanagement bezahlen. Viele Teams nutzen es als Erstentwurf mit anschließender menschlicher Prüfung, wodurch die Expertenzeit in die Sprache und nicht in das Umbenennen von Downloads fließt.

Wenn Sie zuerst sehen möchten, was das Tool mit einer Ihrer eigenen Dateien macht, können Sie den Untertitel-Übersetzer ohne Konto nutzen. Erstellen Sie ein kostenloses Konto, wenn Sie bereit sind, ein ganzes Set zu bearbeiten, und prüfen Sie die Kosten für ein Set, bevor Sie eines planen.

Die Angaben zu YouTube auf dieser Seite wurden zuletzt am 2026-09-29 überprüft. Die hier genannten Grenzen galten zum Zeitpunkt der Erstellung: 4 MB für eine einzelne SRT-Datei sowie 200 Dateien und 20 MB für ein Archiv. Wortzahl und Kosten richten sich immer nach dem Tarif für deine Datei. Die Erstellung und Korrektur sind kostenlos.