Video und Audio sind aus modernen Websites, Online-Shops und Apps nicht mehr wegzudenken: Produktclips, Erklärvideos, Webinare, Podcasts. Doch ein Medium, das ausschließlich über Ton oder ausschließlich über Bild funktioniert, schließt Menschen aus - gehörlose und schwerhörige Nutzer ebenso wie blinde und sehbehinderte. In Deutschland leben 7,9 Mio. (Statistisches Bundesamt, 2024) schwerbehinderte Menschen, weltweit benötigen rund 430 Mio. (WHO, 2024) Menschen eine Versorgung wegen Hörverlust. Hinzu kommt die situative Einschränkung: 85 Prozent (Digiday, 2016) der Facebook-Videos werden ohne Ton angesehen. Barrierefreie Medien lösen beides - mit Untertiteln, Transkripten und Audiodeskription. Dieser Leitfaden ordnet die Erfolgskriterien der WCAG-Richtlinie 1.2 ein, zeigt den Unterschied zwischen Untertitel und Transkript und erklärt, warum automatische Untertitel allein selten ausreichen. Wo Ihr Angebot heute steht, klärt ein strukturiertes WCAG-Audit.
Warum barrierefreie Medien zur Pflicht geworden sind
Seit dem 28. Juni 2025 verpflichtet das Barrierefreiheitsstärkungsgesetz (BFSG) viele private Anbieter dazu, ihre digitalen Angebote barrierefrei zu gestalten. Das BFSG setzt den European Accessibility Act (Richtlinie EU 2019/882) um und verweist für die technische Umsetzung auf die harmonisierte Norm EN 301 549, die ihrerseits die Erfolgskriterien der Web Content Accessibility Guidelines (WCAG) referenziert. Zeitbasierte Medien - also Video und Audio - sind dort in Richtlinie 1.2 geregelt. Wer Mediendateien einbindet, kommt an diesen Kriterien also nicht vorbei, sobald das Angebot in den Anwendungsbereich fällt. Welche BFSG-Anforderungen konkret greifen, hängt von Unternehmensgröße, Branche und Art der Dienstleistung ab.
Die Lage ist messbar lückenhaft. Der WebAIM Million Report (2024) fand auf 95,9 Prozent (WebAIM Million, 2024) der untersuchten Startseiten mindestens einen automatisch erkennbaren WCAG-Verstoß, im Schnitt 56,8 (WebAIM Million, 2024) Fehler pro Seite. Fehlende Medienalternativen lassen sich technisch nur schwer automatisch erkennen, weshalb die tatsächliche Lücke vermutlich größer ist als jede automatische Zählung zeigt. Gleichzeitig ist der Nutzen breit: 80 Prozent (Verizon Media und Publicis Media, 2019) der Menschen, die Untertitel verwenden, haben gar keine Höreinschränkung - sie schauen in lauter Umgebung, im Büro oder spätabends mit abgeschaltetem Ton. Untertitel sind also kein Nischenfeature, sondern verbessern die Nutzung für alle.
Barrierefreiheit und Reichweite gehen Hand in Hand
WCAG-Richtlinie 1.2 im Überblick
Die Richtlinie 1.2 der WCAG bündelt alle Anforderungen an zeitbasierte Medien und ist nach Konformitätsstufen gestaffelt. Auf Stufe A und AA - den für EN 301 549 und das BFSG relevanten Stufen - gibt es fünf Erfolgskriterien. Sie bauen aufeinander auf: vom reinen Audio oder Video ohne zweite Sinnesebene über synchronisierte Untertitel bis hin zur Audiodeskription, die Sehenden vorbehaltene Bildinformation hörbar macht. Die höchste Stufe AAA ergänzt unter anderem Gebärdensprache, ist rechtlich aber in der Regel nicht gefordert.
| Kriterium | Stufe | Was gefordert ist |
|---|---|---|
| 1.2.1 Audio-/Videoalternative (aufgezeichnet) | A | Reines Audio braucht ein Transkript, reines Video (ohne Ton) eine Text- oder Audioalternative. |
| 1.2.2 Untertitel (aufgezeichnet) | A | Synchronisierte Untertitel für alle Sprachinhalte und relevanten Geräusche in aufgezeichneten Videos mit Ton. |
| 1.2.3 Audiodeskription oder Volltextalternative | A | Wesentliche visuelle Information wird beschrieben - per Audiodeskription oder als gleichwertiger Volltext. |
| 1.2.4 Untertitel (live) | AA | Untertitel auch für Live-Inhalte wie Webinare oder Streams. |
| 1.2.5 Audiodeskription (aufgezeichnet) | AA | Eine vollwertige Audiodeskription für aufgezeichnete Videos, nicht nur eine Textalternative. |
Wichtig ist die Abgrenzung der Begriffe. Untertitel (im Englischen captions) richten sich an Menschen, die den Ton nicht hören können, und enthalten daher nicht nur gesprochene Sprache, sondern auch relevante Geräusche und die Sprecherzuordnung. Davon zu unterscheiden sind übersetzende Untertitel (subtitles), die nur den Dialog in eine andere Sprache übertragen und Geräuschinformationen weglassen. Für die Barrierefreiheit nach 1.2.2 sind die erstgenannten geschlossenen Untertitel gemeint. Wie diese Kriterien in das größere Bild der jüngsten Normfassung passen, ordnet unser Beitrag zu den neuen Kriterien der WCAG 2.2 ein.
Untertitel richtig erstellen - mehr als nur Text
Gute Untertitel folgen handwerklichen Regeln, die über das bloße Abtippen hinausgehen. Sie sind synchron zum Ton, bleiben lange genug stehen, um lesbar zu sein, und brechen an sinnvollen Stellen um. Eine verbreitete Orientierung sind rund zwei Zeilen und eine Lesegeschwindigkeit im Bereich von etwa 160 bis 180 Wörtern pro Minute, damit auch langsamere Leser folgen können. Entscheidend für die Barrierefreiheit ist, dass nicht nur Dialog, sondern auch handlungsrelevante Geräusche - Klingeln, Alarm, Lachen - und bei mehreren Stimmen die Sprecherzuordnung erfasst werden. Untertitel folgen damit demselben Grundgedanken wie ein guter Alternativtext: Was nur über einen Sinneskanal vermittelt wird, bekommt eine gleichwertige Entsprechung in Text - wie wir im Beitrag zu barrierefreien Bildern und Alt-Texten ausführen.
Technisch sind geschlossene Untertitel (closed captions) offenen vorzuziehen: Sie liegen als separate Spur vor, lassen sich ein- und ausschalten und bleiben durchsuchbar. Im Web hat sich dafür das WebVTT-Format etabliert, das über das HTML-Element track an ein natives Video angebunden wird. Offen eingebrannte Untertitel sind dagegen Teil des Bildes, nicht abschaltbar und für Screenreader unsichtbar. Bei der Umsetzung lohnt zudem ein Blick auf den Mediaplayer selbst - er muss per Tastatur bedienbar sein, wie wir im Beitrag zur Tastaturnavigation in der Webentwicklung zeigen.
<video controls>
<source src="anleitung.mp4" type="video/mp4" />
<!-- Geschlossene Untertitel als separate Spur -->
<track kind="captions" src="anleitung-de.vtt"
srclang="de" label="Deutsch" default />
<!-- Audiodeskription als Textspur (Fallback) -->
<track kind="descriptions" src="anleitung-ad-de.vtt"
srclang="de" label="Audiodeskription" />
</video>
<!-- Verweis auf das durchsuchbare Volltext-Transkript -->
<p><a href="/transkripte/anleitung">Transkript dieses Videos lesen</a></p>Automatische Untertitel sind nur ein Entwurf
Transkripte: der unterschätzte Allrounder
Ein Transkript ist die vollständige Textfassung eines Audio- oder Videoinhalts. Für reine Audioinhalte wie Podcasts ist es nach Kriterium 1.2.1 die zentrale Alternative; für Video kann ein durchdachtes Volltext-Transkript die Audiodeskription auf Stufe A ersetzen, sofern es auch die wesentliche visuelle Information beschreibt. Anders als Untertitel ist ein Transkript nicht an die Zeitachse gebunden: Es lässt sich überfliegen, durchsuchen, kopieren und in Ruhe lesen - ein Vorteil für Menschen mit Hör- oder kognitiven Einschränkungen ebenso wie für Nutzer, die schnell eine bestimmte Stelle suchen.
Ein vollständiges Transkript - manchmal als Volltextalternative bezeichnet - enthält nicht nur die gesprochene Sprache, sondern auch Geräuschbeschreibungen und alle bildlich vermittelten Informationen, die zum Verständnis nötig sind. Damit wird ein Video selbst dann nutzbar, wenn weder Ton noch Bild wahrgenommen werden können, etwa für taubblinde Menschen mit einer Braillezeile. Als angenehmer Nebeneffekt liefern Transkripte zusätzlichen Textkontext, den Suchmaschinen indexieren können. Wer Transkripte als PDF anbietet, sollte zudem auf deren Zugänglichkeit achten - dazu hilft unser Beitrag zu barrierefreien PDFs und Dokumenten.
Volltext statt Schnipsel
Ein Transkript gibt den gesamten Inhalt wieder - gesprochene Sprache, relevante Geräusche und beschreibende Hinweise auf das Bildgeschehen.
Durchsuchbar und kopierbar
Text lässt sich überfliegen und durchsuchen. Nutzer finden gezielt die Passage, die sie brauchen, ohne das ganze Video abzuspielen.
Auffindbar für Suchmaschinen
Transkripte stellen den Audioinhalt als indexierbaren Text bereit und verbessern so nebenbei die Sichtbarkeit der Seite.
Auch für Taubblinde nutzbar
Über eine Braillezeile bleibt der Inhalt zugänglich, wenn weder Ton noch Bild wahrnehmbar sind.
Zeitmarken als Orientierung
Zeitstempel verknüpfen Textstellen mit dem Video und erleichtern das Springen zur gewünschten Stelle.
Basis für Untertitel
Aus einem sauberen Transkript lassen sich synchronisierte Untertitel effizient ableiten - ein Arbeitsschritt, zwei Ergebnisse.
Audiodeskription: Bild für das Ohr
Audiodeskription macht visuelle Information hörbar, die für das Verständnis wesentlich ist und nicht bereits aus dem Ton hervorgeht - etwa eine stumme Geste, ein Szenenwechsel oder ein eingeblendeter Text. In den natürlichen Sprechpausen des Originals beschreibt eine zusätzliche Tonspur das Geschehen. Kriterium 1.2.3 (Stufe A) erlaubt wahlweise eine Audiodeskription oder eine gleichwertige Volltextalternative; Kriterium 1.2.5 (Stufe AA) verlangt dann die vollwertige Audiodeskription. Für barrierearme Produktionen lohnt es sich, das Skript von Anfang an so zu schreiben, dass wichtige Bildinhalte ohnehin laut benannt werden - dann sinkt der spätere Aufwand für eine separate Beschreibung.
In der Praxis ist die zeitliche Enge die größte Herausforderung: Reichen die Sprechpausen nicht aus, sieht die WCAG auf höherer Stufe die erweiterte Audiodeskription vor, bei der das Video kurz pausiert, um Raum für die Beschreibung zu schaffen. Für die meisten BFSG-relevanten Angebote genügt die Standard-Audiodeskription auf Stufe AA. Wer Medien neu produziert, plant Audiodeskription, Untertitel und Transkript am besten gemeinsam ein, statt sie nachträglich aufzusetzen. Dieser integrierte Ansatz ist Teil unserer barrierefreien Webentwicklung und vermeidet teure Doppelarbeit.
Eine Audiodeskription ist gelungen, wenn eine Person mit geschlossenen Augen der Handlung genauso folgen kann wie eine sehende - nicht mehr und nicht weniger beschreiben, als zum Verständnis nötig ist.
Live-Inhalte, Drittanbieter und Player-Einbettungen
Live-Untertitel nach Kriterium 1.2.4 betreffen Webinare, Live-Streams und Online-Veranstaltungen. Sie lassen sich durch Schriftdolmetschen oder durch Spracherkennung mit menschlicher Korrektur in Echtzeit umsetzen. Da Live-Untertitel fehleranfälliger sind als nachträglich erstellte, empfiehlt sich für wichtige Inhalte eine Aufzeichnung, die anschließend mit korrigierten Untertiteln und einem Transkript dauerhaft bereitsteht. So wird aus dem flüchtigen Live-Format ein nachhaltig zugänglicher Inhalt.
Heikel sind eingebettete Player von Drittanbietern. Viele Video-Hosting-Dienste unterstützen zwar Untertitelspuren, doch automatisch erzeugte Untertitel sind nicht ohne Prüfung zugänglich, und die Bedienoberfläche des fremden Players ist nicht immer vollständig per Tastatur nutzbar. Wer fremde Inhalte einbindet, sollte deren Zugänglichkeit beim Audit mitprüfen und in der Barrierefreiheitserklärung benennen, falls Lücken bleiben. Wie eine solche Erklärung mit dem zugehörigen Feedback-Mechanismus aufgebaut ist, beschreibt unser Beitrag zur Barrierefreiheitserklärung und zum Feedback-Mechanismus.
Player und Bedienelemente nicht vergessen
Medien-Barrierefreiheit als Prozess verankern
Barrierefreie Medien entstehen nicht zufällig, sondern durch einen wiederholbaren Prozess. 90 Prozent (3Play Media, 2024) der befragten Organisationen untertiteln zumindest einen Teil ihrer Inhalte, aber nur 39 Prozent (3Play Media, 2024) untertiteln konsequent alles - genau diese Lücke führt zu nicht barrierefreien Einzelvideos. Hilfreich ist eine klare Redaktionsregel: Kein Video geht ohne geprüften Untertitel und Transkript live, kein Podcast ohne Transkript. 66 Prozent (3Play Media, 2024) der Organisationen haben inzwischen Qualitätsstandards für die Untertitelgenauigkeit definiert - ein guter Ausgangspunkt für eine eigene Richtlinie.
Aus unseren Referenzprojekten hat sich bewährt, vorhandene Medien zuerst zu inventarisieren und nach Reichweite zu priorisieren: Das meistgesehene Erklärvideo zuerst, selten abgerufene Altbestände später. Wir haben in 50+ (Projekterfahrung) Projekten erlebt, dass ein gut gepflegtes Transkript-Archiv den Aufwand für künftige Untertitel deutlich senkt, weil sich Untertitelspuren daraus ableiten lassen. Die fortlaufende Pflege - neue Inhalte zugänglich produzieren, Altbestände nachrüsten - lässt sich gut mit einem regelmäßigen Re-Audit verbinden und ist Teil unserer Leistungen.
- Medienbestand inventarisieren und nach Reichweite priorisieren
- Untertitel als geschlossene WebVTT-Spur einbinden, nicht ins Bild einbrennen
- Automatische Untertitel grundsätzlich manuell korrigieren lassen
- Für jeden Audio- und Videoinhalt ein durchsuchbares Transkript bereitstellen
- Audiodeskription oder Volltextalternative für wesentliche Bildinformation einplanen
- Mediaplayer und Auswahlmenüs per Tastatur und Screenreader testen
- Verbleibende Lücken in der Barrierefreiheitserklärung benennen
Vom Einzelvideo zur belastbaren Medienstrategie