Interviews transkribieren – mit klarer Zuordnung, wer was gesagt hat

Warum lange Interviews im KI-Chatbot ihre Struktur verlieren

Ein einstündiges Gespräch umfasst viele tausend Wörter. KI-Chatbots mit Audio-Funktion begrenzen die Dateilänge, kostenlose Tarife erlauben oft gar keinen Audio-Upload und ein so langes Transkript passt nicht in eine einzelne Antwort. Das Ergebnis wird gekürzt, zusammengefasst oder bricht mittendrin ab – und als Erstes geht die Struktur der Sprecherwechsel verloren: wer wann gefragt und wer wann geantwortet hat.

Dieses Tool unterteilt die Aufnahme in Abschnitte von bis zu zehn Minuten und transkribiert jeden Teil komplett – mit der Anweisung, jeden Absatz mit dem jeweiligen Sprecher zu beginnen. Die Zeitstempel werden anhand der Startzeit jedes Abschnitts synchronisiert und alle Teile chronologisch zusammengefügt. Zusammenfassung, Themen und Zitate werden erst im Anschluss und ausschließlich aus dem fertigen Transkript erstellt.

Für wen das Tool gedacht ist

• Qualitative Forscher und Studierende, die Interviews für Abschlussarbeiten oder Studien transkribieren
• Journalisten, die exakte Zitate und den genauen Zeitpunkt der Aussage benötigen
• Oral-History- und Zeitzeugen-Projekte, die ausführliche biografische Interviews dokumentieren
• Asyl-, Einwanderungs- und Rechtsberatungs-Interviews, die ein Arbeitstranskript und eine Übersetzung erfordern
• User-Research- und Bewerbungsgespräche, die im Team ausgewertet werden

Sprecherbezeichnungen und CSV: worauf zu achten ist

Sprecher werden mit „Speaker 1“, „Speaker 2“ usw. bezeichnet; echte Namen werden nur verwendet, wenn die Person in der Aufnahme eindeutig namentlich genannt wird. Die Nummerierung erfolgt pro Zehn-Minuten-Abschnitt. Bei längeren Interviews kann der Befragte in einem späteren Abschnitt daher zu „Speaker 1“ werden. Überfliegen Sie die Bezeichnungen vor dem Download und korrigieren Sie diese bei Bedarf einfach mit Suchen und Ersetzen.

Die CSV übernimmt die Bezeichnung vor dem Doppelpunkt zu Beginn jedes Absatzes in die Spalte Speaker. Bezeichnungen wie Interviewer, Teilnehmer 7, Befragter 2 oder Namen mit bis zu drei Wörtern werden korrekt erkannt; reine Codes wie P07 hingegen nicht – sie verbleiben in der Spalte Text. Ihre Textänderungen und umbenannten Sprecher werden direkt übernommen. Besteht der Auftrag aus mehreren Dateien, zeigt die Spalte File, aus welcher Datei der jeweilige Beitrag stammt.

Was die KI nicht leistet – und wie präzise sie arbeitet

Die KI kodiert das Interview nicht, vergibt keine thematischen Tags, interpretiert keine Aussagen und bewertet keine Teilnehmenden – das bleibt die Aufgabe der Forschenden. Sie misst keine Pausenlängen und erfasst überlappende Sprache nicht in der für Konversationsanalysen nötigen Detailtiefe. Zusammenfassung, Themen und Zitate werden von der KI aus dem Transkript erstellt; prüfen Sie diese daher anhand der Audioaufnahme, bevor Sie sie zitieren.

Das Transkript wird von einem KI-Sprachmodell erstellt und liefert bei deutlicher Aussprache sehr gute Ergebnisse. Hintergrundgeräusche, durcheinander sprechende Personen oder ein weit entferntes Mikrofon können Fehler verursachen; überprüfen Sie insbesondere Namen und Zahlen. Es handelt sich weder um ein beglaubigtes Transkript noch um eine beeidigte Übersetzung. Gerichte oder Einwanderungsbehörden verlangen unter Umständen Ausfertigungen von zertifizierten Fachkräften. Vergewissern Sie sich, dass Ihre Einwilligungserklärungen oder Ethikvoten die Transkription durch einen externen Dienst abdecken.