Transkriptionskosten pro Stunde im Jahr 2026: Echte Zahlen

Eine Stunde Audiotranskription kostet je nach Anbieter zwischen 0,21 und über 119 US-Dollar. Die Spanne über drei Größenordnungen ist keine Übertreibung, sie spiegelt drei grundlegend verschiedene Kostenstrukturen wider: reine GPU-Rechenleistung, verpackte Konsumentensoftware und menschliche Arbeitskraft. Dieser Beitrag rechnet die Mathematik für jede Variante durch, damit du deinen tatsächlichen Stundensatz selbst ermitteln kannst.

Schritt 1: Wisse, welches Kostenmodell du kaufst

Bevor du Zahlen vergleichst, kläre, welches Preismodell für dich gilt.

Verbrauchsabhängig (pro-Minute-APIs): Du zahlst nur für das, was du nutzt, abgerechnet pro Sekunde oder Minute. Die Kosten skalieren linear mit dem Volumen. Am besten für Entwickler, Wenignutzer und alle, die ein Produkt bauen.

Flatrate-Abos: Eine feste Monatsgebühr für unbegrenzte oder gedeckelte Minuten. Die effektiven Kosten pro Stunde sinken mit steigender Nutzung. Am besten für dauerhafte Vielnutzer.

Menschliche Transkription: Du zahlst pro Audiominute für eine Person, die transkribiert. Die Kosten sind weitgehend durch Arbeit fixiert, es gibt keinen Mengenrabatt, der annähernd an KI-Preise herankommt.

Das Selbsthosten von Modellen auf eigener GPU-Infrastruktur ist eine vierte Option, die am Ende behandelt wird.

Schritt 2: Schlage deinen tatsächlichen Minutenpreis nach

Die folgende Tabelle zeigt verifizierte Preise vom Juli 2026 für vorab aufgezeichnete (Batch-)Transkription in Standard-Pay-as-you-go-Tarifen.

Hinweise: AssemblyAI plant eine Preiserhöhung von 10 % in der Region, wirksam ab dem 1. Juli 2026. Die AWS-Preise basieren auf dem Tier-1-Satz für US East (N. Virginia); bei höheren Volumen sinkt der Preis auf 0,0078 $/Minute ab 5 Millionen Minuten pro Monat. Google Cloud Dynamic Batch fällt auf 0,004 $/Minute für nicht zeitkritische Workloads mit einer Bearbeitungszeit von 24 Stunden. Deepgram Nova-3 Streaming ist günstiger (0,0048 $/Minute), berechnet aber die Verbindungszeit, nicht nur die Audiodauer.

Für einen breiteren Überblick über die API-Preise verschiedener Anbieter, siehe die Aufschlüsselung der Speech-to-Text-API-Preise für 2026.

AssemblyAI U-3.5

0,21 $/Std.

OpenAI Whisper

0,36 $/Std.

Deepgram Nova-3

0,46 $/Std.

Google Cloud STT

0,96 $/Std.

Rev AI

15 $/Std.

Rev Human

119 $/Std.

Gemessene API-Sätze zum Standard-Pay-as-you-go-Tarif. Menschliche Transkription zum Rev-Standardsatz. Selbsthost-Schätzung bei Cloud-GPU-Auslastung.

Schritt 3: Berechnen Sie Ihren effektiven Satz für Abo-Pläne

Gemessene APIs wirken auf dem Papier am günstigsten. Aber wenn Sie ein Flatrate-Abo nutzen, hängen Ihre tatsächlichen Kosten pro Stunde vom Volumen ab.

Die Formel: Monatliche Plankosten / genutzte Stunden pro Monat = effektiver Stundensatz.

TurboScribes unbegrenzter Plan kostet 10 $/Monat (jährlich abgerechnet). Otter Pro kostet 8,33 $/Monat (jährlich abgerechnet, 1.200 Minuten inklusive). Diese haben je nach Nutzung unterschiedliche effektive Sätze:

*Otter Pro umfasst 1.200 Minuten (20 Stunden) pro Monat; darüber hinaus ist ein höherer Tarif nötig.

Das Abo wird günstiger als Deepgram Nova-3 PAYG (0,46 $/Std.) bei etwa 22 Stunden pro Monat für TurboScribe. Es schlägt OpenAI Whisper (0,36 $/Std.) bei rund 28 Stunden pro Monat.

Für einen tieferen Einblick, wann Pauschalpreise gegenüber nutzungsabhängiger Abrechnung gewinnen, siehe unbegrenzte vs. nutzungsabhängige Transkriptionspreise.

Schritt 4: Ordnen Sie Ihr Nutzungsprofil dem richtigen Modell zu

Drei reale Szenarien mit durchgerechneten Zahlen.

Szenario A: Solo-Podcaster, eine 60-minütige Episode pro Woche Monatliches Volumen: ca. 4 Stunden.

• AssemblyAI PAYG: 240 Min. x 0,0035 $ = 0,84 $
• OpenAI Whisper API: 240 Min. x 0,006 $ = 1,44 $
• TurboScribe Unlimited: 10,00 $
• Otter Pro: 8,33 $

Bei diesem Volumen kostet eine nutzungsabhängige API unter 1,50 $ pro Monat. Ein Abo bietet Extras (KI-Notizen, Integrationen, Bearbeitung), die den Unterschied rechtfertigen können, aber die reine Transkriptionskosten sprechen klar für die APIs.

Szenario B: Journalist mit 20 Stunden Interviews pro Monat Monatliches Volumen: ca. 20 Stunden (1.200 Minuten).

• AssemblyAI PAYG: 1.200 Min. x 0,0035 $ = 4,20 $
• OpenAI Whisper API: 1.200 Min. x 0,006 $ = 7,20 $
• TurboScribe Unlimited: 10,00 $

Die Kosten liegen jetzt nahe beieinander. Abos bieten planbare Abrechnung und Extras; APIs bleiben bei den reinen Kosten günstiger. Entscheidungsfaktoren: Möchten Sie variable oder feste Rechnungen, und spielt das Funktionsangebot der Plattform eine Rolle?

Szenario C: Content-Team transkribiert 60 Stunden Material pro Monat Monatliches Volumen: ca. 60 Stunden (3.600 Minuten).

• AssemblyAI PAYG: 3.600 Min. x 0,0035 $ = 12,60 $
• OpenAI Whisper API: 3.600 Min. x 0,006 $ = 21,60 $
• TurboScribe Unlimited: 10,00 $

Ein unbegrenztes Abo für 10 $ pro Monat kostet jetzt weniger als selbst die günstigste API. Der effektive Satz bei TurboScribe liegt bei 0,17 $/Std. und schlägt damit jede nutzungsabhängige Option. Hier gewinnen Pauschaltarife eindeutig.

Der Leitfaden zu den versteckten Kosten von Transkriptionsdiensten zeigt, worauf Sie sonst noch achten sollten: Gebühren für Exportformate, Speicherlimits und nutzerbasierte Preismodelle, die den scheinbaren Stundensatz unbemerkt verdoppeln können.

Wann sich Minutenpreise tatsächlich lohnen

Metered APIs sind in drei konkreten Situationen sinnvoll.

Erstens: sehr geringes oder unvorhersehbares Volumen. Bei weniger als etwa fünf Stunden pro Monat kostet eine PAYG-API weniger als fast jedes Abo. Ein Berater mit drei vollen und neun leeren Monaten sollte nicht neun Monate lang Abogebühren für null Nutzung zahlen.

Zweitens: wenn Sie ein Produkt darauf aufbauen. Wenn Sie Transkription in Ihre eigene Software einbetten und die Kosten an Kunden weiterreichen, passt die Minutenabrechnung zu Ihrer Unit-Ökonomie. Ein Flatrate-Abo bedeutet, dass Sie die Kosten schlucken, wenn ein einzelner Vielnutzer das Volumen in die Höhe treibt.

Drittens: wenn Sie mehrere Anbieter testen. Mit APIs können Sie AssemblyAI gegen Deepgram und Google Cloud auf demselben Audiomaterial benchmarken, ohne sich auf ein Abo festzulegen. Der Beitrag zu den besten Speech-to-Text-APIs 2026 enthält direkte Genauigkeitsvergleiche.

Warum menschliche Transkription ihren Preis hat

Eine ausgebildete Transkriptionskraft benötigt drei bis sechs Stunden, um eine fertige Audiostunde zu erstellen. Bei moderaten Löhnen macht allein die Arbeitszeit 40 bis 80 Dollar pro Audiostunde aus. Rechnet man Qualitätsprüfung, Projektmanagement und Marge dazu, überrascht Revs Preis von 1,99 Dollar pro Minute (119,40 Dollar pro Stunde) nicht.

Der menschliche Aufpreis ist in einem engen Rahmen gerechtfertigt: bei juristischen Vernehmungen, wo Fehler formelle Konsequenzen haben, bei medizinischer Dokumentation mit klinischer Tragweite, bei Rundfunkuntertitelung unter regulatorischen Standards und bei stark akzentuierter Sprache auf minderwertigen Aufnahmen, die KI weiterhin schlecht verarbeitet. Bei den meisten sauberen Audiodaten ist die KI-Genauigkeit hoch genug, dass sich das 250-fache des API-Preises schwer rechtfertigen lässt.

Für eine gründliche Aufschlüsselung, wann Genauigkeitsanforderungen tatsächlich menschliche Prüfung verlangen, siehe KI vs. menschliche Transkription.

Die Self-Host-Option

Whisper Large-v3 auf einer gemieteten GPU (zum Beispiel einer Spheron L40S) kostet bei voller Auslastung etwa 0,02 $ pro Audiostunde. Das ist zehnmal günstiger als die günstigste kommerzielle API. Der Haken: Sie brauchen Engineering-Kapazität, um Infrastruktur aufzusetzen, GPU-Instanzen zu überwachen, Sonderfälle bei Audio zu behandeln und die Modellgewichte aktuell zu halten. Der DevOps-Aufwand kostet in der Regel mehr, als Sie bei der Rechenleistung sparen, es sei denn, Sie betreiben bereits GPU-Workloads oder transkribieren deutlich über 2.000 Stunden pro Monat.

Die meisten Organisationen, die Self-Hosting evaluieren, gehen entweder den vollen Weg (sie bauen einen internen Transkriptionsdienst auf) oder bleiben für alles bei verwalteten APIs.

Ein Ausgangspunkt

Wenn Sie nur ein sauberes Transkript brauchen, ohne API-Schlüssel zu verwalten oder nutzungsbasierte Abrechnung zu haben, bietet ConvertAudioToText ein browserbasiertes Tool mit einer 10-minütigen Vorschau ohne Anmeldung und 10 kostenlosen Transkriptionsminuten, die Sie einmalig bei der Registrierung erhalten. Es funktioniert gut für einmalige Transkriptionen ohne Abo.

Für regelmäßige Arbeit mit hohem Volumen liefert die Rechnung in diesem Beitrag die Break-even-Punkte. Setzen Sie Ihre tatsächlichen monatlichen Stunden in die Formel ein, vergleichen Sie mit Ihren zwei oder drei Top-Kandidaten und wählen Sie die günstigste Option für Ihr Nutzungsprofil. Der Transkriptionspreisvergleich für 2026 enthält die vollständige Anbietertabelle, falls Sie tiefer einsteigen möchten.

Häufig gestellte Fragen

Wie viel kostet Transkription pro Stunde im Jahr 2026?

Die Spanne ist breit: Entwickler-APIs starten bei etwa 0,21 bis 0,46 $ pro Stunde für vorab aufgenommenes Audio, Verbraucher-KI-Tools wie Rev verlangen rund 15 $ pro Stunde im Pay-as-you-go-Modell, und menschliche Transkription kostet 90 bis 120 $ pro Stunde. Unbegrenzte Abo-Pläne können Ihre effektiven Kosten pro Stunde unter 0,20 $ drücken, wenn Sie monatlich genug transkribieren.

Ist eine Entwickler-API oder ein Flatrate-Abo günstiger?

Das hängt ganz von Ihrem Volumen ab. Bei unter 10 Stunden pro Monat gewinnt fast immer die API, weil Sie nichts zahlen, wenn Sie nichts nutzen. Bei 20 bis 50 Stunden pro Monat wird ein Flatrate-Abo oft attraktiver, besonders wenn Sie Spitzenlasten haben. Über 100 Stunden pro Monat sollten Sie Self-Hosting ernsthaft in Betracht ziehen, sofern Sie das technische Know-how im Haus haben.

Es hängt vom Volumen ab. Wenn Sie weniger als fünf bis acht Stunden pro Monat transkribieren, ist eine nutzungsbasierte API fast immer günstiger als ein Abonnement für 10 bis 30 Dollar im Monat. Über zehn Stunden pro Monat werden die meisten Abonnements wettbewerbsfähig. Über 30 Stunden gewinnt in der Regel ein unbegrenztes Abonnement beim Preis.

Warum ist menschliche Transkription so viel teurer als KI?

Ein menschlicher Transkriptionist benötigt drei bis sechs Stunden, um eine Stunde fertiges Transkript zu erstellen. Selbst bei bescheidenen Löhnen erreichen die Arbeitskosten allein 40 bis 80 Dollar pro Audiostunde. Unternehmensgemeinkosten, Qualitätsprüfung und Gewinnmarge treiben den Verbraucherpreis auf 90 bis 120 Dollar pro Stunde. KI-Transkription ersetzt Arbeitskraft durch GPU-Rechenleistung und senkt die Kosten um zwei Größenordnungen.

Was ist die günstigste KI-Transkriptions-API pro Stunde?

Stand Juli 2026 kostet AssemblyAIs Universal-3.5 Pro Async-Modell 0,0035 Dollar pro Minute (0,21 Dollar pro Stunde). Deepgram Nova-3 für vorab aufgenommene Dateien kostet 0,0077 Dollar pro Minute (0,46 Dollar pro Stunde) im Pay-as-you-go-Modell. OpenAI whisper-1 und gpt-4o-transcribe kosten jeweils 0,006 Dollar pro Minute (0,36 Dollar pro Stunde). Die Preise können je nach Volumenstufen und Rabatten für Wachstumspläne variieren.

Wann lohnt sich menschliche Transkription?

Menschliche Transkription ist in einer engen Reihe von Fällen gerechtfertigt: juristische Aussagen oder Gerichtsdokumente, bei denen Fehler formelle Konsequenzen haben, medizinische Dokumentation, bei der klinische Genauigkeit entscheidend ist, Broadcast-Untertitelung unter regulatorischen Standards oder stark akzentuierte Sprache auf minderwertigem Audio, an dem KI-Modelle noch scheitern. Bei sauberem Audio in den meisten anderen Kontexten ist die KI-Genauigkeit hoch genug, dass sich der menschliche Aufpreis schwer rechtfertigen lässt.

Wie berechne ich meine tatsächlichen Transkriptionskosten pro Stunde?

Bei nutzungsbasierten Plänen: multiplizieren Sie Ihren Minutenpreis mit 60. Bei Pauschalplänen: teilen Sie Ihre monatliche Rechnung durch die tatsächlich genutzten Stunden. Wenn Sie 10 Stunden mit einem 10-Dollar-Pro-Monat-Plan transkribieren, liegt Ihr effektiver Satz bei 1 Dollar pro Stunde; bei 50 Stunden sinkt er auf 0,20 Dollar pro Stunde. Die entscheidende Variable ist Ihre tatsächliche Nutzung, nicht der nominale Satz des Plans.

Quellen

• Deepgram Preisseite: https://deepgram.com/pricing
• AssemblyAI Preisseite: https://www.assemblyai.com/pricing
• OpenAI Whisper API Preise (brasstranscripts.com): https://brasstranscripts.com/blog/openai-whisper-api-pricing-2025-self-hosted-vs-managed
• AWS Transcribe Preisseite: https://aws.amazon.com/transcribe/pricing/
• Google Cloud Speech-to-Text Preise: https://cloud.google.com/speech-to-text/pricing
• Rev Preisseite: https://www.rev.com/pricing
• TurboScribe Preise: https://turboscribe.ai/pricing
• Otter.ai Preise: https://otter.ai/pricing
• Happy Scribe Preise: https://www.happyscribe.com/pricing