Ethik der Interviewtranskription: Zentrale Pflichten

Die zentralen Pflichten

Forschende, die Interviews aufzeichnen und transkribieren, halten vertrauliche Aussagen in dokumentarischer Form fest. Die ethischen Pflichten, die mit diesen Dokumenten verbunden sind, sind nicht allein dadurch erfüllt, dass man die Einwilligung zur Aufzeichnung einholt. Sie erstrecken sich darauf, wie Transkripte verarbeitet, gespeichert, geteilt, anonymisiert und schließlich vernichtet werden. IRBs, Teilnehmende und Datenschutzrahmenwerke stellen jeweils ihre eigenen Fragen in diesem Bereich. Dieser Leitfaden ordnet die praktischen Antworten.

Die fünf Pflichten, die sich durch IRB-Vorgaben, die US Common Rule und die DSGVO ziehen, sind: eine Einwilligung, die tatsächlich Transkription und Verarbeitung durch Dritte abdeckt; ehrliche Anonymisierung statt kosmetischer Namensänderungen; die Offenlegung der Cloud-Verarbeitung in Einwilligungsformular und Protokoll; ein konkreter Aufbewahrungs- und Löschplan; sowie eine Entscheidung darüber, ob Teilnehmenden eine Transkriptüberprüfung angeboten wird.

Was die Einwilligung tatsächlich abdecken muss

Die US Common Rule (45 CFR 46.116) verlangt, dass die informierte Einwilligung „eine Erklärung enthält, die beschreibt, inwieweit, wenn überhaupt, die Vertraulichkeit von Unterlagen, die die untersuchte Person identifizieren, gewahrt bleibt“. Diese Formulierung hat mehr Gewicht, als sie vermuten lässt. Ein Einwilligungsformular, das lediglich besagt, dass „Ihr Interview aufgezeichnet wird“, aber nichts zu Transkription, Cloud-Tools oder Datenhandhabung sagt, erfüllt den Geist dieser Anforderung nicht.

IRB-Büros mehrerer US-Universitäten behandeln KI-Transkriptionstools inzwischen als eigenen Offenlegungspunkt. Penn States IRB-Richtlinie XI verlangt, dass die Einwilligungsdokumentation darlegt, wie Aufzeichnungen „gespeichert, gesichert, genutzt, übertragen und vernichtet werden“. Das IRB der Columbia University hat ausdrücklich erklärt, dass bei Verarbeitung von Teilnehmer-Audio durch einen Cloud-Transkriptionsdienst das konkrete Tool und seine Datenschutzerklärung im Einwilligungsformular und im Forschungsprotokoll erscheinen sollten.

Praktisch bedeutet das: Ihr Einwilligungsformular braucht drei Dinge zusätzlich zu „Sie werden aufgezeichnet“:

• Eine Erklärung, dass die Aufzeichnung transkribiert wird (von Ihnen, von einer menschlichen Transkriptkraft oder von einem KI-Dienst).
• Wenn KI-Transkription eingesetzt wird: die Bezeichnung der Dienstleistungskategorie und eine allgemeinverständliche Beschreibung dessen, was der Dienst mit dem Audio macht.
• Eine Angabe, wie lange die Aufzeichnung aufbewahrt und wann sie gelöscht wird.

Für Teilnehmende, die der Verarbeitung ihrer Sprachdaten durch Dritte nicht zugestimmt haben, ist der einzige vertretbare Weg, die Transkription intern durchzuführen. Lokale Whisper-Installationen oder verschlüsselte Laptop-basierte Tools ermöglichen Transkription, ohne Audio über externe Cloud-Infrastruktur zu leiten.

Bei Forschung mit identifizierbaren Gesundheitsinformationen ist eine Business Associate Agreement (BAA) mit jedem Anbieter, der Audio verarbeitet, gemäß HIPAA rechtlich erforderlich, bevor dieser Anbieter das Audio übertragen oder speichern darf.

Anonymisierung vs. Pseudonymisierung: Der entscheidende Unterschied

Der verbreitetste Fehler in der Forschungstranskription besteht darin, pseudonymisierte Daten als anonym zu bezeichnen. Die EDPB-Leitlinien 2025 (EDPB Guidelines 04/2025) formalisieren, was Erwägungsgrund 26 der DSGVO stets impliziert hat: wirklich anonyme Daten fallen vollständig aus dem Anwendungsbereich des Datenschutzrechts heraus. Pseudonymisierte Daten tun das nicht.

Daten sind pseudonymisiert, wenn Identifikatoren ersetzt werden, die Ersetzung aber grundsätzlich rückgängig gemacht werden kann. Ein Transkript, das „Teilnehmer 4“ statt des Namens verwendet, ist pseudonymisiert, nicht anonym, weil Ihr Zuordnungsschlüssel den Code wieder mit der Person verknüpft. Dieses Transkript ist weiterhin personenbezogene Daten nach DSGVO und UK GDPR. Es unterliegt weiterhin den Anforderungen an eine Rechtsgrundlage, Auskunftsrechten und Löschpflichten.

Daten sind nur dann wirklich anonym, wenn alle drei kumulativen Tests der EDPB bestanden werden:

• Sie können keine Einzelperson aus dem Datensatz herausfiltern.
• Sie können Datensätze derselben Person nicht über verschiedene Datensätze hinweg verknüpfen.
• Sie können aus den verbleibenden Datenwerten keine Rückschlüsse auf Eigenschaften einer Person ziehen.

In der qualitativen Forschung ist es selten, alle drei Tests zu bestehen. Zitate tragen Sprechmuster, Wortschatz, beruflichen Kontext und situative Details in sich, die das Entfernen der Namen häufig überdauern. Die ehrliche Einstufung für die meisten Forschungstranskripte lautet: pseudonymisiert.

Die praktische Konsequenz: Behandeln Sie Ihre Transkripte als personenbezogene Daten, solange Sie keine dokumentierte Begründung für eine stärkere Behauptung haben. Wenden Sie die Datenklassifizierungsregeln Ihrer Institution auf pseudonymisierte Transkripte an, nicht auf „deidentifizierte“ Materialien.

Wie man ein Transkript richtig pseudonymisiert

Der UK Data Service empfiehlt, die Pseudonymisierung bereits bei der ersten Transkription zu planen und nicht erst nachträglich. Seine Leitlinie legt fest, dass sowohl direkte Identifikatoren (Namen, Kontaktdaten) als auch indirekte Identifikatoren (konkrete Orte, Daten und Rollenkombinationen, die die Identifizierung eingrenzen) berücksichtigt werden sollen.

Ein funktionierendes System:

1. Ersetzen Sie den Namen jeder teilnehmenden Person durch einen konsistenten Pseudonym- oder alphanumerischen Code.
2. Ersetzen Sie Namen von Dritten, die die Person erwähnt (Kollegen, Familienmitglieder, Orte).
3. Aggregieren oder paraphrasieren Sie identifizierende Kontextdetails: „[Stadt in der Nordregion]“ statt eines genannten Ortes; „[Arbeitgeber im öffentlichen Sektor]“ statt einer konkreten Behörde.
4. Führen Sie einen separaten, zugriffskontrollierten Zuordnungsschlüssel, der Codes mit echten Identitäten verknüpft.
5. Dokumentieren Sie jede Ersetzung in einem Anonymisierungsprotokoll, das getrennt von der Transkriptdatei aufbewahrt wird.

Der UK Data Service warnt sowohl vor Über-Anonymisierung (Entfernen von Kontext, der analytische Bedeutung trägt) als auch vor unzureichender Anonymisierung (Zurücklassen von Detailkombinationen, die jemanden identifizieren, selbst nachdem Namen entfernt wurden).

Verwenden Sie bei in Berichten oder Aufsätzen veröffentlichter Forschung dieselben Pseudonyme durchgängig, damit Lesende, die mehreren Auszügen folgen, nicht unbeabsichtigt durch Kumulation mehr über eine teilnehmende Person erfahren.

Cloud-Verarbeitung: Was offenzulegen ist und wann man sie vermeiden sollte

Jeder Cloud-Transkriptionsdienst, der Ihr Audio verarbeitet, ist ein Auftragsverarbeiter nach DSGVO – und ein Business Associate nach HIPAA, wenn PHI betroffen ist. Das ist eine Rechtsbeziehung, die Dokumentation erfordert – nicht bloß ein Anbieter, bei dem Sie hoffen, dass er sich gut verhält.

Bevor Sie Interview-Audio zu irgendeinem Cloud-Dienst hochladen, prüfen Sie drei Dinge:

• Wie lange bewahrt der Dienst das Audio auf, nachdem das Transkript zurückgeliefert wurde?
• Nutzt der Dienst Audio, um seine Modelle zu trainieren oder zu verbessern? Gibt es ein Opt-out?
• Bietet der Dienst eine Data Processing Agreement (DPA) oder, bei Gesundheitsforschung, eine unterzeichnete BAA an?

Diese Fragen gehören in Ihr Forschungsprotokoll. IRBs stellen sie zunehmend. Mehrere IRBs US-amerikanischer Universitäten haben begonnen, Cloud-Transkriptionsdienste als in die Forschung eingebundene Parteien zu behandeln, wenn sie Teilnehmer-Audio erhalten – was eine IRB-Prüfung des Tools selbst auslösen kann.

Bei Interviews mit sensiblen Themen (Trauma, stigmatisierte Gesundheitszustände, Aufenthaltsstatus, Whistleblowing am Arbeitsplatz) ist lokale Verarbeitung die konservative Standardeinstellung. Open-Source-Tools wie OpenAIs Whisper laufen auf einem Laptop ohne Netzwerkzugriff während der Transkription.

Bei Forschung, deren Gegenstand nicht sensibel ist und deren Teilnehmende bei klarer Offenlegung der Cloud-Verarbeitung zugestimmt haben, sind Dienste mit DPA und explizitem Opt-out gegen Modelltraining der mittlere Weg zwischen lokaler Verarbeitung und unkontrolliertem Cloud-Routing.

Wenn Sie einfach genaue Transkripte für nicht sensible Interviews benötigen, bei denen die Teilnehmenden der Online-Verarbeitung zugestimmt haben, nutzt das Audio-zu-Text-Tool von ConvertAudioToText AssemblyAIs Verarbeitungsinfrastruktur mit einer dokumentierten Aufbewahrungsrichtlinie. Lesen Sie diese Richtlinie, bevor Sie Forschungs-Audio hochladen.

Aufbewahrung und Löschung: Legen Sie den Zeitplan fest, bevor Sie Daten erheben

Viele Forschende gehen hier genau falsch herum vor. Sie erheben, transkribieren, analysieren, veröffentlichen – und fragen sich dann, was sie mit Dateien machen sollen, die sie nun seit zwei Jahren aufbewahren. Die Löschentscheidung sollte getroffen werden, bevor die Datenerhebung beginnt, und im IRB-Protokoll dokumentiert werden.

Ein funktionierendes Aufbewahrungsframework trennt Audio und Transkripte nach Risikostufe.

Audioaufnahmen bergen das höchste Re-Identifizierungsrisiko. Stimmen sind biometrisch. Wenn Audio nach der Transkription aufbewahrt wird, könnte ein späterer Datenschutzvorfall oder eine gerichtliche Anordnung die Identität einer teilnehmenden Person offenlegen – selbst bei einer pseudonymisierten Studie. Die meisten IRB-Vorgaben empfehlen, das Audio zu löschen, sobald Sie überprüft haben, dass das Transkript vollständig und korrekt ist. Mehrere IRB-Protokolle nennen ein konkretes Zeitfenster: 24 bis 48 Stunden nach der Überprüfung.

Pseudonymisierte Transkripte bergen ein geringeres Risiko und haben einen höheren analytischen Wert. Sie werden typischerweise bis zum Ende der Analysephase der Studie aufbewahrt und bei Abschluss- oder Dissertationsforschung bis zum Ende des Prüfungszeitraums. Staatliche Fördergeber verlangen oft mindestens drei Jahre nach der Veröffentlichung. Der konkrete Zeitplan gehört in Ihr Protokoll.

Der Zuordnungsschlüssel (die Datei, die Codes mit echten Namen verknüpft) ist das risikoreichste Element in Ihrem Archiv. Er sollte auf zugriffskontrolliertem, verschlüsseltem institutionellem Speicher abgelegt werden. Wenn Sie ihn löschen, werden die Teilnehmerdaten im Transkript praktisch wirksam anonym, auch wenn das Transkript selbst noch Rest-Identifikatoren enthalten kann.

Legen Sie beim Start einer Studie zwei Kalendereinträge an: einen für die Audio-Löschung und einen für die Löschung des Zuordnungsschlüssels. Verknüpfen Sie sie mit den Studienabschluss-Meilensteinen in Ihrem Protokoll. Jährliche IRB-Reviews sind ein natürlicher Kontrollpunkt.

Zu den damit verbundenen Pflichten bei der Datenhandhabung siehe versteckte Kosten von Transkriptionsdiensten und Transkription für qualitative Forschung.

Transkriptüberprüfung durch Teilnehmende: Was sie ist und wann man sie anbietet

Member Checking (auch Respondent Validation oder Transkriptüberprüfung durch Teilnehmende genannt) ist eine Strategie zur Sicherung der Glaubwürdigkeit, bei der Forschende Daten oder Ergebnisse zur Überprüfung an die Teilnehmenden zurückgeben. Lincoln und Guba (1985) bezeichneten sie als „die wichtigste Technik, um Glaubwürdigkeit herzustellen“ in der qualitativen Forschung.

Auf Transkriptebene ist die einfachste Form, den Teilnehmenden eine Kopie ihres Interviewtranskripts zu schicken und sie zu bitten, es auf Richtigkeit zu prüfen. Auf Ergebnisebene schlugen Birt und Kollegen (2016) das synthetisierte Member Checking vor, bei dem Sie Ihre analytischen Ergebnisse statt der Rohtranskripte teilen und fragen, ob die Interpretation bei ihnen Anklang findet.

Überprüfung auf Transkriptebene und Überprüfung auf Ergebnisebene dienen unterschiedlichen Zwecken. Die Transkriptüberprüfung betrifft die faktische Richtigkeit und dass sich Teilnehmende mit dem festgehaltenen Wortlaut wohlfühlen. Die Ergebnisüberprüfung betrifft die interpretative Validität. Keine von beiden ist verpflichtend, aber beide sind ethisch transparent, und manche Forschungsrahmen (insbesondere solche mit partizipativem Design) behandeln sie als Pflichten.

Praktische Überlegungen, bevor Sie eine Transkriptüberprüfung anbieten:

• Teilnehmende, die ihr Transkript sehen, möchten oft Teile ändern, ergänzen oder zurückziehen. Entscheiden Sie im Voraus, wie Sie mit solchen Anliegen umgehen, und beschreiben Sie diese Entscheidung in Ihrem Protokoll.
• Das Versenden von Transkripten schafft eine neue Handhabungspflicht. Der E-Mail- oder Dateiübertragungsweg muss sicher sein.
• Manche Teilnehmende empfinden es als belastend, ihre eigene Rede in Textform zu lesen, insbesondere wenn das Interview Traumata behandelt hat. Bieten Sie die Option an, ohne den Eindruck zu erwecken, sie sei verpflichtend.
• Die Transkriptüberprüfung öffnet die Interviewbeziehung erneut. Bei vulnerablen Gruppen sollten Sie abwägen, ob diese erneute Kontaktaufnahme angemessen ist.

Meine Einschätzung: Für die meisten Interviewstudien ist das Anbieten einer Transkriptüberprüfung gute Praxis und kostengünstig. Teilnehmende, die das Gefühl haben, das Gesagte korrigieren zu können, sprechen eher von vornherein offen. Der Verwaltungsaufwand ist überschaubar, wenn Sie vor Beginn ein einfaches Korrektur-Anforderungsformular und ein dokumentiertes Antwortprotokoll erstellen.

Mehr zum Workflow vom Interview zur Analyse, in den dies einfließt, finden Sie unter Codierung qualitativer Interviews und thematische Analyse aus Transkripten.

Eine Ethik-Checkliste vor der Analyse

Bevor Sie ein Forschungstranskript in die Analyse überführen, prüfen Sie jeden Punkt:

• Die Einwilligung deckte Transkription, die verwendete Methode (menschlich/KI/Cloud) und die Datenaufbewahrung ab.
• Das Audio wurde gelöscht oder ein Löschdatum ist im Kalender eingetragen.
• Das Transkript ist pseudonymisiert, mit Anonymisierungsprotokoll.
• Der Zuordnungsschlüssel liegt auf zugriffskontrolliertem, verschlüsseltem Speicher.
• Etwaige DPAs oder BAAs mit Cloud-Diensten sind unterzeichnet und abgelegt.
• Eine Transkriptüberprüfung wurde angeboten, oder es existiert eine dokumentierte Begründung, warum nicht.

Sechs Punkte. Das Durchgehen dauert unter fünf Minuten und erzeugt eine Dokumentationskette, die IRB-Reviews genügt und – falls Sie im DSGVO-Raum tätig sind – Ihre Rechenschaftspflicht nach Artikel 5(2) stützt.

Häufig gestellte Fragen

Wie man ein Transkript richtig pseudonymisiert

Der UK Data Service empfiehlt, die Pseudonymisierung bereits bei der ersten Transkription zu planen. Ersetzen Sie direkte Identifikatoren (Namen, Kontaktdaten) und indirekte Identifikatoren (konkrete Orte, Daten, Rollenkombinationen) systematisch. Verwenden Sie für jede teilnehmende Person einen konsistenten Pseudonym- oder Code-Namen, führen Sie einen separaten, zugriffskontrollierten Zuordnungsschlüssel und dokumentieren Sie jede Ersetzung in einem Anonymisierungsprotokoll, das getrennt von der Transkriptdatei aufbewahrt wird. Aggregieren Sie kontextuelle Details, die eine Identifizierung eingrenzen könnten, selbst wenn kein Name vorhanden ist.

Muss mein IRB-Einwilligungsformular das konkrete KI-Tool nennen, das ich für die Transkription verwende?

Die IRB-Praxis variiert je nach Institution, doch mehrere Universitäts-IRBs (darunter Columbia und Penn State) empfehlen inzwischen oder verlangen, dass sowohl im Einwilligungsformular als auch im Studienprotokoll die Kategorie des Transkriptionsdienstes genannt und beschrieben wird, was dieser mit dem Audio macht. Teilnehmende lediglich in eine „Audioaufnahme“ einzuwilligen, ohne die KI-Verarbeitung durch Dritte zu erwähnen, gilt zunehmend als unzureichende Offenlegung, insbesondere bei sensiblen Forschungsthemen. Im Zweifelsfall fragen Sie Ihre IRB-Koordination besser vor Beginn der Datenerhebung als danach.

Was ist der Unterschied zwischen Anonymisierung und Pseudonymisierung bei Forschungstranskripten?

Nach DSGVO und UK GDPR (und im Einklang mit den EDPB Guidelines 04/2025) fällt anonymisierten Daten der Schutz durch das Datenschutzrecht vollständig weg, weil sich keine Person daraus identifizieren lässt. Pseudonymisierte Daten ersetzen direkte Identifikatoren durch Codes, behalten aber einen Zuordnungsschlüssel bei, sodass sich die Daten grundsätzlich wieder einer Person zuordnen lassen. Die meisten Forschungstranskripte sind pseudonymisiert, nicht anonym, und sollten als personenbezogene Daten behandelt werden – mit allen damit verbundenen Rechten und Pflichten.

Wie lange sollte ich Audioaufnahmen und Transkripte nach Abschluss einer Studie aufbewahren?

Audioaufnahmen sollten in der Regel gelöscht werden, sobald Sie überprüft haben, dass das Transkript vollständig und korrekt ist. Viele IRB-Protokolle sehen dafür ein Zeitfenster von 24 bis 48 Stunden nach der Überprüfung vor. Pseudonymisierte Transkripte müssen in der Regel bis zum Ende der Analyse- und Publikationsphase aufbewahrt werden; staatliche Fördergeber verlangen oft mindestens drei Jahre nach der Veröffentlichung. Der konkrete Zeitplan sollte vor Beginn der Datenerhebung in Ihrem IRB-Protokoll festgehalten sein. Ihr Zuordnungsschlüssel sollte gelöscht werden, sobald sein Forschungszweck erfüllt ist.

Brauche ich eine Business Associate Agreement mit einem Transkriptionsdienst, wenn meine Forschung gesundheitsbezogene Interviews umfasst?

Wenn Ihre Forschung Protected Health Information (PHI) im Sinne von HIPAA umfasst, ist jeder Anbieter, der dieses Audio verarbeitet, speichert oder überträgt, ein Business Associate und muss eine BAA unterzeichnen, bevor Audio übertragen wird. Das gilt auch für KI-Transkriptionsdienste, die Teilnehmer-Audio in der Cloud verarbeiten. PHI ohne BAA an einen Anbieter hochzuladen, ist ein HIPAA-Verstoß – unabhängig vom Forschungskontext. Bei Forschung, die keine PHI umfasst, aber sensible Gesundheitsthemen betrifft, gilt die BAA-Pflicht rechtlich möglicherweise nicht, doch die ethische Argumentation für gleichwertige vertragliche Schutzmaßnahmen ist stark.

Ist die Überprüfung des Transkripts durch die Teilnehmenden verpflichtend?

Keine allgemeine regulatorische Vorschrift schreibt die Transkriptüberprüfung in der qualitativen Forschung zwingend vor. Variieren tun die ethischen Erwartungen innerhalb bestimmter methodischer Rahmen. Die partizipative Aktionsforschung behandelt die Mitwirkung der Teilnehmenden am festgehaltenen Material als Kernprinzip. Die thematische Analyse (Braun und Clarke) und Grounded-Theory-Ansätze betrachten Glaubwürdigkeitsstrategien wie Member Checking als optional, aber wertvoll. Die Entscheidung sollte in jedem Fall in Ihrem Protokoll dokumentiert werden: entweder anbieten – mit einem Prozess für den Umgang mit gewünschten Änderungen – oder dokumentieren, warum sie für Ihr Studiendesign nicht passend war.

Quellen

• US Common Rule, 45 CFR 46.116 (Stand Juni 2026): https://www.law.cornell.edu/cfr/text/45/46.116
• Penn State IRB Guideline XI: https://researchsupport.psu.edu/orp/irb/irb-resources-training-and-events/irb-guidelines/irb-guideline-xi-research-involving-audio-video-or-digital-recordings-of-research-participants/
• Columbia University IRB Blog, Audio and Video Recording in Remote Research (2022): https://www.tc.columbia.edu/institutional-review-board/irb-blog/2022/audio-and-video-recording-in-remote-research/
• EDPB Guidelines 04/2025 zur Anonymisierung (via Innovires Legal): https://www.innovires.com/en/blog/edpb-anonimizacia-psevdonimizacia.html
• UK Data Service, Anonymising Qualitative Data: https://ukdataservice.ac.uk/learning-hub/research-data-management/anonymisation/anonymising-qualitative-data/
• ICO, Introduction to Anonymisation: https://ico.org.uk/for-organisations/uk-gdpr-guidance-and-resources/data-sharing/anonymisation/introduction-to-anonymisation/
• ICO, Pseudonymisation: https://ico.org.uk/for-organisations/uk-gdpr-guidance-and-resources/data-sharing/anonymisation/pseudonymisation/
• Lincoln, Y. S., und Guba, E. G. (1985). Naturalistic Inquiry. Sage.
• Birt, L., Scott, S., Cavers, D., Campbell, C., und Walter, F. (2016). Member Checking: A Tool to Enhance Trustworthiness or Merely a Nod to Validation? Qualitative Health Research, 26(13).
• HHS HIPAA BAA guidance: https://www.hhs.gov/hipaa/for-professionals/privacy/guidance/hipaa-audio-telehealth/index.html