WCAG-Konformität mit Transkripten: SC 1.2 zugeordnet (2026)

Dies ist keine Rechtsberatung. Die WCAG-Kriterien sind technische Standards, keine Rechtsinstrumente. Ob ein bestimmtes Regelwerk Konformität verlangt – und auf welcher Stufe – hängt von Ihrer Rechtsordnung, Ihrer Organisationsform und dem jeweiligen Gesetz ab. Ziehen Sie für Konformitätsfeststellungen rechtlichen Rat hinzu.

Die Kriterien, in denen Transkripte eine Rolle spielen

Transkripte sind das vielseitigste Barrierefreiheitselement für Audioinhalte, decken jedoch nur einen Teil des WCAG-1.2-Umfelds ab. SC 1.2.1 verlangt ein Transkript für reine Audioinhalte. SC 1.2.3 erlaubt es, ein Transkript als Medienalternative für Video auf Stufe A zu verwenden. Darüber hinaus unterstützen Transkripte die Arbeit, ersetzen aber weder Untertitel noch Audiodeskriptionen.

WCAG 2.2 hat Richtlinie 1.2 gegenüber 2.1 vollständig unverändert gelassen. Die unten aufgeführten Kriterien gelten unter beiden Versionen gleichermaßen. Die neuen Kriterien in WCAG 2.2 betreffen Tastaturnavigation, Touch-Ziele und kognitive Barrierefreiheit – nicht zeitbasierte Medien.

Wie SC 1.2 gegliedert ist

Die neun Erfolgskriterien der Richtlinie 1.2 verteilen sich auf drei Konformitätsstufen:

Die meisten Regelwerke zielen auf Stufe AA. ADA Title II verlangt in den USA WCAG 2.1 AA für Bundesstaaten und Kommunen (die Konformitätsfristen wurden je nach Einwohnerzahl auf April 2027 bzw. April 2028 verlängert). Section 508 für US-Bundesbehörden verlangt WCAG 2.0 AA. Der Europäische Accessibility Act (EAA), seit Juni 2025 unter EN 301 549 durchgesetzt, verweist derzeit auf WCAG 2.1 AA. Für einen tieferen Vergleich dieser Rahmenwerke nach Land siehe Barrierefreiheitsgesetze nach Ländern.

SC 1.2.1: Nur-Audio und Nur-Video (aufgezeichnet), Stufe A

Für reine Audioinhalte stellen Sie ein Texttranskript bereit. Für reine Videoinhalte (ohne Ton) stellen Sie entweder ein Transkript oder eine Tonspur bereit, die beschreibt, was zu sehen ist.

Eine Podcastfolge, eine aufgezeichnete Vorlesung ohne Video oder jede eigenständige Audiodatei fällt unter dieses Kriterium. Das Transkript muss dieselben Informationen vermitteln wie das Audio: gesprochene Sprache, relevante nichtsprachliche Geräusche und die Sprecheridentifikation, wenn mehrere Personen am Wort sind.

Was als ausreichend gilt: Das W3C spezifiziert „korrekt sequenzierte Textbeschreibungen der zeitbasierten visuellen und auditiven Informationen“. Eine Zusammenfassung genügt nicht. Ein Transkript, das Abschnitte überspringt oder zentrale Inhalte auslässt, genügt ebenfalls nicht. Geringfügige Wortabweichungen und falsch geschriebene Eigennamen sind in der Regel akzeptabel, solange die Bedeutung erhalten bleibt.

Das Transkript muss nicht auf derselben Seite eingebunden sein wie das Audio, sollte von dort aber leicht erreichbar sein. HTML direkt auf der Seite oder verlinktes HTML erfüllen beide das Kriterium. Ein PDF-Transkript kann die Anforderung zwar erfüllen, schafft aber zusätzliche Hürden für die Barrierefreiheit; HTML ist der sauberere Weg.

Eine Ausnahme: Ist der reine Audioinhalt selbst eine Medienalternative für Textinhalte, die bereits auf der Seite stehen, und ist er klar als solche gekennzeichnet, gilt SC 1.2.1 nicht.

Wenn Sie nur ein sauberes Transkript für einen Podcast oder aufgezeichnetes Audio benötigen, liefert das Audio-zu-Text-Tool von ConvertAudioToText ein Texttranskript, das Sie herunterladen, prüfen und neben Ihrem Audio-Player veröffentlichen können.

SC 1.2.2: Untertitel (aufgezeichnet), Stufe A

Jedes aufgezeichnete Video mit Ton auf einer öffentlich zugänglichen Website benötigt synchronisierte Untertitel.

„Synchronisiert“ ist das entscheidende Wort. Untertitel müssen genau während der Passage erscheinen, deren Sprache sie wiedergeben – nicht vorher oder nachher im Block. Sie müssen außerdem relevante nichtsprachliche Audiosignale enthalten: „[Tür schließt sich]“, „[fröhliche Musik]“, Sprecherkennzeichnungen bei Mehrpersonen-Inhalten.

WCAG legt keinen bestimmten Genauigkeitsprozentsatz fest. FCC- und DOJ-Leitlinien nennen 99 % als Zielwert für Rundfunk- und öffentliche Inhalte. Barrierefreiheitsfachleute behandeln 95 % als praktische Untergrenze. Automatisch generierte Untertitel von Videoplattformen scheitern typischerweise an Eigennamen, Fachtermini, sich überlappenden Sprechern und nichtsprachlichem Audio.

Der Workflow für konforme Untertitel:

1. Laden Sie das Video direkt in ein Transkriptionstool hoch oder extrahieren Sie das Audio für eine Video-zu-Text-Konvertierung.
2. Erzeugen Sie eine getimte Untertiteldatei im SRT- oder VTT-Format.
3. Führen Sie eine menschliche Prüfung durch: Namen und Fachbegriffe korrigieren, nichtsprachliche Audiohinweise ergänzen, Timing überprüfen.
4. Laden Sie die geprüfte Datei bei Ihrem Video-Host als manuelle Untertitelspur hoch.

Auto-Untertitel Ihres Video-Hosts sind ein Ausgangspunkt, kein Endpunkt.

SC 1.2.3: Audiodeskription oder Medienalternative (aufgezeichnet), Stufe A

Für aufgezeichnetes synchronisiertes Video (Video mit Ton) stellen Sie entweder eine Audiodeskription oder eine vollständige Text-Medienalternative bereit. Sie haben die Wahl.

Das ist das Kriterium, das am häufigsten missverstanden wird. Das „oder“ ist auf Stufe A real und tragend.

Option A, Audiodeskription: Eine separate Stimme beschreibt visuelle Inhalte während natürlicher Pausen im Dialog. „Sie geht zum Whiteboard und kreist den dritten Punkt der Liste ein.“ Dafür muss eine zusätzliche Tonspur aufgenommen werden.

Option B, Medienalternative: Ein Textdokument, das alles im Video abdeckt – Dialog und visuelle Inhalte integriert. Wer das Video weder sehen noch hören kann, soll dieses Dokument lesen und dieselben Informationen erhalten können.

Bei Talking-Head-Videos, Vorlesungen und Präsentationen, in denen visuelle Inhalte eher knapp sind, lässt sich Option B meist leichter umsetzen. Beginnen Sie mit einem vollständigen Transkript des Tons und ergänzen Sie während der Prüfung knappe visuelle Anmerkungen.

Bei Demonstrationsvideos, Produktwalkthroughs und allem, bei dem der Bildschirm oder das Geschehen wesentliche Inhalte transportiert, die im Dialog nicht beschrieben werden, kommen Nutzer mit einer Audiodeskription tendenziell besser zurecht.

Hinweis: Wenn Sie für 1.2.3 Option B (die Medienalternative) wählen, müssen Sie zusätzlich 1.2.5 auf Stufe AA erfüllen – diese Stufe verlangt ausdrücklich eine Audiodeskription.

SC 1.2.4: Untertitel (Live), Stufe AA

Livestreams, Webinare und virtuelle Veranstaltungen mit Ton benötigen Untertitel in Echtzeit.

Aufgezeichnete Untertitel lassen Ihnen Zeit für eine menschliche Prüfung. Live-Untertitel nicht. Die wichtigsten Optionen:

CART (Communication Access Realtime Translation): Ein professioneller Stenograf erstellt die Untertitel in Echtzeit. Die Genauigkeit ist hoch. CART-Dienste kosten in der Regel ab rund 60 US-Dollar pro Stunde für Englisch bis hin zu 120-200 US-Dollar pro Stunde, je nach Themenbereich, Anbieter und Dauer. Der Goldstandard für Live-Inhalte mit hohen Anforderungen.

Automatic Speech Recognition (ASR): Live-ASR-Dienste von Plattformen wie Zoom, Google Meet, Microsoft Teams und weiteren. Schnell und kostengünstig, doch die Genauigkeit leidet bei mehreren Sprechern, Akzenten, Fachvokabular oder Problemen mit der Tonqualität.

Hybrid: ASR mit einem menschlichen Prüfer, der in Echtzeit mitliest und Korrekturen vornimmt. Für die meisten Anwendungsfälle ein guter Ausgleich zwischen Kosten und Genauigkeit.

Für Konformität auf Stufe AA verlangt WCAG, dass Untertitel korrekt und zeitnah sind. CART erreicht diese Messlatte zuverlässig. ASR allein erreicht sie in der Regel bei kontrollierten Inhalten mit einer sprechenden Person und gutem Ton. Komplexe oder besonders kritische Veranstaltungen rechtfertigen CART oder eine Hybridlösung.

Für die Live-Meeting-Transkription nutzen die meisten Teams während der Veranstaltung das integrierte ASR ihrer Konferenzplattform und lassen anschließend die Aufzeichnung durch ein genaueres Transkriptionstool laufen, um die korrigierte, archivierte Fassung zu erstellen.

SC 1.2.5: Audiodeskription (aufgezeichnet), Stufe AA

Auf Stufe AA ist die Audiodeskription für aufgezeichnetes Video Pflicht, keine Option.

Damit entfällt die Flexibilität, die 1.2.3 auf Stufe A bietet. Eine Medienalternative ist nicht mehr ausreichend. Haben Sie für 1.2.3 eine Textalternative bereitgestellt, kommt mit 1.2.5 eine neue Anforderung obendrauf hinzu.

Der Weg, der beides erfüllt: Stellen Sie eine Audiodeskription bereit, um 1.2.5 zu erfüllen. Damit erfüllen Sie automatisch auch 1.2.3, denn die Audiodeskription ist eine der beiden dort zulässigen Optionen.

Die praktische Stufe-AA-Kombination für Videoinhalte: Untertitel (1.2.2) plus Audiodeskription (1.2.5). Viele Konformitäts-Workflows behandeln diese beiden Kriterien als das Stufe-AA-Paar.

Ein hilfreicher Kniff für Inhalte, bei denen die Pausen im Dialog ausreichen: Planen Sie bereits in der Produktion bewusst Lücken in der Erzählung ein, damit später Beschreibungston ergänzt werden kann. Deskriptionen nachträglich in dichte, pausenlose Dialoge einzuarbeiten ist deutlich schwieriger, als sie von Anfang an einzuplanen.

Meine Einschätzung: Für die meisten Bildungs- und Unternehmensvideoproduzenten ist die größere Herausforderung nicht das Verständnis der Kriterien, sondern der Aufbau des Workflows. Wer Untertitel und Transkripte von Beginn an als Teil des Produktionsprozesses statt als Postproduktionskorrektur behandelt, halbiert die Kosten.

SC 1.2.6: Gebärdensprache (aufgezeichnet), Stufe AAA

Für aufgezeichnetes Video mit Ton: Stellen Sie eine Dolmetschung in Gebärdensprache bereit.

Stufe AAA – regulatorisch selten vorgeschrieben. Die meisten öffentlichen Inhalte erfüllen diese Anforderung nicht, und Konformitätsziele auf AA-Stufe verlangen sie nicht. Am ehesten relevant für Inhalte, die gezielt gehörlose Menschen ansprechen, sowie für besonders kritische Kommunikation im öffentlichen Dienst und im Gesundheitswesen.

SC 1.2.7: Erweiterte Audiodeskription (aufgezeichnet), Stufe AAA

Reicht die Standard-Audiodeskription nicht aus, weil der Dialog zu wenige natürliche Pausen bietet, stellen Sie eine erweiterte Audiodeskription bereit: Das Video hält an, damit eine längere Beschreibung eingespielt werden kann, und läuft danach weiter.

Stufe AAA. In der Praxis selten, da die meisten Inhalte ausreichende Pausen bieten. Relevant etwa für Schulungsinhalte mit durchgehend dichter Erzählung und wichtigen visuellen Informationen.

SC 1.2.8: Medienalternative (aufgezeichnet), Stufe AAA

Ein vollständiges Textdokument, das sämtliche Audio- und visuellen Inhalte eines synchronisierten Videos abdeckt – für alle Nutzer, die weder die Ton- noch die Bildspur wahrnehmen können.

Das geht über Untertitel oder eine Audiodeskription allein hinaus. Das Dokument benötigt:

• Den gesamten Dialog mit Sprecheridentifikation
• Alle relevanten nichtsprachlichen Geräusche
• Alle wesentlichen visuellen Inhalte, einschließlich eingeblendeter Texte, Beschreibungen der Szenerie und Handlungen der Figuren
• Strukturelle Navigation (Kapitel, Szenenwechsel)

Aus einem sorgfältig erstellten Transkript ergibt sich die Dialogebene von selbst. Die Arbeit an den visuellen Anmerkungen ist Handarbeit – der Start mit einem vollständigen, sprechergekennzeichneten Transkript verkürzt den Aufwand jedoch beträchtlich.

SC 1.2.9: Nur-Audio (Live), Stufe AAA

Echtzeit-Textalternative für reine Live-Audioinhalte: Live-Radio, Audiokonferenzen, Sendungen nur mit Ton.

Stufe AAA, in der Praxis selten erreicht. Echtzeit-Textalternativen für reine Audiostreams erfordern in der Regel Live-ASR oder einen Live-Untertitler. Nur sehr wenige reine Live-Audiosendungen erfüllen dieses Kriterium.

Ein praxisnaher AA-Konformitäts-Workflow

Für eine Website mit Podcasts und aufgezeichneten Videos mit dem Ziel WCAG AA:

Für Podcastfolgen (SC 1.2.1)

1. Transkribieren Sie das Audio mit einem Audio-zu-Text-Tool.
2. Menschliche Prüfung: Namen und Fachbegriffe korrigieren, Sprecherkennzeichnungen überprüfen.
3. Veröffentlichen Sie das geprüfte Transkript als HTML auf der Folgenseite oder direkt daneben.

Für aufgezeichnete Videos (SC 1.2.2 und 1.2.5)

1. Transkribieren Sie, um eine getimte Untertiteldatei zu erhalten (SRT oder VTT).
2. Menschliche Prüfung: Genauigkeit, Sprecherkennzeichnungen, nichtsprachliche Audiohinweise.
3. Laden Sie die Untertitel bei Ihrem Video-Host hoch.
4. Zeichnen Sie eine Audiodeskription auf oder beauftragen Sie eine, die die visuellen Inhalte während der Dialogpausen abdeckt.
5. Veröffentlichen Sie die Audiodeskription als alternative Tonspur.

Für Live-Webinare (SC 1.2.4)

1. Während der Live-Veranstaltung: Live-Untertitel per CART oder ASR nutzen.
2. Nach der Veranstaltung: Die Aufzeichnung für die archivierte Version durch ein Transkriptionstool laufen lassen.
3. Die archivierten Untertitel prüfen und korrigieren, bevor Sie sie gemeinsam mit der Aufzeichnung veröffentlichen.

Häufige Konformitätsfehler

Automatisch erzeugte Untertitel ohne Prüfung veröffentlicht. Auto-generierte Untertitel verfehlen Eigennamen, Fachvokabular, Sprecherkennzeichnungen und nichtsprachliche Geräusche. Eine Prüfung ist nicht optional.

Eine Zusammenfassung statt eines Transkripts. SC 1.2.1 verlangt dieselben Informationen wie das Audio, keine redigierte Zusammenfassung. „Shownotes“ anstelle eines Transkripts zu veröffentlichen erfüllt das Kriterium nicht.

Keine Beschreibung visueller Inhalte. Eine Produktdemo, die die Oberfläche zeigt, ohne zu erläutern, was zu sehen ist, benötigt eine Audiodeskription oder eine Medienalternative. Untertitel allein decken rein visuelle Informationen nicht ab.

Transkript hinter einer Download-Hürde. Ein PDF-Download erfüllt zwar den Buchstaben des Kriteriums, erschwert Screenreader-Nutzern jedoch den Zugang. HTML direkt auf der Seite oder verlinktes HTML ist der sauberere Weg.

Fehlende Sprecheridentifikation bei Inhalten mit mehreren Sprechenden. Sprechen zwei oder mehr Personen, müssen Untertitel wie Transkripte kenntlich machen, wer gerade was sagt.

Dokumentation für Konformitätsaudits

Wenn Sie Ihren Barrierefreiheitsprozess dokumentieren:

• Benennen Sie den Zielstandard (WCAG 2.2 Stufe AA – oder WCAG 2.1 AA, wenn Ihre Rechtsordnung das verlangt).
• Beschreiben Sie Ihren Entstehungsprozess (KI-Transkription mit anschließender menschlicher Prüfung).
• Geben Sie an, welches SC jedes Artefakt erfüllt – und für welche Inhalte.
• Halten Sie bekannte Ausnahmen und Nachbesserungsfristen fest.
• Nennen Sie die für die Erstellung verwendeten Tools. Die Konformität liegt in Ihrem Prozess, nicht in einem einzelnen Tool.

Mehr zu den Rechtsrahmenwerken, die auf diese Kriterien verweisen, finden Sie unter Barrierefreiheitsgesetze nach Ländern und ADA-Konformität für Audioinhalte. Um die Dimension der Nutzererfahrung geht es in Transkripte für Screenreader-Nutzer – dort wird erklärt, wie diese Artefakte tatsächlich genutzt werden.

Häufige Fragen

Erfüllt ein Transkript alle WCAG-1.2-Anforderungen?

Nein. Ein Transkript erfüll