Captions vs. Untertitel: Was ist der Unterschied?

Die Begriffe werden synonym verwendet, aber Captions und Untertitel sind nicht dasselbe, und die falsche Wahl kann dich auf die falsche Seite eines Barrierefreiheitsgesetzes bringen.

Die Kurzfassung: Captions gehen davon aus, dass der Zuschauer den Ton nicht hören kann, und enthalten deshalb nichtsprachlichen Ton — Musik, eine zuschlagende Tür, wer gerade spricht. Untertitel gehen davon aus, dass der Zuschauer hören kann, aber die Sprache nicht versteht, und enthalten deshalb nur den gesprochenen Dialog. Alles Weitere folgt aus dieser einen Unterscheidung.

Captions vs. Untertitel auf einen Blick

	Captions	Untertitel
Setzen beim Zuschauer voraus	Kann den Ton nicht hören	Kann hören, versteht die Sprache nicht
Umfassen	Dialog + nichtsprachlichen Ton (Musik, Effekte, Sprecherkennzeichnung)	Nur den Dialog
Hauptzielgruppe	Gehörlose und schwerhörige Zuschauer	Zuschauer in einer Zweitsprache
Gleiche Sprache wie der Ton?	Meist ja	Meist nein (übersetzt)
Gesetzlich vorgeschrieben?	Oft — siehe unten	Selten; eine Lokalisierungsentscheidung
Dateiformate	SRT, VTT, SCC, TTML	SRT, VTT, ASS/SSA

Beide sind zeitgesteuerter Text über dem Video, und beide werden in denselben Untertitelformaten ausgeliefert — eine .srt oder .vtt kann beides enthalten. Der Unterschied liegt im Inhalt der Einblendungen, nicht im Container. (Zur Container-Seite siehe die Dateiformate für Untertitel und Transkripte erklärt.)

Was Captions enthalten und Untertitel nicht

Weil ein Zuschauer mit Captions nichts hören kann, müssen Captions die Tonspur beschreiben, nicht nur die Wörter:

Nichtsprachliche Geräusche in eckigen Klammern: [Telefon klingelt], [angespannte Musik], [Gelächter].
Sprecherkennzeichnung, damit klar ist, wer spricht, wenn das Gesicht nicht im Bild ist.
Ton und Betonung, wo sie die Bedeutung verändern — [sarkastisch], [flüsternd].

Untertitel lassen all das weg. Eine Untertitelspur zu einem Film setzt voraus, dass du die Explosion hörst; sie sagt dir nur, was die Figuren sagen.

Offene vs. geschlossene Captions

Innerhalb der „Captions“ gibt es eine zweite Unterscheidung:

Geschlossene Captions (CC) sind eine separate Spur, die der Zuschauer ein- oder ausschalten kann. YouTube-Untertitel, die CC-Schaltfläche eines Streaming-Players und eine begleitende .srt-Datei sind alle geschlossene Captions.
Offene Captions sind dauerhaft in die Videopixel eingebrannt. Sie werden immer angezeigt, auf jedem Player, ohne Schaltfläche — üblich bei Social-Video, wo Autoplay stummgeschaltet ist und es keine Untertitel-Oberfläche gibt.

Geschlossen ist der Standard für Barrierefreiheit, weil es dem Zuschauer die Kontrolle gibt. Offene Captions sind im Vorteil, wenn du dich nicht darauf verlassen kannst, dass die Plattform eine Caption-Spur rendert — ein TikTok oder ein Instagram-Reel etwa.

SDH: der Hybrid dazwischen

Du wirst auch SDH — „subtitles for the deaf and hard of hearing“ (Untertitel für Gehörlose und Schwerhörige) sehen. SDH ist Text im Untertitelstil (oft im Untertitel-Workflow und in dessen Formaten), der zusätzlich die nichtsprachlichen Informationen trägt, die Captions liefern. Es existiert, weil Blu-ray und viele Streaming-Pipelines Untertitelspuren leichter unterstützen als sendungsübliche Captions, sodass SDH Informationen auf Caption-Niveau über den Untertitelkanal liefert. Wenn du für Barrierefreiheit untertitelst, deine Plattform aber nur Untertitel annimmt, ist SDH die Antwort.

Was brauche ich?

Denke von deinem Zuschauer her rückwärts:

Veröffentlichst du Video für ein allgemeines Publikum (YouTube, ein Kurs, eine Firmenseite)? Du brauchst Captions — dieselbe Sprache wie der Ton, mit nichtsprachlichen Hinweisen. Das erwartet auch das Barrierefreiheitsrecht.
Soll dein Video in einer anderen Sprache ansehbar sein? Du brauchst Untertitel — den Dialog, übersetzt.
Beides ist üblich: gleichsprachige Captions und eine oder mehrere übersetzte Untertitelspuren. Streaming-Dienste machen genau das.
Postest du in Social-Feeds mit stummem Autoplay? Nutze offene Captions, damit der Text unabhängig vom Player erhalten bleibt.

Ein Hinweis zum Recht

In den USA ist Videozugänglichkeit für die meisten Organisationen nicht optional. Der Americans with Disabilities Act (ADA) wurde auf Websites und deren Video angewandt, die Section 508 deckt Bundesbehörden und deren Auftragnehmer ab, und die FCC verlangt Captioning für einen Großteil des gesendeten und online wiederveröffentlichten Programms. Der gemeinsame Nenner sind Captions — genau, gleichsprachig, inklusive nichtsprachlichem Ton — nicht übersetzte Untertitel. Wenn dein Grund für zeitgesteuerten Text die Compliance ist, brauchst du mit ziemlicher Sicherheit Captions. Dies sind allgemeine Informationen, keine Rechtsberatung; prüfe die Regeln, die für deine Organisation gelten.

Wie man beides erstellt

Beide beginnen am selben Punkt: ein genaues, mit Zeitstempeln versehenes Transkript des Tons.

Transkribiere den Ton oder das Video. Lade die Datei hoch und lass sie transkribieren — ScribeToAny erkennt die gesprochene Sprache automatisch (rund 98 werden unterstützt) und liefert Segmente mit Zeitstempeln. Für Captions mit mehreren Personen im Bild schalte die Sprecherkennzeichnung ein.
Prüfe gegen den Ton. Automatische Transkription ist ein erster Entwurf. Ein Klick auf ein Segment spielt diesen Moment erneut ab — der schnellste Weg, einen falsch gehörten Namen oder Begriff zu korrigieren, bevor er auf dem Bildschirm landet.
Füge nichtsprachliche Hinweise hinzu, wenn du Captions erstellst. Das ist der manuelle Schritt, der aus einer Untertitelspur eine Caption-Spur macht — setze die Geräusche in Klammern, die ein Zuschauer, der nicht hören kann, verpassen würde.
Exportiere die richtige Datei. SRT oder VTT für eine geschlossene Spur, die die meisten Plattformen akzeptieren; korrigiere die Zeiten einzelner Einblendungen im SRT-Editor, wenn eine Zeile zu lange steht oder abgeschnitten wird.
Für eine andere Sprache übersetze das fertige Transkript. Mit der Funktion „Übersetzen“ lässt es sich kostenlos in eine von 134+ Sprachen übertragen, in jedem Tarif, und die Cue-Zeiten bleiben identisch, sodass eine übersetzte SRT weiterhin zum Bild passt.

Wenn du den Text für Social eingebrannt haben willst, erzeuge zuerst die Spur mit dem Untertitel-Generator und nutze sie dann als offene Captions.

Captions sind für den Zugang; Untertitel sind für die Sprache. Bring das Transkript einmal in Ordnung, und du kannst beides daraus erzeugen. Beginne mit dem Video-zu-Text-Tool und füge die nichtsprachlichen Hinweise von Hand hinzu, wo Barrierefreiheit sie verlangt.