Untertitel-Timing & Lesbarkeit: Der Praxis-Guide

Timing und Lesbarkeit lassen sich bei Untertiteln nicht sinnvoll voneinander trennen. Ein Cue kann wortwörtlich korrekt sein und sich trotzdem schlecht anfühlen, wenn er zu früh erscheint, zu schnell verschwindet, zu viel Text enthält oder einen Satz an einer unlogischen Stelle trennt. Ziel ist nicht Millisekunden-Perfektion um jeden Preis, sondern müheloses Lesen, während die Aufmerksamkeit beim Video bleibt.

Vier Faktoren müssen gleichzeitig stimmen

Sinnvolle professionelle Referenzwerte – keine universellen Gesetze

Sender, Streamingdienste, Sprachen und Social-Formate arbeiten mit unterschiedlichen Spezifikationen. Die folgenden Werte sind hilfreiche Referenzen aus professionellen Timed-Text-Workflows, aber keine Regeln, die für jedes YouTube-, TikTok- oder Webvideo gelten.

Lesegeschwindigkeit mit CPS berechnen

CPS steht für Characters per Second. Für einen schnellen Dichte-Check teilst du die Anzahl sichtbarer Zeichen durch die Einblenddauer in Sekunden. Ob Leerzeichen und bestimmte Formatierungen mitgezählt werden, hängt vom Tool bzw. der Spezifikation ab. Wichtig ist deshalb vor allem, innerhalb eines Workflows konsistent zu messen.

CPS = sichtbare Zeichen / Cue-Dauer in Sekunden

72 Zeichen / 4,0 Sekunden = 18 CPS

Cue-Dauer: genug Lesezeit, aber kein unnötiges Nachhängen

Sehr kurze Cues wirken wie Blitze und zwingen den Blick zum Hinterherlaufen. Sehr lange Cues können sich vom gesprochenen Inhalt lösen, Informationen zu früh preisgeben oder noch stehen, obwohl die Szene längst weiter ist. Die Dauer sollte deshalb Textdichte und Bildschnitt gemeinsam berücksichtigen.

• Kurzer Cue: Für wirklich kurze Äußerungen verwenden, nicht um einen vollständigen langen Satz hineinzupressen.
• Langer Cue: Sinnvoll bei zusammenhängendem, gut lesbarem Text; abgeschlossene Sprache aber nicht unnötig lange stehen lassen.
• Schnelle Sprache: Lieber prägnanter formulieren und sinnvoll segmentieren, statt jeden Cue extrem kurz zu machen.
• Schnittwechsel: Prüfen, ob ein Cue über einen Schnitt hinweg natürlich wirkt. Fortlaufender Dialog kann das rechtfertigen; unabhängiger Text meist nicht.

An Sprache synchronisieren – ohne willkürliche Millisekunden-Fixierung

Ein Untertitel sollte so nah an der relevanten Sprache starten, dass beides als zusammengehörig wahrgenommen wird. Werden aber alle Grenzen starr an jede Audio-Kante gepresst, entstehen leicht flackernde Cues, schlechte Abstände und hektisches Lesen. Gutes Timing betrachtet Audio, Text und Bild gemeinsam.

Zeilenumbrüche und Segmentierung sind genauso wichtig wie Timing

Untertitel sollten nicht nur deshalb getrennt werden, weil ein Zeichenzähler eine Grenze erreicht. Grammatische und semantische Einheiten gehören möglichst zusammen. Gute Umbrüche liegen an Satzzeichen oder natürlichen Phrasengrenzen und trennen keine eng zusammengehörenden Wörter.

SCHLECHT
00:00:02,000 --> 00:00:04,000
Wenn du bessere Untertitel möchtest solltest du nicht einen ganzen langen Satz in einen sehr kurzen Cue pressen.

BESSER
00:00:02,000 --> 00:00:04,400
Wenn du bessere Untertitel möchtest,

00:00:04,500 --> 00:00:07,200
presse keinen langen Satz
in einen sehr kurzen Cue.

• Eine Aussage möglichst zusammenhalten.
• Kein einzelnes kurzes Wort unnötig auf einer Zeile stehen lassen.
• Namen, Artikel und Nomen oder eng verbundene Verbgruppen nicht nur für optisch gleiche Zeilen trennen.
• Bei zwei Zeilen den sprachlich am leichtesten erfassbaren Umbruch wählen – nicht den geometrisch symmetrischsten.

Longform, Kurse und Shortform brauchen unterschiedliche Entscheidungen

Können bessere Untertitel die Watch Time erhöhen?

Gut lesbare Untertitel können Retention unterstützen, weil Inhalte auch ohne Ton, bei schwer verständlicher Sprache oder in einer Fremdsprache verfolgt werden können. Einen seriösen universellen Prozentwert, um den perfektes Timing die Watch Time erhöht, gibt es jedoch nicht. Inhalt, Hook, Tempo, Zielgruppe und Plattform wirken ebenso stark.

• Watch Time als Ergebnis messen – nicht als garantierte Zahl versprechen.
• Retention vor und nach Subtitle-Änderungen am eigenen Content vergleichen.
• Bei Shortform Textmenge, Position und Rhythmus testen – nicht nur Untertitel an/aus.
• Bei Longform Drop-offs in dichten oder unübersichtlichen Passagen prüfen und dort den Subtitle-Track ansehen.

Typische Timing- und Lesbarkeitsfehler

Praktischer QA-Workflow für Untertitel

1. Zuerst die Transkription korrigieren. Schlechtes Timing an falschem Text zu optimieren verschwendet Zeit.
2. Globalen Offset prüfen: Sind alle Untertitel ungefähr gleich stark zu früh oder zu spät?
3. Überlappungen, ungültige Dauern und fehlerhafte Zeitstempel prüfen.
4. Sehr hohe CPS-Werte und extrem kurze Cues herausfiltern.
5. Zeilenumbrüche und Cue-Grenzen sprachlich kontrollieren.
6. Schnelle Dialoge, Sprecherwechsel, Witze, Schnitte und stille Passagen in Normalgeschwindigkeit ansehen.
7. Bei vertikalem/Social-Content unbedingt die mobile Lesbarkeit prüfen.
8. Übersetzungen je Sprache separat prüfen; Quell-Timing nicht blind übernehmen.
9. Finale Datei oder Burned-in Video im tatsächlichen Veröffentlichungsumfeld testen.

Global verschieben oder einzelne Cues bearbeiten?

Das beste Untertitel-Timing fällt kaum auf: Text kommt mit dem Dialog, bleibt lange genug lesbar, wird an natürlichen Stellen getrennt und verschwindet, ohne vom Video abzulenken. Optimiere zuerst das Seherlebnis; CPS, Frames und Dauervorgaben sind Werkzeuge dafür – nicht das eigentliche Ziel.

FAQ zu Untertitel-Timing & Lesbarkeit

Was ist eine gute Lesegeschwindigkeit für Untertitel?

Es gibt keinen universellen Wert für jede Sprache und Plattform. Netflix erlaubt in den englischen und deutschen SDH-Richtlinien bis 20 Zeichen pro Sekunde für Erwachsene und 17 CPS für Kinder. Das ist eine nützliche professionelle Referenz, aber kein allgemeines Social-Video-Gesetz.

Wie lange sollte ein Untertitel eingeblendet bleiben?

Das hängt von Textmenge und Kontext ab. Netflix verwendet als allgemeine Timed-Text-Referenz mindestens 5/6 Sekunde und maximal 7 Sekunden pro Event. Andere Plattformen und Shortform-Stile können abweichen.

Muss ein Untertitel exakt mit dem ersten gesprochenen Laut starten?

Er sollte sich klar mit der relevanten Sprache synchron anfühlen. Eine starre Ausrichtung an jeder Waveform-Kante ist aber nicht immer die lesbarste Lösung.

Wie viele Zeilen sollte ein Untertitel haben?

Maximal zwei Zeilen ist eine verbreitete professionelle Regel. Für mobile Shortform-Captions können noch kleinere Textblöcke sinnvoll sein.

Was bedeutet CPS bei Untertiteln?

CPS bedeutet Characters per Second bzw. Zeichen pro Sekunde und beschreibt, wie viel Text während der Einblenddauer gelesen werden muss.

Garantiert perfektes Timing mehr Watch Time?

Nein. Gute Untertitel können Verständnisshürden reduzieren und Retention unterstützen, aber Watch Time hängt zusätzlich von Inhalt, Zielgruppe, Tempo, Plattform und vielen weiteren Faktoren ab.