Video übersetzen lassen: Wovon die Kosten abhängen

Die drei Entscheidungen, die den Preis bestimmen

Wer bei mehreren Anbietern nach den Kosten fragt, bekommt oft Angebote, die sich kaum vergleichen lassen. Der Grund: Hinter „Video übersetzen lassen“ verbergen sich sehr unterschiedliche Leistungen. Bevor Sie Angebote einholen, sollten Sie drei Fragen für sich beantworten.

Erstens die Ausgabeform. Untertitel sind fast immer der günstigere Weg, weil nur Text entsteht. Eine Sprachfassung braucht zusätzlich Stimmen, Aufnahme und Mischung. Innerhalb der Sprachfassungen gibt es noch einmal große Unterschiede zwischen einem Voice-over, bei dem der Originalton leise im Hintergrund bleibt, und einer lippensynchronen Synchronisation wie im Kino.

Zweitens, wer die Arbeit macht: eine Agentur, die alles koordiniert, freie Profis, die Sie selbst beauftragen, oder ein KI-Werkzeug, mit dem Sie selbst arbeiten. Drittens der Qualitätsanspruch. Ein internes Update-Video für das Vertriebsteam verträgt kleine Holprigkeiten, ein Imagefilm für den Messestand nicht. Je höher der Anspruch, desto mehr Prüfung und Korrektur, und genau dort liegen die Kosten, die gern unterschätzt werden.

Die Bausteine einer klassischen Agenturproduktion

Eine Agentur bündelt viele Einzelleistungen. In einem transparenten Angebot finden Sie diese Positionen, entweder einzeln oder in einer Pauschale zusammengefasst:

Transkription

Das Original wird verschriftlicht, oft mit Zeitcodes. Entfällt, wenn ein Skript vorliegt.

Übersetzung

Häufig nach Wortzahl oder nach Normzeilen abgerechnet, der im deutschsprachigen Raum üblichen Einheit für Übersetzungen. Fachgebiete wie Medizin oder Technik kosten meist mehr.

Untertitelung

Kürzen, Segmentieren und Timing. Meist pro Videominute berechnet.

Sprecheraufnahme

Studiozeit und Honorar der Sprecherinnen und Sprecher, oft mit Mindestpauschalen pro Session.

Nutzungsrechte

Bei professionellen Sprechern wird die Nutzung häufig nach Medium, Gebiet und Dauer vergütet. Ein Video nur fürs Intranet kostet daher anders als eine Werbekampagne im Fernsehen.

Mischung und Endfertigung

Neue Tonspur mit Musik und Geräuschen abmischen, Videodateien exportieren.

Projektmanagement

Koordination, Rückfragen, Korrekturschleifen. Manchmal als eigene Position, manchmal eingepreist.

Zuschläge

Eilaufträge, Wochenendarbeit, seltene Sprachkombinationen.

Fragen Sie nach, welche dieser Bausteine im Preis enthalten sind und wie viele Korrekturrunden. Zwei Angebote mit ähnlicher Endsumme können sehr Verschiedenes enthalten. Worauf Sie bei der Auswahl achten sollten, beschreibt der Artikel Choosing a video localization vendor (Englisch).

Freie Untertitler und Sprecher direkt beauftragen

Wer die Koordination selbst übernimmt, spart den Aufschlag einer Agentur, trägt dafür aber das Projektrisiko. Freie Übersetzerinnen und Untertitler finden Sie über die Mitgliederverzeichnisse von Berufsverbänden, in Deutschland etwa beim BDÜ, in Österreich bei UNIVERSITAS Austria und in der Schweiz beim ASTTI. Sprecherinnen und Sprecher präsentieren sich meist mit Hörproben auf eigenen Websites oder über Agenturen.

Klären Sie bei der Direktbeauftragung vorab schriftlich: Abrechnungseinheit (Minute, Wort, Normzeile, Stunde), Liefertermin, Dateiformat, Anzahl der Korrekturrunden und bei Stimmen den Umfang der Nutzungsrechte. Freie Profis kalkulieren unterschiedlich, und ohne diese Eckdaten vergleichen Sie Äpfel mit Birnen.

KI-Werkzeuge: wo die Kosten tatsächlich liegen

KI-Werkzeuge haben die reinen Produktionskosten für Transkription, Übersetzung und synthetische Stimmen drastisch gesenkt. Das heißt aber nicht, dass eine KI-Übersetzung „fast nichts“ kostet. Die Kosten verschieben sich: weg von der Herstellung, hin zur Prüfung. Eine Maschine liefert in kurzer Zeit einen vollständigen Entwurf. Ob dieser Entwurf Ihren Ansprüchen genügt, muss jemand beurteilen, der die Zielsprache wirklich beherrscht.

Je nach Werkzeug unterscheiden sich auch die Preismodelle: Abonnements mit Minutenkontingent, Pakete oder Abrechnung nach Verbrauch. Für gelegentliche Projekte lohnt sich ein Verbrauchsmodell meist eher als ein Abo, das auch in Monaten ohne Videos weiterläuft. Einen Überblick, wo Maschine und Mensch jeweils ihre Stärken haben, gibt der Beitrag AI vs. human video translation (Englisch).

Beispielrechnung mit mydubly

mydubly ist ein browserbasierter Video-Übersetzer (Englisch) mit Prepaid-Guthaben ohne Abo: 1.000 Credits kosten US$ 1, aufgeladen wird in ganzen Dollarbeträgen. Abgerechnet wird pro angefangener Minute in zwei Tarifen:

Transkripttarif

Transkript, übersetztes Transkript und Untertitel: 1 Credit pro Minute, mindestens 5 Credits pro Datei

Synchrontarif

zusätzlich übersetzte Sprachfassung als Audio und Video: 50 Credits pro Minute, mindestens 100 Credits pro Datei

Startguthaben

100 Gratis-Credits bei der Anmeldung, genug für bis zu 100 Minuten Transkription oder für eine Sprachfassung von bis zu zwei Minuten

Weitere Fixpunkte zur Orientierung: Eine 30-minütige Sprachfassung kostet 1.500 Credits (US$ 1,50), eine 60-minütige 3.000 Credits (US$ 3,00). Ein einminütiger Clip wird wegen der Mindestabrechnung mit 100 Credits (US$ 0,10) berechnet.

Was für diesen Preis nicht enthalten ist, gehört ehrlich dazu: mydubly bietet acht Standardstimmen, aber kein Stimmklonen und keine Lippensynchronität. Das ganze Video wird mit einer Stimme gesprochen, auch wenn im Original mehrere Personen reden. Text im Bild wird nicht übersetzt, Untertitel werden nicht eingebrannt, und einen Editor für Korrekturen gibt es nicht; Untertitel bearbeiten Sie in der SRT-Datei. Die Sprachausgabe stammt von Chatterbox Multilingual, die Spracherkennung basiert auf Whisper, und beide liefern Entwürfe, die jemand prüfen sollte. Was KI-Stimmen heute leisten, beschreibt der Beitrag KI-Synchronisation: Qualität realistisch einschätzen.

Die versteckten Kosten: Prüfung, Korrekturen, Text im Bild

Diese Posten tauchen in keinem Werkzeugpreis auf, entscheiden aber oft über das Gesamtbudget:

• Prüfung durch Muttersprachler: Ob intern oder extern, jemand muss das Ergebnis in jeder Zielsprache ansehen und anhören. Rechnen Sie mindestens die Laufzeit des Videos, bei Fachinhalten deutlich mehr. Die Formel ist einfach: Prüfstunden pro Sprache mal Stundensatz mal Anzahl der Sprachen.
• Korrekturschleifen: Bei Untertiteln korrigieren Sie die Datei direkt. Bei einer KI-Sprachfassung lässt sich ein einzelner Satz nicht einfach neu einsprechen; oft wird der Abschnitt neu erzeugt oder in einem Schnittprogramm nachbearbeitet.
• Text im Bild: Bauchbinden, Diagramme und Folien müssen separat übersetzt und neu gestaltet werden. Hier entstehen Grafikkosten, die mit der Tonspur nichts zu tun haben. Mehr dazu im Artikel Translating on-screen text (Englisch).
• Musik und Rechte: Wer die Sprachfassung in anderen Ländern veröffentlicht, sollte prüfen, ob die verwendete Musik dafür lizenziert ist.
• Interne Abstimmung: Freigaben durch Produktmanagement, Rechtsabteilung oder Länderniederlassungen kosten Zeit, die selten jemand einplant.

Ein Satz zur Einordnung: Bei KI-Lösungen ist die Prüfung häufig der größte Kostenblock, bei Agenturproduktionen ist sie meist schon im Preis enthalten. Wer nur Werkzeugpreise vergleicht, vergleicht deshalb nicht dasselbe. Wie eine effiziente Nachbearbeitung aussieht, erklärt Machine translation post-editing (Englisch).

Angebote fair vergleichen: eine Checkliste

Bevor Sie sich entscheiden, sollten alle Angebote, auch Ihr eigener KI-Plan, diese Fragen beantworten:

1. Welche Ausgabeform genau: Untertitel, Voice-over oder lippensynchrone Synchronisation?
2. Wer prüft das Ergebnis in der Zielsprache, und ist diese Prüfung im Preis enthalten?
3. Wie viele Korrekturrunden sind inklusive?
4. Wird Text im Bild übersetzt, und wer setzt ihn grafisch um?
5. Welche Dateien bekommen Sie: SRT, fertiges Video, separate Tonspur?
6. Wie lange dürfen Sie das Ergebnis nutzen, und wo?
7. Was kostet eine spätere Änderung, wenn sich im Original etwas ändert?

Welche Lösung zu welchem Projekt passt

Einen pauschalen Sieger gibt es nicht. Hilfreicher ist der Blick auf typische Szenarien. Für einen Kinofilm, einen Werbespot oder einen Imagefilm mit Sprecher vor der Kamera spielen Lippensynchronität, Stimmcharakter und Nutzungsrechte eine große Rolle; hier sind Agentur oder erfahrene freie Profis üblich. Für Schulungs-, Erklär- und Supportvideos, die regelmäßig aktualisiert werden, ist ein KI-Entwurf mit sorgfältiger Prüfung oft wirtschaftlicher. Für Webinare, Vorträge und Interviews, bei denen Information zählt und nicht Inszenierung, reichen häufig übersetzte Untertitel.

Wer konkret ein englisches Video ins Deutsche bringen möchte, findet die einzelnen Schritte im Beitrag englisches Video auf Deutsch übersetzen.