Clean Verbatim vs. Full Verbatim: was jede Stufe entfernt - und welche davon KI dir wirklich liefert

Jedes Bestellformular für Transkriptionen stellt dieselbe Frage, und wer zum ersten Mal bestellt, rät meistens. „Clean Verbatim oder Full Verbatim?” klingt wie eine Qualitätsstufe. Ist es nicht. Es ist eine Entscheidung darüber, was als Protokoll gilt: was die Person gesagt hat, oder was sie sagen wollte. Liegt man in die eine Richtung daneben, zahlt man für ein Transkript, das niemand lesen kann; liegt man in die andere daneben, hat man stillschweigend einen Zeugen redigiert.

Hier sind dieselben fünfzehn Sekunden Sprache auf jeder Stufe, was jede Stufe entfernt, wer welche wirklich braucht, und was man tatsächlich in der Hand hält, wenn eine KI ein Transkript abliefert.

Ein Satz, drei Transkripte

Jemand sagt in einer Planungsbesprechung Folgendes:

Full Verbatim:

Ich, ähm, ich glaube, wir - wir sollten, also, am Dienstag ausliefern. [lacht] Oder, äh, Mittwoch. Mittwoch geht auch.

Clean Verbatim:

Ich glaube, wir sollten am Dienstag ausliefern. Oder Mittwoch. Mittwoch geht auch.

Editiert (manchmal als „Intelligent Verbatim” verkauft):

Ich glaube, wir sollten am Dienstag oder Mittwoch ausliefern.

Das erste ist eine Aufnahme in Textform. Das zweite ist das, was der Sprecher abzeichnen würde. Das dritte ist eine Paraphrase - kürzer und glatter, und kein Zitat mehr. Nur die ersten beiden sind Transkripte.

Was jede Stufe entfernt

Die Definitionen der Branche sind einheitlich genug für eine Tabelle. Full Verbatim bedeutet, wie Rev es definiert, dass „jedes einzelne gesprochene Wort der Audiodatei Wort für Wort aufgeschrieben wird”; Clean Verbatim bedeutet, dass die Datei „für gute Lesbarkeit leicht bearbeitet” wurde, ohne Paraphrasieren. Geprüft im September 2026.

Entfernt?	Full Verbatim	Clean Verbatim	Editiert
Verzögerungslaute: ähm, äh, hm	bleibt	entfernt	entfernt
Füllwörter: also, quasi, sozusagen	bleibt	entfernt	entfernt
Fehlstarts: „wir - wir sollten”	bleibt	entfernt	entfernt
Stottern und Wortwiederholungen	bleibt	entfernt	entfernt
Selbstkorrekturen: „Dienstag. Oder Mittwoch”	bleibt	bleibt	verschmolzen
„Ja”, „mhm” der anderen Sprecher	bleibt	meist entfernt	entfernt
Nicht-Sprache: [lacht], [hustet], [Pause]	bleibt, markiert	entfernt	entfernt
Umgangssprache und Grammatik	wie gesprochen	wie gesprochen	korrigiert
Satzbau	wie gesprochen	wie gesprochen	umgeschrieben

Zwei Zeilen entscheiden die meisten Streitfälle. Selbstkorrekturen bleiben im Clean Verbatim: „Oder Mittwoch. Mittwoch geht auch” ist der Sprecher, der seine Meinung protokolliert ändert, und das zu streichen verändert die Bedeutung. Und die Grammatik bleibt wie gesprochen: Clean Verbatim entfernt Rauschen, es repariert kein Deutsch. In dem Moment, in dem ein Transkript anfängt, Grammatik zu korrigieren, ist es Redaktion geworden, und es lässt sich nicht mehr in Anführungszeichen setzen.

Wer Full Verbatim braucht, und was es kostet

Full Verbatim ist für alle, deren Analyse davon abhängt, wie etwas gesagt wurde, nicht nur was.

• Gerichtsverfahren. Ein Vernehmungsprotokoll, das das „äh, ich - ich erinnere mich nicht” eines Zeugen weglässt, hat genau das Zögern entfernt, über das ein Anwalt später streiten wird. Gerichtsstenografen schreiben aus genau diesem Grund alles mit.
• Qualitative Forschung, die Sprache selbst codiert. Konversationsanalyse, Diskursanalyse, Teile der Psychologie und Linguistik: die Pause und der Fehlstart sind die Daten.
• Oral History. Ein Archiv ist eine Quelle. Es zu bereinigen ist dasselbe wie ein Foto in einer Beweisakte zu retuschieren.

Die Kosten sind real und sie wurden gemessen. Eine Studie von 2022 in Emerging Themes in Epidemiology, gestützt auf zwei Gesundheitsstudien in Ghana, stellte fest, dass wörtliche Transkription 6 bis 10 Stunden pro Interviewstunde brauchte, gegenüber 1 bis 2 Stunden für ausführliche Interviewer-Notizen. Ihr Fazit lautete nicht „Verbatim ist immer nötig”. Es lautete, dass für relativ einfache angewandte Fragen gut betreute Notizen ausreichten - und dass Notizen bei Fokusgruppen, wo die Interaktion selbst die Bedeutung trug, „die Interaktion und den Reichtum nicht erfassen konnten” und Verbatim weiterhin nötig war. Das ist die ehrliche Form der Antwort: Verbatim dort, wo die Textur der Befund ist, nicht überall.

Wer Clean Verbatim braucht

Fast alle anderen, und das ist der Standard, den die meisten Dienste anbieten.

• Podcast-Transkripte und Shownotes. Niemand liest eine Podcast-Seite wegen der Ähms.
• Interviews für Artikel. Daraus wird zitiert, und Clean Verbatim ist das, was ein Zitat sein soll: die Worte des Sprechers, abzüglich des Rauschens, das der Sprecher selbst entfernen würde. (Was man innerhalb eines Zitats kürzen darf, ist eine eigene Frage mit eigenen Regeln - siehe was du aus einem Zitat streichen darfst.)
• Besprechungsnotizen, Vorlesungen, Lernmaterial. Es geht um den Inhalt, und jedes Füllwort ist eine Bremsschwelle.
• Untertitel. Full-Verbatim-Untertitel scheitern gleich doppelt an der Lesegeschwindigkeitsregel: Die Füllwörter fressen Zeichen, und die Fehlstarts werden zu eigenen Mini-Cues - einer der Fehler aus unseren Untertitel-Regeln.

Was ein KI-Transkript wirklich ist

Das ist der Teil, den Bestellformulare nie erklären, deshalb hier ganz direkt.

Rohe KI-Ausgabe ist keins von beidem. Sprachmodelle werden überwiegend auf Audio mit Untertiteln trainiert, und Untertitel lassen die Ähms weg. Also haben die Modelle gelernt, sie ebenfalls wegzulassen. Ein Roh-Transkript jeder modernen Engine behält die meisten Wörter und lässt einen unvorhersehbaren Anteil an Zögern, Stottern und Wiederholungen weg - mehr, als Full Verbatim erlaubt, weniger, als Clean Verbatim verlangt. Wenn ein juristischer oder wissenschaftlicher Standard „Full Verbatim” verlangt, erfüllt ein ungeprüftes KI-Transkript ihn nicht, was auch immer auf der Marketingseite steht. Jemand muss es gegen die Aufnahme prüfen.

Clean Verbatim ist der Bereich, in dem KI wirklich gut ist - unter einer Bedingung. Speecho macht das an zwei Stellen, und sie arbeiten absichtlich unterschiedlich.

Der Füllwortzähler entfernt Füllwörter per Liste: ein bekannter Satz von Verzögerungslauten und Füllwörtern für jede von 12 Sprachen, plus eigene, plus unmittelbare Wortwiederholungen. Er ist kostenlos, läuft im Browser und markiert jeden einzelnen Treffer, bevor er etwas entfernt - so sieht man, dass das „halt” in „das ist halt so” gleich verschwindet, und kann es zurückholen. Fehlstarts und Selbstkorrekturen fasst er nicht an, weil eine Wortliste „wir - wir sollten” nicht von einer bewussten Wiederholung unterscheiden kann.

In Speecho selbst erledigt der Notizstil Bereinigter Text (ohne Füllwörter) die vollständige Arbeit mit einem Sprachmodell: Füllwörter, Fehlstarts, Stottern und unmittelbare Selbstkorrekturen (die korrigierte Version bleibt), mit reparierter Zeichensetzung, wo die Streichungen es erfordern. Es arbeitet Absatz für Absatz und hat die Anweisung, nichts anderes zusammenzufassen, zu kürzen, umzustellen oder umzuformulieren. Diese Anweisung ist der ganze Unterschied zwischen Clean Verbatim und Redaktion, und deshalb sollte das Ergebnis vor der Veröffentlichung trotzdem einmal gelesen werden: Ein Modell, das einer Regel folgt, ist keine Person, die ein Zitat prüft.

Keins von beidem darf jemals die dritte Spalte liefern. Wenn ein Werkzeug kürzere, glattere Sätze zurückgibt, als der Sprecher gesagt hat, hat es redigiert, nicht bereinigt, und das Ergebnis lässt sich nicht in Anführungszeichen setzen.

Die Faustregel

Eine Frage genügt: Wird jemals jemand darüber streiten müssen, wie das gesagt wurde? Wenn ja - ein Gericht, eine Ethikkommission, ein künftiger Historiker - bleibt es bei Full Verbatim, das KI-Transkript ist ein Entwurf und wird gegen die Aufnahme geprüft. Wenn nein, ist Clean Verbatim das richtige Protokoll, und genau das produziert KI gut: transkribieren, den Bereinigungslauf starten, einmal lesen, veröffentlichen.

So oder so: Das Roh-Transkript ist das, was man aufbewahrt. Eine wörtliche Datei kann man immer bereinigen. Eine bereinigte kann man nicht mehr zurückverwandeln.