Ratgeber · Produktion und Export
Die Frage nach der englischen Fassung kommt fast immer, wenn der Film schon fertig ist. Zu diesem Zeitpunkt haben Details beim Dreh die Kosten bereits festgelegt.
Für Fachpublikum reichen Untertitel in den meisten Fällen und sind erheblich günstiger. Synchronisation lohnt sich dort, wo der Zuschauer gleichzeitig etwas ansehen muss, etwa bei Montageanleitungen oder Maschinenvorführungen, weil er dann nicht gleichzeitig lesen kann.
Das hängt vom Verfahren ab und liegt zwischen zwei Größenordnungen. Anbieter für KI-gestützte Vertonung werben mit Einsparungen von 70 bis 90 Prozent gegenüber klassischem Voice-over. Diese Zahlen stammen von den Anbietern selbst und sind nicht unabhängig geprüft.
Text, der fest im Bild liegt. Bauchbinden, eingeblendete Zahlen, Grafiken und Beschriftungen müssen für jede Sprache neu gesetzt werden, wenn die Projektdatei nicht mehr existiert. Wer mehrsprachig plant, hält diese Elemente in einer eigenen Ebene und lässt Platz für längere Sprachen.
Für sachliche Sprechertexte brauchbar, für Fachbegriffe und Eigennamen unzuverlässig. Produktbezeichnungen, Firmennamen und Normbezeichnungen werden häufig falsch ausgesprochen oder übersetzt. Eine Korrekturschleife durch jemanden, der die Sprache und das Fachgebiet beherrscht, bleibt nötig.
Meist Englisch als Grundfassung und danach die eine Sprache, in der der größte Einzelmarkt liegt. Vier halbherzige Sprachversionen bringen weniger als zwei gepflegte, weil jede Fassung bei jeder Aktualisierung des Films erneut Arbeit verursacht.
Die Frage nach einer englischen Fassung kommt fast immer zu spät. Sie kommt, wenn der Film fertig ist, eine Messe ansteht und jemand feststellt, dass die Besucher aus Polen und den Niederlanden nichts verstehen.
Zu diesem Zeitpunkt ist die Entscheidung schon gefallen, und zwar durch Details, über die beim Dreh niemand nachgedacht hat.
Text im Bild. Bauchbinden mit Namen und Funktion, eingeblendete Zahlen, beschriftete Grafiken, Zwischentitel. Jedes dieser Elemente muss für jede weitere Sprache neu gesetzt werden. Wenn die Projektdatei beim Produzenten liegt und die Zusammenarbeit beendet ist, wird aus einer Viertelstunde Arbeit ein Neuaufbau.
Sprechende Menschen im Bild. Ein Mitarbeiter, der in die Kamera erklärt, ist der stärkste Teil vieler Firmenfilme und zugleich der teuerste in der Lokalisierung. Untertitel gehen immer, eine Vertonung darüber wirkt fast immer aufgesetzt, weil die Lippen nicht passen.
Musik und Ton unter der Sprache. Wenn beim Schnitt alles auf eine Tonspur zusammengemischt wurde, lässt sich die Sprache nicht mehr herauslösen. Für jede weitere Sprachfassung braucht es getrennte Spuren für Sprache, Musik und Atmo. Das kostet beim Erstellen nichts und hinterher sehr viel.
Die wirksamste Maßnahme für mehrsprachige Videos ist deshalb ein Satz im Briefing: Der Film wird später in weiteren Sprachen gebraucht. Was sonst in ein Briefing gehört, steht im Beitrag zur Briefing-Vorlage.
Untertitel. Der Text läuft mit, die Originalstimme bleibt. Günstigste Variante, technisch unkritisch, und sie hat einen Nebeneffekt, der oft den Ausschlag gibt: Untertitel helfen auch dem Publikum, das ohne Ton schaut, und das ist in sozialen Netzwerken die Mehrheit.
Die Grenze liegt dort, wo der Zuschauer gleichzeitig etwas ansehen muss. Bei einer Montageanleitung oder einer Maschinenvorführung konkurriert das Lesen mit dem Hinsehen, und beides zusammen funktioniert nicht.
Voice-over. Eine Sprecherstimme liegt über dem leise gemischten Original. Das ist der Standard für Dokumentationen und für Industriefilme mit Kommentar. Es wirkt nicht künstlich, weil niemand behauptet, die Person spreche diese Sprache.
Synchronisation mit Lippensynchronität. Die aufwendigste Variante und für Firmenvideos selten nötig. Sie lohnt dort, wo eine Person direkt in die Kamera spricht und der Eindruck entstehen soll, sie tue das in der Sprache des Zuschauers.
Für die meisten Mittelstandsfilme ist die Reihenfolge damit klar: Untertitel als Grundausstattung, Voice-over für erklärende Passagen, Synchronisation nur im Ausnahmefall.
Werkzeuge, die einen Sprechertext automatisch übersetzen und in einer synthetischen Stimme ausgeben, teils mit angepasster Lippenbewegung, sind inzwischen verfügbar. Anbieter nennen Unterstützung für dreißig bis über vierzig Sprachen, Einstiegspreise ab etwa zwanzig Euro im Monat und Ersparnisse von 70 bis 90 Prozent gegenüber klassischer Vertonung.
Diese Zahlen stammen von den Anbietern selbst. Es gibt dazu keine unabhängige Prüfung, und die Vergleichsbasis für die genannten Ersparnisse ist meist der US-Markt mit deutlich höheren Sprecherhonoraren als in Deutschland. Die Richtung stimmt, die Ziffer sollte man nicht in eine Kalkulation übernehmen.
Wo die Werkzeuge nach heutigem Stand tatsächlich tragen und wo nicht, lässt sich klarer sagen:
Brauchbar: sachliche Kommentartexte ohne Fachvokabular, interne Schulungsinhalte, Untertitelerstellung als Vorstufe zur Korrektur.
Unzuverlässig: Fachbegriffe, Normbezeichnungen, Produktnamen und Eigennamen. Ein System, das eine Werkstoffbezeichnung oder einen Firmennamen falsch ausspricht, erzeugt bei Fachpublikum genau den gegenteiligen Eindruck von dem, den der Film wollte. Das gilt besonders für Branchen, in denen die Zuhörer die Begriffe täglich verwenden.
Heikel: alles, was nach einer Person klingt, die es so nicht gesagt hat. Wenn eine synthetische Stimme unter dem Gesicht eines echten Mitarbeiters liegt, sollte das kenntlich sein. Seit August 2026 greift zudem die Kennzeichnungspflicht aus Artikel 50 des EU AI Acts für Inhalte, die realistisch wirken und als echt missverstanden werden könnten. Was das für KI-Einsatz im Video sonst bedeutet, steht im Beitrag zu KI-Video gegenüber Drehtag.
Die praktische Konsequenz: Eine Korrekturschleife durch jemanden, der die Zielsprache und das Fachgebiet beherrscht, bleibt in jedem Fall nötig. Damit ist die Ersparnis real, aber kleiner als beworben.
Bei mehrsprachigen Fassungen wird der Ton zum eigentlichen Engpass, und zwar an einer Stelle, die in der Planung nie auftaucht.
Solange nur untertitelt wird, bleibt alles wie es ist. Sobald eine zweite Stimme dazukommt, muss der Originalton unter der neuen Sprache Platz machen. Liegt alles auf einer einzigen zusammengemischten Spur, geht das nicht sauber: Man kann nicht die Sprache leiser machen, ohne die Musik und die Geräusche mit leiser zu machen.
Was dann passiert, hört man in vielen Sprachfassungen: Die Musik pumpt, weil ein automatischer Regler sie bei jedem Satz absenkt und danach wieder hochzieht. Oder der Originalsprecher bleibt als Murmeln hörbar, weil er sich nicht entfernen ließ.
Vermeiden lässt sich das nur vorher. Wer beim Abschluss der Produktion die getrennten Spuren mitliefern lässt, also Sprache, Musik und Atmo einzeln, hat für jede spätere Sprache freie Hand. Das ist eine Zeile im Angebot und kostet nichts, solange das Projekt noch offen ist.
Ein zweiter Punkt betrifft die Lautstärke. Verschiedene Sprachen werden unterschiedlich laut gesprochen, und eine synthetische Stimme ist meist gleichmäßiger ausgesteuert als eine echte. Wer mehrere Fassungen nebeneinander veröffentlicht, sollte sie auf denselben Lautheitswert normalisieren lassen, sonst wirkt eine Fassung dumpf und die andere schrill, obwohl der Inhalt identisch ist.
Zu viele Sprachen auf einmal.
Jede Sprachfassung ist eine eigene Datei mit eigenem Pflegebedarf. Ändert sich eine Zahl im Film, ändert sich die Telefonnummer oder scheidet eine gezeigte Person aus, muss die Änderung in jede Fassung. Bei fünf Sprachen ist das fünfmal Arbeit, fünfmal Freigabe, fünfmal Upload.
In der Praxis führt das dazu, dass nach anderthalb Jahren die deutsche Fassung aktuell ist und die anderen vier nicht. Ein veraltetes englisches Video auf der Exportseite richtet mehr Schaden an als gar keines, weil es genau bei der Zielgruppe steht, um die es ging.
Realistischer ist der Aufbau in Stufen: Deutsch und Englisch pflegen, und die dritte Sprache erst dann, wenn ein Markt sie tatsächlich rechtfertigt und jemand benannt ist, der sie bei Änderungen mitzieht.
Ein Sprechertext ist kein Dokument. Er wird gehört, nicht gelesen, und er läuft gegen Bilder, die eine eigene Aussage haben.
Ein sprachlich korrekt übersetzter Satz kann trotzdem nicht funktionieren, weil er zu lang für die Einstellung ist, weil er auf ein Bild fällt, das etwas anderes zeigt, oder weil er ein Wort enthält, das im Zielmarkt anders belegt ist. Deshalb ist die Übersetzung für Video eine andere Arbeit als die Übersetzung eines Datenblatts.
Bewährt hat sich eine Aufteilung in drei Schritte, die auch in kleinen Betrieben machbar ist:
Übersetzung durch jemanden mit Fachbezug. Nicht die günstigste, sondern die, die Ihre Begriffe kennt. Bei technischen Filmen ist das oft ein Mitarbeiter der Auslandsvertretung und kein Sprachdienstleister.
Abgleich gegen das Bild. Jemand sieht den Film mit dem neuen Text und prüft, ob Satz und Einstellung zusammenpassen. Dieser Schritt fällt fast immer weg und ist der, der die peinlichen Fehler findet.
Freigabe durch den Markt. Der Händler oder die Niederlassung im Zielland hört die Fassung ab, bevor sie veröffentlicht wird. Das dauert eine Woche und verhindert, dass ein Film zwei Jahre lang mit einem falsch ausgesprochenen Produktnamen online steht.
Vier Details, die den Unterschied zwischen einer sauberen und einer behelfsmäßigen Sprachfassung ausmachen.
Platz für Textlänge lassen. Deutsche Texte werden in der Übersetzung ins Englische meist kürzer, ins Französische und Polnische länger. Eine Bauchbinde, die auf den Millimeter passt, passt in der nächsten Sprache nicht.
Sprechtempo einplanen. Wenn ein Sprechertext exakt auf die Bildlänge geschnitten ist, wird es in der längeren Sprache eng. Wer mehrsprachig plant, lässt an den Schnittstellen etwas Luft.
Zahlen und Einheiten prüfen. Dezimalkomma gegen Dezimalpunkt, Tausendertrennzeichen, Maßeinheiten. Bei technischen Filmen ist das kein Schönheitsfehler, sondern eine Fehlerquelle.
Untertiteldatei getrennt halten. Untertitel gehören als eigene Datei zum Video, nicht fest ins Bild gebrannt. Dann lässt sich eine Sprache ergänzen, ohne den Film neu auszugeben, und Suchmaschinen können den Text lesen. Warum das auch für die Auffindbarkeit zählt, steht im Beitrag zu Video-SEO.
Auf einer Messe gelten andere Regeln als auf der Website, und dort wird die Sprachfrage am häufigsten akut.
Am Stand läuft der Film ohne Ton, in einer Schleife, vor Publikum im Vorbeigehen. Eine gesprochene Sprachfassung nützt dort gar nichts. Was zählt, ist Text im Bild, groß genug, um aus drei Metern lesbar zu sein, und kurz genug, um im Vorbeigehen erfasst zu werden.
Daraus folgt eine Lösung, die den Aufwand halbiert: Für Messen braucht es keine Sprachfassungen, sondern eine sprachneutrale Fassung. Bilder, Zahlen, wenige Begriffe. Wer international ausstellt, kommt damit weiter als mit vier vertonten Versionen, zwischen denen jemand am Stand umschalten müsste.
Für das Gespräch am Stand ist ohnehin etwas anderes nützlich: eine kurze Fassung auf dem Tablet, die der Mitarbeiter gezielt zeigt, und zwar in der Sprache des Gegenübers. Das sind zwei bis drei Minuten, nicht der ganze Imagefilm. Was für Messefilme sonst gilt, steht im Beitrag zum Messevideo.
Sagen Sie vor dem Dreh, dass weitere Sprachen kommen. Das kostet nichts und entscheidet fast alles.
Nehmen Sie Untertitel als Standard, Voice-over für erklärende Passagen und Synchronisation nur, wenn der direkte Blick in die Kamera es verlangt.
Und bauen Sie nicht mehr Sprachen, als Sie pflegen können. Zwei aktuelle Fassungen sind mehr wert als fünf, von denen vier das Vorjahr zeigen.
Starkefilme kommt einmal pro Quartal für einen Drehtag in deinen Betrieb, egal wo in Deutschland du bist. Aus einem Drehtag entstehen acht bis zehn fertige Videos pro Monat: kurze Formate für Social Media, längere für die Website, Clips, die in Angeboten und Kundengesprächen funktionieren. Schnitt, Untertitel und alle Formatvarianten sind dabei.
499 Euro pro Monat. Keine Vertragslaufzeit, kein Setup-Aufwand.
Unverbindlich kennenlernen →Quellen: MULTIMEDIAFABRIK, "Mehrsprachigkeit und KI-Synchronisation" (multimediafabrik.com, abgerufen 09/2026), zur Unterscheidung zwischen Untertitelung, Voice-over und lippensynchroner Vertonung; kopfundstift.de, "Die 6 besten KI Video-Übersetzer 2026" sowie finde.tools, Übersicht zu KI-Werkzeugen für Videoübersetzung (abgerufen 09/2026), zu Einstiegspreisen ab etwa zwanzig Euro monatlich, zu Sprachunterstützung von dreißig bis über vierzig Sprachen und zu den von Anbietern genannten Einsparungen von 70 bis 90 Prozent gegenüber klassischem Voice-over. Diese Kostenangaben stammen durchweg von Anbietern entsprechender Werkzeuge und sind nicht unabhängig überprüft; sie werden hier ausdrücklich als solche gekennzeichnet. Zur Kennzeichnungspflicht nach Artikel 50 des EU AI Acts seit dem 2. August 2026 siehe die im Text verlinkte ausführliche Darstellung.