Videos für Menschen schneiden, die ohne Ton schauen

Was ist mit Videos im Smartphone-Zeitalter passiert? Im Laufe des 20. Jahrhunderts wurde die Verbindung von Bild und Ton im Video immer ausgefeilter, und heute lernt das Medium gewissermaßen wieder, auch ohne Ton zu funktionieren. Natürlich nicht völlig lautlos. Dialoge, Sounddesign und Musik spielen weiterhin eine enorme Rolle, wenn wir ein Video erstellen. Moderne Cutter müssen jedoch immer häufiger davon ausgehen, dass jemand, der auf Instagram, TikTok, Facebook oder in irgendeinem anderen Feed auf ein Video stößt, vielleicht gerade im Bus sitzt, im Büro ist, neben einem schlafenden Partner liegt oder einfach keine Kopfhörer tragen möchte. Das Ergebnis ist eine kleine kulturelle Kehrtwende: Video erlebt gewissermaßen ein Comeback als Text.

Und das beschränkt sich nicht auf soziale Medien. Eine YouGov-Umfrage aus dem Jahr 2023 ergab, dass 63 % der Amerikaner unter 30 Jahren lieber mit Untertiteln fernsehen, selbst wenn sie die Sprache verstehen; in der Gesamtbevölkerung waren es 38 %. Als Gründe nannten die Befragten unter anderem ein besseres Verständnis, Schwierigkeiten mit Akzenten und laute Umgebungen. Derselbe Trend zeigt sich in Großbritannien: In einer separaten Umfrage des Meinungsforschungsunternehmens YouGov gaben 61 % der 18- bis 24-Jährigen an, beim Ansehen von Filmen oder Fernsehen in ihrer Muttersprache Untertitel zu bevorzugen, verglichen mit 28 % aller Erwachsenen im Land. Untertitel gibt es schon lange, doch inzwischen ist es völlig normal geworden, sie beim Anschauen einzuschalten – obwohl sie früher hauptsächlich dazu dienten, fremdsprachige Filme verständlicher zu machen oder die Barrierefreiheit zu gewährleisten.

Stummes Video ist nicht einfach Video ohne Lautstärke

Interessant ist, dass das Lesen von Untertiteln den Ton nicht vollständig ersetzen kann. Eine aktuelle, 2024 in PLOS ONE veröffentlichte Studie untersuchte genau das und arbeitete mit Eye-Tracking sowie Messungen zu Verständnis, kognitiver Belastung, Immersion und Unterhaltung bei 168 Zuschauern. Bei den Teilnehmern, die die Videos ohne Ton sahen, war die kognitive Belastung höher, während ihre Werte für Verständnis, Immersion und Unterhaltung niedriger ausfielen als bei den Teilnehmern, die dieselben Videos mit Ton ansahen. Auch ihr Blick war stärker auf die Untertitel angewiesen.

Damit sieht das Problem beim Videoschnitt plötzlich ganz anders aus. Wenn Zuschauer einfach ein gewöhnliches Video ohne Ton und mit ein paar automatisch erzeugten Untertiteln am unteren Bildschirmrand bekommen, können sie den Inhalt zwar technisch gesehen verstehen, müssen dafür aber deutlich mehr geistige Arbeit leisten. Ein für lautloses Anschauen optimierter Schnitt muss deshalb einen Teil der kommunikativen Funktion des Soundtracks auf das Bild übertragen.

Die Forschung zeigt deutlich, dass Untertitel hilfreich sein können. In einer Auswertung von mehr als 100 empirischen Studien kam die Kognitionswissenschaftlerin Morton Ann Gernsbacher zu dem Schluss, dass Untertitel Verständnis, Aufmerksamkeit und Gedächtnis verbessern können. Besonders ausgeprägt waren die Vorteile bei gehörlosen und schwerhörigen Zuschauern, Menschen, die Inhalte in einer anderen als ihrer Muttersprache ansehen, sowie bei Kindern und Erwachsenen, die lesen lernen. Die Wirkung beschränkte sich jedoch nicht auf diese Gruppen. Auch Ofcom berichtet, dass viele Menschen ohne Hörverlust Untertitel verwenden – insbesondere jüngere Zuschauer.

Moderne Cutter haben es also mittlerweile mit zwei Gruppen zu tun: mit Menschen, die Untertitel benötigen, um überhaupt Zugang zu Videoinhalten zu haben, und mit jenen, die sich schlicht daran gewöhnt haben, Videos zu lesen.

Als Untertitel Teil des Bildes wurden

Daran sind soziale Plattformen zumindest teilweise beteiligt. Facebook stellte schon relativ früh fest, dass automatisch abgespielter Ton im Newsfeed problematisch war. In einer 2016 veröffentlichten Untersuchung reagierten 80 % der Nutzer negativ, wenn eine Videoanzeige auf ihrem Mobilgerät unerwartet zu spielen begann, und 41 % der von Facebook getesteten Videos ergaben ohne Ton praktisch keinen Sinn. Diese Zahlen sind inzwischen ziemlich alt und sollten nicht als repräsentativ für heutige Facebook-Nutzer verstanden werden. Sie zeigen jedoch, wie die Gestaltung von Benutzeroberflächen Videoproduzenten dazu zwang, visuell über Informationen nachzudenken, die zuvor über den Ton vermittelt wurden.

TikTok ging noch einen Schritt weiter. Fachleute, die sich dort mit Untertiteln beschäftigen, stellten fest, dass Untertitel zunehmend nicht nur als Transkription, sondern als Mittel der visuellen Gestaltung eingesetzt werden: Positionierung, Hervorhebung und andere stilistische Elemente können beispielsweise Sprecher kennzeichnen oder bestimmte Bedeutungen verstärken. Mit anderen Worten: Untertitel konnten sich von ihrem traditionellen Platz am unteren Rand des Bildschirms lösen.

An dieser Stelle bekommt gewöhnliche Videoschnittsoftware eine unerwartet wichtige Rolle. Wer beispielsweise Clideo verwendet, kann Untertitel automatisch erzeugen, Text und Timing bearbeiten, das Erscheinungsbild anpassen, die Untertitel direkt in das Video einbetten und eine separate Untertiteldatei im SRT-Format exportieren. Auf einer Funktionsliste klingt das alles nicht besonders revolutionär. Kulturell betrachtet ermöglichen solche Werkzeuge jedoch fast jedem, gesprochene Informationen zusätzlich in lesbare Informationen umzuwandeln.

Das entscheidende Wort dabei lautet: umstrukturieren. Es geht nicht nur um automatische Transkription. Ein Untertitel, der erst nach der entscheidenden visuellen Information erscheint, oder ein Untertitel, der einen ganzen Satz enthält und auf einem kleinen Smartphone-Display kaum noch zu überblicken ist, kann zwar inhaltlich korrekt sein und trotzdem schlecht funktionieren. Im Bereich der automatischen Untertitelung wird insbesondere die willkürliche Aufteilung gesprochener Sprache auf einzelne Zeilen kritisiert, weil sie beeinflusst, wie leicht sich ein Text erfassen lässt. Untertitel zu bearbeiten bedeutet deshalb ebenso sehr, Rhythmus zu bearbeiten wie Sprache.

Der Schnitt muss einen Teil des Tons übernehmen

Sobald Ton nicht mehr vorausgesetzt werden kann, werden auch andere Entscheidungen beim Schnitt wichtiger. Reaktionsaufnahmen müssen möglicherweise etwas länger stehen bleiben, damit Emotionen auch ohne Lachen oder hörbares Erschrecken verständlich werden. Ein Ortswechsel, der normalerweise durch einen Dialog erklärt würde, braucht vielleicht eine Texteinblendung. Eine Produktdemonstration benötigt womöglich visuelle Anweisungen statt einer Stimme, die den nächsten Schritt erklärt. Gesichtsausdrücke, Bildausschnitt, B-Roll, Grafiken und die visuelle Hierarchie von Text beginnen Informationen zu transportieren, die ansonsten über das Ohr aufgenommen würden.

Ein Tool wie Clideo kann die mechanische Seite übernehmen – Untertitel erzeugen, das Timing korrigieren, Text gestalten und ihn in das fertige Video einbetten. Der Cutter muss jedoch weiterhin entscheiden, was tatsächlich gezeigt werden muss. Außerdem gibt es einen wichtigen Unterschied zwischen trendigen Textelementen auf dem Bildschirm und Untertiteln, die der Barrierefreiheit dienen. Erstere können zusammenfassen oder bestimmte Aussagen hervorheben. Richtige Untertitel müssen Dialoge und relevante Geräusche präzise wiedergeben. Fest in das Bild eingebrannter Text gibt dem Ersteller die Kontrolle darüber, wie er überall aussieht, wo das Video abgespielt wird. Eine separate Untertitelspur gibt dagegen dem Zuschauer mehr Kontrolle, sofern die jeweilige Plattform sie unterstützt.

Dieser Unterschied ist wichtig, denn ein Video, das ohne Ton funktioniert, ist nicht automatisch barrierefrei. Riesige animierte Wörter, die um das Gesicht einer Person herumhüpfen, können für einen Social-Media-Clip hervorragend funktionieren und gleichzeitig ein schlechter Ersatz für präzise und gut lesbare Untertitel sein.

Die größere Veränderung besteht also nicht darin, dass Ton unwichtig geworden wäre. Die Ergebnisse der PLOS-ONE-Studie deuten sogar auf das Gegenteil hin: Zuschauer verstehen und genießen untertitelte Inhalte im Allgemeinen besser, wenn der Ton weiterhin verfügbar ist. Verändert hat sich vielmehr die Grundannahme hinter dem Schnitt. Ein Cutter kann nicht mehr selbstverständlich davon ausgehen, dass jeder Zuschauer den Soundtrack hören wird.

Moderne Videos müssen deshalb zunehmend in zwei Formen gleichzeitig bestehen können: einmal mit aufgedrehter Lautstärke und einmal beinahe wie eine bewegte Seite, die gelesen wird. Guter Videoschnitt entscheidet sich nicht für eine der beiden Varianten. Er sorgt dafür, dass die Geschichte auch dann noch funktioniert, wenn eine davon wegfällt.