Aktuelle Beiträge Zum Blog

Ein Produktvideo erklärt in neunzig Sekunden, wofür der Text drei Absätze braucht. Nur: Wer den Ton nicht hört, sieht Lippen sich bewegen. Wer den Bildschirm nicht sieht, hört Musik und ein beiläufiges »hier oben rechts«. Und wer im Zug sitzt, schaltet den Ton ohnehin ab. Untertitel und Transkript sind deshalb kein Zusatz für eine kleine Gruppe, sondern der Teil des Videos, der ohne Ton und ohne Bild trägt. Seit dem Barrierefreiheitsstärkungsgesetz sind sie für neu veröffentlichte Videos im Shop zugleich eine rechtliche Anforderung. Dieser Beitrag zeigt, was die Normen konkret verlangen, wie weit die gelebte Praxis davon entfernt ist und wie eine Videoseite aussieht, die beide Wege bedient.

Wer beim Ton nicht mitkommt

Die Weltgesundheitsorganisation zählt weltweit 430 Millionen Menschen (WHO) mit einem behindernden Hörverlust, gemessen als Verlust von mehr als 35 Dezibel auf dem besseren Ohr. Das ist keine Randgruppe, sondern mehr als fünf Prozent der Weltbevölkerung. Und die Zahl bleibt nicht stehen: Bis 2050 rechnet dieselbe Quelle damit, dass rund 2,5 Milliarden Menschen (WHO) einen Hörverlust in irgendeinem Grad haben werden. Ein Shop, der heute Videos ohne Textspur veröffentlicht, baut also eine Hürde ein, die mit jedem Jahr mehr Menschen betrifft.

Der Zusammenhang mit dem Alter ist dabei der wichtigste Hebel für den Handel. Unter den Menschen ab 60 Jahren sind über 25 Prozent (WHO) von behinderndem Hörverlust betroffen. Wer eine ältere, kaufkräftige Kundschaft anspricht, redet damit über einen erheblichen Teil seiner Zielgruppe, nicht über eine Ausnahme. Die volkswirtschaftliche Dimension unterstreicht das: Unversorgter Hörverlust verursacht nach derselben Aufstellung jährliche globale Kosten von fast einer Billion US-Dollar (WHO).

Für den deutschen Markt wird es noch greifbarer. Zum Jahresende 2025 lebten hier gut 7,8 Millionen Menschen (Statistisches Bundesamt) mit einer schweren Behinderung, also mit einem Grad der Behinderung ab 50 und gültigem Ausweis. Bezogen auf die Bevölkerung sind das 9,4 Prozent (Statistisches Bundesamt) und damit fast jeder zehnte Mensch im Land. Diese Zahl beschreibt nur die amtlich festgestellte Schwerbehinderung; die Zahl der Menschen mit leichteren, aber im Alltag wirksamen Einschränkungen liegt darüber.

Interessant wird die Aufschlüsselung. Bei 4 Prozent (Statistisches Bundesamt) der schwerbehinderten Menschen ist die schwerste Behinderung eine Schwerhörigkeit, eine Gleichgewichts- oder eine Sprachstörung – genau die Gruppe, für die Untertitel den Unterschied machen. Bei weiteren 4 Prozent (Statistisches Bundesamt) liegt Blindheit oder eine Sehbehinderung vor; für sie zählt nicht der Untertitel, sondern das Transkript und die Audiodeskription. Und weil Behinderung überwiegend im Lauf des Lebens entsteht, war gut ein Drittel oder 34 Prozent (Statistisches Bundesamt) der schwerbehinderten Menschen zum Stichtag 75 Jahre oder älter.

Die Größenordnung im Binnenmarkt

Europaweit leben 90 Millionen Menschen (Europäische Kommission) mit einer Behinderung. Sie treffen auf einen Handel, der längst digital ist: Der deutsche Onlinehandel setzte im Berichtsjahr 2025 92,3 Milliarden Euro netto (HDE) um, das entspricht einem Anteil von 13,5 Prozent (HDE) am gesamten Einzelhandel. In der EU haben 2025 78 Prozent (Eurostat) der Internetnutzenden zwischen 16 und 74 Jahren Waren oder Dienstleistungen online bestellt. Barrierefreiheit im E-Commerce ist damit keine Nischenfrage, sondern eine Frage nach dem Zugang zu einem Massenmarkt.

Untertitel sind längst kein Nischenmerkmal

Die verbreitetste Fehlannahme lautet: Untertitel nutzt nur, wer sie braucht. Die Redaktionsrichtlinien der BBC widersprechen dem mit einer eigenen Messung. Danach schalten rund 10 Prozent des Fernsehpublikums Untertitel regelmäßig ein, bei manchen Online-Inhalten steigt der Anteil auf bis zu 35 Prozent (BBC). Die Mehrheit dieser Zuschauerinnen und Zuschauer hat keine Hörbehinderung – sie sitzt in einer lauten Umgebung, teilt sich einen Raum, versteht einen Dialekt schlechter oder liest schlicht schneller, als jemand spricht.

Untertitel richten sich in erster Linie an Menschen mit Hörverlust, werden aber von einer weit größeren Gruppe genutzt: rund 10 Prozent des Rundfunkpublikums schalten sie regelmäßig ein, bei manchen Online-Inhalten sind es 35 Prozent.

BBC Subtitle Guidelines, Version 1.2.5 (Übersetzung aus dem Englischen)

Die Zahl stammt nicht aus einer Umfrage, sondern aus der Auswertung tatsächlicher Abrufe. Eine Stichprobe aus einer Woche im März 2016 ergab in der Mediathek der BBC eine Untertitelnutzung von rund 18 Prozent über alle Inhalte (BBC Research & Development), auf Tablets lag sie mit über 20 Prozent noch höher. Der Beleg ist der älteste in diesem Beitrag, und das aus einem nüchternen Grund: Eine neuere veröffentlichte Messung dieser Art gibt es nicht, und die aktuellen Redaktionsrichtlinien führen die Größenordnung unverändert fort.

Dass Bewegtbild zum Alltag der Kundschaft gehört, lässt sich unabhängig davon belegen: 33 Prozent (Eurostat) der Internetnutzenden in der EU hatten 2025 ein Abonnement für Film-, Serien- oder Sport-Streaming. Wer täglich mit Untertiteln fernsieht, erwartet sie auch im Shop. Wie stark Video den Abverkauf trägt, haben wir in der Betrachtung zu Produktvideos und Conversion beschrieben – die Reichweite dieses Effekts hängt daran, ob das Video ohne Ton verständlich bleibt.

  • Umgebungslärm: Bahnsteig, Werkstatt, Großraumbüro – der Ton ist da, aber unbrauchbar.
  • Rücksicht: Wer im Wartezimmer oder neben schlafenden Kindern sitzt, lässt den Ton aus.
  • Zweitsprache: Geschriebener Text ist für viele leichter zu erfassen als gesprochener.
  • Fachbegriffe: Artikelnummern, Materialbezeichnungen und Masse liest man sicherer, als man sie hört.
  • Suchbarkeit: Nur was als Text vorliegt, lässt sich im Video wiederfinden.
  • Technik: Ein defekter Lautsprecher oder eine stumme Autoplay-Regel macht jede Tonspur wertlos.

Was WCAG und EN 301 549 tatsächlich verlangen

Die Anforderungen sind älter als das deutsche Gesetz und präziser, als die Diskussion vermuten lässt. Untertitel für aufgezeichnete Videos stehen im Erfolgskriterium 1.2.2 auf der Konformitätsstufe A (W3C), also auf der untersten Stufe. Verlangt werden Untertitel für alle aufgezeichneten Toninhalte in synchronisierten Medien – ausgenommen ist nur der Fall, dass das Medium selbst bereits die Alternative zu einem Text ist und deutlich als solche gekennzeichnet wird. Ein Erklärvideo, das eine Textseite ergänzt, fällt nicht unter diese Ausnahme.

Das Transkript ist dabei kein freiwilliger Zusatz. Erfolgskriterium 1.2.3, ebenfalls Stufe A (W3C), verlangt für synchronisierte Medien entweder eine Audiodeskription oder eine Alternative für zeitbasierte Medien. Diese Alternative ist der Volltext: alles Gesprochene plus die Beschreibung dessen, was im Bild passiert und für das Verständnis nötig ist. Wer also die Audiodeskription scheut, kann sie auf Stufe A durch ein sauberes Transkript ersetzen – ein Weg, den viele Shops unterschätzen, weil er ohne Tonstudio auskommt.

Auf der nächsthöheren Stufe reicht das nicht mehr. Erfolgskriterium 1.2.5 auf Stufe AA (W3C) verlangt eine Audiodeskription für alle aufgezeichneten Videoinhalte in synchronisierten Medien. Weil der Markt in der Praxis auf Stufe AA zielt, entscheidet sich hier, wie aufwendig ein Video wird: entweder man plant die Sprecherfassung von Anfang an so, dass sie das Bild mitbeschreibt, oder man produziert eine zweite Tonspur. Die Kriterien im Detail und ihre Änderungen haben wir in der Übersicht zu den neuen Erfolgskriterien der WCAG 2.2 aufgeschlüsselt.

AnforderungStufeWas für ein aufgezeichnetes Video verlangt wirdWomit sie sich erfüllen lässt
WCAG 1.2.2 CaptionsAUntertitel für alle aufgezeichneten ToninhalteUntertitelspur, zeitgenau zum Ton
WCAG 1.2.3 AlternativeAAudiodeskription oder eine Alternative für zeitbasierte MedienVolltext-Transkript mit Bildbeschreibung
WCAG 1.2.5 Audio DescriptionAAAudiodeskription für alle aufgezeichneten Videoinhaltezweite Tonspur oder beschreibende Sprecherfassung
EN 301 549, Klausel 9.1.2.2EN-KlauselVerweis auf das WCAG-Kriterium 1.2.2 für Webseitenidentisch zur WCAG-Umsetzung
EN 301 549, Klausel 9.1.2.5EN-KlauselVerweis auf das WCAG-Kriterium 1.2.5 für Webseitenidentisch zur WCAG-Umsetzung
EN 301 549, Klausel 7.1.2EN-KlauselUntertitel innerhalb von 100 ms zum Zeitstempelsaubere Zeitachse in der Untertiteldatei

Die europäische Norm, an der sich die Praxis orientiert, macht sich das nicht neu aus. Für Webseiten verweist Klausel 9.1.2.2 (ETSI/CEN/CENELEC) direkt auf das WCAG-Kriterium 1.2.2, Klausel 9.1.2.5 (ETSI/CEN/CENELEC) auf 1.2.5. Eigenständig ist dagegen die Vorgabe zur Synchronität: Nach Klausel 7.1.2 müssen Untertitel in aufgezeichnetem Material innerhalb von 100 ms (ETSI/CEN/CENELEC) zum zugehörigen Zeitstempel erscheinen. Das ist der Wert, an dem jeder automatisch erzeugte Untertitelsatz zu messen ist, bevor er online geht. Eine förmliche Konformitätsvermutung knüpft § 4 BFSG allerdings an harmonisierte Normen, deren Fundstelle im Amtsblatt der Europäischen Union veröffentlicht ist; für die Richtlinie (EU) 2019/882 steht diese Veröffentlichung bislang aus. Die Verordnung zum BFSG verweist stattdessen auf den Stand der Technik und auf die Listen der Bundesfachstelle für Barrierefreiheit. EN 301 549 ist damit der ausformulierte Maßstab der Praxis, nicht eine gesetzlich vermutete Konformität.

Der Prüfmaßstab ist geschrieben, nicht gefühlt

Wer die Konformität seines Shops belegen soll, argumentiert nicht mit dem eigenen Eindruck, sondern mit den Erfolgskriterien der WCAG und den Klauseln der EN 301 549, an denen sich die Praxis orientiert. Eine gesetzliche Vermutungswirkung trägt die Norm unter dem BFSG derzeit nicht; als nachprüfbarer Maßstab für die eigene Dokumentation taugt sie trotzdem. Für den Einstieg in die eigene Messung eignet sich unser Vorgehen aus dem BFSG-Audit für Shops; die inhaltliche Umsetzung begleiten wir in der BFSG-Optimierung.

Das BFSG zieht die Grenze am Veröffentlichungsdatum

Die für Videos entscheidende Regel steht nicht in einer Anlage, sondern im Anwendungsbereich selbst. Ausgenommen sind nach § 1 Absatz 4 Nummer 1 aufgezeichnete zeitbasierte Medien, die vor dem 28. Juni 2025 (BFSG) veröffentlicht wurden. Der Stichtag ist damit ein Veröffentlichungsdatum und keine Frist zum Nachrüsten: Das Archivvideo von 2023 bleibt draußen, das neue Produktvideo von heute fällt hinein. Wer ein altes Video neu schneidet und erneut veröffentlicht, verlässt die Ausnahme – ein Punkt, der bei Relaunches regelmäßig übersehen wird.

Die zweite Ausnahme ist enger gefasst, als viele hoffen. Als Kleinstunternehmen gilt nach § 2 Nummer 17 ein Unternehmen, das weniger als zehn Personen beschäftigt und entweder höchstens 2 Millionen Euro Jahresumsatz erzielt oder dessen Jahresbilanzsumme höchstens 2 Millionen Euro beträgt (BFSG). Beide Bedingungen müssen zusammentreffen, und die Ausnahme greift nur für Dienstleistungen, nicht für Produkte. Wie die Abgrenzung im B2B-Geschäft ausfällt, haben wir in der Analyse zu den Ausnahmen für Kleinstunternehmen durchgerechnet.

Der Rahmen für Verstöße ist gesetzt. Wer eine Dienstleistung entgegen den Anforderungen anbietet oder erbringt, begeht eine Ordnungswidrigkeit, die mit einer Geldbuße bis zu 100.000 Euro (BFSG) geahndet werden kann. Der niedrigere Rahmen von 10.000 Euro gilt für die übrigen, im Gesetz einzeln aufgezählten Tatbestände, nicht für das Anbieten einer nicht barrierefreien Dienstleistung. Praktisch bedeutsamer als die Höhe ist, dass die Marktüberwachung von Amts wegen tätig wird und Verbraucherinnen und Verbraucher Anträge stellen können. Wie sich der Vollzug entwickelt hat, zeigt unsere Auswertung zur Durchsetzung im Jahr 2026.

Häufig missverstanden wird die Übergangsregel. Nach § 38 Absatz 1 dürfen Dienstleistungserbringer bis zum 27. Juni 2030 (BFSG) ihre Dienstleistungen weiterhin unter Einsatz von Produkten erbringen, die sie vor dem 28. Juni 2025 rechtmäßig eingesetzt haben. Das betrifft eingesetzte Produkte und Altverträge, nicht die Inhalte selbst. Ein Videoplayer, der 2024 eingebaut wurde, darf also weiterlaufen; das Video, das 2026 hochgeladen wird, muss trotzdem Untertitel tragen.

Der europäische Ursprung ist älter als der deutsche Text

Das BFSG setzt die Richtlinie (EU) 2019/882 um. Deren Artikel 31 Absatz 1 verpflichtete die Mitgliedstaaten, die nötigen Vorschriften bis zum 28. Juni 2022 (Richtlinie EU 2019/882) zu erlassen und zu veröffentlichen. Die Anforderungen sind also seit Jahren bekannt und nicht kurzfristig entstanden. Und die Richtlinie wird sogar konkret: In Anhang II (Richtlinie EU 2019/882) nennt sie unter den unverbindlichen Beispielen ausdrücklich die Bereitstellung einer Untertitelung von Anleitungsvideos. Deutlicher lässt sich ein Gesetzgeber zu diesem Thema kaum aus.

Was im Web tatsächlich ausgeliefert wird

Zwischen Anforderung und Auslieferung klafft eine Lücke, die sich beziffern lässt. Nach der Auswertung des HTTP-Archive-Crawls enthalten 7,7 Prozent der Desktop-Seiten (Web Almanac) mindestens ein Video-Element, mobil sind es 6,7 Prozent. Video ist damit kein Sonderfall mehr, sondern regulärer Seitenbestandteil. Und der Anteil wächst: Der mobile Wert liegt um 32 Prozent (Web Almanac) über dem der Erhebung von 2022, relativ gerechnet.

Die zugehörige Untertitelquote ist der eigentliche Befund. Nur 0,5 Prozent der Seiten mit einem Video-Element (Web Almanac) setzen überhaupt ein track-Element ein, mobil sind es 0,65 Prozent. Das heißt nicht, dass nahezu alle Videos ohne Untertitel laufen – per iframe eingebettete Medien zählt die Erhebung nicht mit, und manche Portale liefern eigene Spuren aus. Es heißt aber sehr wohl, dass der native, im Markup sichtbare und damit prüfbare Weg fast nirgends genutzt wird. Genau diesen Weg sieht die Norm vor.

Dazu kommt ein Muster, das die Sache verschärft. Auf 23 Prozent der Video-Elemente steht das Attribut autoplay, aber nur auf 8 Prozent das Attribut muted (Web Almanac). Ein Video, das von selbst startet und dabei Ton ausgibt, ist für hörende Nutzer eine Zumutung und für alle anderen eine Informationsquelle, die stumm bleibt. Wer autoplay einsetzt, braucht muted, sichtbare Bedienelemente und Untertitel – sonst trägt der Start keine Information, sondern nur Bewegung.

Der Gesamtzustand passt ins Bild. Die jährliche automatisierte Prüfung der eine Million meistbesuchten Startseiten fand bei 95,9 Prozent (WebAIM) der Seiten erkennbare WCAG-Verstöße, im Schnitt 56,1 Fehler je Seite (WebAIM). Automatisierte Tests erfassen nur einen Teil der Kriterien; die tatsächliche Lage ist also eher schlechter als besser. Für die Praxis heißt das: Wer misst, findet – und wer nicht misst, hat trotzdem Befunde.

Besonders aufschlussreich ist ein Teilbefund derselben Erhebung: Auf 6,2 Prozent der Startseiten wurde ein eingebettetes Video einer großen Videoplattform erkannt, und diese Seiten trugen 9,4 Fehler mehr als der Durchschnitt (WebAIM). Eingebettetes Video verbessert die Barrierefreiheit einer Seite also nicht automatisch, sondern verschlechtert sie im Mittel. Wer stattdessen auf ein Overlay-Werkzeug hofft, sollte die Risiken kennen, die wir in der Betrachtung zu Barrierefreiheits-Overlays zusammengetragen haben.

Untertitel, die in der verfügbaren Zeit lesbar bleiben

Eine Untertitelspur zu erzeugen, ist heute technisch einfach. Eine zu erzeugen, die man lesen kann, ist es nicht. Die Redaktionsrichtlinien der BBC nennen als empfohlene Untertitelgeschwindigkeit 160 bis 180 Wörter pro Minute (BBC), umgerechnet 0,33 bis 0,375 Sekunden je Wort. Wer schneller einblendet, produziert Text, den das Auge nicht mehr einholt – und der Untertitel wird zur Dekoration statt zur Information.

Daraus folgt eine Mindeststandzeit, an der sich jedes Werkzeug messen lässt: Ein Untertitel sollte für mindestens rund 0,3 Sekunden je Wort (BBC) stehen bleiben, für einen Untertitel aus vier Wörtern also etwa 1,2 Sekunden. Das ist die Kennzahl, mit der sich eine maschinell erzeugte Datei in wenigen Minuten prüfen lässt: Dauer eines Blocks geteilt durch die Wortzahl. Liegt der Wert darunter, gehört der Block geteilt oder gekürzt, nicht nachträglich beschleunigt.

  • Höchstens zwei Zeilen je Einblendung, umgebrochen an einer sinnvollen Stelle im Satz.
  • Standzeit mindestens rund 0,3 Sekunden je Wort, gemessen über die gesamte Datei, nicht stichprobenhaft.
  • Abweichung zum Ton unter 100 Millisekunden, wie es die europäische Norm EN 301 549 beschreibt.
  • Sprecherwechsel kenntlich machen, damit ein Dialog nicht als Monolog gelesen wird.
  • Handlungsrelevante Geräusche mitschreiben, etwa das Einrasten eines Verschlusses.
  • Zahlen, Masse und Artikelnummern ausschreiben statt abzukürzen.
  • Die Datei mit der richtigen Sprachkennung ausliefern, sonst greift die Sprachausgabe daneben.
produktvideo-de.vtt
WEBVTT
Kind: captions
Language: de

1
00:00:04.120 --> 00:00:07.480
Der Filter für die Belastbarkeit
sitzt oben links im Menü.

2
00:00:07.640 --> 00:00:09.900
[Verschluss rastet ein]

3
00:00:10.050 --> 00:00:13.720
-Und wenn ich die Seite wechsle?
-Dann bleibt die Auswahl gespeichert.

Drei Details in dieser Datei entscheiden über die Qualität. Der Block mit dem Geräusch ist keine Spielerei: Wer nicht hört, dass der Verschluss einrastet, versteht die gezeigte Handbewegung nicht. Der Bindestrich vor den Sprechzeilen trennt zwei Stimmen, ohne Namen zu erfinden. Und die Zeilenumbrüche stehen an Sinngrenzen, nicht dort, wo der Zeichenzähler zufällig anschlägt. Für Bildinhalte gilt dieselbe Sorgfalt wie bei Alternativtexten, die wir in der Betrachtung zu Alternativtexten für Produktbilder beschrieben haben.

Das Transkript ist die zweite Hälfte

Ein Transkript ist mehr als der abgetippte Ton. Es ist die vollständige, lineare Textfassung des Videos: alles Gesprochene, dazu die Beschreibung dessen, was im Bild geschieht und für das Verständnis nötig ist. Wer blind ist, liest es mit der Sprachausgabe. Wer taubblind ist, liest es mit der Braillezeile – der einzige Weg, auf dem ein Video diese Gruppe überhaupt erreicht. Und wer schlicht keine Zeit hat, überfliegt es in dreißig Sekunden statt neunzig.

Rechtlich anerkannt

Das Transkript erfüllt als Alternative für zeitbasierte Medien das Erfolgskriterium 1.2.3 auf Stufe A (W3C) – ohne Tonstudio.

Ohne Player nutzbar

Es funktioniert im Textbrowser, in der Sprachausgabe, auf der Braillezeile und in jeder Umgebung, in der Video blockiert ist.

Sofort durchsuchbar

Text lässt sich mit der Seitensuche durchsuchen. Eine Videospur nicht. Das hilft auch der Kundschaft ohne Behinderung.

Maschinenlesbar

Suchmaschinen und Assistenzsysteme lesen Text, keine Tonspur. Was im Transkript steht, ist auffindbar.

Belegbar

Ein Transkript liegt als Datei vor und lässt sich versionieren. Bei einer Prüfung zeigt man es vor, statt es zu beschreiben.

Günstig zu pflegen

Ändert sich ein Detail im Produkt, ändert man eine Textzeile – nicht eine Tonspur mit Sprecheraufnahme.

Der Nebeneffekt ist betriebswirtschaftlich der stärkste: Ein Transkript verwandelt ein Video in Inhalt, den Suchmaschinen und Assistenzsysteme lesen können. Ob dieser Inhalt tatsächlich abgerufen wird, lässt sich im Zugriffsprotokoll nachsehen – wie das geht, beschreibt unser Beitrag zur Logfile-Analyse für Shops. Dieselbe Logik greift bei Anleitungen und Datenblättern, die wir in der Betrachtung zu barrierefreien Dokumenten behandelt haben.

Der Player muss sich bedienen lassen

Untertitel und Transkript nützen wenig, wenn sich der Player nicht bedienen lässt. Das native Video-Element des Browsers bringt Tastaturbedienung, Untertitelumschaltung und Lautstärkeregelung von Haus aus mit – ein selbstgebauter Player muss all das nachbilden. Deshalb lohnt sich die Frage, ob eine eigene Oberfläche wirklich nötig ist. Wenn ja, gehört sie in die Entwicklung und nicht in ein Sammelsurium aus Skripten, die niemand mehr überblickt.

produktseite.html
<figure>
  <video controls preload="metadata"
         poster="/media/gt-400-poster.avif"
         width="1280" height="720">
    <source src="/media/gt-400-1080.mp4" type="video/mp4">
    <track kind="captions" src="/media/gt-400-de.vtt"
           srclang="de" label="Deutsch" default>
    <track kind="descriptions" src="/media/gt-400-de-ad.vtt"
           srclang="de" label="Audiodeskription">
    <p>Dieses Video kann hier nicht abgespielt werden.</p>
  </video>
  <figcaption>
    Montage des GT-400 in 1:48 Minuten.
    <a href="/de/media/gt-400-transkript/">Vollständiges Transkript lesen</a>
  </figcaption>
</figure>
  • Sichtbarer Einstieg ins Transkript: ein Textlink direkt unter dem Video, nicht in einer aufklappbaren Schublade ohne Beschriftung.
  • Tastatur vollständig: Abspielen, Pause, Sprung, Lautstärke und Untertitel ohne Maus erreichbar, mit sichtbarem Fokus.
  • Kein Zeitdruck: Bedienelemente dürfen nicht ausblenden, solange der Fokus in der Leiste steht.
  • Kontrast der Untertitel: heller Text auf abgedunkeltem Hintergrund, damit er auch über hellen Bildinhalten lesbar bleibt.
  • Keine reine Bewegung als Information: Was nur die Animation zeigt, gehört zusätzlich in den Text.
  • Auslieferung prüfbar halten: Die Untertiteldatei muss mit dem richtigen Inhaltstyp ausgeliefert werden, sonst ignoriert der Browser sie stillschweigend.
Terminal
$ curl -sI https://www.example.com/media/gt-400-de.vtt | grep -i '^content-type'
content-type: text/vtt; charset=utf-8
$ grep -c ' --> ' gt-400-de.vtt
138
$ grep -o '<track[^>]*>' produktseite.html | wc -l
2

Der erste Befehl ist der wichtigste und wird am häufigsten vergessen: Ein Statuscode 200 auf die Untertiteldatei beweist nichts, solange der Inhaltstyp nicht stimmt. Liefert der Server text/plain statt text/vtt, blendet der Browser die Spur einfach nicht ein – ohne Fehlermeldung, ohne Eintrag in der Konsole. Dasselbe gilt für die Ladezeit: Eine Spur, die erst nach dem Videostart eintrifft, kommt zu spät. Wie wir Auslieferung und Ladeverhalten messen, steht in der PageSpeed-Optimierung.

Für Shops mit eigener App stellt sich die Frage zusätzlich auf der zweiten Oberfläche: Was im Web funktioniert, muss in der App erneut nachgewiesen werden, weil dort andere Bedienhilfen greifen. Wer vor dieser Entscheidung steht, findet die Abwägung in unserem Beitrag zur Entscheidung zwischen App und PWA.

In vier Wochen zur barrierefreien Videoseite

Der Aufwand wird meist überschätzt, weil man an das schwierigste Video denkt. Sinnvoller ist die umgekehrte Reihenfolge: erst zählen, dann priorisieren, dann produzieren. In den meisten Shops hängt der größte Teil des Nutzens an einer Handvoll Videos, die auf Kategorie- und Produktseiten mit hoher Reichweite liegen.

  1. Woche 1 – Bestand: Alle Videos auflisten, mit Veröffentlichungsdatum, Einbindungsart und Seitenaufrufen. Das Datum entscheidet über den Anwendungsbereich, die Aufrufe über die Reihenfolge.
  2. Woche 2 – Textfassung: Für die reichweitenstärksten Videos das Transkript erstellen und redaktionell durchgehen. Aus dem Transkript entsteht der Untertitelsatz, nicht umgekehrt.
  3. Woche 3 – Zeitachse und Einbau: Untertiteldatei erzeugen, Standzeiten und Synchronität prüfen, track-Elemente einbauen, Transkript verlinken, Auslieferung und Inhaltstyp kontrollieren.
  4. Woche 4 – Nachweis: Mit Tastatur und Sprachausgabe durchgehen, Befunde je Kriterium festhalten, Ergebnis in der Erklärung zur Barrierefreiheit fortschreiben und den Ablauf für neue Videos festlegen.

Wichtiger als der Vierwochenplan ist der fünfte Schritt: Die Regel gilt ab sofort für jedes neue Video, sonst wächst der Rückstand schneller, als er abgebaut wird. Wer wissen will, wo sein Shop insgesamt steht, findet den Einstieg über unseren Shop-Check. Zur Ordnung gehört auch die Frage, wie lange die Rohdateien, Transkripte und Untertitelfassungen aufbewahrt werden – dazu passt unser Beitrag zum Löschkonzept im Shop.

Video als Teil der Ladenausstattung denken

Der bequemste Denkfehler bei diesem Thema ist die Aufteilung in Pflicht und Kür. Untertitel wären demnach die Pflicht, das Transkript die Kür, die Audiodeskription der Luxus. Die Normen sehen das anders: Untertitel und Alternative stehen beide auf Stufe A (W3C), sind also gleich verbindlich, und die Audiodeskription folgt eine Stufe später. Praktisch ist die Reihenfolge trotzdem sinnvoll – nur eben als Reihenfolge der Umsetzung, nicht als Rangordnung der Verbindlichkeit.

Wer ein Ladengeschäft baut, plant die Rampe ein, bevor der Boden gelegt ist. Beim Video ist es dieselbe Rechnung: Das Transkript entsteht während der Produktion fast nebenbei, weil das Skript ohnehin geschrieben wird. Nachträglich wird es teuer, weil jemand ein fertiges Video abhören muss. Wer die Textfassung zum festen Bestandteil der Videoproduktion macht, zahlt einmal Aufwand und spart ihn bei jedem weiteren Video – und hält zugleich die eigene Erklärung zur Barrierefreiheit auf einem Stand, den man belegen kann. Wenn Sie den Bestand einmal geordnet durchgehen wollen, sprechen Sie uns an.

Quellen und Studien

WHO, Deafness and hearing loss – Fact sheet (Stand 2026-03) · Statistisches Bundesamt, Pressemitteilung Nr. 246, 7,8 Millionen schwerbehinderte Menschen leben in Deutschland (2026-07) · Europäische Kommission, Persons with disabilities – Employment, Social Affairs & Inclusion (2026) · BBC, Subtitle Guidelines, Version 1.2.5 (2026-03) · BBC Research & Development, White Paper WHP 323 (2016-09) · ETSI/CEN/CENELEC, EN 301 549 V3.2.1, Klauseln 7.1.2, 9.1.2.2 und 9.1.2.5 (2021-03) · W3C, WCAG, Erfolgskriterien 1.2.2, 1.2.3 und 1.2.5 (2023-10) · Barrierefreiheitsstärkungsgesetz, §§ 1, 2, 4, 37 und 38 (2025-06) · Barrierefreiheitsstärkungsgesetzverordnung, § 3 · Richtlinie (EU) 2019/882, Artikel 31 und Anhang II (2019-04) · Web Almanac 2024, Kapitel Accessibility und Media · WebAIM, The WebAIM Million (2026-02) · HDE, Online-Monitor 2026 · Eurostat, E-commerce statistics for individuals (2025). Alle Werte sind mit Tieflink und wörtlichem Zitat in der Quelldatei dieses Beitrags hinterlegt und wurden am 12. September 2026 an der Quelle nachgeprüft.

In der Regel nicht ohne Nachbearbeitung. Die Normen verlangen Untertitel, die den Toninhalt wiedergeben und innerhalb von 100 ms (ETSI/CEN/CENELEC) zum Zeitstempel passen. Automatisch erzeugte Sätze scheitern erfahrungsgemäß an Eigennamen, Artikelnummern, Fachbegriffen und Sprecherwechseln. Der wirtschaftliche Weg ist deshalb: maschinell erzeugen, redaktionell korrigieren, Standzeiten gegen den Richtwert von rund 0,3 Sekunden je Wort (BBC) prüfen.

Aufgezeichnete zeitbasierte Medien, die vor dem 28. Juni 2025 (BFSG) veröffentlicht wurden, sind vom Anwendungsbereich ausgenommen. Wird ein solches Video jedoch neu geschnitten, neu hochgeladen oder in einem Relaunch erneut veröffentlicht, gilt es typischerweise als neu veröffentlicht. Unabhängig von der Rechtslage lohnt die Nachrüstung dort, wo die Reichweite hoch ist.

Nein, die beiden Anforderungen stehen nebeneinander. Untertitel erfüllen das Erfolgskriterium 1.2.2 auf Stufe A (W3C), das Transkript erfüllt als Alternative für zeitbasierte Medien das Kriterium 1.2.3, ebenfalls Stufe A. Wer nur eines von beiden liefert, deckt nur eines der beiden Kriterien ab. Details zur Abstufung stehen in unserer Übersicht zur WCAG 2.2.

Auf Konformitätsstufe A lässt sich die Audiodeskription durch eine Alternative für zeitbasierte Medien ersetzen, also durch ein vollständiges Transkript mit Bildbeschreibung (W3C). Auf Stufe AA verlangt Erfolgskriterium 1.2.5 (W3C) die Audiodeskription. Weil die Praxis überwiegend auf Stufe AA zielt, planen wir sie in der Regel mit ein – oft, indem die Sprecherfassung das Bild von vornherein mitbeschreibt.

Wenn das Video Teil Ihres Angebots ist, zählt es zu Ihrem Auftritt, unabhängig davon, wo die Datei liegt. Die Erhebung des HTTP-Archive erfasst per iframe eingebettete Medien nicht mit, was den gemessenen Anteil von 0,5 Prozent Untertitelspuren (Web Almanac) relativiert. Zugleich hatten Startseiten mit erkanntem Plattform-Video 9,4 Fehler mehr als der Durchschnitt (WebAIM). Ein eigener Player mit eigener Spur ist deshalb meist besser prüfbar.

Mit einer Prüfung je Erfolgskriterium, nicht mit einem Gesamteindruck. Praktisch heißt das: Untertiteldatei vorhanden und im richtigen Inhaltstyp ausgeliefert, Standzeiten und Synchronität gemessen, Transkript verlinkt und vollständig, Player mit Tastatur bedienbar. Das Vorgehen dazu beschreibt unser BFSG-Audit für Shops; die Ergebnisse gehören in die Erklärung zur Barrierefreiheit.