SRT, VTT. Und wie Untertitel entstehen.

Werte aus den gemeinsamen Untertitel-Standards von ARD, ORF, SRF und ZDF (Version 1.3).

Worum es geht

Text mit Zeitstempel.

Untertitel sind technisch unspektakulär: eine Textdatei, in der neben jedem Satz steht, ab welcher Sekunde er im Bild erscheint und wann er wieder verschwindet. Kompliziert wird es erst, weil zwei Formate im Umlauf sind und jede Plattform ihre eigenen Vorlieben hat. Dieser Guide zeigt, was in beiden Dateien steht, wann Sie welche brauchen und wie Sie sie erzeugen, ohne dass am Ende Fragezeichen statt Umlaute im Bild stehen.

Format 1

Was steht in einer SRT-Datei?

1
00:00:01,000 --> 00:00:04,120
Wir bauen Maschinen,
die zehn Jahre laufen.

2
00:00:04,320 --> 00:00:07,800
Und wir filmen, wie sie entstehen.

• Die Nummer ist reine Kosmetik für den Menschen. Die meisten Player ignorieren sie, sie sollte aber lückenlos aufsteigen.
• Die Zeitzeile hat immer das Muster hh:mm:ss,mmm --> hh:mm:ss,mmm. Stunden, Minuten und Sekunden sind zweistellig, die Millisekunden dreistellig. Der Pfeil besteht aus zwei Bindestrichen und einem Größer-Zeichen, mit je einem Leerzeichen davor und danach.
• Der Text darf ein oder zwei Zeilen umfassen. Eine leere Zeile beendet den Block.
• Formatierung ist nicht vorgesehen. Manche Player werten <i> oder <b> aus, YouTube dagegen erkennt bei SubRip-Dateien laut eigener Formatliste ausdrücklich keine Style-Informationen.
• Kodierung: UTF-8. YouTube verlangt für SubRip-Dateien „plain UTF-8“. Alles andere ist die häufigste Ursache für kaputte Umlaute.

Format 2

Was kann eine VTT-Datei mehr?

WEBVTT

1
00:00:01.000 --> 00:00:04.120
Wir bauen Maschinen,
die zehn Jahre laufen.

NOTE Kommentar fuer die Redaktion, wird nie angezeigt.

2
00:00:04.320 --> 00:00:07.800 line:90% align:center
Und wir filmen, wie sie entstehen.

• Positionierung pro Untertitel. Hinter der Zeitzeile stehen optionale Cue-Einstellungen wie line, position, align oder size. Damit rücken Sie einen Untertitel aus dem Weg, wenn unten im Bild schon eine Bauchbinde liegt.
• Styling mit CSS. Ein STYLE-Block am Dateianfang nimmt echtes CSS auf, das über den Selektor ::cue auf die Untertitel wirkt.
• Kommentare. Ein Block, der mit NOTE beginnt, wird nie ausgespielt – praktisch für Regieanweisungen und Korrekturvermerke im Abstimmungslauf.
• Regionen, Kapitel, Metadaten. WebVTT kann mehr als Untertitel: Mit kind="chapters" liefert dieselbe Dateiart die Kapitelmarken eines Videos.
• Der Bezeichner vor der Zeitzeile ist optional. Anders als bei SRT muss dort keine Zahl stehen; steht dort etwas, dient es als Adresse für CSS und JavaScript.

Direkter Vergleich

SRT oder VTT: der Unterschied in einer Tabelle.

Die beiden Formate sind so nah beieinander, dass sich eine SRT-Datei mit drei Handgriffen in eine VTT-Datei verwandeln lässt. Umgekehrt gehen dabei alle VTT-Extras verloren.

Zielplattform

Welche Plattform will welches Format?

Plattformangaben nach den offiziellen Hilfeseiten von YouTube und LinkedIn, Stand September 2026. Anforderungen ändern sich; vor größeren Ausspielungen kurz gegenprüfen.

Zwei Wege

Datei oder eingebrannt?

Open Captions: fest im Bild

Der Text ist beim Rendern in die Pixel gebrannt. Er läuft in jedem Player und in jedem Feed, auch dort, wo es keinen Untertitel-Schalter gibt. Dafür ist er nicht abschaltbar, nicht übersetzbar und für Suchmaschinen unsichtbar. Jede Korrektur bedeutet einen neuen Export.

Closed Captions: separate Datei

Der Text liegt als SRT oder VTT neben dem Video. Er lässt sich zuschalten, austauschen, übersetzen und wird von Suchmaschinen gelesen. Eine Korrektur ist eine neue Textdatei, kein neuer Export. Voraussetzung ist ein Player, der Untertitelspuren unterstützt.

In der Praxis fahren viele Unternehmen beides: eingebrannte Untertitel für die Social-Schnittfassung, die stumm im Feed startet, und eine saubere SRT-Datei für YouTube und die eigene Website. Der Text ist derselbe, nur der Ausspielweg unterscheidet sich.

Herstellung

Vier Wege zur fertigen Datei.

• 1. Von Hand im Texteditor. Für kurze Filme und Korrekturen der schnellste Weg. Block für Block tippen, als UTF-8 mit der Endung .srt speichern, fertig. Wichtig: einen echten Texteditor benutzen, keine Textverarbeitung, die typografische Anführungszeichen und eigene Formate einschleust.
• 2. Automatische Transkription im Schnittprogramm. Premiere Pro, DaVinci Resolve und Final Cut erzeugen aus der Tonspur einen ersten Untertitelentwurf und exportieren ihn als SRT oder VTT. Das spart den größten Teil der Tipparbeit, ersetzt aber nicht die Korrektur: Eigennamen, Fachbegriffe und Zahlen sind die typischen Fehlerquellen.
• 3. Automatische Untertitel der Plattform. YouTube erzeugt selbsttätig Untertitel und lässt sie im Studio nachbearbeiten und als Datei herunterladen. Brauchbar als Rohmaterial, aber nie als Endstand: Was die Maschine falsch versteht, steht sonst dauerhaft unter Ihrem Film.
• 4. Dienstleister oder Untertitel-Werkzeug. Spezialprogramme für Untertitelung zeigen Wellenform, Zeichenzähler und Lesegeschwindigkeit direkt am Bild. Das lohnt sich ab dem Punkt, an dem Untertitel regelmäßig anfallen, mehrsprachig werden oder geprüfte Qualität liefern müssen.

Umwandeln

SRT in VTT: drei Handgriffe.

1. Kopfzeile setzen. Ganz oben in die Datei das Wort WEBVTT schreiben, darunter eine Leerzeile.
2. Komma zu Punkt. In den Zeitzeilen wird aus 00:00:01,000 ein 00:00:01.000. Achtung beim Suchen und Ersetzen: Nur die Kommata in den Zeitzeilen ändern, nicht die im Untertiteltext.
3. Als UTF-8 mit Endung .vtt speichern und die Datei auf dem Server mit dem MIME-Typ text/vtt ausliefern lassen.

Die Blocknummern dürfen stehen bleiben: WebVTT erlaubt einen freien Bezeichner vor der Zeitzeile. Wer den Umweg über Online-Konverter geht, sollte bedenken, dass dabei der komplette Filmtext auf einen fremden Server wandert – bei internen oder noch nicht veröffentlichten Produktionen ist das keine gute Idee.

Qualität

Wann Untertitel wirklich lesbar sind.

• Zwei Zeilen sind die Obergrenze. Drei Zeilen verdecken zu viel Bild und zwingen das Auge zu weit nach unten. Der Textblock steht zentriert am unteren Bildrand.
• 37 Zeichen je Zeile inklusive Leerzeichen. Wer hier bleibt, hat auch bei LinkedIn Learning (maximal 47 Zeichen) Luft.
• Standzeit nach Zeichenzahl, nicht nach Gefühl: 13 bis 15 Zeichen pro Sekunde als Basiswert, mindestens aber eine Sekunde. Ein Untertitel, der nur aufblitzt, ist kein Untertitel.
• Umbrechen nach Sinn, nicht nach Zeilenlänge. Artikel und Substantiv gehören in dieselbe Zeile, Präposition und Bezugswort auch.
• Schnitte respektieren. Ein Untertitel, der über einen harten Schnitt hinweg stehen bleibt, lässt den Zuschauer neu lesen. Timing an den Schnitt anlegen, wo es geht.
• Nicht abtippen, sondern verdichten. Gesprochene Sprache enthält Füllwörter und Wiederholungen, die geschrieben stören. Der Sinn muss stehen, nicht jedes „äh“.

Fehlerbilder

Die fünf Fehler, die immer wieder auftauchen.

Rechtlicher Rahmen

Und die Pflichtseite?

Zum Abhaken

Praxis-Checkliste: Untertitel-Datei.

1. Zielplattform zuerst festlegen. LinkedIn-Feed braucht SRT, die eigene Website VTT, YouTube nimmt beides.
2. Erst schneiden, dann untertiteln. Jede Bildänderung nach dem Untertiteln verschiebt sämtliche Timecodes.
3. Rohtranskript automatisch erzeugen lassen und als Arbeitsgrundlage behandeln, nicht als Ergebnis.
4. Eigennamen, Produktnamen und Zahlen einzeln prüfen. Genau dort irrt die Spracherkennung.
5. Auf maximal zwei Zeilen mit je 37 Zeichen umbrechen, nach Sinn statt nach Länge.
6. Standzeiten gegen die Lesegeschwindigkeit prüfen: 13 bis 15 Zeichen pro Sekunde, mindestens eine Sekunde.
7. Als UTF-8 speichern und die Umlaute im Zieleditor gegenlesen.
8. Datei im echten Player testen, nicht nur im Schnittprogramm – erst dort zeigt sich, ob die Plattform sie akzeptiert.
9. Master-Datei im Projektordner ablegen, mit Filmtitel, Sprache und Fassung im Dateinamen.
10. Bei Social-Schnittfassungen zusätzlich einbrennen, damit der Text auch im stumm startenden Feed steht.

Antworten

Häufige Fragen.

Belege

Quellen.

• W3C: WebVTT: The Web Video Text Tracks Format (Kopfzeile, Zeitstempel, UTF-8, text/vtt, Cue-Einstellungen, STYLE- und NOTE-Blöcke)
• MDN Web Docs: Web Video Text Tracks Format (WebVTT)
• YouTube-Hilfe: Unterstützte Untertiteldateien (SubRip als Basisformat, „plain UTF-8“, keine Style-Auswertung; WebVTT „in initial implementation“)
• YouTube-Hilfe: Untertitel hinzufügen
• LinkedIn-Hilfe: Add Closed Captions to Videos on LinkedIn (SRT-Datei muss vor dem Posten am Video hängen)
• LinkedIn-Hilfe: Supported file formats for custom content (WEBVTT und SRT; bei SRT maximal 47 Zeichen je Zeile, höchstens drei Zeilen)
• ARD, ORF, SRF, ZDF: Untertitel-Standards (zwei Zeilen, 37 Zeichen, 13–15 Zeichen pro Sekunde, Mindeststandzeit eine Sekunde, ein Frame Abstand)
• MDN Web Docs: Das HTML-Element track