Transkription einer Gruppendiskussion: Fokusgruppen aufnehmen, transkribieren und Sprecher kennzeichnen

, Gründer · Aktualisiert

Transkription einer Gruppendiskussion: Fokusgruppen aufnehmen, transkribieren und Sprecher kennzeichnen

Bei der Transkription einer Gruppendiskussion wird eine aufgezeichnete Fokusgruppe in einen schriftlichen Text überführt, in dem jede Äußerung einer Person zugeordnet ist und der sich codieren und zitieren lässt. Der schnellste verlässliche Weg: mit einem zentralen Mikrofon aufnehmen, die Datei per KI transkribieren lassen, um die Wörter und eine erste Sprecherzuordnung zu bekommen, und dann die eigene Zeit darauf verwenden, in den Passagen, die Sie analysieren, zu prüfen, wer was gesagt hat. Bei Fokusgruppen trifft die KI die Wörter weit häufiger als die Sprecher. Der gesamte Ablauf ist deshalb darauf ausgelegt, die Zuordnung zu überprüfen.

Dieser Leitfaden zeigt, wie Sie eine Gruppe so aufnehmen, dass sie sich gut transkribieren lässt, einen Ablauf Schritt für Schritt, wie ein fertiges Fokusgruppen-Transkript aussieht und was menschliche Dienstleister und Software kosten.

Wie transkribiert man eine Fokusgruppe?

Die Kurzfassung, der Reihe nach:

  1. Für die Transkription aufnehmen, nicht nur als Gedächtnisstütze. Ein gutes Tischmikrofon in der Mitte der Gruppe, ein ruhiger Raum, zu Beginn eine Vorstellungsrunde.

  2. Einen maschinellen Entwurf erstellen. Laden Sie die Aufnahme in ein Transkriptionstool mit Sprecherkennzeichnung hoch und lassen Sie es die Wörter und eine erste Vermutung zu den Sprechern liefern.

  3. Bezeichnungen den Teilnehmenden zuordnen. Nutzen Sie die Vorstellungsrunde und die Namensnennungen der Moderation, um „Sprecher 3“ einem echten Platz und einem Teilnehmercode zuzuordnen.

  4. Die Zitate prüfen, auf die es ankommt. Hören Sie jede Passage nach, die Sie codieren, zitieren oder berichten, und korrigieren Sie dort Zuordnung und Hörfehler.

  5. Kennzeichnen, was sich nicht klären lässt, etwa überlappende Stimmen, statt zu raten.

  6. Anonymisieren und exportieren, mit Teilnehmer-IDs, in Ihr Analysetool.

Alles von Hand abzutippen ist weiterhin möglich, aber langsam. Ein Lehrbuch zu qualitativen Methoden der Rutgers University hält fest, dass die Transkription einer 60-minütigen Fokusgruppendiskussion bis zu 10 Stunden dauern kann. Mit einem maschinellen Entwurf verlagern sich diese Stunden vom Tippen aufs Prüfen.

Warum die Transkription einer Fokusgruppe schwieriger ist als ein Interview

Ein Interviewtranskript mit zwei Personen hat zwei Stimmen, die sich selten überlagern. Eine Fokusgruppe hat sechs bis zehn, und dasselbe Rutgers-Kapitel nennt 6–10 Teilnehmende als übliche Zielgröße. Das verändert die Aufgabe in dreierlei Hinsicht.

  • Die Sprecherkennzeichnung wird mit jeder Stimme schwieriger. Die Sprecherdiarisierung, also der Schritt, der festlegt, wer wann gesprochen hat, gruppiert Stimmen nach ihren akustischen Merkmalen. Ähnliche Stimmen (gleiches Alter, Geschlecht und gleicher Akzent, was bei homogen rekrutierten Gruppen häufig ist) werden zu einem Sprecher zusammengelegt oder auf zwei aufgeteilt.

  • Überlappungen sind normal. Zustimmungslaute, Unterbrechungen und gemeinsames Lachen bringen zwei oder drei Stimmen in dieselbe Sekunde. Ein Transkript ist eine einzige Textzeile, irgendetwas muss also auf der Strecke bleiben.

  • Das Mikrofon ist von den meisten weit entfernt. Wer am anderen Tischende sitzt, erreicht das Mikrofon über den Raumhall, und dieselbe Person klingt anders, wenn sie sich zurücklehnt.

Der Abstandseffekt zeigt sich auch in veröffentlichten Benchmarks. Das quelloffene Diarisierungsmodell pyannote gibt eine Diarisierungsfehlerrate von 18,8 % auf dem AMI-Meeting-Korpus mit Headset-Audio an und 22,4 % für dieselben Meetings, aufgenommen über einen einzelnen Fernfeld-Array-Kanal, jeweils einschließlich überlappender Sprache. Das sind kleine Meetings mit vier Personen. Eine größere, lebhaftere Fokusgruppe, aufgenommen mit einem einzigen Raummikrofon, liegt am schwierigeren Ende dieser Spanne, während die Wortebene meist deutlich besser standhält. Hintergründe zur Wortgenauigkeit finden Sie in warum die Genauigkeit von KI-Transkription schwankt.

Eine Fokusgruppe für ein sauberes Transkript aufnehmen

Über die Qualität des Transkripts wird größtenteils entschieden, bevor jemand auf Hochladen klickt. Diese Gewohnheiten kosten während der Sitzung nichts und sparen hinterher Stunden.

  1. Ein zentrales Grenzflächen- oder Konferenzmikrofon verwenden. Stellen Sie es in die Mitte des Tisches, nicht vor die Moderation. Ein Smartphone am Ende eines langen Tisches erfasst die nahe Hälfte des Raums und vom Rest nur den Hall. Wenn möglich, legen Sie ein zweites Aufnahmegerät ans andere Ende als Reservespur.

  2. Einen akustisch gedämpften Raum wählen. Teppich, Vorhänge und gepolsterte Stühle schlucken Hall. Besprechungsräume mit Glaswänden und leere Säle lassen jede Stimme verschwimmen.

  3. Mit einer Vorstellungsrunde beginnen. „Lassen Sie uns einmal reihum gehen: Vorname und das letzte Produkt, das Sie zurückgeschickt haben.“ Zwanzig oder dreißig Sekunden, in denen jede Person allein spricht, liefern eine Referenzprobe, um die Sprecherbezeichnungen später zuzuordnen.

  4. Die Moderation Namen aussprechen lassen. „Danke, Maria. David, Sie haben gerade den Kopf geschüttelt?“ Jeder ausgesprochene Name ist ein Anker im Transkript, um die Bezeichnungen drumherum zu korrigieren. Gute Moderation ist es ohnehin, weil es stille Teilnehmende einbezieht.

  5. Eine Grundregel zu Überlappungen festlegen. „Bitte immer nur eine Stimme, wir nehmen auf.“ Wiederholen Sie das freundlich, wenn die Diskussion hitziger wird.

  6. Einen Sitzplan führen und eine Person protokollieren lassen. Eine Co-Moderation, die an wichtigen Stellen notiert, wer gesprochen hat („P04 starker Einwand zum Preis, ca. Min. 40“), macht aus unklaren Passagen beim Prüfen geklärte.

  7. Die Einwilligung auf der Aufnahme festhalten. Kündigen Sie zu Beginn die Aufnahme und ihren Zweck an und holen Sie die Zustimmung jeder Person gemäß Ihrem Ethikprotokoll ein. Die Regeln unterscheiden sich je nach Land und Kontext. Die Grundlagen fasst unser Leitfaden zur Einwilligung in Aufnahmen in den USA und der EU zusammen.

Wenn die Methode es zulässt, lassen sich kleinere Gruppen besser transkribieren. Jede weitere Person bringt eine weitere Stimme, die getrennt werden muss, und mehr Gelegenheiten für Überlappungen.

Daten aus Fokusgruppen Schritt für Schritt transkribieren

  1. Die beste Spur hochladen. Haben Sie mit zwei Geräten aufgenommen, hören Sie in jede Aufnahme eine Minute hinein und nehmen Sie die sauberere. Lange Aufnahmen sind für die meisten Tools kein Problem, prüfen Sie vor einer 2-stündigen Sitzung aber das Größenlimit.

  2. Das Transkript mit aktivierter Sprecherkennzeichnung erstellen. Rechnen Sie mit einer soliden Wortebene und einer Sprecherebene, die Nacharbeit braucht.

  3. Die Bezeichnungen an der Vorstellungsrunde kalibrieren. Spielen Sie die Eröffnungsrunde ab, notieren Sie, welche Bezeichnung jede Person bekommen hat, und benennen Sie die Bezeichnungen in Teilnehmercodes um (P01, P02 …). Suchen Sie dann nach Stellen, an denen eine Bezeichnung plötzlich zwei Meinungen hintereinander abdeckt: ein Zeichen dafür, dass zwei Stimmen zusammengelegt wurden.

  4. Dort prüfen, wo es für die Analyse zählt. Nicht jedes „mhm“ braucht eine Urheberin. Jede Passage, die Sie codieren, zitieren oder zählen, schon: Zum Zeitstempel springen, anhören, Sprecher und Wortlaut bestätigen. Planen Sie diese Zeit ausdrücklich ein, bei einer lebhaften Gruppe ist sie der größte Teil der Arbeit.

  5. Kennzeichnen, was sich nicht klären lässt. Verwenden Sie einheitliche Markierungen wie [überlappend], [unverständlich 00:41:12] und [nicht identifizierte Person]. Ein gekennzeichnetes Unbekanntes ist ehrliche Information, ein geratener Name verfälscht Ihre Analyse.

  6. Notizen der Moderation und zum Kontext ergänzen. Fügen Sie Beobachtungsnotizen wie [Gruppe lacht] oder [P03 zeigt auf den Prototyp] dort ein, wo sie die Bedeutung verändern.

  7. Anonymisieren, dann exportieren. Ersetzen Sie Namen und identifizierende Angaben, protokollieren Sie die Änderungen und exportieren Sie als DOCX zum Lesen oder als CSV/XLSX, wenn Ihr Codierablauf mit Tabellen arbeitet.

Bei Online-Gruppen über Zoom, Google Meet oder Teams gilt derselbe Ablauf für die Aufnahme der Plattform. Wo jede Plattform ihre Dateien speichert, erklärt dieser Leitfaden zum Transkribieren von Meeting-Aufnahmen. Der Desktop-Client von Zoom bietet bei lokaler Aufzeichnung außerdem die Option, für jede teilnehmende Person eine eigene Audiodatei zu speichern. Wenn das funktioniert, enthält jede Datei nur eine Stimme, und das Zuordnungsproblem verschwindet ganz. Testen Sie es aber zuerst in einem kurzen Call, denn Nutzer berichten, dass die getrennten Dateien nicht immer entstehen.

Beispiel für ein Transkript einer Gruppendiskussion

Ein verbindliches Format gibt es nicht, ein brauchbares Fokusgruppen-Transkript hat aber einen Kopf mit Angaben zur Sitzung, Teilnehmercodes statt Namen, Zeitstempel bei jedem Sprecherwechsel und einheitliche Markierungen für nonverbale Ereignisse. Hier ein kurzes Beispiel in diesem Format:

Sitzung: FG-03, Online-Banking-App, 8 rekrutiert, 7 anwesend
Datum: 2026-10-14 | Moderation: MOD | Beobachtungsnotizen: AM
Teilnehmende: P01–P07 (nur Codes; Schlüssel separat aufbewahrt)

[00:12:04] MOD: Sprechen wir über die Überweisungsmaske. P05, Sie hatten das vorhin erwähnt?
[00:12:09] P05: Ja, ich weiß nie, ob das Geld jetzt weg ist oder nicht. Es gibt keine Bestätigung.
[00:12:15] P02: Geht mir auch so. Ich mache jedes Mal einen Screenshot, sicherheitshalber.
[00:12:18] [überlappend, mehrere Teilnehmende stimmen zu]
[00:12:21] P07: Ich finde ja eigentlich gut, dass es so schnell geht. [lacht]
[00:12:25] MOD: Schnell, aber nicht beruhigend. Sieht das jemand anders?
[00:12:29] [nicht identifizierte Person]: Kommt auf den Betrag an.
[00:12:31] P01: Genau, bei der Miete kontrolliere ich dreimal.

Die Regeln hinter diesem Beispiel als kurze Vorlage:

ElementRegelWarum es wichtig ist
Sprecher-IDsMOD, AM, P01–P10; Schlüssel separat gespeichertHält das Transkript pseudonymisiert und codierbar
ZeitstempelBei jedem Sprecherwechsel, hh:mm:ssJede Person kann zum Audio zurückspringen, um ein Zitat zu prüfen
Überlappung[überlappend] mit kurzer BeschreibungHält fest, dass Zustimmung stattfand, ohne zu erfinden, wer sie geäußert hat
Unverständliches[unverständlich hh:mm:ss]Markiert die Lücke und die Stelle zum erneuten Anhören
Unbekannte Person[nicht identifizierte Person]Verhindert falsche Zuordnungen beim Codieren
Nonverbale Ereignisse[lacht], [Gruppe lacht], [Pause]Bewahrt den Ton dort, wo er die Bedeutung verändert
Schwärzungen[Arbeitgeber], [Ort], [Abschnitt entfernt]Zeigt Lesern, dass etwas bewusst entfernt wurde

Wörtlich oder geglättet: Welches Transkript für eine Fokusgruppe?

Entscheiden Sie das vor dem Transkribieren, denn es bestimmt, wie viel Prüfaufwand nötig ist. Ein geglättetes (einfaches wörtliches) Transkript lässt Füllwörter und Satzabbrüche weg und reicht für die meisten thematischen Analysen, bei denen Sie codieren, was gesagt wurde. Ein exakt wörtliches Transkript behält jedes „äh“, jeden Neuansatz und jede Überlappung. Konversationsanalyse und Diskursanalyse brauchen es in der Regel. Automatische Tools liefern standardmäßig etwas, das der geglätteten Variante nahekommt, und gerade beim Durcheinandersprechen in Gruppen lässt sich die exakte Variante am schwersten automatisieren. Verlangt Ihre Methode sie, planen Sie für die überlappenden Passagen viel Handarbeit ein.

Dienstleister oder Software für die Transkription von Fokusgruppen: Kosten und Zeit

Sie haben drei realistische Möglichkeiten, und sie unterscheiden sich vor allem darin, wohin die Stunden fließen.

OptionKosten für eine 90-minütige GruppeIhr ZeitaufwandSprecherzuordnung
Selbst transkribierenKostenlosViele Stunden Tippen (laut Rutgers-Schätzung bis zu etwa 10 Stunden pro Stunde Aufnahme)Ihre eigene, also so gut wie Ihre Notizen und Ihr Gedächtnis
Menschlicher TranskriptionsdienstEtwa $179 bei Rev mit $1.99 pro Minute; auch andere menschliche Dienste rechnen pro Audiominute abNur PrüfenErledigt von jemandem, der nicht im Raum war; Stichproben lohnen sich trotzdem
KI-Transkription plus Ihre PrüfungViel weniger als ein menschlicher Dienst; zum Beispiel etwa $8 aus dem 200-Minuten-Paket von BlaBlaScribePrüfen und Bezeichnungen korrigieren, meist ein Bruchteil der TippzeitVorläufige Zuordnung durch Diarisierung; Sie prüfen die Passagen, die Sie verwenden

Revs aktueller Preis steht auf der Preisseite ($1.99 pro Minute für menschliche Transkription, Stand November 2026). Menschliche Dienste sind vor allem dann sinnvoll, wenn Sie bei schwierigem Audio eine exakt wörtliche Transkription brauchen oder überhaupt keine Zeit zum Prüfen haben. Einen ausführlicheren Vergleich bieten wann sich menschliche Transkription nicht lohnt und unser Überblick über die beste KI-Transkriptionssoftware.

Ein Beispiel für den Software-Weg: BlaBlaScribe transkribiert hochgeladene Aufnahmen in 120+ Sprachen mit Sprecherkennzeichnung und exportiert unter anderem DOCX, CSV und XLSX. Die Genauigkeit bei den Wörtern liegt bei bis zu 99,8 % bei klarem Audio. Bei einer verrauschten Gruppenaufnahme fällt sie niedriger aus, und wie jedes Diarisierungssystem kann es zwei gleichzeitig sprechende Personen nicht zuverlässig trennen. Es ist kein Meeting-Bot und tritt keinen laufenden Sitzungen bei: Sie laden die Aufnahme hoch oder fügen einen Link ein. Der kostenlose Tarif bietet einmalig 30 Minuten, ein 200-Minuten-Paket kostet $17.50 ohne Abo. Die Dateien werden auf Servern in Deutschland verarbeitet und nicht zum Training von KI verwendet, was für die Ethikprüfung zählt.

Ein Fokusgruppen-Transkript anonymisieren

Stimmen, Namen und Geschichten der Teilnehmenden sind personenbezogene Daten. Planen Sie die Anonymisierung deshalb als Teil der Transkription ein, nicht als nachträglichen Gedanken. Die Hinweise des UK Data Service zur Anonymisierung von Textdaten empfehlen einige Praktiken, die gut zu Fokusgruppen passen:

  • Beschreibende Ersetzungen statt Lücken verwenden. „[Kollegin 1]“ oder „[Heimatort]“ halten die Diskussion lesbar, eine Reihe von X macht sie für die Analyse unbrauchbar.

  • Ersetzungen einheitlich anwenden, über alle Transkripte des Projekts hinweg. Denken Sie daran, dass sich Menschen gegenseitig mit Spitznamen ansprechen, die eine Suche nicht findet.

  • Ein Anonymisierungsprotokoll führen mit jeder Änderung, getrennt von den Transkripten gespeichert.

Gruppendiskussionen bringen ein Risiko mit, das Interviews nicht haben: Teilnehmende nennen sich gegenseitig beim Namen und erwähnen gemeinsame Arbeitsplätze oder Wohnviertel. Lesen Sie gezielt auf solche Querverweise hin, nicht nur auf die Sprecherbezeichnungen. Beachten Sie außerdem, dass nach der DSGVO der EU (Erwägungsgrund 26) pseudonymisierte Daten, die sich über einen Schlüssel noch einer Person zuordnen lassen, personenbezogene Daten bleiben. Das Transkript mit Teilnehmercodes muss also sicher gespeichert werden, solange Sie den Schlüssel besitzen.

Häufig gestellte Fragen

Wie lange dauert es, eine Fokusgruppe zu transkribieren?

Von Hand abgetippt kann es bis zu etwa 10 Stunden pro Stunde Diskussion dauern. Mit einem KI-Entwurf besteht die Arbeit darin, Sprecherbezeichnungen und wichtige Zitate zu prüfen, was je nach Gruppengröße und Audioqualität meist nur einen Bruchteil davon braucht.

Was kostet die Transkription einer Fokusgruppe?

Menschliche Dienste rechnen pro Audiominute ab. Rev etwa nennt $1.99 pro Minute, also rund $179 für eine 90-minütige Gruppe. KI-Transkription kostet weit weniger (zum Beispiel etwa $8 für 90 Minuten aus einem 200-Minuten-Paket für $17.50), dafür investieren Sie eigene Zeit, um zu prüfen, wer was gesagt hat.

Kann KI in einer Fokusgruppe jeden Sprecher unterscheiden?

Nicht zuverlässig. Die Sprecherkennzeichnung funktioniert am besten bei wenigen, deutlich unterschiedlichen Stimmen, die sich abwechseln, und wird schlechter mit mehr Teilnehmenden, ähnlichen Stimmen, überlappender Sprache und einem weit entfernten Mikrofon. Planen Sie also ein, die Zuordnung in den analysierten Passagen zu prüfen.

Was gehört in ein Transkript einer Gruppendiskussion?

Ein Kopf mit Angaben zur Sitzung, Teilnehmercodes statt Namen, ein Zeitstempel bei jedem Sprecherwechsel und einheitliche Markierungen für Überlappungen, unverständliche Stellen, nicht identifizierte Personen und Schwärzungen. So wird es codierbar, und jede Person kann ein Zitat am Audio überprüfen.

Sollten Fokusgruppen-Transkripte wörtlich sein?

Für die meisten thematischen Analysen reicht eine geglättete (einfache) wörtliche Transkription. Eine exakt wörtliche mit jedem Füllwort und jeder Überlappung braucht man für Konversations- oder Diskursanalyse, und sie erfordert beim Durcheinandersprechen in Gruppen deutlich mehr Handarbeit.

Lassen sich Fokusgruppen online oder vor Ort besser transkribieren?

Online-Gruppen lassen sich meist besser transkribieren, weil jede Person nah an ihrem eigenen Mikrofon sitzt und manche Plattformen getrenntes Audio pro Teilnehmer speichern können. Vor Ort holen ein zentrales Tischmikrofon, eine Vorstellungsrunde und eine Moderation, die Namen ausspricht, den größten Teil dieses Unterschieds wieder auf.

Machen Sie aus Ihren Aufnahmen Text, mit dem Sie arbeiten können

Laden Sie Audio oder Video hoch, fügen Sie einen YouTube-Link ein oder nehmen Sie direkt im Browser auf. In wenigen Minuten erhalten Sie ein Transkript mit Sprecherzuordnung – in über 120 Sprachen.

BlaBlaScribe kostenlos testen

Keine Kreditkarte nötig · Gespeichert in der EU · Nie für KI-Training verwendet

Top-Artikel