WCAG 1.2.5: Audiodeskription (aufgezeichnet)

WCAG 1.2.5 verlangt für jedes aufgezeichnete Video mit Ton eine Audiodeskription der visuell vermittelten Informationen – auf Stufe AA fällt das Wahlrecht aus 1.2.3 weg, eine reine Textfassung genügt nicht mehr. Keine Deskription braucht nur, wer schon beim Dreh alles Sichtbare mitspricht.

(Englisch: Audio Description (Prerecorded). Im BIK-BITV-Test heißt der Prüfschritt „1.2.5 Audiodeskription für Videos“.)

Das Wichtigste in Kürze

• Auf AA gibt es kein Wahlrecht mehr. Die Volltext-Alternative aus 1.2.3 bleibt nützlich, erfüllt 1.2.5 aber nicht.
• Am günstigsten ist eine Audiodeskription, die man gar nicht braucht: Wenn die Tonspur schon alles Sichtbare benennt, reicht das ohne zweite Spur.
• Drei anerkannte Einbindungswege: in die normale Tonspur integriert, als separate Videofassung, als zuschaltbare Deskriptionsspur im Player.
• Der Prüfschritt beginnt mit der Frage nach der Einbindungsart – wer das im Bericht nicht sauber benennt, diskutiert später über das falsche Problem.
• „Wichtige informationstragende Bildinhalte“ sind laut Prüfschritt auch eingeblendete Namen und Strukturangaben, nicht nur Handlungen.
• Nicht anwendbar bei Videos ohne Tonspur, bei Gebärdensprachvideos, bei reinen Medienalternativen zu Text und dort, wo das Bildgeschehen nicht in Worte zu fassen ist.
• Erweiterte Audiodeskription – das Video hält für die Beschreibung an – ist mit WCAG 1.2.7 ein eigenes AAA-Kriterium und auf AA nicht gefordert.
• Kostenrahmen Stand Juli 2026: für einen typischen Unternehmensfilm nennen deutsche Anbieter grob 300 bis 1.000 Euro; ein Drehbuch, das mitspricht, kostet nichts extra.

Wann brauche ich eine Audiodeskription?

1.2.5 ist die AA-Verschärfung von 1.2.3 und der Grund, warum das Wahlrecht dort in der Praxis fast nie greift: Da BFSG und BITV auf AA verweisen, ist die Audiodeskription der verbindliche Weg.

Die Anforderung selbst ist eng umrissen: Alle sinntragenden visuellen Informationen müssen hörbar werden – Handlungen, Szenenwechsel, eingeblendete Texte, Diagramme, wer gerade im Bild ist. Der BIK-BITV-Test formuliert die Prüffrage als Suche nach der Lücke: Gibt es im Video wichtige informationstragende Bildinhalte, die weder in der Tonspur noch in einer zusätzlichen Audiodeskription vorkommen? Wenn ja, ist der Prüfschritt nicht erfüllt. Sind die Beschreibungen vorhanden, aber unvollständig, lautet die Bewertung „teilweise erfüllt“.

Der praktisch wichtigste Satz steht in der Begründung des Prüfschritts, und er wird regelmäßig überlesen: Es geht um Passagen, in denen wenig gesprochen wird. Eine Nachrichtensendung, in der durchgehend erklärt wird, was zu sehen ist, braucht keine zusätzliche Spur. Eine Reportage mit langen Bildstrecken braucht sie sehr wohl. Die Frage ist also nicht „hat das Video Bilder“, sondern „tragen die Bilder Information, die im Ton fehlt“.

Daraus folgt die wichtigste Klarstellung des W3C: Wenn der vorhandene Ton bereits alles Wesentliche transportiert, ist keine zusätzliche Deskription nötig. Bei einem Interview vor neutralem Hintergrund gibt es nichts zu beschreiben. Bei einem Screencast, dessen Kommentar jeden Klick benennt, ebenso wenig. Bei gut gemachten Web-Videos ist das der Normalfall, kein Sonderweg. Ein sauberes Drehbuch kostet deshalb nichts extra.

Vier Fälle sind nicht anwendbar: Videos ohne Tonspur (dort greift 1.2.1), Gebärdensprachvideos, Videos, die selbst nur die Alternative zu einem Text sind, und Bildgeschehen, das sich nicht in Worte fassen lässt.

Der Normtext steht im Understanding-Dokument des W3C zu 1.2.5, das deutsche Prüfvorgehen im Prüfschritt „1.2.5 Audiodeskription für Videos“.

Wen betrifft es besonders?

Blinde und sehbehinderte Menschen sind die Zielgruppe – aber der Unterschied zu 1.2.3 ist kein Unterschied im Adressaten, sondern in der Nutzbarkeit. Eine Volltext-Alternative erfüllt formal denselben Zweck, verlangt aber, dass jemand zwei Medien nebeneinander verarbeitet: Video hören und gleichzeitig Text lesen. Mit einem Screenreader geht das praktisch nicht, weil beide Tonquellen um dasselbe Ohr konkurrieren. Die Deskription löst genau dieses Problem: Sie läuft mit, im richtigen Moment, in derselben Modalität.

Für Menschen mit Sehrest und starker Vergrößerung ist ein Video ein schwieriges Format, weil sich der Bildausschnitt nicht anhalten lässt. Eine Deskription, die benennt, worauf es gerade ankommt, ersetzt das mühsame Suchen im Bild.

Und es gibt eine dritte Gruppe, die kaum genannt wird: alle, die ein Video nebenbei hören. Wer beim Kochen oder Pendeln einen Vortrag laufen lässt, hat dieselben Lücken wie eine blinde Person – nur freiwillig. Eine Tonspur, die selbsttragend ist, macht das Video auch als reines Hörformat brauchbar. Das ist der Curb-Cut-Effekt auf der Produktionsseite.

Richtig & falsch im Code

Die entscheidende Weiche wird im Skript gestellt, nicht im Markup. Der Unterschied zwischen einem Video, das eine Deskription braucht, und einem, das keine braucht, sind ein paar Formulierungen:

Falsch (braucht später eine zweite Spur):
  „So, und hier tragen wir das jetzt ein, dann geht das hier weiter,
   und dann seht ihr schon das Ergebnis.“

Richtig (Deskription ist bereits integriert):
  „Ich trage in das Feld ‚Rechnungsnummer‘ die 2026-0413 ein und drücke
   auf ‚Weiter‘. Oben erscheint eine grüne Meldung: Beleg gespeichert,
   Vorgangsnummer 8842.“

Wo eine separate Fassung nötig ist, gehört der Zugang sichtbar neben das Video – nicht in ein Untermenü:

<!-- Falsch: Deskriptionsfassung existiert, ist aber nur
     über ein Playlist-Menü per Maus erreichbar -->
<video controls src="/video/jahresbericht.mp4"></video>

<!-- Richtig: benannter, tastaturbedienbarer Zugang daneben -->
<video controls poster="/video/jahresbericht-poster.jpg">
  <source src="/video/jahresbericht.mp4" type="video/mp4" />
  <track kind="captions" src="/video/jahresbericht.de.vtt"
         srclang="de" label="Deutsch" default />
</video>
<p>
  <a href="/video/jahresbericht-audiodeskription.mp4">
    Jahresbericht mit Audiodeskription abspielen (4:12 Min.)
  </a>
</p>

Wenn du die Umschaltung im eigenen Player baust, hilft ein Muster, das ohne JavaScript-Akrobatik auskommt: zwei Quellen, ein Schalter, der die Wiedergabezeit übernimmt.

// Richtig: beim Umschalten die Position mitnehmen
const schalter = document.querySelector('#ad-schalter');
const video = document.querySelector('#player');

schalter.addEventListener('change', () => {
  const zeit = video.currentTime;
  const lief = !video.paused;
  video.src = schalter.checked
    ? '/video/jahresbericht-audiodeskription.mp4'
    : '/video/jahresbericht.mp4';
  video.currentTime = zeit;
  if (lief) video.play();
});

Der Schalter selbst braucht eine sichtbare Beschriftung, keinen bloßen Icon-Knopf – siehe 2.5.3 Beschriftung im Namen und Toggles & Custom Controls. Die vollständigen Player-Muster stehen unter Barrierefreier Media-Player.

So testest du es

1. Alle aufgezeichneten Videos mit Tonspur auflisten. Stumme Videos gehören zu 1.2.1, Livestreams zu 1.2.4.
2. Die Einbindungsart feststellen: integrierte Deskription in der normalen Tonspur, separate Fassung oder zuschaltbare Spur? Diese Frage steht am Anfang des Prüfschritts.
3. Den Bildschirm-aus-Test machen. Video ausschließlich hören. Bleibt eine Frage offen, fehlt Deskription.
4. Gezielt nach den vier Klassikern suchen: eingeblendete Namen und Funktionen, Zahlen und Preise, Bedienschritte, Diagrammwerte.
5. Bei separater Fassung prüfen, ob sie auffindbar, benannt und per Tastatur erreichbar ist – und ob sie tatsächlich dasselbe Video zeigt, nicht eine ältere Schnittfassung.
6. Synchronität stichprobenartig prüfen: Kommen die Beschreibungen in den Pausen, oder reden Deskription und Originalton übereinander?
7. Den Produktionsprozess prüfen. Wird bei neuen Videos das Skript darauf gegengelesen, ob es das Sichtbare ausspricht? Ohne diesen Schritt entsteht der Aufwand bei jedem Video neu – er gehört in die Checkliste.

Häufiger Fehler in der Praxis

Der teuerste Fehler ist die Reihenfolge: erst produzieren, dann über Barrierefreiheit nachdenken. Ein fertiger Film lässt sich nur noch mit einer zweiten Spur retten, und die kostet in Deutschland Stand Juli 2026 für einen typischen Unternehmensfilm mehrere hundert Euro. Derselbe Film mit einem Skript, das das Sichtbare benennt, kostet keinen Cent mehr als ohne. Der Unterschied entsteht in einer halben Stunde beim Texten – und er entfällt komplett, wenn niemand daran denkt.

Der zweite ist die Textfassung, die auf AA weitergereicht wird. In vielen Selbstbewertungen steht bei 1.2.5 ein Haken mit dem Verweis auf ein Transkript oder eine Volltext-Alternative. Das ist die 1.2.3-Antwort auf eine 1.2.5-Frage. Der BIK-BITV-Test prüft nach AA – und dort zählt nur die Deskription. Da beiß ich mir in Berichten regelmäßig auf die Zunge, weil der Aufwand für die Korrektur später um ein Vielfaches höher ist als beim Dreh.

Der dritte ist die Deskription ohne Pausen. Jemand hat eine Spur produziert, gut gemeint und dicht getextet – und sie legt sich über den Originalton. Das Ergebnis ist für niemanden nutzbar. Wo die natürlichen Pausen nicht reichen, ist die richtige Antwort nicht schneller sprechen, sondern das Video umschneiden oder die Volltext-Alternative zusätzlich anbieten. Die erweiterte Deskription, bei der das Video anhält, wäre die saubere Lösung – sie ist allerdings ein AAA-Kriterium und in Standard-Playern kaum umsetzbar.

Und ein Detail, das im Audit auffällt und sonst nie: die veraltete Deskriptionsfassung. Das Hauptvideo wurde nachgeschnitten, die Audiodeskriptionsfassung nicht. Beide liegen nebeneinander, unterschiedlich lang, mit verschobenen Zeitmarken. Wer eine zweite Fassung pflegt, braucht dafür einen Platz im Veröffentlichungsprozess.

Häufige Fragen

Reicht ein Transkript oder eine Textfassung für 1.2.5?

Nein. Das ist der Unterschied zu 1.2.3: Auf Stufe A darf man zwischen Deskription und Volltext-Alternative wählen, auf AA nicht mehr. Eine Textfassung bleibt sinnvoll und hilft anderen Zielgruppen, erfüllt 1.2.5 aber nicht.

Wann braucht ein Video keine Audiodeskription?

Wenn die vorhandene Tonspur alles Wesentliche schon sagt. Talking-Head-Interviews, kommentierte Screencasts und Vorträge, bei denen die Folieninhalte vorgelesen werden, erfüllen das Kriterium ohne zusätzliche Spur. Ebenfalls ausgenommen sind Gebärdensprachvideos, Videos ohne Tonspur und Videos, die selbst nur die Alternative zu einem Text sind.

Was kostet eine Audiodeskription?

Für einen typischen Unternehmensfilm nennen deutsche Anbieter Stand Juli 2026 grob 300 bis 1.000 Euro, spezialisierte Studios kalkulieren auch pro Minute inklusive Skript, Sprecher und Tonmischung. Die integrierte Variante – Sichtbares beim Dreh mitsprechen – verursacht keine zusätzlichen Kosten und ist deshalb bei Web-Videos fast immer die richtige Wahl.

Muss die Deskription von einem Menschen gesprochen werden?

Nein, eine synthetische Stimme ist zulässig. Entscheidend ist, dass die Beschreibungen inhaltlich vollständig, verständlich und in den Sprechpausen platziert sind. Bei längeren oder erzählerischen Filmen ist eine menschliche Stimme angenehmer; bei kurzen Erklärvideos fällt der Unterschied kaum ins Gewicht.

Was ist erweiterte Audiodeskription?

Eine Deskription, für die das Video kurz anhält, weil die natürlichen Pausen nicht ausreichen. Sie steht als eigenes Kriterium auf Stufe AAA (1.2.7) und ist damit weder von BITV noch von BFSG gefordert. Bei sehr dichten Erklärvideos ist sie trotzdem der einzige Weg, alles unterzubringen – dann eher das Video entzerren als die Deskription hetzen.

Verwandte Themen

• 1.2.3 Audiodeskription oder Medienalternative – dieselbe Anforderung mit Wahlrecht auf Stufe A
• 1.2.2 Untertitel (aufgezeichnet) – die Gegenrichtung für die Tonspur
• Untertitel, Transkripte & Audiodeskription – Produktion, Werkzeuge und Abläufe
• Barrierefreier Media-Player – Umschaltung zwischen zwei Fassungen
• Sehbehinderung & Blindheit – wie Videos ohne Bild ankommen
• Konformitätsstufen A, AA, AAA – warum AA in Deutschland der Maßstab ist