TikTok Auto Captions sind Untertitel im Bild, die die App erzeugt, indem sie die Sprache in deinem Video transkribiert. Du schaltest sie vor dem Posten im Editor ein, TikTok erstellt ein zeitgenaues Transkript, und du kannst dieses Transkript Wort für Wort korrigieren, bevor das Video live geht.
Sie sind nicht deine Caption-Box. Das ist die geschriebene Beschreibung unter dem Video, und diesen Text gut zu schreiben ist ein eigenes Handwerk. In diesem Leitfaden geht es um Text, der auf dem Bild sitzt: ihn erzeugen, korrigieren, was die Transkription falsch versteht, ihn fürs stumme Schauen stylen und ihn dort platzieren, wo TikToks eigenes Interface nicht darüberliegt.
Drei Gründe, warum sich die zusätzlichen Minuten lohnen: Ein großer Teil des Feed-Konsums läuft stumm ab, Untertitel halten stumme Zuschauer beim Schauen statt beim Wischen, und die Worte, die du sagst, sind eine der Textflächen, die TikTok gegen eine Suchanfrage abgleichen kann.
Auto Captions einschalten
Stand Juni 2026 liegt der Ablauf im Bearbeitungsscreen nach der Aufnahme: Nimm deinen Clip auf oder lade ihn hoch und such dann in der seitlichen Toolbar nach der Untertitel-Option. TikTok bittet dich, die gesprochene Sprache zu bestätigen, lässt die Transkription laufen und legt einen Untertitelblock auf das Video.
Zwei Dinge passieren dort, die viele übersehen:
- Das Transkript wird editierbar. Tipp in die Untertitelliste — jede Zeile ist Text, den du umschreiben kannst. Genau darum geht es: Auto Captions sind ein erster Entwurf, kein fertiges Ergebnis.
- Der Block lässt sich verschieben. Die Standardposition ist selten die richtige. Dazu unten mehr.
Zuschauer können Untertitel auf ihrer Seite außerdem ausblenden — behandle die Untertitelebene also als starken Standard, nicht als Garantie.
Plattform-Untertitel vs. eingebrannter Text
Es gibt zwei Wege, Worte in ein TikTok zu bekommen. Die native Untertitelebene wird in der App erzeugt und bleibt separat und abschaltbar. Open Captions werden vor dem Upload in deinem Editor direkt in die Datei eingebrannt — permanente Pixel, kein Schalter.
| TikToks Untertitelebene | Eingebrannte (Open) Captions | |
|---|---|---|
| Aufwand | Schnell, in der App | Langsamer, braucht einen Editor |
| Kontrolle über das Styling | Auf TikToks Presets begrenzt | Vollständig |
| Zuschauer kann sie ausblenden | Ja | Nein |
| Übersteht einen Re-Upload woanders | Nein | Ja |
| Füttert TikToks Textsignale | Ja | Über die Transkription deines Audios |
Für TikTok-first-Content nimm die native Ebene und korrigiere das Transkript. Für alles, was du weiterverwertest, brenn die Untertitel ein — die Ebene wandert nicht auf eine andere Plattform mit.
Korrigiere das Transkript, bevor du postest
Spracherkennung ist gut und liegt trotzdem an vorhersehbaren Stellen daneben. Lies das ganze Transkript einmal durch — eine Minute bei einem 30-Sekunden-Video, und der Unterschied zwischen professionell wirken und schludrig wirken.
| Fehlerquelle | Wie es aussieht | Was zu tun ist |
|---|---|---|
| Marken- und Produktnamen | Aus deinem Produkt „Lumo" wird „loom oh" | Jedes Mal manuell korrigieren |
| Fachjargon | Aus „sous vide" wird „sue veed" | Führ eine kurze Liste deiner wiederkehrenden Begriffe |
| Zahlen und Einheiten | Aus „1/4 Tasse" wird „ein Viertel Tasse" | Als Ziffer schreiben — liest sich auch schneller |
| Homophone | das / dass, seit / seid, wider / wieder | Gezielt danach durchscannen |
| Schnelle oder überlappende Sprache | Wörter fallen komplett weg | Die Zeile neu aufnehmen oder eintippen |
| Laute Musikbetten | Ganze Sätze verstümmelt | Die Musik im Schnitt unter deiner Stimme absenken |
Eine Freelancerin, die ich kenne, betreut den Account einer Zahnarztpraxis und sah immer wieder, wie „composite bonding" als etwas Ähnliches, aber Falsches herauskam. Eine zweizeilige Liste mit Begriffen zum Gegenchecken machte aus einer wiederkehrenden Peinlichkeit eine Zehn-Sekunden-Gewohnheit.
Du kannst außerdem für Lesbarkeit editieren, nicht nur für Korrektheit. Füllwörter — „ähm", „halt", „weißt du" — dürfen aus dem Transkript verschwinden, auch wenn sie im Ton drin sind. Niemand muss deine verbalen Ticks lesen.
Warum die Worte, die du sagst, ein Such-Asset sind
Die TikTok-Suche zieht mehrere Textflächen heran, die an einem Video hängen, und das transkribierte Audio ist eine davon — neben deiner Caption, dem On-Screen-Text und den Hashtags. Wie diese Signale gewichtet werden, ist nicht veröffentlicht und verschiebt sich über die Zeit, was genau das Argument dafür ist, sie alle abzudecken. Unser TikTok-SEO-Leitfaden geht das komplette Set durch.
Die praktische Fassung für Untertitel:
- Sprich die Suchphrase laut aus, und zwar früh. Wenn die Suchanfrage „wie reinige ich eine angebrannte Pfanne" lautet, sollten diese Worte in der ersten Zeile deinen Mund verlassen und nicht nur in der Caption-Box auftauchen.
- Dann prüf, ob sie die Transkription überlebt hat. Ein zu Unsinn verstümmeltes Keyword ist ein Keyword, das du nicht veröffentlicht hast.
- Nutz das echte Vokabular. Wenn deine Zielgruppe nach „Flat White" sucht, sag nicht „Mikroschaum-Latte-Getränk", weil es professioneller klingt.
Styling fürs stumme Schauen
TikToks Untertitel-Presets sind begrenzt, was größtenteils eine Gnade ist. Ein paar Regeln, die halten:
- Kontrast vor Persönlichkeit. Weißer Text mit einer deckenden Hintergrund-Pille oder einer kräftigen Kontur übersteht jedes Material. Dünne Schriften über hellen, bewegten Hintergründen sind auf dem Handy bei Tageslicht unlesbar.
- Groß genug, um auf Armlänge lesbar zu sein. Schau dir die Vorschau auf dem Handy an, nicht auf einem Laptop-Monitor. Wenn du blinzelst, ist es zu klein.
- Kurze Häppchen. Maximal zwei Zeilen, idealerweise eine Phrase pro Beat. Ein dichter Absatz, der auf dem Screen klebt, lässt Leute aufhören zu lesen — und wenn sie aufhören zu lesen, wischen sie weiter.
- Verdeck nie ein Gesicht oder das, was du gerade vorführst. Wenn die Pointe eine Produkt-Nahaufnahme ist, weichen die Untertitel für diese Einstellung.
- Richte dich nach dem Schnitt, nicht nach dem Satz. Untertitel, die auf deinen Schnittpunkten wechseln, fühlen sich wie Teil des Videos an; Untertitel, die aus dem Takt laufen, wirken drangeklebt.
Karaoke-Highlighting Wort für Wort zieht das Auge tatsächlich mit, wird bei langen Sätzen aber schnell unruhig — heb es dir für Hooks und Pointen auf. Unser Retention-first-Schnitt-Workflow behandelt, wie das Timing der Untertitel mit Pacing und Cuts zusammenspielt.
Safe Zones: wo Untertitel nicht sitzen dürfen
Hier verlieren die meisten sonst guten Videos. TikTok rendert sein Interface über dein Bild, und das ist kein schmaler Rand:
- Rechte Leiste: Profil, Like, Kommentar, Bookmark, Teilen und die rotierende Sound-Scheibe — eine hohe Spalte an der rechten Seite.
- Unten links: Username, dein Caption-Text und der Sound-Titel. Denk daran, dass sich die Caption ausklappen kann, wenn jemand auf „mehr" tippt, und dann noch mehr vom Bild frisst.
- Oben: der Sucheinstieg und die Tabs „Folge ich" / „Für dich".
- Untere Kante: die Navigationsleiste plus jedes Shopping- oder CTA-Element, das das Video trägt.
Auto Captions landen standardmäßig häufig auf einer Position, die mit dem Block unten links kollidiert. Zwei Untertitelzeilen, die hinter deinem eigenen Caption-Text liegen, sind der häufigste Platzierungsfehler, den ich sehe.
Die Gewohnheit, die das behebt: Halte Untertitel im mittleren Drittel, leicht oberhalb der Mitte, und zieh sie bei jedem Clip mit langer Beschreibung höher. Bevor du planst, exportier ein Standbild aus dem untertitelreichsten Teil des Videos und schick es durch den TikTok-Safe-Zone-Checker — er legt die UI-Bereiche über dein Bild, sodass du die Kollision in Sekunden erkennst statt erst im Feed.
Wenn der Clip auch zu Reels und Shorts geht, prüf diese Layouts ebenfalls — die Verdeckungen liegen nicht übereinander. Der Reels-Safe-Zone-Checker und der Shorts-Safe-Zone-Checker decken das ab, und unsere Referenz für Bild- und Videogrößen hat die Maße, falls du dir ein Untertitel-Template baust.
Untertitel und Watchtime
Untertitel erzeugen für sich genommen keine Watchtime — ein langweiliges Video mit perfekten Untertiteln ist immer noch langweilig. Was sie tun: Sie beseitigen einen Grund zu gehen. Ein stummer Zuschauer, der den ersten zwei Sekunden nicht folgen kann, ist weg, und dieser frühe Abbruch ist der teuerste, den du kassieren kannst. Durchschnittliche Watchtime und Completion sind die Zahlen, die du beobachten solltest; der Leitfaden zu TikTok-Retention und Watchtime erklärt, wie sich die ersten Sekunden über den Rest der Kurve aufsummieren.
Auf deinem eigenen Account testenswert: ein Schwung Videos, der nur auf den Hooks untertitelt ist, gegen einen Schwung, der durchgehend untertitelt ist, verglichen auf ähnlichem Content. Plattformweite Durchschnitte sagen dir nicht, was dein Publikum tut.
Untertitel gehören zur selben Disziplin wie beschreibender Alt-Text bei statischen Posts — beide machen Content für Menschen nutzbar, die ihn nicht auf dem Standardweg konsumieren können, und beide sind nebenbei maschinenlesbar.
Wo Scheduling reinpasst
Untertitel entstehen in deinem Editor oder in der TikTok-App; das Planen kommt danach. Wenn dieselbe Idee auf mehr als eine Plattform geht, sind die eingebrannte Version und die Version mit nativen Untertiteln tatsächlich unterschiedliche Dateien.
SocialKit erstellt keine automatischen Untertitel, reframt und trimmt kein Video — das bleibt bei deinem Schnittwerkzeug. Es lässt dich aber einen Post einmal verfassen und Medien und Caption pro Plattform austauschen, sodass der eingebrannte Reels-Cut und der TikTok-Cut in einem Kalendereintrag liegen statt in zwei Workflows. Unsere Anleitung zum Planen von TikTok-Posts behandelt die Mechanik, und worin sich die drei Kurzvideo-Plattformen unterscheiden ist einen Blick wert, bevor du annimmst, dass eine Datei überall funktioniert.
Dein Untertitel-Durchgang vor dem Planen
Zieh das bei jedem Video durch. Als Gewohnheit dauert es unter fünf Minuten.
- Erzeuge Auto Captions im Editor und bestätige, dass die gesprochene Sprache stimmt.
- Lies das komplette Transkript und korrigiere Namen, Fachjargon, Zahlen und Homophone.
- Lösch Füllwörter aus dem Text, auch wenn sie im Ton drin sind.
- Prüf, ob deine Suchphrase die Transkription unbeschadet überstanden hat und früh vorkommt.
- Style auf Kontrast — deckender Hintergrund oder kräftige Kontur, groß genug fürs Handy.
- Teile in maximal zwei Zeilen und time die Wechsel auf deine Cuts.
- Zieh den Block über die Zone unten links, dann prüf ein Standbild im Safe-Zone-Checker.
- Schau es einmal stumm auf deinem Handy an, bevor es in die Warteschlange geht.
Schritt acht fängt alles ab, was die anderen sieben übersehen. Wenn du dem ganzen Video ohne Ton folgen kannst, ist es fertig.