Das Transkript im Zeitalter der Künstlichen Intelligenz Automatische Spracherkennung in der Oral History

Abstract

Der Beitrag untersucht Potenziale und Grenzen der automatischen Spracherkennung (ASR) für Oral-History-Interviews. Die manuelle Transkription audiovisueller Aufzeichnungen ist zeit- und kostenintensiv; dieser „Transkriptionsflaschenhals“ hemmt die Erschließung und Bereitstellung umfangreicher Bestände. Das Projekt „ASR4Memory“ entwickelte eine datenschutzkonforme Open-Source-Transkriptionspipeline auf Basis von WhisperX, die auf lokalen Servern betrieben wird. Als zentrale Herausforderung zeigt sich die von ASR-Modellen bewirkte Glättung gesprochener Sprache, durch die Dialekte, Füllwörter und nonverbale Äußerungen verlorengehen – für wissenschaftliche Analysen oft essenzielle Elemente. Der Einsatz automatischer Spracherkennung wirft zudem ethische und rechtliche Fragen auf, insbesondere hinsichtlich des Datenschutzes sowie potenzieller Verzerrungen durch Trainingsdaten. Die ASR-Anwendung erzeugt verschiedene, zeit-alignierte Transkriptformate mit Sprechererkennung und unterstützt multimodales Arbeiten sowie Volltextsuche. Trotz erheblicher Zeitgewinne bleibt eine Nachbearbeitung häufig erforderlich. Durch domänenspezifisches Fine-Tuning mit 300 Stunden anonymisierter Interviews wurden sowohl die Wortfehlerrate als auch die Erkennung historischer Begriffe deutlich verbessert. Die Studie plädiert für eine transparente, kritisch reflektierte ASR-Nutzung unter Berücksichtigung fachspezifischer Anforderungen und ethischer Standards, um audiovisuelle Forschungsdaten gemäß den FAIR-Prinzipien nachhaltig zu erschließen.

Bibliographie: Kilgus, Tobias/Kompiel, Peter: Das Transkript im Zeitalter der Künstlichen Intelligenz. Automatische Spracherkennung in der Oral History, BIOS – Zeitschrift für Biographieforschung, Oral History und Lebensverlaufsanalysen, 1+2-2025, S. 68-82.