Audiodeskription-Pflicht: Was BFSG und EU-Recht fordern

Es gibt kein Gesetz, das sagt: Jedes Video braucht eine Audiodeskription. Genau deshalb kursieren seit dem Inkrafttreten des BFSG so viele halbrichtige Antworten. Tatsächlich greifen drei Regelwerke ineinander — der Medienstaatsvertrag für Rundfunk und Streaming, das BFSG samt Verordnung für Produkte und Dienstleistungen, und die technischen Normen, die überhaupt erst definieren, was als Audiodeskription zählt.

Diese Seite legt die Quellen nebeneinander: welche Pflicht aus welchem Instrument folgt, was die Normen von einer Beschreibung verlangen, wo es Quoten gibt und wie eine sendefähige AD-Spur technisch aussieht.

Der Medienstaatsvertrag: Berichtspflicht statt Quote

Für Rundfunkveranstalter und Anbieter fernsehähnlicher Telemedien ist der Medienstaatsvertrag einschlägig. Er setzt Artikel 7 der Richtlinie (EU) 2018/1808 um, die von den Mitgliedstaaten verlangt, audiovisuelle Mediendienste kontinuierlich und schrittweise barrierefreier zu machen. Audiodeskription ist dort ausdrücklich als eines der Mittel genannt.

Die deutsche Umsetzung verpflichtet Anbieter, alle drei Jahre über den Stand der Barrierefreiheit zu berichten; die Berichte gehen an die Europäische Kommission. Eine Prozentzahl steht nirgends. Die Bundesfachstelle Barrierefreiheit ordnet die Berichtspflicht als Umsetzung von Artikel 7 Absatz 3 der AVMD-Richtlinie ein.

Behindertenverbände kritisieren diese Konstruktion seit dem ersten Entwurf. Der Vorwurf: Wer nur berichten muss, muss sich nicht bewegen. Die Zahlen stützen das. Nach einer Auswertung des Projekts TV für Alle, über die Die Neue Norm im September 2020 berichtete, lag der Anteil der Fernsehsendungen mit Audiodeskription bei rund 4 Prozent — gegenüber rund 33 Prozent bei der Untertitelung. Der Deutsche Blinden- und Sehbehindertenverband hielt der Politik damals entgegen, dass technische Schwierigkeiten als Begründung nicht mehr taugen, weil die öffentlich-rechtlichen Anstalten längst zeigen, dass es geht.

Was das BFSG tatsächlich erfasst

§ 3 BFSG formuliert den Grundsatz: Produkte, die ein Wirtschaftsakteur bereitstellt, und Dienstleistungen, die er anbietet, müssen barrierefrei sein — also für Menschen mit Behinderungen in der allgemein üblichen Weise, ohne besondere Erschwernis und grundsätzlich ohne fremde Hilfe auffindbar, zugänglich und nutzbar. Die konkreten Anforderungen stehen nicht im Gesetz selbst, sondern in der BFSGV.

Zwei Grenzen sind wichtig, bevor jemand seine gesamte Videobibliothek neu produzieren lässt:

• Kleinstunternehmen, die Dienstleistungen anbieten, sind nach § 3 Absatz 3 BFSG ausgenommen — weniger als zehn Beschäftigte und höchstens zwei Millionen Euro Jahresumsatz beziehungsweise Jahresbilanzsumme.
• Die audiovisuellen Vorschriften der BFSGV zielen auf Verbraucherendgeräte für den Zugang zu audiovisuellen Mediendiensten (§ 10 BFSGV) und auf Dienstleistungen im elektronischen Geschäftsverkehr (§ 19 BFSGV) — nicht auf jedes Unternehmensvideo.

Das BFSG macht Audiodeskription also nicht flächendeckend zur Pflicht. Es sorgt dafür, dass eine vorhandene AD-Spur übertragen, gefunden und ausgewählt werden kann. Wer eine Beschreibung anbietet, darf sie nicht in einem Player verstecken, den ein Screenreader nicht bedienen kann.

Der eigentliche Hebel: WCAG-Konformitätsstufe AA

In der Praxis kommen die meisten Teams nicht über das BFSG zur Audiodeskription, sondern über die WCAG-Stufe AA — weil ihr Auftraggeber, ihre Ausschreibung oder ihre Selbstverpflichtung darauf verweist.

Die WCAG teilt die Pflicht auf zwei Stufen auf. Erfolgskriterium 1.2.3 auf Stufe A lässt die Wahl zwischen einer Audiodeskription und einer vollständigen Textalternative zum Video. Erfolgskriterium 1.2.5 auf Stufe AA nimmt diese Wahl weg: Hier ist die Audiodeskription verlangt. Erweiterte Audiodeskription, bei der das Video für längere Beschreibungen anhält, ist Kriterium 1.2.7 auf Stufe AAA und wird selten gefordert.

Wer also mit einem Transkript geplant hat, weil das auf Stufe A reicht, steht auf Stufe AA ohne Lösung da. Für Stellen des Bundes ist die BITV 2.0 der maßgebliche Rahmen, die ihrerseits auf die WCAG-Kriterien zu zeitbasierten Medien verweist.

Die Produktseite regelt EN 301 549 V3.2.1 aus dem März 2021. Kapitel 7 betrifft IKT mit Videofähigkeiten — Player, Mediensoftware, Smart-TVs, Set-Top-Boxen — und verlangt, dass zusätzliche Audiodeskriptionsspuren wiedergegeben werden können und dass Nutzerinnen und Nutzer die Lautstärke der Beschreibung getrennt vom Originalton regeln können. Inhalt und Abspielgerät werden getrennt geprüft; beides muss passen.

Für die Beschreibung selbst existiert seit 2015 die technische Spezifikation ISO/IEC TS 20071-21. Sie richtet sich an Skriptautorinnen, Sprecher und die produzierenden Häuser und behandelt ausdrücklich, dass Beschreiben eine Ermessensentscheidung ist und keine Mechanik.

Zum Vergleich: die britische Quote

Dass es auch anders geht, zeigt Großbritannien. Nach den Sections 303 bis 305 des Communications Act 2003 legt die Regulierungsbehörde Ofcom in ihrem Code on Television Access Services — zuletzt aktualisiert am 30. Januar 2017 — verbindliche Zielwerte fest. Für Sender oberhalb der Zuschaueranteilsschwelle steigt die Audiodeskriptionsquote von 2 Prozent im ersten Jahr auf 10 Prozent ab dem fünften Jahr und bleibt dort. Untertitelung erreicht 80 Prozent, Gebärdensprache 5 Prozent.

Ofcom formuliert auch eine ehrliche Ausnahme: Bei Musik- und Nachrichtensendungen sei Audiodeskription technisch kaum unterzubringen und der Bedarf geringer. Wer sich darauf beruft, muss allerdings Redaktion und Moderation darin schulen, Bildinhalte im laufenden Programm sprachlich mitzuliefern, und das binnen zwölf Monaten schriftlich nachweisen. Deutschland hat sich gegen diesen Weg entschieden — mit dem in den Zahlen sichtbaren Ergebnis.

Wie eine sendefähige AD-Spur klingt

Ist die Rechtsfrage geklärt, wird Audiodeskription eine Produktionsaufgabe. Die detaillierteste öffentlich zugängliche Spezifikation ist kein Gesetz, sondern ein Plattformdokument: der Audio Description Style Guide v2.5 von Netflix, zuletzt überarbeitet im April 2023. Er lohnt sich auch für alle, die nie an Netflix liefern werden.

Zur Besetzung: Die Stimme soll bewusst zu den dominierenden Stimmen des Programms passen oder bewusst kontrastieren, Alter und Akzent sollen zum Inhalt und zur Zielgruppe passen, und dieselbe Sprecherin oder derselbe Sprecher soll eine Serie über alle Folgen und Staffeln tragen. Wichtiger als die Stimmfarbe sei, dass die Person den Inhalt versteht und die Stimmung einer Szene mitträgt.

Zur Interpretation: Präsens, dritte Person, informativ und gesprächsnah. Das Tempo folgt der Szene — ruhig und mit Pausen in einer Liebesszene, knapper und staccato in Kampf oder Verfolgung. Über Dialog wird nur im äußersten Notfall gesprochen. Musik, Geräusche und bewusste Stille werden nur für wirklich notwendige Information unterbrochen.

Zur Mischung nennt der Guide konkrete Werte:

• Bei einem 5.1-Printmaster wird für Beschreibungen der Center-Kanal abgesenkt; Links und Rechts in der Regel nicht mehr als -6 dB, in Ausnahmen bis -12 dB.
• Der Originalmix wird nach Ermessen der Mischung um 6 bis 12 dB abgesenkt, sodass die Beschreibung klar verständlich bleibt und der Originaldialog darunter natürlich präsent bleibt.
• Sidechain-Kompressoren mit einer Attack-Zeit von nicht unter 2 ms und nicht über 15 ms.
• Übergänge in und aus einer Absenkung höchstens 5 Sekunden, ohne hörbare Sprünge.
• Der Pegel folgt der Loudness- und True-Peak-Vorgabe der Plattform; die Beschreibung wird nie darüber angehoben, um gegen laute Passagen anzukommen.
• Keine Rauschunterdrückung. Eine saubere Aufnahme braucht kaum EQ und kaum Kompression.

Ofcom kommt in Annex 4 seines Codes von der anderen Seite zum selben Ergebnis: ruhig, unaufdringlich und zurückgenommen, aber nicht monoton, im Präsens, ohne Kamerabegriffe. Beide Dokumente bestehen auf derselben Beschreiberstimme über eine ganze Serie. Der Grund ist derselbe: Für regelmäßige Nutzerinnen und Nutzer ist die Beschreibung Teil des Programms.

Was das kostet, ist nicht normiert. Deutsche Produktionsdienstleister nennen für einen typischen Unternehmensfilm Größenordnungen von etwa 300 bis 1.000 Euro für eine professionelle Audiodeskription — das sind Anbieterangaben, keine Tarifwerte. Wie die Aufnahme selbst abläuft, haben wir in wie man professionelle Sprachaufnahmen erstellt beschrieben.

Wenn die Beschreibung aus dem Rechner kommt

Wird die Beschreibung nicht gesprochen, sondern KI-generiert, greift zusätzlich eine Transparenzpflicht. Artikel 50 der KI-Verordnung gilt seit dem 2. August 2026 und erfasst synthetische und geklonte Audioinhalte. Barrierefreiheit und KI-Kennzeichnung sind zwei getrennte Pflichten — wer die eine erfüllt, hat die andere nicht erledigt. Zum rechtlichen Rahmen um die Stimme selbst siehe unseren Beitrag zum Recht an der eigenen Stimme im Ländervergleich.

Womit Sie anfangen sollten

Klären Sie zuerst, welches Regime Sie überhaupt trifft. Rundfunk und fernsehähnliche Telemedien fallen unter den Medienstaatsvertrag, verbrauchernahe digitale Dienste unter BFSG und BFSGV, und fast alle anderen landen über eine Zusage auf WCAG-Stufe AA bei der Audiodeskription — nicht über ein Gesetz.

Behandeln Sie danach das Beschreibungsskript als eigenes Gewerk. Es muss in die Lücken passen, das Handlungsrelevante priorisieren und über eine Serie hinweg konsistent bleiben. Kalkulieren Sie es getrennt von der Aufnahme.

Und besetzen Sie nach Inhalt, nicht nach „neutraler Erzählstimme“. Die Beschreibung muss außerdem in der Sprache des Programms laufen, was bei mehrsprachigen Auswertungen eine muttersprachliche Besetzung pro Sprache bedeutet. Voicfy arbeitet mit muttersprachlichen Sprecherinnen und Sprechern in Deutsch, Englisch, Spanisch, Französisch, Niederländisch, Italienisch und Portugiesisch — Sie können ein Projekt für eine Audiodeskription ausschreiben und Angebote von Sprechern erhalten, die nach diesen Spezifikationen arbeiten. Wenn Sie erst einmal Wege und Preise vergleichen wollen, hilft wo buche ich einen Sprecher.