Die kurze Antwort: ja, ChatGPT kann transkribieren — über einen Aufnahmemodus, der den Ton live mitschneidet, laut OpenAI nur im macOS-Programm läuft, kostenpflichtige Arbeitsbereiche voraussetzt und „am besten auf Englisch" funktioniert. Wenn du ein bereits aufgenommenes Interview auf Deutsch auf der Festplatte hast, beschreibt diese Funktion nicht deinen Fall.
Dieser Text hält sich an das, was OpenAI im eigenen Hilfebereich veröffentlicht — der Artikel heißt „ChatGPT Record" und ist auf help.openai.com zu finden; die Seite blockiert automatisierte Aufrufe, deshalb hier der Titel statt eines Direktlinks. Gelesen am 30. Juli 2026. Transparenz: Ich betreibe Subanana, ein Transkriptionswerkzeug. Es kommt am Ende vor, nachdem die Grenzen von ChatGPT vollständig auf dem Tisch liegen — nicht vorher.
Was der Aufnahmemodus laut OpenAI tatsächlich macht
OpenAI beschreibt eine Funktion namens record mode, die Meetings, Brainstormings und Sprachnotizen aufnehmen, transkribieren und zusammenfassen soll. Die Zusammenfassung landet als Canvas im Chatverlauf, und ChatGPT kann in späteren Gesprächen darauf zurückgreifen.
Wichtig ist die Mechanik: Der Modus hört mit, während gesprochen wird. OpenAI schreibt dazu:
"ChatGPT live-transcribes as you talk; a timer shows elapsed time. You can pause/resume freely."
— OpenAI Help Center, Artikel „ChatGPT Record" (englischsprachige Seite, gelesen am 30. Juli 2026)
Das ist kein Feld, in das man eine vorhandene Datei zieht. Es ist eine Mitschnittfunktion.
Die vier Bedingungen, die vor allem anderen zählen
Plattform und Tarif
Der entscheidende Satz steht als Hinweis direkt am Anfang des Artikels:
"Note: Currently, ChatGPT record is available for Plus, Enterprise, Edu, Business, and Pro workspaces, and only available for the macOS desktop app"
— OpenAI Help Center, ebenda
Also: bezahlte Arbeitsbereiche, und ausschließlich das macOS-Programm. Auf Windows, unter Linux, am Diensttelefon, im Browser oder mit einem kostenlosen Konto ist die beschriebene Funktion nicht die, die vor dir liegt. Für Hochschulen und Unternehmen kommt eine zweite Hürde dazu — OpenAI schreibt, der Modus sei in Enterprise- und Edu-Arbeitsbereichen standardmäßig deaktiviert und müsse von einer Person mit Besitzrechten freigeschaltet werden. Wer an einer Universität arbeitet, klärt das also mit der IT, bevor er sich darauf verlässt.
Das Zeitlimit
OpenAI nennt eine Obergrenze von 4 Stunden (240 Minuten) pro Aufnahmesitzung; längere Sitzungen stoppen automatisch und erzeugen die Notizen. Für ein Leitfadeninterview ist das reichlich. Für einen Konferenztag oder eine Gruppendiskussion mit Pausen ist es eine Größe, die man einplanen muss.
Die Sprache
Das ist der Punkt, an dem sich für deutschsprachige Interviews alles entscheidet, und OpenAI formuliert ihn ohne Umschweife:
"ChatGPT record mode works best in English today. Accuracy for other languages is improving but can vary."
— OpenAI Help Center, ebenda
„Am besten auf Englisch", und für andere Sprachen ausdrücklich schwankende Qualität. Bei einem Experteninterview mit Fachvokabular, bei Dialektfärbung oder bei mehreren Personen, die sich ins Wort fallen, ist genau das die Stelle, an der ein Transkript unbrauchbar wird. OpenAI selbst hängt einen zweiten Hinweis daran: ChatGPT könne Fehler machen, auch beim Transkribieren, und wichtige Informationen solle man prüfen.
Was mit deinen Daten passiert
Hier gibt OpenAI zwei getrennte Auskünfte, und sie sind unterschiedlich zu bewerten.
Zum Ton: Die Aufnahmen würden ausschließlich zum Transkribieren verwendet und danach gelöscht, und sie flössen nicht ins Modelltraining. Das ist eine klare und gute Zusage.
Zum Text: Für Pro-, Plus- und Free-Konten gilt laut OpenAI, dass Transkripte und Canvases ins Training einfließen können, wenn die Einstellung „Improve the model for everyone" aktiv ist — sie lässt sich abschalten. Inhalte aus Business-, Enterprise- und Edu-Arbeitsbereichen sind standardmäßig vom Training ausgenommen.
Für Interviewdaten ist das keine Nebensache: Ein Transkript enthält in aller Regel personenbezogene Daten Dritter, die dir jemand im Vertrauen auf eine Einwilligungserklärung überlassen hat. Wenn du mit einem privaten Konto arbeitest, ist diese eine Einstellung vor der ersten Aufnahme zu prüfen. Was darüber hinaus für die Werkzeugauswahl gilt, steht in unserem Beitrag DSGVO-konform transkribieren — dort geht es um Auftragsverarbeitung, AVV und Einwilligung, nicht um einen einzelnen Schalter.
OpenAI weist übrigens selbst darauf hin, dass man die örtlichen Gesetze prüfen und vor der Aufnahme anderer Personen die nötigen Einwilligungen einholen muss. Das ist ein fairer Hinweis, und er gilt unabhängig vom Werkzeug.
Und mein Interview, das schon aufgenommen ist?
Das ist die Frage, die die meisten wirklich stellen. Du hast eine .mp3 oder .m4a vom letzten Donnerstag und willst den Text.
Ehrlich gesagt: Der Aufnahmemodus deckt diesen Fall nach der zitierten Beschreibung nicht ab — er nimmt auf, er nimmt nichts entgegen. Was ChatGPT sonst mit hochgeladenen Dateien macht, steht in einem eigenen FAQ zu Datei-Uploads, und dieses FAQ spricht von Textdateien, Tabellen, Präsentationen und Dokumenten. Ton kommt darin nicht vor. Daraus folgt aber nicht, dass Audio-Uploads unmöglich sind — es steht dort schlicht nichts dazu, und ich behaupte nichts, was OpenAI nicht schreibt. Wenn du es genau wissen willst, ist die aktuelle Fassung dieses FAQ die richtige Quelle.
Der praktikable Umweg, den man häufig liest — die Aufnahme abspielen und ChatGPT über das Mikrofon mithören lassen — funktioniert im Prinzip, verschlechtert aber die Ausgangslage: Du transkribierst dann eine Aufnahme einer Aufnahme, über Lautsprecher und Raumakustik, und genau darunter leidet die Erkennung zuerst.
Was ein zitierfähiges Interview-Transkript zusätzlich braucht
Auch wenn die Erkennung sitzt, ist ein Interviewtranskript mehr als eine Textwand. Drei Dinge entscheiden, ob du damit arbeiten kannst:
Sprechertrennung. Hier ist OpenAI eine faire Erwähnung schuldig — der Aufnahmemodus kann laut Dokumentation mehrere Sprecher unterscheiden und vergibt generische Bezeichnungen wie „Speaker 1", die sich nachträglich umbenennen lassen. Das ist genau das Verhalten, das man braucht. Wie belastbar Sprechertrennung generell ist und wo sie kippt, haben wir in Sprechererkennung im Transkript auseinandergenommen.
Zeitmarken. Ohne Zeitmarken findest du die Stelle nicht wieder, die du zitieren willst. Bei einem 70-Minuten-Interview ist das der Unterschied zwischen zehn Sekunden und zehn Minuten Suche.
Ein exportierbares Dokument. Wenn das Transkript im Chatverlauf lebt, lebt es nicht in deiner Auswertungssoftware. Für die qualitative Auswertung brauchst du eine Datei, die sich weiterreichen lässt.
Wann ChatGPT die richtige Wahl ist — und wann nicht
Es gibt Fälle, in denen der Aufnahmemodus genau passt, und es wäre unredlich, sie zu verschweigen: englischsprachige Besprechungen, an einem Mac, in einem bezahlten Arbeitsbereich, wo am Ende eine Zusammenfassung mit Aufgaben gebraucht wird und nicht ein wortgetreues Transkript. Dafür ist die Funktion gebaut, und sie ist im Tarif bereits enthalten.
Nicht die richtige Wahl ist sie in diesen vier Fällen:
- Das Interview wurde auf Deutsch geführt — OpenAI selbst nennt Englisch als die Sprache, in der der Modus am besten arbeitet.
- Die Aufnahme existiert schon — der Modus nimmt auf, er nimmt nichts entgegen.
- Du sitzt nicht an einem Mac oder hast keinen bezahlten Arbeitsbereich.
- Am Ende muss ein Dokument stehen, das du in eine Auswertungssoftware überführst.
So transkribierst du ein Interview mit Subanana
Der Ablauf ist der, den die meisten eigentlich suchen — Datei rein, Text raus:
- Aufnahme hochladen. Die kostenpflichtigen Tarife nehmen bis zu 30 GB und 8 Stunden pro Datei, sodass auch lange Gruppendiskussionen ungeteilt durchlaufen.
- Ausgangssprache wählen. Subanana deckt über 95 Sprachen ab und vergleicht laufend die Spracherkennungs-Modelle, um für die jeweilige Ausgangssprache das beste zu nehmen — du bist nicht an einen Anbieter gebunden.
- Fachbegriffe vorher hinterlegen. In einem Glossar lassen sich Eigennamen und Fachvokabular eintragen, bevor die Datei läuft. Bei Experteninterviews spart das die immer gleiche Korrektur an dreißig Stellen.
- Gegenlesen. Die Sprecher werden automatisch getrennt, Satzzeichen und Absätze automatisch gesetzt. Der Editor schlägt zusätzlich Korrekturen für verhörte Wörter vor — jeder Vorschlag wird einzeln angenommen oder verworfen, nichts wird still geändert.
- Exportieren. SRT, VTT, TXT, DOCX, XLSX oder Markdown. DOCX ist der übliche Weg in die Auswertung.
Zwei ehrliche Einschränkungen: Der Export ist der kostenpflichtige Schritt — der kostenlose Tarif dient dazu, das Ergebnis vorab anzusehen. Und ein KI-Transkript ersetzt den Korrekturdurchgang nicht, gerade bei Passagen, die du wörtlich zitieren willst. Der ausführliche Weg steht in Interview transkribieren.
Häufige Fragen
Kann GPT mein Interview per Chat transkribieren?
Nach der veröffentlichten Beschreibung nicht auf diesem Weg: Der dokumentierte Aufnahmemodus schneidet Ton mit, statt eine Datei im Chat entgegenzunehmen. Das Datei-Upload-FAQ von OpenAI wiederum zählt Text-, Tabellen-, Präsentations- und Dokumentformate auf und äußert sich nicht zu Ton. Prüfe im Zweifel die aktuelle Fassung dieser beiden Seiten bei OpenAI, statt dich auf eine Anleitung aus zweiter Hand zu verlassen.
Wie kann ich ein Interview transkribieren?
Drei Wege stehen zur Wahl: von Hand abtippen (langsam, aber du kennst danach jedes Wort), ein Transkriptionsbüro beauftragen (teuer, dafür geprüft), oder automatisch transkribieren und anschließend gegenlesen. Für die meisten Abschlussarbeiten und Marktforschungsprojekte ist der dritte Weg der vernünftige — entscheidend ist, dass Sprechertrennung, Zeitmarken und ein exportierbares Dokument dabei herauskommen. Der Schritt-für-Schritt-Weg steht in Interview transkribieren.
Kann ChatGPT Pro transkribieren?
Pro gehört zu den Arbeitsbereichen, die OpenAI im Hinweis zum Aufnahmemodus aufzählt — die Beschränkung auf das macOS-Programm bleibt davon allerdings unberührt, und OpenAI stellt allen Angaben zu Limits und Preisen den Vorbehalt voran, dass sie sich ändern können. Ein höherer Tarif hebt außerdem den Sprachhinweis nicht auf: „am besten auf Englisch" steht unabhängig vom Abonnement.
Kurz zusammengefasst
ChatGPT transkribiert — live, auf einer Plattform, in bezahlten Tarifen, laut Hersteller am besten auf Englisch, mit sauberer Sprechertrennung und einer klaren Zusage zum Umgang mit dem Ton. Für ein deutschsprachiges Interview, das bereits als Datei vorliegt und am Ende zitierfähig in einer Auswertung landen soll, ist das der falsche Ausgangspunkt. Wenn du regelmäßig Gespräche auswertest, lohnt auch der Blick auf Podcasts und Interviews transkribieren.