WCAG 1.2.1: Nur Audio und nur Video (vorab aufgezeichnet)

WCAG 1.2.1 verlangt, dass für vorab aufgezeichnete rein auditive und rein visuelle Inhalte eine textbasierte oder mediale Alternative bereitgestellt wird, damit Nutzer, die das Medium nicht hören oder sehen können, dennoch auf die Informationen zugreifen können. Dies ist eine Anforderung der Stufe A, was bedeutet, dass sie das minimale Basisniveau für die Einhaltung der Barrierefreiheitsanforderungen im Web darstellt.

Was diese Regel bedeutet

WCAG 1.2.1 befasst sich mit zwei unterschiedlichen Arten zeitbasierter Medien: nur-Audio-Inhalte (wie eine Podcast-Episode, eine aufgezeichnete telefonische Ansage oder ein Musikstück, das bedeutungsvolle Informationen vermittelt) und nur-Video-Inhalte (wie eine stumme Anleitungsanimation oder ein vorführender Produktclip ohne Stimme). Das Kriterium verlangt, dass jede dieser Medienarten von einer gleichwertigen Alternative begleitet wird, die dieselben Informationen für Menschen verfügbar macht, die das ursprüngliche Format nicht wahrnehmen können.

Für vorab aufgezeichnete nur-Audio-Inhalte ist die erforderliche Alternative ein Texttranskript. Das Transkript muss alle gesprochenen Worte erfassen, relevante Sprecher kennzeichnen und jede bedeutungsvolle nichtsprachliche Audioinformation beschreiben (wie Applaus, Alarme oder Musik mit Informationswert). Es reicht nicht aus, lediglich einen Titel oder eine kurze Beschreibung bereitzustellen; das Transkript muss ein vollständiges textliches Äquivalent zu allem sein, was eine hörende Person wahrnehmen würde.

Für vorab aufgezeichnete nur-Video-Inhalte (Video ohne Audiospur oder mit einer Audiospur, die keine bedeutungsvollen Informationen enthält) ist die erforderliche Alternative entweder ein Texttranskript oder eine Audiodescription-Spur. Eine Audiodescription erzählt den visuellen Inhalt nach – sie beschreibt Aktionen auf dem Bildschirm, Szenenwechsel, eingeblendeten Text und andere visuelle Details –, sodass ein blinder oder sehbehinderter Nutzer den Inhalt allein über Audio verstehen kann.

Ein Bestehen setzt voraus, dass die Alternative klar dem Medium zugeordnet, leicht zu finden und inhaltlich vollständig gleichwertig ist. Die Alternative kann direkt auf der Seite, als verlinktes Dokument oder als zusätzliche Audiospur bereitgestellt werden, solange sie von derselben Seite oder Player-Oberfläche aus leicht zugänglich ist.

Ein Nichtbestehen liegt vor, wenn: überhaupt keine Alternative bereitgestellt wird; die Alternative unvollständig ist oder bedeutungsvolle Informationen auslässt; die Alternative zwar vorhanden ist, aber so schwer zu finden, dass Nutzer faktisch wissen müssen, dass sie existiert; oder die Alternative das Medium nur beschreibt, ohne dessen tatsächlichen Inhalt wiederzugeben (zum Beispiel die Formulierung „Die Vortragende erklärt, wie man das Gerät zurücksetzt“ statt der tatsächlichen Schritt-für-Schritt-Anleitung).

WCAG 1.2.1 enthält eine offizielle Ausnahme: Wenn der nur-Audio- oder nur-Video-Inhalt selbst als Medienalternative für Text dient, der bereits auf der Seite vorhanden ist, und dies klar als solche gekennzeichnet ist, ist keine zusätzliche Alternative erforderlich. Ein Beispiel wäre ein kurzes Video, das genau das visuell demonstriert, was ein in der Nähe platzierter schriftlicher Leitfaden bereits vollständig beschreibt, sofern die Kennzeichnung die Beziehung für alle Nutzer klar macht.

Wichtig ist auch, dass dieses Kriterium nur vorab aufgezeichnete Inhalte abdeckt – Live-Audio-only- und Live-Video-only-Streams werden separat unter WCAG 1.2.9 behandelt und fallen hier nicht in den Geltungsbereich. Inhalte, die sowohl Audio als auch Video enthalten (synchronisierte Medien), fallen unter WCAG 1.2.2 (Untertitel) und 1.2.3 (Audiodeskription oder Medienalternative), nicht unter 1.2.1.

Warum das wichtig ist

Nur-Audio- und nur-Video-Inhalte schaffen Barrieren für mehrere unterschiedliche Nutzergruppen, und das Verständnis der Erfahrungen jeder Gruppe ist entscheidend, um nachzuvollziehen, warum dieses Kriterium auf dem grundlegenden Level A existiert.

Gehörlose und schwerhörige Nutzer können ohne Texttranskript nicht auf die Informationen in vorab aufgezeichneten nur-Audio-Inhalten zugreifen. Für eine Person, die von Geburt an hochgradig gehörlos ist, sind ein Podcast-Interview, eine aufgezeichnete Erklärung des Kundenservice oder eine nur-Audio-FAQ-Antwort schlicht unzugänglich – als ob der Inhalt nicht existieren würde. Laut Weltgesundheitsorganisation erleben weltweit über 1,5 Milliarden Menschen einen gewissen Grad an Hörverlust, etwa 430 Millionen von ihnen benötigen eine Rehabilitation. Allein in der Türkei zeigen Umfragen, dass Millionen Bürger mit erheblichen Hörbeeinträchtigungen leben, von denen viele auf die Türkische Gebärdensprache oder geschriebenen Text als primäre Kommunikationsform angewiesen sind.

Blinde und sehbehinderte Nutzer sind die Hauptzielgruppe für Alternativen zu nur-Video-Inhalten. Ein stummes Produktmontagevideo, eine Datenvisualisierungsanimation oder ein rein visuelles Tutorial ist bedeutungslos, wenn es nur über einen Screenreader vermittelt wird, der das Vorhandensein eines Videoelements ankündigt. Ohne Audiodescription oder Texttranskript erhalten diese Nutzer keinerlei Informationen aus dem Inhalt.

Nutzer mit kognitiven und Lernbehinderungen profitieren häufig davon, Informationen in mehreren Formaten zur Verfügung zu haben. Eine Person mit Dyslexie findet es möglicherweise leichter, einer Audiodescription zuzuhören, als eine lange visuelle Sequenz zu lesen, während eine andere Person ein Schritt-für-Schritt-Transkript bevorzugt, das sie in ihrem eigenen Tempo erneut lesen kann. Das Bereitstellen von Alternativen unterstützt eine breitere Palette von Verarbeitungsstilen.

Situative und umgebungsbedingte Einschränkungen schaffen ebenfalls einen breiten Usability-Fall, der weit über Nutzer mit dauerhaften Behinderungen hinausgeht. Jemand in einer ruhigen Bibliothek oder einem Großraumbüro kann keine Audioinhalte abspielen und profitiert enorm von einem Transkript. Ein Nutzer mit langsamer mobiler Verbindung, der kein Video puffern kann, kann die Textalternative sofort lesen. Ein Nutzer, der die im Audio verwendete Sprache nicht als Muttersprache spricht, findet es möglicherweise deutlich einfacher, ein Transkript zu lesen, als gesprochene Inhalte in hohem Tempo zu verfolgen.

Betrachten wir ein konkretes Szenario aus der Praxis: Die Website einer türkischen Bank veröffentlicht einen vorab aufgezeichneten Audioguide, der erklärt, wie eine neue Debitkarte aktiviert wird. Eine gehörlose Kundin erhält diesen Guide als Teil ihrer Willkommens-E-Mail. Ohne Transkript hat sie keine Möglichkeit, die Aktivierung abzuschließen, ohne eine Support-Hotline anzurufen – ein Prozess, der selbst wiederum Barrieren in der Barrierefreiheit aufweisen kann. Die Bereitstellung eines gut strukturierten Texttranskripts beseitigt diese Abhängigkeit vollständig und stellt die Kundin gleich.

Aus SEO-Perspektive sind Texttranskripte für Suchmaschinen vollständig indexierbar. Audio- und Videoinhalte ohne Transkripte stellen eine verpasste Chance für organische Sichtbarkeit in der Suche dar. Ein Transkript, das zusammen mit einer Podcast-Episode oder einem Anleitungsvideo veröffentlicht wird, verdoppelt effektiv den crawlbaren Inhalt auf der Seite und kann die Keyword-Relevanz für Suchanfragen zum Thema des Mediums deutlich verbessern.

Wie man testet

Führen Sie einen automatisierten Scan als Ausgangspunkt durch. Verwenden Sie axe DevTools, Lighthouse oder das Accsible-Audit-Panel, um die Seite zu scannen. Suchen Sie in den Ergebnissen nach markierten <audio>- oder <video>-Elementen. Beachten Sie, dass ein sauberes automatisiertes Ergebnis die Konformität mit 1.2.1 nicht bestätigt – es bedeutet nur, dass keine offensichtlichen strukturellen Probleme erkannt wurden. Nutzen Sie den Scan, um eine Bestandsaufnahme aller Medienelemente auf der Seite zu erstellen, die einer manuellen Prüfung bedürfen.
Identifizieren Sie alle vorab aufgezeichneten nur-Audio- und nur-Video-Inhalte. Prüfen Sie den Seitenquelltext und die gerenderte Ausgabe manuell. Suchen Sie nach <audio>-Elementen, <video>-Elementen, bei denen die Videospur keine bedeutungsvolle Audiospur enthält, eingebetteten Mediaplayern (wie SoundCloud- oder Spotify-Widgets) und allen <iframe>-Elementen, die Audio- oder Videoinhalte aus einer Drittquelle laden.
Lokalisieren Sie für jedes nur-Audio-Element das zugehörige Transkript. Das Transkript kann direkt auf der Seite, in einem aufklappbaren Bereich oder über einen Ankerlink in der Nähe des Players bereitgestellt werden. Navigieren Sie zum Transkript und lesen Sie es vollständig, während Sie gleichzeitig das Audio anhören. Bestätigen Sie, dass jedes gesprochene Wort erfasst ist, alle Sprecher, wo relevant, identifiziert sind und alle bedeutungsvollen nichtsprachlichen Audioereignisse beschrieben werden.
Lokalisieren Sie für jedes nur-Video-Element die zugehörige Alternative. Ermitteln Sie, ob ein Texttranskript oder eine Audiodescription-Spur bereitgestellt wird. Wenn eine Audiodescription-Spur verwendet wird, aktivieren Sie sie im Mediaplayer und sehen Sie sich das Video an, während Sie der Beschreibung zuhören. Bestätigen Sie, dass alle bedeutungsvollen visuellen Ereignisse – Handlungen, Szenenwechsel, eingeblendeter Text, grafische Informationen – so detailliert beschrieben werden, dass ein blinder Nutzer den Inhalt verstehen kann, ohne das Video zu sehen.
Testen Sie mit einem Screenreader, um die Auffindbarkeit zu überprüfen. Verwenden Sie NVDA mit Firefox, VoiceOver mit Safari auf macOS/iOS oder JAWS mit Chrome und navigieren Sie mit der Tastatur allein (Tab, Pfeiltasten) zum Medienelement. Vergewissern Sie sich ohne Maus, dass Sie das Transkript oder den Link zur Audiodescription vom Mediaplayer aus allein mit Tastaturnavigation und Screenreader-Ausgaben finden können. Wenn die Alternative ohne Maus nicht erreichbar ist, fällt das Kriterium durch, selbst wenn der Inhalt der Alternative an sich ausreichend ist.
Prüfen Sie die Kennzeichnungs-Ausnahme. Wenn ein Transkript oder eine Alternative fehlt, prüfen Sie, ob das Medienelement ausdrücklich als Medienalternative für benachbarte Textinhalte auf derselben Seite gekennzeichnet ist. Bestätigen Sie in diesem Fall, dass der umgebende Text ein vollständiges Äquivalent zum Medieninhalt darstellt und dass die Kennzeichnung für alle Nutzer wahrnehmbar ist.

Wie man es behebt

Nur-Audio-Podcast oder aufgezeichnete Erzählung – Falsch

<!-- No transcript provided; the audio content is completely inaccessible
     to deaf and hard-of-hearing users -->
<audio controls src='welcome-guide.mp3'>
  Your browser does not support the audio element.
</audio>

Nur-Audio-Podcast oder aufgezeichnete Erzählung – Richtig

<!-- A full text transcript is provided immediately after the player,
     making it discoverable by keyboard and screen reader users
     without requiring any additional navigation -->
<figure>
  <figcaption>Welcome Guide Audio — Card Activation Instructions</figcaption>
  <audio controls src='welcome-guide.mp3'>
    Your browser does not support the audio element.
  </audio>
</figure>
<details>
  <summary>Read the full transcript of this audio guide</summary>
  <div>
    <p><strong>Narrator:</strong> Welcome to your new debit card activation guide.
    To begin, locate the 16-digit card number on the front of your card.</p>
    <p><strong>Narrator:</strong> Enter this number in the field provided on
    the activation screen, then press Confirm. [Confirmation chime sounds.]</p>
    <p><strong>Narrator:</strong> Your card is now active and ready for use.</p>
  </div>
</details>

Stummes Anleitungsvideo (nur-Video) – Falsch

<!-- Silent animation with no audio description or text transcript.
     A blind user navigating with a screen reader will only hear
     "video" announced — no information about the content is conveyed. -->
<video controls width='640' height='360'>
  <source src='assembly-instructions.mp4' type='video/mp4'>
</video>

Stummes Anleitungsvideo (nur-Video) mit Texttranskript – Richtig

<!-- A text transcript describing all meaningful visual actions is
     linked immediately below the video player. The link text clearly
     communicates the purpose of the destination. -->
<video controls width='640' height='360' aria-labelledby='video-title'>
  <source src='assembly-instructions.mp4' type='video/mp4'>
</video>
<p id='video-title'>Product Assembly: Attaching the Base Unit</p>
<p>
  <a href='assembly-transcript.html'>
    View the full text description of this assembly video
  </a>
</p>

Stummes Video mit integrierter Audiodescription-Spur – Richtig

<!-- For users who prefer audio, a described audio track is offered
     as a <track> element with kind='descriptions'.
     The text transcript link is also retained for deaf-blind users
     and those using text-only browsing. -->
<video controls width='640' height='360'>
  <source src='product-demo-silent.mp4' type='video/mp4'>
  <track
    kind='descriptions'
    src='product-demo-descriptions.vtt'
    srclang='en'
    label='Audio Description (English)'
  >
  <track
    kind='descriptions'
    src='product-demo-descriptions-tr.vtt'
    srclang='tr'
    label='Sesli Betimleme (Türkçe)'
  >
</video>
<p>
  <a href='product-demo-transcript.html'>
    Read the full text description of this product demonstration
  </a>
</p>

Häufige Fehler

Eine Zusammenfassung statt eines vollständigen Transkripts bereitstellen. Einen kurzen Absatz wie „Dieses Audio erklärt unsere Rückerstattungsrichtlinie“ zu schreiben, ist keine gleichwertige Alternative. Das Transkript muss den tatsächlichen Inhalt wiedergeben – jeden Satz, jede Anweisung, jedes bedeutungsvolle Detail –, sodass eine Nutzerin, die das Audio nicht hören kann, nichts verliert, wenn sie stattdessen das Transkript liest.
Nichtsprachliche Audioereignisse in Transkripten weglassen. Wenn eine Aufnahme einen Warnton, jubelnde Menschen, eine Türklingel oder Hintergrundmusik enthält, die einen Übergang signalisiert, müssen diese im Transkript mit eckigen Klammern vermerkt werden, etwa [Alarm ertönt] oder [Applaus]. Das Weglassen dieser Elemente macht das Transkript inhaltlich unvollständig.
Das Transkript auf einer völlig separaten Seite ohne sichtbaren, tastaturzugänglichen Link platzieren. Wenn eine Nutzerin im Voraus wissen muss, dass ein Transkript existiert, und die Medienseite verlassen muss, um es zu finden, ist die Auffindbarkeit gescheitert. Der Link zur Alternative muss unmittelbar neben dem Medienelement platziert und mit der Tastatur erreichbar sein.
Annehmen, dass ein <video>-Element mit stummer Spur durch Untertitel abgedeckt ist. Untertitel (WCAG 1.2.2) betreffen gesprochene Audiospur in synchronisierten Medien. Ein wirklich stummes Video – eines ohne jegliche bedeutungsvolle Audiospur – ist ein nur-Video-Inhalt und erfordert eine eigene Textbeschreibung oder Audiodescription nach 1.2.1. Untertitel der Stille liefern keine Informationen.
Automatisch generierte Transkripte aus Spracherkennungs-Tools ohne Prüfung verwenden. Maschinell erzeugte Transkripte von Diensten wie YouTube-Auto-Untertiteln oder KI-Transkriptions-APIs enthalten häufig Fehler bei Eigennamen, Fachbegriffen und nicht standardisierter Sprache. Die Veröffentlichung eines ungeprüften Auto-Transkripts mit erheblichen Fehlern erfüllt das Kriterium nicht, da ein ungenaues Transkript keine gleichwertige Alternative darstellt.
Sprecher in Audioaufnahmen mit mehreren Personen nicht kennzeichnen. Ein Transkript, das als ein einziger, undifferenzierter Textblock erscheint, ohne anzugeben, welche Person spricht, ist verwirrend und kann in seiner Bedeutung mehrdeutig sein. Sprecherkennzeichnungen sollten konsequent in jeder Aufnahme verwendet werden, in der mehr als eine Stimme vorkommt.
Das alt-Attribut eines Posterbildes als Ersatz für ein Videotranskript behandeln. Das alt-Attribut eines <video>-Posterbildes beschreibt das statische Vorschaubild, nicht den eigentlichen Videoinhalt. Es erfüllt die Anforderung an eine Medienalternative nach 1.2.1 unter keinen Umständen.
Eine Audiodescription bereitstellen, die nur die Umgebung beschreibt und eingeblendeten Text ignoriert. Wenn ein stummes Video wichtigen Text anzeigt – Schrittzahlen, Beschriftungen, Maße, Fehlermeldungen –, muss die Audiodescription oder das Transkript diesen Text ausdrücklich vorlesen. Die visuelle Szene zu beschreiben, ohne den eingeblendeten Text zu transkribieren, lässt kritische Informationen unzugänglich.
Inhalte als ausgenommen markieren, ohne zu bestätigen, dass die Bedingung der vollständigen Gleichwertigkeit erfüllt ist. Die Ausnahme für Medienalternativen zu Text gilt nur, wenn der Text auf der Seite ein vollständiges Äquivalent zum Medium darstellt. Wenn der Seitentext nur einen Teil dessen abdeckt, was das Video demonstriert, gilt die Ausnahme nicht, und für die nicht abgedeckten Teile ist weiterhin eine Alternative erforderlich.
Versäumen, türkischsprachige Alternativen für türkischsprachige Medien bereitzustellen. Wenn nur-Audio- oder nur-Video-Inhalte auf Türkisch sind, sollte die Alternative ebenfalls auf Türkisch sein (oder zumindest in der Hauptsprache der Zielgruppe). Nur ein englisches Transkript für türkische Audioinhalte bereitzustellen, stellt keine gleichwertige Alternative für türkischsprachige Nutzer dar.

Bezug zu den Barrierefreiheitsvorschriften der Türkei

Die türkische Präsidialverfügung 2025/10, veröffentlicht im Amtsblatt mit der Nummer 32933 am 21. Juni 2025, etabliert einen verbindlichen rechtlichen Rahmen für digitale Barrierefreiheit im Einklang mit WCAG 2.2. WCAG 1.2.1 ist ein Level-A-Kriterium und gehört damit zur wesentlichsten Stufe der Anforderungen nach dieser Verfügung. Level-A-Konformität stellt den absolut minimal akzeptablen Standard dar – Verstöße auf diesem Niveau gelten als grundlegende Barrieren, die den Zugang für betroffene Nutzer vollständig verhindern.

Die Verfügung gilt breit sowohl für den öffentlichen als auch für den privaten Sektor. Öffentliche Institutionen – einschließlich aller Ministerien, Regierungsbehörden, Kommunen und staatseigenen Unternehmen – müssen innerhalb von einem Jahr nach Veröffentlichung der Verfügung vollständige Level-A-Konformität erreichen. Private Sektorunternehmen, die von der Verfügung erfasst werden, erhalten eine zweijährige Übergangsfrist.

Die durch die Präsidialverfügung 2025/10 ausdrücklich erfassten privaten Sektorunternehmen umfassen: in der Türkei tätige E-Commerce-Plattformen unabhängig vom Ort der Registrierung; Banken und Finanzinstitute, die dem türkischen Bankrecht unterliegen; Krankenhäuser und private Gesundheitsdienstleister; Telekommunikationsunternehmen mit 200.000 oder mehr Abonnenten; Reisebüros, die unter den türkischen Tourismuslizenzbestimmungen tätig sind; private Personenbeförderungsunternehmen; sowie private Bildungseinrichtungen, die vom Bildungsministerium (MoNE) autorisiert sind.

Für diese Unternehmen hat WCAG 1.2.1 direkte und praktische Auswirkungen. Eine Bank, die nur-Audio-Guides für ihre Mobile-Banking-Funktionen ohne Transkripte veröffentlicht, ein Krankenhaus, das stumme nur-Video-Tutorials für Aufnahmeverfahren von Patienten bereitstellt, oder ein Telekommunikationsanbieter, der nur-Audio-Aufzeichnungen für Ansagen in seinem Support-Portal ohne Textalternativen verwendet, würde jeweils ab dem Zeitpunkt der jeweiligen Konformitätsfrist direkt gegen diese Anforderung verstoßen.

Nichtkonformität mit der Verfügung kann zu verwaltungsrechtlichen Sanktionen und Reputationsschäden führen sowie zu Beschwerden, die bei der türkischen Informations- und Kommunikationsbehörde (BTK) und dem Präsidialamt für Digitale Transformation eingereicht werden. Angesichts der Tatsache, dass 1.2.1 zu den am einfachsten zu behebenden Kriterien gehört – es erfordert die Erstellung eines Texttranskripts oder einer Audiodescription statt komplexer technischer Änderungen –, sollten Organisationen eine Prüfung aller nur-Audio- und nur-Video-Bestände auf ihren digitalen Angeboten als frühen und wirkungsvollen Schritt in ihren Barrierefreiheitsprogrammen priorisieren.

Content-Teams, nicht nur Entwickler, spielen eine zentrale Rolle bei der Erreichung der Konformität mit 1.2.1. Transkripte müssen erstellt, auf Genauigkeit geprüft und gepflegt werden, wenn Medieninhalte aktualisiert werden. Organisationen sollten redaktionelle Workflows etablieren, die die Erstellung von Transkripten als obligatorischen Schritt im Content-Produktions- und Veröffentlichungsprozess behandeln – gleichrangig mit SEO-Metadaten oder inhaltlicher Prüfung – und sicherstellen, dass diese Workflows türkischsprachige Medien ebenso berücksichtigen wie alle anderen auf der Plattform verwendeten Sprachen.