Podcast schneiden mit KI: Workflow, Werkzeuge und ehrliche Grenzen

Du hast 45 Minuten Gespräch aufgenommen, und im Rohmaterial stecken ein Husten, lange Pausen, ein Gast, der deutlich lauter spricht als du, und eine Heizung im Hintergrund. Ein großer Teil davon lässt sich heute automatisch aufräumen: Rauschen mindern, Pegel angleichen, „ähm“ und Husten finden, ein Transkript schreiben, Kapitel vorschlagen. Die Entscheidungen, die eine Folge gut machen, bleiben bei dir. Wohin gehört die Pause? Welcher Gedanke bleibt? Klingt das Ergebnis nach deiner Show?

Zuerst klärst du, welche von drei Arbeitsweisen zu deinem Podcast passt, danach wählst du Werkzeuge.

Stand: 11. Oktober 2026. Funktionen, Preise und Datenschutzangaben der Hersteller haben wir am 11.10.2026 auf den verlinkten Seiten gelesen. Preise ändern sich, prüfe sie vor dem Kauf.

Wo KI im Schnitt wirklich hilft: Rauschen, Pegel, Füllwörter, Transkript, Kapitel

Hinter dem Kürzel KI stecken im Podcast-Schnitt drei Techniken: Klassifizierer ordnen jedes Stück Audio ein (Sprache, Musik, Rauschen, Husten), rekonstruierende Modelle bauen beschädigte Stimmen nach, und Spracherkennung wie Whisper macht aus Gesprochenem Text. Sprachsynthese gehört nicht dazu, sie erzeugt neue Stimmen aus Text. Trotzdem mischt die KI-Podcast-Tools-Liste von Geekflare (Stand 29. Januar 2025) Programme wie Fliki, Lovo und PlayHT unter, die Text vorlesen. Für den Schnitt deiner Aufnahme helfen sie nicht.

Rauschen und Hall mindern

Moderne Rauschminderung arbeitet adaptiv: Sie erkennt, wo Sprache liegt, und behandelt den Rest. Auphonic unterscheidet laut Hilfe mehrere Verfahren. Der Static Denoiser entfernt gleichbleibendes Rauschen und Hall, der Dynamic Denoiser alles außer Sprache und Musik, Speech Isolation behält nur Sprache. Die Stärke für Rauschen, Hall und Atem lässt sich getrennt wählen. Das Maximum ist selten richtig: Auphonic warnt selbst vor robotischen, sterilen Stimmen und rät, die Werte zu senken, damit Raumklang bleibt. Wer Atmosphäre erhalten will, lässt Dynamic Denoiser und Speech Isolation aus. Wie Sounds und O-Töne eine Show beleben, zeigt Folge 56 von NAPS (14 Minuten, Juli 2022).

Als Alternative ohne Cloud nennt Audacity KI-Effekte (OpenVINO) für Rauschminderung und Whisper-Transkription, die auf deinem Rechner und ohne Internet laufen. Aktuell ist Audacity 4 (Version 4.0.1). Der Blogeintrag vom 11. Juni 2025 beschreibt die OpenVINO-Effekte noch für Audacity 3.7.4, ob sie unter Audacity 4 laufen, prüfst du vor dem Einsatz.

Pegel und Lautheit

Der Leveler gleicht Unterschiede zwischen Sprechenden an und komprimiert die Dynamik, damit leise Gäste und laute Gastgeber gleich präsent sind. Die Lautheitsnormalisierung setzt danach die Gesamtlautheit der Datei auf einen Zielwert. Für Podcasts nennt Apple laut Audio-Anforderungen rund -16 LKFS mit ± 1 dB Toleranz und einen True Peak von höchstens -1 dBFS, berechnet nach ITU-R BS.1770-5. Die Werte sollen schon vor dem Encodieren stimmen. LKFS und LUFS bezeichnen dieselbe Messgröße, Auphonic nennt -16 LUFS als Beispielziel. Der Wert gilt für die ganze Folge (integrierte Lautheit) und sagt nichts über einzelne laute Stellen. Seit dem 10. September 2026 zeigt der Auphonic Editor die Pegeländerungen des Adaptive Levelers als Kurve, und du kannst sie mit Gain-Punkten nachbessern, etwa ein Lachen leiser oder einen schüchternen Sprecher lauter (Blogeintrag).

Füllwörter, Pausen und Husten

Automatisches Schneiden erkennt Stille, Atem, Husten und Füllwörter. Auphonic hat den Füllwort-Algorithmus laut Hilfe mit englischen, deutschen und romanischen Daten trainiert und nennt „ähm“ ausdrücklich. Die Hilfe empfiehlt, ihn mit Dynamic Denoiser oder Speech Isolation zu kombinieren, weil Hall und Rauschen beim Schneiden Artefakte erzeugen können. Descript nennt auf der Preisseite Beispiele wie „um“, „ah“ und „like“. Ob deutsche Füllwörter wie „also“ oder „halt“ bei deiner Stimme sauber erkannt werden, zeigt nur ein Test (siehe Abschnitt zu Deutsch und Datenschutz).

Die wichtigste Einstellung ist der Modus. Auphonic kann Schnitte anwenden, Stellen auf Stille setzen oder die Schnitte als Liste ausgeben, ohne sie anzuwenden (Export Uncut Audio). Mit der Liste prüfst du jeden Vorschlag in deiner DAW. Für die ersten Folgen ist das die sichere Wahl, denn Pausen tragen Rhythmus.

Transkript, Kapitel und Shownotes

Ein Transkript dient als Schnittgrundlage und liefert Shownotes, Suche, Untertitel und Barrierefreiheit. Auphonic setzt laut Funktionsseite ein selbst betriebenes Whisper-Modell von OpenAI ein und bindet externe Dienste wie Amazon Transcribe und Google an. Laut Preisseite gehört die mehrsprachige Spracherkennung nicht zum Gratis-Konto. Descript nennt 25 Transkriptionssprachen, darunter Deutsch, schon im Free-Plan. Whisper selbst weist darauf hin, dass die Leistung je nach Sprache stark schwankt. Getrennte Spuren je Sprecher verbessern das Ergebnis, schreibt Auphonic in seiner Hilfe zur Spracherkennung.

Auphonic erzeugt außerdem KI-Zusammenfassungen und zeitgestempelte Themenabschnitte für Shownotes und Kapitel (laut Preisseite in den bezahlten Plänen), Descript führt Kapitel unter seinen KI-Werkzeugen. Behandle jeden Vorschlag als Entwurf und kläre, ob dein Hoster und die Hörer-Apps Kapitel anzeigen.

Drei Arbeitsweisen im Vergleich

Bevor du ein Werkzeug wählst, entscheidest du, wie du arbeiten willst. Aus den Funktionen der Programme ergeben sich drei Arbeitsweisen.

Entscheidungshilfe in fünf Fragen

1. Erzählst du mit Musik, O-Tönen und Atmo, oder führst du ein Gespräch? Erzählformate gehören in die DAW, Gespräche gehen auch textbasiert.
2. Willst du vor allem kürzen? Dann spart der textbasierte Editor Zeit.
3. Liegt dein Problem im Klang? Dann probiere zuerst die Automatik, bevor du Stunden in Handarbeit steckst.
4. Nimmst du auf getrennten Spuren auf? Dann wähle ein Werkzeug mit Multitrack-Verarbeitung.
5. Dürfen die Stimmen deiner Gäste in eine Cloud? Wenn nicht, bleibt die DAW mit lokalen Plug-ins.

Die Arbeitsweisen schließen sich nicht aus. Naheliegend ist: Inhalt in der DAW schneiden, danach Klang, Lautheit und Kapitel automatisch erledigen lassen. Vorsichtiger geht es, wenn Auphonic die Schnitte nur vorschlägt und du sie in der DAW prüfst.

Werkzeuge nach Aufgabe

Die Tabelle ordnet die Podcast-Schnitt-Software mit KI nach der Aufgabe, für die sie gebaut ist, und nennt die Preislogik so, wie der Hersteller sie beschreibt. Wir haben alle Angaben am 11. Oktober 2026 gelesen. Beträge verstehen sich ohne Mehrwertsteuer, in der Währung des Herstellers. Eine Rangfolge gibt es nicht.

Aufgenommen haben wir Werkzeuge, die eine vorhandene Aufnahme bearbeiten und deren Herstellerseite wir gelesen haben. Sprachsynthese-Tools wie Fliki, Lovo und PlayHT fehlen mit Absicht, denn sie erzeugen Stimmen aus Text. Weitere Werkzeuge für Schnitt und Aufbereitung, etwa Podcastle oder Cleanvoice, haben wir für diesen Ratgeber nicht geprüft.

Offenlegung: Auphonic ist 2026 wieder Partner unseres Festivals, nach 2025 zum zweiten Mal, und LetsCast.fm, bei dem wir unseren Podcast hosten, ebenfalls. Beide stehen hier mit Herstellerangaben neben den neutralen Werkzeugen.

Zwei Auphonic-Details, die in der Preistabelle fehlen: Abgerechnet wird laut Pricing-FAQ nach der Dauer der gesendeten Dateien, mindestens drei Minuten je Produktion. Mehr Spuren oder Ausgabeformate ändern den Preis nicht, und ein erneuter Durchlauf mit anderen Einstellungen kostet nichts, solange die Eingabedateien gleich bleiben. Im Gratis-Konto sind Multitrack-Produktionen laut Funktionsvergleich auf unter 20 Minuten begrenzt, eine 45-Minuten-Folge gibst du dort als fertiges Mixdown ab.

Beim Festival 2024 hielt Michael Czesun einen Workshop zu Künstlicher Intelligenz im Podcasting, beim Festival 2025 gab es einen Workshop von Christoph Grasser (Auphonic). Der Tool-Stand von damals ist überholt, deshalb gilt dieser Ratgeber mit dem Stand vom Oktober 2026.

Deutsch und Datenschutz: worauf du achtest

Fast jeder Tool-Vergleich entsteht auf Englisch und endet bei der Funktionsliste. Für einen deutschen Podcast zählen zwei andere Fragen: Wie gut versteht die Software deine Stimme, und wohin gehen die Dateien deiner Gäste?

Deutsch: der Fünf-Minuten-Test

1. Material wählen. Schneide fünf Minuten aus einer echten Folge heraus, mit zwei Stimmen, einer Überlappung, einem Fachbegriff, einem Eigennamen und einer Stelle mit Dialekt.
2. Transkribieren. Kostenlos geht das mit dem Descript Free-Plan (60 Medienminuten pro Monat). Bei Auphonic ist die mehrsprachige Spracherkennung laut Preisseite erst in bezahlten Plänen enthalten.
3. Fehler zählen. Nimm 100 Wörter und zähle falsche, fehlende und zusätzliche Wörter. Die Wortfehlerrate (WER) ist diese Summe geteilt durch die Wörter im Original: 7 Fehler auf 100 Wörter sind 7 Prozent.
4. Namen und Zahlen getrennt prüfen. Dort passieren die Fehler, die später im Text stehen bleiben.
5. Füllwörter testen. Lass das automatische Schneiden über eine Stelle mit vielen „ähm“ und „also“ laufen. Wurden sie gefunden, und klingt die Lücke natürlich?

Als Entscheidungsregel taugt das Zeitverhältnis: Brauchst du zum Korrigieren länger als zum Mitschreiben, ist das Werkzeug für deine Stimme zu schwach. Das ist unser Maßstab, keine Norm. Wer Österreichisch, Schweizerdeutsch oder starken Dialekt spricht, testet das ausdrücklich, denn Auphonic merkt an, dass Dialekte schwerer zu erkennen sind. Die Hilfe nennt auch, was die Erkennung verbessert: Mikrofon nah am Mund, keine Hintergrundmusik, ausreden lassen und eine Spur je Sprecher.

Datenschutz: fünf Fragen an den Anbieter

Sobald eine Aufnahme in die Cloud eines Anbieters geht, verarbeitet er die Stimmen deiner Gäste. Die Datenschutzkonferenz (DSK) der Aufsichtsbehörden von Bund und Ländern nennt in ihrer Orientierungshilfe zu KI und Datenschutz (Mai 2024) zwei Prüfpunkte, die sich sinngemäß auf Podcast-Werkzeuge übertragen lassen: Werden Ein- und Ausgabedaten für das Training verwendet, und lässt sich das ausschließen? Und ist das System technisch geschlossen? Vorzugswürdig sind laut Orientierungshilfe Anwendungen ohne Training mit deinen Daten und geschlossene Systeme. Die Tabelle macht daraus fünf Fragen und zeigt als Beispiel die öffentliche Antwort von Auphonic (Datenschutzerklärung, abgerufen am 11.10.2026). Dieselben Fragen stellst du jedem anderen Anbieter.

Bei anderen Werkzeugen liest du die Antworten selbst nach. Descript führt auf der Preisseite Opt-out vom Training und individuelle Aufbewahrung als Merkmale des Enterprise-Plans. Wie das in den kleineren Plänen geregelt ist, steht dort nicht, also frag nach. Reaper und Audacity arbeiten auf deinem Rechner, Audacity beschreibt seine KI-Effekte als kostenlos und ohne Internetverbindung lauffähig.

Gäste: Hinweis und Einwilligung

Vor der Aufnahme klärst du vier Punkte:

• Gäste wissen vorab, dass die Folge veröffentlicht wird und Software sie bearbeitet, die Aufnahmen in einer Cloud verarbeiten kann.
• Sie stimmen zu, am besten schriftlich oder per Mail, die du aufbewahrst.
• Bei sensiblen Themen wie Gesundheit, Kindern oder dem Arbeitgeber nutzt du lokale Werkzeuge oder einen Anbieter mit Training-Opt-out und Auftragsverarbeitungsvertrag.
• Du notierst Anbieter, Löschfrist und das Datum des Vertrags.

Das ist eine Orientierung und keine Rechtsberatung. Die Grundlagen stehen in der DSGVO, die Auftragsverarbeitung in Artikel 28.

Wo KI nicht reicht

Unser Grundsatz lautet: Eine schlechte Aufnahme lässt sich später nur begrenzt reparieren. Abstand zum Mikrofon, Position im Raum und Sprechdisziplin entscheiden oft stärker über die Qualität als teure Technik.

• Artefakte. Rekonstruierende Modelle verändern die Stimme. Auphonic führt seinen Studio-Voice-Modus als Beta und schreibt, dass bei manchen Aufnahmen Probleme auftreten können. Adobe verspricht mit Enhance Speech den Klang eines schallisolierten Studios. Ob das für deine Stimme gilt, hörst du im Vergleich mit dem Original.
• Zu viel des Guten. Aggressive Rauschminderung nimmt Raumklang und Natürlichkeit mit, wie Auphonic selbst beschreibt.
• Dramaturgie. Software erkennt Pausen, aber nicht, ob eine Pause trägt. Eine Pointe braucht Luft, ein Geständnis auch. Reihenfolge, Kürzungen und Musik bleiben redaktionelle Entscheidungen.
• Hall und Nebengeräusche. Starke Minderung kostet Natürlichkeit. Auphonic rät für die Spracherkennung selbst, das Mikrofon so nah wie möglich an die sprechende Person zu stellen.
• Synthetische Stimmen. Das ist ein anderes Handwerk. WochenPod ließ in Folge 132 (2023, 8 Minuten 39) ChatGPT ein Manuskript für einen Dialog zweier KI-Stimmen erzeugen. Wer eine Folge aus Text baut, bearbeitet keine Aufnahme mehr.

Mit Augenzwinkern geht es in Folge 284 des Schalltrichters (12 Minuten, 9. September 2026) um Raumhall, Mikrofondisziplin und KI als akustischen Hausmeister.

Beispiel-Workflow für eine 45-Minuten-Folge

Der Ablauf geht von einem Gespräch mit zwei Personen auf getrennten Spuren aus. Er funktioniert mit Reaper oder Audacity als DAW und mit Auphonic für die Nachbearbeitung. Mit Descript oder Riverside übernimmst du die Schritte 2 und 3 im Textbearbeiter. Die Zahlen sind Startwerte aus der üblichen Studiopraxis, die du am Ohr anpasst. Für die Lautheit gelten die Angaben von Apple und Auphonic.

Quellen: Apple Podcasts, Audio-Anforderungen und Auphonic (Preisseite, Funktionsseite), abgerufen am 11.10.2026.

1. 1AufnehmenEine Spur je Person, WAV. Zu Beginn zehn Sekunden Raumton. Mikrofon nah am Mund, Abstand konstant.
2. 2Sichern und sichtenRohspuren kopieren. Die Folge einmal komplett durchhören und Marker setzen: streichen, prüfen, Pointe.
3. 3Inhalt schneidenGroße Blöcke zuerst, dann Feinschnitt. Pausen kürzen, aber nie auf null.
4. 4Klang aufbereitenIn der DAW oder bei Auphonic als Multitrack-Produktion. Rauschminderung mäßig, Leveler an, Lautheitsziel setzen. Füllwörter erst als Liste ausgeben.
5. 5Kapitel und ShownotesTranskript auf Namen und Zahlen prüfen. Ein Kapitel je Themenwechsel.
6. 6Prüfen und hochladenOhr-Test mit drei Geräten, im Format deines Hosters exportieren, hochladen.

Aufnahmeformat, Pegel, Hochpass, Kompression und Crossfade sind Startwerte aus der üblichen Studiopraxis und keine Herstellerangaben.

Reihenfolge und Rechenzeit. Erst schneiden, dann aufbereiten: So verarbeitet die Software nur, was später zu hören ist. Zum Classic Denoiser, der Rauschprofile aus stillen Stellen zieht, rät Auphonic, vorher weder zu pegeln noch ein Noise Gate zu setzen. Die Rechenzeit liegt laut Hersteller im Mittel bei rund 5 Prozent der Audiolänge, für 45 Minuten sind das gut zwei Minuten.

Beim Hochladen gilt die Vorgabe deines Hosters für Dateiformat und Größe. Wir hosten unseren Podcast bei LetsCast.fm. Laut Herstellerseite enthält dort jedes Paket alle Features, und die Pakete unterscheiden sich nach Downloads pro Monat. Apple Podcasts nimmt in RSS-Feeds MP3 oder AAC an.

Der Ohr-Test: Kopfhörer, Laptop, Handy

Zahlen sagen dir, ob die Datei normgerecht ist. Dein Ohr sagt dir, ob sie gut klingt. Hör die fertige Datei in drei Umgebungen, in dieser Reihenfolge:

1. Gleiche Lautstärke. Vergleiche Original und Bearbeitung bei gleichem Pegel, denn das Lautere klingt für das Ohr schnell besser.
2. Drei Stellen. Hör die ersten zwei Minuten, eine Passage mit Gast und die leiseste Stelle der Folge.
3. Jeder automatische Schnitt. Hör je zwei Sekunden davor und danach.
4. Messen. Gesamtlautheit -16 LKFS (± 1 dB), True Peak höchstens -1 dBFS.
5. Am nächsten Tag. Hör drei Minuten mit frischem Ohr, bevor du hochlädst.

Was es pro Monat kostet

Wir rechnen mit einer Folge von 45 Minuten pro Woche, also vier Folgen und 3 Stunden Audio im Monat, und mit den Herstellerangaben vom 11. Oktober 2026.

Alle Beträge ohne Mehrwertsteuer, US-Dollar nicht umgerechnet, Stand 11.10.2026. Hoster und Mikrofon sind nicht enthalten.

Zum Üben eignet sich eine echte Folge. Im Community-Podcast meldest du dich kostenlos an, wählst eine Aufgabe und hast laut Mitmachen-Seite vier Wochen Zeit für deine Folge. Ist sie fertig, hilft dir unser Ratgeber zur Promotion, sie zu verbreiten, und in der Podfluencer-Community findest du Podcaster für Feedback und Austausch. Wer sich über Technik live austauschen will, findet beim Festival am 23. und 24. Oktober 2026 in München Workshops, die im Ticket enthalten sind (kleinere Änderungen vorbehalten).

Häufige Fragen

Ersetzt KI den Schnitt?

Sie nimmt dir Handgriffe ab: Rauschen mindern, Pegel angleichen, Schnitte vorschlagen. Die Entscheidungen bleiben bei dir, denn Software erkennt nicht, ob eine Pause trägt. Nutze automatische Schnitte zuerst als Liste (bei Auphonic Export Uncut Audio) und prüfe sie in der DAW.

Welche Software eignet sich für deutsche Podcasts?

Eine allgemeine Antwort gibt es nicht, weil Stimme, Dialekt und Wortschatz den Ausschlag geben. Belegt ist: Auphonic hat den Füllwort-Algorithmus laut Hilfe auch mit deutschen Daten trainiert, Descript transkribiert nach eigener Angabe in 25 Sprachen, darunter Deutsch. Ob das bei deiner Stimme reicht, zeigt der Fünf-Minuten-Test.

Darf ich Aufnahmen von Gästen mit Cloud-Werkzeugen bearbeiten?

Das hängt vom Anbieter und von deinem Einsatz ab. Prüfe Serverstandort, Löschfrist, Training und Auftragsverarbeitungsvertrag, informiere deine Gäste vorab und halte ihre Zustimmung fest. Bei sensiblen Themen sind lokale Werkzeuge vorsichtiger. Das ist eine Orientierung und keine Rechtsberatung.

Was kann ich kostenlos nutzen?

Audacity ist laut Hersteller dauerhaft kostenlos. Dazu kommen die Testphase von Reaper (60 Tage), 2 Stunden pro Monat bei Auphonic (mit Jingle), die Free-Pläne von Descript und Riverside und der Adobe-Filter Enhance Speech. Die Grenzen stehen in den Tabellen oben.

Auf welche Lautheit soll ich meinen Podcast mastern?

Apple Podcasts empfiehlt rund -16 LKFS mit ± 1 dB Toleranz und einen True Peak von höchstens -1 dBFS. Auphonic nennt -16 LUFS als Beispielziel. Miss die ganze Datei und nicht nur einzelne Stellen.