Beim Ton in Social Videos entscheidet eine einzige Zahl mehr als jede Nachbearbeitung: der Abstand zwischen Mund und Mikrofon. Alles, was danach kommt, Pegel, Lautheit, Musik, Ducking, ist Feinarbeit. Was am Drehtag an Raumhall und Rauschen in die Aufnahme kommt, bekommst du nicht mehr heraus.
Dieser Beitrag nennt die Werte, mit denen wir arbeiten: Abstände in Zentimetern, Pegel in Dezibel, Lautheit in LUFS. Dazu, wie Musik unter Sprache liegen muss und was bei Lizenzen zu beachten ist. Wie der Schnitt darüber aufgebaut wird, steht im Beitrag über die Grundlagen beim Reels-Schnitt.
Der Kern in einem Satz
Ein Video mit schlechtem Bild und gutem Ton wird zu Ende gesehen, ein Video mit gutem Bild und schlechtem Ton nicht. Der Grund ist einfach: Schlechten Ton hält man körperlich schlechter aus als ein unscharfes Bild.
Warum Ton schwerer wiegt als Bild
Unsauberer Ton kostet Konzentration. Hall, Rauschen und schwankende Lautstärke zwingen das Gehirn, ständig nachzuarbeiten, und nach wenigen Sekunden ist das anstrengender als jeder Bildfehler. Ein leicht unscharfes Bild dagegen nimmt man nach zwei Sekunden nicht mehr wahr.
Untertitel entschärfen das Problem, lösen es aber nicht: Sie werden gelesen, während der Ton trotzdem läuft, sobald jemand die Stummschaltung aufhebt. Welche Werte für die Lesbarkeit gelten, steht im Beitrag zu Untertiteln in Reels.
Mikrofonabstand: die wichtigste Zahl am Drehtag
Ein Ansteckmikrofon sitzt 15 bis 20 Zentimeter unter dem Kinn, an der Kante des Kleidungsstücks, und das Kabel bekommt eine Zugentlastung. Ein Richtrohr hängt 30 bis 60 Zentimeter über dem Kopf, knapp außerhalb des Bildes, und zeigt auf den Mund. Mit dem eingebauten Mikrofon eines Telefons gehst du nicht über 50 Zentimeter hinaus.
Der Grund steckt im Abstandsgesetz: Doppelter Abstand bedeutet rund 6 Dezibel weniger Direktschall, der Raumanteil bleibt dabei gleich laut. Halber Abstand verdoppelt also gefühlt die Aufnahmequalität, ohne dass du ein anderes Mikrofon brauchst. Im Freien gehört dazu ein Windschutz aus Fell, kein Schaumstoff.
Der Raum: was du vor der Aufnahme änderst
Harte, parallele Flächen erzeugen Hall, und Hall ist der Fehler, den man im Schnitt am wenigsten reparieren kann. Drei Handgriffe helfen sofort: nicht in der Raummitte stehen, mindestens einen Meter Abstand zu glatten Wänden halten und weiche Flächen in Reichweite bringen, Vorhang, Teppich, ein geöffneter Kleiderschrank hinter der Kamera.
Dazu die Geräuschquellen abschalten, an die niemand denkt: Lüftung, Kühlschrank, Standheizung, Benachrichtigungen auf allen Geräten im Raum. Nimm vor dem ersten Take 15 Sekunden Stille auf. Dieses Stück Raumton ist später die Grundlage für eine saubere Störgeräuschminderung und für Übergänge zwischen Sprachschnitten.
Pegel bei der Aufnahme
Die lautesten Stellen liegen zwischen minus 12 und minus 6 dBFS, der Durchschnitt bei etwa minus 18 dBFS. Wer bis an die Null aussteuert, bekommt bei jedem Lacher eine Verzerrung, die nicht mehr zu retten ist. Zu leise aufzunehmen ist das kleinere Übel: Anheben geht, Verzerrung rückgängig machen nicht.
Prüfe den Pegel mit Kopfhörern am Gerät, nicht nach Gefühl, und mach nach jeder Umstellung einen Probeton von zehn Sekunden mit normaler Sprechlautstärke. Wenn zwei Personen sprechen, bekommt jede ein eigenes Mikrofon auf einer eigenen Spur, zusammenmischen kannst du später, trennen nicht.
Lautheit: die Werte für Sprache und Musik
Die Plattformen gleichen die Lautstärke an, statt sie so auszuspielen, wie du sie lieferst. Wer lauter exportiert, wird leiser gemacht und verliert dabei nur Dynamik. Deshalb mischen wir auf feste Zielwerte.
| Element | Zielwert | Hinweis |
|---|---|---|
| Sprache, integriert | −14 LUFS | Bezugsgröße für alles andere |
| Spitzenwert gesamt | max. −1 dBTP | verhindert Verzerrung nach der Umwandlung |
| Musik unter Sprache | 14 bis 18 dB leiser | hörbar, aber nie konkurrierend |
| Musik ohne Sprache | ca. −16 LUFS | zum Beispiel unter dem Abbinder |
| Atmo der Zwischenaufnahmen | 12 bis 18 dB unter Sprache | macht Schnitte glaubwürdig |
Woher du diese Werte abliest, hängt vom Programm ab, nicht jedes bringt eine geeichte Anzeige mit. Die Unterschiede haben wir im Vergleich CapCut oder Premiere Pro aufgeschrieben.
Ducking richtig einstellen
Ducking senkt die Musik automatisch ab, sobald Sprache läuft. Vier Werte entscheiden über das Ergebnis: Absenkung 8 bis 12 Dezibel, Verhältnis etwa 4:1, Ansprechzeit 10 bis 30 Millisekunden und Rückstellzeit 250 bis 400 Millisekunden.
Die Rückstellzeit ist der Wert, an dem es meistens scheitert. Ist sie zu kurz, pumpt die Musik in jeder Atempause hörbar nach oben. Ist sie zu lang, bleibt die Musik über das Satzende hinaus im Keller und die Pause wirkt tot. Wenn dein Programm nur einen Schalter statt Werte anbietet, senke die Musik lieber von Hand mit zwei Lautstärkepunkten je Absatz ab.
Vier Schritte in der Sprachbearbeitung
- Hochpassfilter bei 80 bis 100 Hertz. Nimmt Trittschall und Windbrummen heraus, ohne die Stimme zu verändern.
- Störgeräuschminderung, dezent. Höchstens 6 bis 8 Dezibel, sonst klingt die Stimme blechern und unter Wasser.
- Kompressor. Verhältnis 3:1, Schwelle so, dass die lauten Stellen um 4 bis 6 Dezibel abgesenkt werden.
- Begrenzer auf minus 1 dBTP. Letzter Schritt in der Kette, danach kommt nichts mehr.
Wenn die Stimme danach noch dumpf klingt, senke den Bereich um 200 bis 400 Hertz leicht ab und hebe 3 bis 5 Kilohertz um zwei bis drei Dezibel an. Mehr braucht es bei einer sauberen Aufnahme nicht.
Musik auswählen
Drei Regeln. Keine Musik mit Gesang unter gesprochener Sprache, zwei Stimmen gleichzeitig kann niemand trennen. Das Vorspiel des Stücks wegschneiden und dort einsteigen, wo die Energie schon da ist. Und die Musik rund eine halbe Sekunde vor dem ersten Bild einsetzen lassen, damit der Start nicht wie ein Schalter wirkt.
Liegt keine Sprache auf dem Video, darf der Schnitt dem Takt folgen. Sobald gesprochen wird, hat der Inhalt Vorrang, sonst schneidest du den Satz mitten im Wort. Wie stark Musik und Bewegung zusammen wirken, zeigt auch unser Beitrag über Motion Design im Social Feed.
Musikrechte: worauf du achtest
Die Musikbibliotheken in den Apps sind nicht für jeden Zweck freigegeben. Für Unternehmenskonten ist die Auswahl oft eingeschränkt, und für bezahlte Ausspielung gelten in der Regel eigene, deutlich engere Bestände. Wer ein organisches Video später als Anzeige schaltet, wechselt damit die Nutzungsart und braucht meistens eine andere Tonspur. Was das für die Motive bedeutet, steht im Beitrag über Anzeigen-Creatives, die konvertieren und auf unserer Seite zu Werbeanzeigen.
Der sichere Weg führt über Bibliotheken, die eine Lizenzurkunde je Titel ausstellen. Leg dir eine Liste an mit Titel, Anbieter, Lizenznummer, Datum und dem Video, in dem das Stück läuft, spätestens beim zweiten Nachweisverlangen bist du froh darum. Das hier ist keine Rechtsberatung: Lass Lizenz- und Nutzungsfragen im Zweifel fachlich prüfen, bevor ein Video online geht.
Der Test vor der Veröffentlichung
Hör dir das fertige Video zweimal an: einmal über den Lautsprecher des Telefons bei mittlerer Lautstärke, einmal über Kopfhörer. Der Lautsprecher zeigt, ob die Sprache gegen die Musik ankommt; die Kopfhörer zeigen Rauschen, Klicks an den Schnittstellen und Pumpen im Ducking.
Achte besonders auf die Übergänge zwischen Sprachschnitten. Dort sitzt der häufigste Fehler: Ein Schnitt mitten in der Atemluft klingt wie ein Aussetzer. Unter Zwischenaufnahmen fällt das weniger auf, wie du die setzt, steht im Beitrag zu B-Roll für Reels.
Wie wir das in Projekten lösen
Bei uns läuft Sprache immer auf einer eigenen Spur, getrennt von Musik und Atmo, und jedes Video geht mit denselben Zielwerten aus dem Haus: Sprache auf minus 14 LUFS, Spitzen auf minus 1 dBTP, Musik 14 bis 18 Dezibel darunter. Das klingt nach Buchhaltung, sorgt aber dafür, dass zehn Videos eines Kanals gleich laut sind und genau das merkt man beim Durchwischen. Warum Gleichmaß auf die Reichweite einzahlt, beschreibt unser Beitrag zum Aufbau organischer Reichweite.
Wenn du Produktion und Ton abgeben willst, findest du die Stufen in unseren Paketen, die laufende Betreuung beschreiben wir unter Social Media Marketing. Die Konditionen besprechen wir im Erstgespräch, das du über das Kontaktformular anfragen kannst.
Häufige Fragen
Wie weit soll das Mikrofon vom Mund entfernt sein?
Ein Ansteckmikrofon 15 bis 20 Zentimeter unter dem Kinn, ein Richtrohr 30 bis 60 Zentimeter über dem Kopf, ein Telefonmikrofon höchstens 50 Zentimeter. Doppelter Abstand bedeutet rund 6 Dezibel weniger Direktschall bei gleichbleibendem Raumanteil, deshalb wirkt jeder Zentimeter.
Wie laut sollen Sprache und Musik in einem Reel sein?
Sprache auf etwa minus 14 LUFS integriert, Spitzen höchstens bei minus 1 dBTP. Musik liegt 14 bis 18 Dezibel unter der Sprache und darf in Passagen ohne Sprache auf ungefähr minus 16 LUFS steigen. Die Plattformen gleichen Lautstärke ohnehin an, lauter exportieren bringt nichts.
Darf man Musik aus der Bibliothek der Plattform für Werbung nutzen?
Nicht ohne Prüfung. Für Unternehmenskonten ist die Auswahl oft eingeschränkt, und für bezahlte Ausspielung gelten in der Regel eigene Bestände. Wer ein organisches Video später als Anzeige schaltet, braucht meistens eine andere Tonspur, im Zweifel fachlich prüfen lassen.
Kann man Hall nachträglich aus einer Aufnahme entfernen?
Nur begrenzt. Werkzeuge dafür gibt es, sie kosten aber immer Klangqualität und lassen die Stimme dünn wirken. Deutlich wirksamer ist der halbe Mikrofonabstand am Drehtag und ein Raum mit Vorhang, Teppich oder weichen Möbeln.
Fazit
Geh den Ton von hinten an: Leg die Zielwerte fest, bevor du das erste Mal aufnimmst, und richte den Drehtag danach aus. Ein halbierter Mikrofonabstand, ein Raum mit weichen Flächen und fünfzehn Sekunden Stille als Raumton bringen mehr als jedes Werkzeug in der Nachbearbeitung und kosten nichts außer zwei Minuten Vorbereitung.
Über den Autor: Levin Görsoy ist Gründer und CEO von dato.marketing, einer Full-Service-Marketing-Agentur aus Berlin. Mit seinem Team hat er über 46 Projekte produziert und mehr als 1 Million organische Views für Kundenkanäle aufgebaut. Mehr über seinen Werdegang findest du im Lebenslauf von Levin Görsoy.
Du willst das Thema lieber abgeben? Sieh dir unsere Pakete an oder sichere dir ein kostenloses Erstgespräch: Antwort innerhalb von 24 Stunden, ohne Standardpakete.
