Sample-Rate, Bittiefe und Kompression verständlich erklärt

Schall ist eine kontinuierliche Druckschwankung in der Luft. Ein Computer kann damit nichts anfangen, er kennt nur Zahlen. Die Brücke zwischen beiden Welten heißt Digitalisierung, und sie besteht aus genau zwei Vorgängen: Das Signal wird in regelmäßigen Abständen gemessen, und jeder Messwert wird in eine Zahl umgesetzt. Wie oft gemessen wird, bestimmt die Sample-Rate. Wie fein jeder Wert aufgelöst ist, bestimmt die Bittiefe. Aus diesen beiden Größen ergibt sich alles Weitere, von der Klangtreue über die Dateigröße bis zur Frage, warum eine WAV so viel mehr Platz braucht als eine MP3. Dieser Text erklärt die Mechanik dahinter, ohne Formelballast, aber mit den Zahlen, auf die es ankommt.

Abtastung: die Sample-Rate

Stelle dir vor, du fotografierst eine sich bewegende Welle in schneller Folge. Jedes Foto ist eine Momentaufnahme, ein Sample. Je mehr Fotos pro Sekunde, desto genauer kannst du die Bewegung später rekonstruieren. Die Sample-Rate, angegeben in Hertz oder Kilohertz, ist nichts anderes als die Anzahl dieser Momentaufnahmen pro Sekunde.

Der Wert 44,1 kHz bedeutet 44.100 Messungen je Sekunde. Er stammt aus der Compact-Disc-Norm der frühen 1980er Jahre und ist bis heute der Standard für Musik. Im Film- und Videobereich dominiert dagegen 48 kHz, weil dieser Wert sich sauber mit Bildraten verrechnen lässt. Höhere Raten wie 96 oder 192 kHz existieren, bringen für das fertige Hörerlebnis aber keinen nachweisbaren Vorteil, sondern dienen vor allem als Reserve bei der Bearbeitung.

Das Nyquist-Theorem

Warum reichen ausgerechnet 44,1 kHz aus? Die Antwort liefert das Abtasttheorem, benannt nach Harry Nyquist. Es besagt, dass die Abtastrate mehr als das Doppelte der höchsten im Signal enthaltenen Frequenz betragen muss, damit sich diese Frequenz fehlerfrei rekonstruieren lässt. Die Hälfte der Sample-Rate heißt deshalb Nyquist-Frequenz und markiert die obere Grenze dessen, was sauber abgebildet werden kann.

Der menschliche Hörbereich endet bei jungen Ohren etwa bei 20 kHz und sinkt mit dem Alter. Bei einer Sample-Rate von 44,1 kHz liegt die Nyquist-Frequenz bei rund 22 kHz, also knapp oberhalb der Hörgrenze. Genau das ist der Grund, warum dieser Wert genügt: Er deckt alles ab, was wir überhaupt hören können, mit einem kleinen Sicherheitsrand für die nötige Filterung.

Was schneller schwingt als die halbe Abtastrate, lässt sich nicht mehr korrekt rekonstruieren, sondern erscheint als störendes Spiegelbild im hörbaren Bereich.

Wird diese Regel verletzt, etwa weil ein Signal Anteile oberhalb der Nyquist-Frequenz enthält, entsteht Aliasing. Dabei werden zu hohe Frequenzen als falsche, tiefere Töne abgebildet, ein hörbarer Fehler. Aus diesem Grund filtern Wandler vor der Abtastung alles oberhalb der Nyquist-Grenze konsequent weg.

Quantisierung: die Bittiefe

Die Sample-Rate kümmert sich um die Zeitachse. Die Bittiefe kümmert sich um die Höhe jedes Messwerts, also die Amplitude. Bei 16 Bit steht jeder Abtastwert in einem von 65.536 möglichen Stufen, bei 24 Bit sind es bereits über 16 Millionen Stufen. Je mehr Stufen, desto feiner lässt sich der tatsächliche Pegel treffen und desto geringer ist der Rundungsfehler, das sogenannte Quantisierungsrauschen.

Praktisch übersetzt sich die Bittiefe in den Dynamikumfang, also den Abstand zwischen dem leisesten und dem lautesten darstellbaren Signal. Pro Bit kommen etwa 6 Dezibel hinzu. 16 Bit ergeben rund 96 Dezibel, was für die Wiedergabe vollkommen ausreicht. 24 Bit erreichen theoretisch etwa 144 Dezibel und geben bei Aufnahme und Mischung Reserve, damit man nicht jeden Pegel sofort perfekt aussteuern muss.

Für die Auslieferung ist 16 Bit der Standard, weil mehr Stufen am fertigen Ohr keinen Unterschied machen. 24 Bit und das in Software beliebte 32-Bit-Float sind Arbeitsformate, in denen man aufnimmt und bearbeitet, bevor man am Schluss auf das Ausgabeformat reduziert.

Warum WAV so viel Platz braucht

WAV ist im Kern ein Container für rohe PCM-Daten, also für die unbearbeitete Folge aller Abtastwerte. Es wird nichts weggelassen, nichts zusammengefasst, nichts vorhergesagt. Jeder einzelne Messwert steht unverändert in der Datei. Das macht WAV verlustfrei und ideal als Quelle, aber eben auch groß.

Die Größe lässt sich exakt berechnen, weil sie keinem Kompressionszufall unterliegt. Sie ergibt sich aus Sample-Rate mal Bittiefe mal Kanalzahl. Bei CD-Qualität, also 44.100 Samples, 16 Bit und 2 Kanälen, fallen pro Sekunde 44.100 mal 16 mal 2 Bit an. Das sind rund 1,41 Megabit oder etwa 176 Kilobyte je Sekunde, also gut 10 Megabyte pro Minute.

Eigenschaft	WAV (PCM)	MP3 (192 kbit/s)
Kompression	keine	verlustbehaftet
Datenrate pro Sekunde	ca. 176 kB	ca. 24 kB
Größe pro Minute Stereo	ca. 10 MB	ca. 1,4 MB
Klangtreue	identisch zum Master	hörbar nahe am Original
Eignung	Aufnahme, Archiv, Bearbeitung	Auslieferung, Web, mobil

Der Unterschied ist enorm: Dieselbe Minute Musik belegt als WAV rund 10 Megabyte und als MP3 mit 192 kbit/s nur etwa 1,4 Megabyte. Der nächste Abschnitt erklärt, wie diese Verkleinerung gelingt, ohne dass es laut auffällt.

Wie MP3 Daten einspart

MP3 ist ein verlustbehaftetes Verfahren. Es entfernt also tatsächlich Information, anders als eine Zip-Datei, die sich exakt zurückverwandeln lässt. Der Trick liegt darin, nicht irgendwelche Daten wegzuwerfen, sondern gezielt jene, die das Ohr ohnehin nicht wahrnimmt. Dafür nutzt MP3 ein psychoakustisches Modell, also ein Modell des menschlichen Hörens.

Zwei Effekte stehen im Mittelpunkt. Der erste ist die Verdeckung in der Frequenz: Ein lauter Ton macht leisere Töne in benachbarten Tonhöhen unhörbar. Diese verdeckten Anteile kann der Encoder weglassen, ohne dass jemand eine Lücke bemerkt. Der zweite ist die zeitliche Verdeckung: Direkt nach einem lauten Impuls ist das Gehör kurz unempfindlich, auch hier lässt sich sparen. Hinzu kommt, dass MP3 in Frequenzbereichen, in denen das Ohr ohnehin grob hört, weniger Bits aufwendet als dort, wo es empfindlich ist.

Das Ergebnis ist eine Datei, die je nach Bitrate ein Zehntel bis ein Zwölftel der WAV-Größe einnimmt und für die allermeisten Hörsituationen klanglich kaum vom Original zu unterscheiden ist. Wichtig bleibt das Verständnis, dass diese Reduktion endgültig ist. Die WAV ist die Quelle, die MP3 das Produkt für die Auslieferung. Ein reiner Konverter wie mp3-wav.de führt genau diesen letzten Schritt aus, idealerweise einmalig und direkt aus dem unkomprimierten Master.

Mono, Stereo und mehr Kanäle

Bisher ging es um Zeit und Amplitude. Eine dritte Dimension ist die Kanalzahl. Mono speichert einen einzigen Audiokanal, Stereo zwei, einen für links und einen für rechts. Jeder zusätzliche Kanal vervielfacht die Datenmenge entsprechend, weil die Abtastwerte für jeden Kanal separat abgelegt werden. Eine Stereo-WAV ist also exakt doppelt so groß wie dieselbe Aufnahme in Mono.

Für die Wahl der Kanalzahl zählt der Inhalt. Eine einzelne Stimme, etwa in einem Sprach-Podcast, gewinnt durch Stereo nichts, weil sie ohnehin aus der Mitte kommt. Hier halbiert Mono die Datenmenge ohne hörbaren Nachteil. Musik dagegen lebt von der räumlichen Verteilung der Instrumente und bleibt sinnvoll in Stereo. Mehrkanalformate mit fünf oder mehr Kanälen sind dem Film- und Heimkinobereich vorbehalten und im klassischen Web- oder Podcast-Kontext selten relevant. Wer die Datenmenge im Griff behalten will, prüft daher immer auch, ob Stereo tatsächlich gebraucht wird oder ob Mono genügt.

Dithering und der Wechsel der Bittiefe

Ein Detail, das in der Praxis oft übersehen wird, betrifft die Reduktion der Bittiefe am Ende der Bearbeitung. Wer ein in 24 Bit aufgenommenes und bearbeitetes Stück auf 16 Bit für die Auslieferung herunterrechnet, schneidet die unteren acht Bit jedes Werts ab. Ohne Gegenmaßnahme entsteht dabei ein körniges, an leisen Stellen hörbares Quantisierungsrauschen, das vor allem beim Ausklingen von Tönen auffällt.

Die Lösung heißt Dithering. Dabei wird vor der Reduktion ein sehr leises, gezielt geformtes Rauschen hinzugefügt, das den harten Rundungsfehler in ein gleichmäßiges, kaum wahrnehmbares Grundrauschen verwandelt. Das klingt paradox, denn man fügt absichtlich Rauschen hinzu, um Störungen zu vermeiden, doch das Ergebnis ist hörbar sauberer als die ungeditherte Reduktion. Wichtig ist, Dithering nur einmal und ganz am Schluss der Kette anzuwenden, nämlich beim finalen Export auf die Zielbittiefe. Wer mehrfach zwischen Bittiefen wechselt und jedes Mal dithert, summiert das Rauschen unnötig auf. Für die reine Wandlung von WAV zu MP3 ist das Thema meist zweitrangig, weil die verlustbehaftete Kodierung ohnehin den letzten Schritt bildet, doch für saubere Master lohnt das Verständnis.

Was du dir merken solltest

Digitales Audio steht auf zwei Säulen: der Sample-Rate, die die zeitliche Auflösung festlegt, und der Bittiefe, die die Feinheit jedes Werts bestimmt. Das Nyquist-Theorem begründet, warum 44,1 kHz den Hörbereich vollständig abdecken, und die Sechs-Dezibel-pro-Bit-Regel erklärt, warum 16 Bit für die Wiedergabe genügen. WAV bewahrt all diese Daten roh und ist deshalb groß, aber als Archiv und Bearbeitungsformat unschlagbar. MP3 dagegen denkt vom Ohr her, lässt nur das Unhörbare weg und liefert dadurch eine handliche Datei. Wer diese Zusammenhänge kennt, trifft bewusste Entscheidungen, statt Werten blind zu vertrauen, und weiß genau, an welcher Stelle Qualität entsteht und an welcher sie unwiederbringlich verloren geht.