Diese Arbeit beschreibt eine Methode, um Screencasts zu annotieren und signifikante Abschnitte zu identifizieren. Der beschriebene Ansatz definiert ein Maß über die Dauer der Aufzeichnung, dass die Relevanz von Abschnitten quantifiziert. Ziel ist es, einer externen Betrachter zu ermöglichen, schnell zu relevanten Stellen in der Aufzeichnung zu navigieren. Dieser Ansatz wurde für Screencasts von Programmieraktivitäten implementiert, indem ein Maß für die Menge an getippten Text zwischen Paaren von benachbarten Frames ausgeben wird. Der hier beschriebene Ansatz lässt sich in drei Unteraufgaben teilen: Extrahieren des Code-Editors, Erfassen einzelner Zeichen und schließlich die Bewertung der Unterschiede an Zeichen zwischen aufeinanderfolgender Frames. Die Detektion der Code-Editoren erfolgt durch Anwendung von Computer Vision Methoden. Dabei werden charakteristische Merkmale detektiert und zur Rekonstruktion der Editor-Fenster verwendet. In den detektierten Regionen werden anschließend Algorithmen zur Zeichensegmentierung angewandt und anhand der Ergebnisse beurteilt, ob sich der Inhalt, um Text in einer Monospace-Schriftart handelt. Diese sind charakteristisch für Text Editoren von Entwicklungsumgebungen und werden deswegen zur Klassifizierung der detektierten Bereiche verwendet. Abschließend werden die geänderten segmentierten Zeichen evaluiert. Die Ergebnisse wurden anhand von 56 Screencasts evaluiert. Die Aufzeichnungen stammen von drei unterschiedlichen Programmieraufgaben und wurden von 20 Studierenden gelöst. Die Studierenden verwendeten dafür eine von zwei Entwicklungsumgebungen. Die Evaluierung dieser Screencasts ergab einen mittleren Genauigkeitswert von 83.4% und ein mittleres F2-Maß von 81.5%.