Erklärvideos als Bildungsmedien erleben derzeit einen Höhenflug an Relevanz, was auch in der (didaktischen) Forschung entsprechendes Interesse geweckt hat. So gilt es, angemessene forschungsmethodische Zugänge zu Erklärvideos zu finden und zu erproben. Am Beispiel screen-cast-basierter schreibdidaktischer Modellvideos zeigt der Beitrag, wie be-stehende Verfahren zur Inventarisierung und Transkription multimodaler Daten auf den „neuen" Untersuchungsgegenstand angewandt werden können und welchen Mehrwert hierfür gesprächsanalytische Zugänge bereit-halten, wenn es um das präzise Aufzeigen räumlich-zeitlicher Koordination beim Erklären bzw. Modellieren geht.