Google DeepMind hat eine neue Form der Gebärdensprachen-KI-Übersetzung eingeführt, mit der gehörlose und schwerhörige Nutzer direkt auf ihrem Telefon gebärden können, anstatt zu tippen – ein echter Durchbruch für Barrierefreiheitstechnologie, wie das Unternehmen es nennt. Das Modell, das am 12. August 2026 vorgestellt wurde, heißt SL2T — Kurzform für sign-language-to-text — und es ist das erste Mal, dass diese Art von Technologie die Forschungslabore verlässt und in Alltags-Apps wie Gboard und Live Transcribe Einzug hält.
Summary
Wichtigste Erkenntnisse
- Google DeepMind hat SL2T gestartet, ein mehrsprachiges Gebärdensprachenmodell, das Gebärden direkt in geschriebenen Text umwandelt.
- Derzeit unterstützt es American Sign Language (ASL) zu Englisch in Gboard und Live Transcribe auf dem Pixel 11, ohne zusätzliche Kosten.
- Das Modell wurde mit mehr als 100.000 Stunden Daten aus über 50 Gebärdensprachen trainiert und erreicht 70 BLEURT auf dem FLEURS-ASL-Benchmark, deutlich über früheren Modellen.
- SL2T verfolgt Körperhaltungs-Landmarks anstelle von Rohvideo, um die Privatsphäre der Nutzer zu schützen, und verwirft das Kameramaterial sofort.
- Mitglieder der Deaf-Community haben das Projekt von Anfang an mitgestaltet, und Google hat das AI Sign Language Advisory Committee (AISLAC) eingerichtet, um die Einführung zu begleiten.
Google DeepMind startet SL2T, ein mehrsprachiges KI-Übersetzungsmodell für Gebärdensprachen
SL2T ist DeepMinds Antwort auf eine Lücke, die in der KI seit Jahren besteht: Während Werkzeuge für gesprochene Sprache wie Diktierfunktionen und automatische Übersetzung in den letzten zwei Jahrzehnten zum Mainstream wurden, blieben die weltweit mehr als 200 Gebärdensprachen – die von schätzungsweise 70 Millionen gehörlosen und schwerhörigen Menschen genutzt werden – weitgehend außen vor. DeepMind beschreibt SL2T als ein „massiv mehrsprachiges“ System, das diese Lücke mit einem bedeutenden Sprung sowohl bei der Übersetzungsqualität als auch bei der Sprachenabdeckung schließen soll.
Das praktische Ergebnis ist eine neue Art der Diktierfunktion. So wie hörende Nutzer sprechen können, anstatt zu tippen, ermöglicht SL2T gehörlosen Nutzern, überall dort auf ihrem Telefon zu gebärden, wo sie normalerweise tippen würden – beim Websuchen, Verfassen von Nachrichten oder Dokumenten oder beim Bitten von Gemini, eine Aufgabe zu erledigen. In Live Transcribe können Nutzer ihren Gesprächsanteil gebärden, anstatt mit einer hörenden Person hin und her zu tippen. Laut Googles eigenen Testern fühlte sich Gebärden in ASL schneller und natürlicher an, als das entsprechende auf Englisch zu tippen.
ASL-Unterstützung in Gboard und Live Transcribe auf dem Pixel 11
Vorerst unterstützt die Technologie ein Sprachpaar: American Sign Language, übersetzt ins Englische. Sie ist zunächst in Gboard und Live Transcribe auf dem Pixel 11 verfügbar, wobei Google verspricht, dass weitere Geräte und zusätzliche Gebärdensprachen folgen werden. Bemerkenswert ist, dass die Funktion ohne zusätzliche Kosten für Nutzer angeboten wird und damit als Standardfunktion für Barrierefreiheit positioniert ist, nicht als Premium-Zusatz.
Wie das mehrsprachige Gebärdensprachenmodell entwickelt wurde
SL2T wurde mit einem Datensatz von mehr als 100.000 Stunden trainiert, der über 50 Gebärdensprachen abdeckt, wobei etwa ein Viertel dieser Daten speziell ASL ist. Das Training des Modells über viele Sprachen und Kompetenzniveaus hinweg gleichzeitig, anstatt separate Einsprachen-Systeme zu bauen, half dabei, gemeinsame Strukturen zu erlernen, die die Gesamtleistung verbesserten – und in DeepMinds eigenen Tests Einsprachen-Modelle übertrafen.
Dieser Umfang zeigt sich in den Zahlen. Auf dem FLEURS-ASL-Benchmark, der die Qualität der ASL-zu-Englisch-Übersetzung misst, erzielte SL2T einen Zero-Shot-Score von 70 BLEURT – ein Wert, von dem DeepMind sagt, dass er deutlich höher ist als alles, was bisher für diese Art von Aufgabe berichtet wurde. Dieser Abstand ist wichtig: Er signalisiert, dass SL2T nicht nur eine inkrementelle Verbesserung darstellt, sondern einen Sprung darin, wie gut KI Gebärdensprache als vollwertige Sprache verstehen kann, statt sie als eine Reihe von Handgesten zu behandeln, die einzelnen Wörtern zugeordnet werden.
Ein Teil der Schwierigkeit liegt darin, dass Gebärdensprachen nicht einfach gesprochene Sprachen sind, die mit den Händen ausgeführt werden. Sie haben ihre eigene Grammatik, ihren eigenen Wortschatz und ihre eigene Struktur und vermitteln Bedeutung durch gleichzeitige Bewegungen von Händen, Armen, Oberkörper, Kopf und Gesicht. All dies in Echtzeit zu erfassen, ist ein anspruchsvolles Computer-Vision-Problem und einer der Gründe, warum frühere Versuche – etwa Gebärdensprachhandschuhe – Schwierigkeiten hatten, da sie Gebärden als eng gefasste Hand-Tracking-Aufgabe behandelten, nicht als echte Sprachübersetzung.
Körperhaltungs-Landmarks schützen die Privatsphäre der Gebärdenden
Anstatt Rohvideo an einen Server zu senden, verarbeitet SL2T Gebärden als Strom von Körperhaltungs-Landmark-Koordinaten. Ein On-Device-Modell namens MediaPipe Holistic verfolgt Punkte am Körper der gebärdenden Person, und nur diese geometrischen Koordinaten – nicht das Kameramaterial selbst – werden zur Übersetzung weitergeleitet. Das ursprüngliche Video wird sofort verworfen, was DeepMinds Ansatz ist, Datenschutz direkt in die Systemarchitektur einzubauen, statt ihn als nachträglichen Zusatz zu behandeln.
Verzicht auf Glossen für direkte Übersetzungsgenauigkeit
SL2T bricht auch mit einem gängigen Ansatz in der früheren Gebärdensprachenforschung: Es übersetzt Koordinatensequenzen direkt in Text und umgeht schrittweise Zwischenannotationen, die als „Glossen“ bekannt sind. Glossen neigen dazu, die reichhaltigeren, nichtlinearen Teile von Gebärdensprachen zu übersehen, einschließlich Gesichtsausdrücken und räumlichen Konstruktionen, die echte Bedeutung tragen. Durch das Auslassen dieses Schritts vermeidet SL2T künstliche Vokabulargrenzen und ermöglicht es, dass die Übersetzungsqualität direkt mit mehr Daten skaliert.
Google sagt, dass es auch an praktischen, realen Problemen jenseits von Benchmark-Werten gearbeitet hat – die Streaming-Verzögerung zu reduzieren, falsche Übersetzungen zu vermeiden, wenn jemand gar nicht gebärdet, und die Genauigkeit speziell für die etwa 10 % der Gebärdenden zu verbessern, die Linkshänder sind, sowie für Menschen, die einhändig gebärden, während sie das Telefon in der anderen Hand halten.
Die Deaf-Community hat die Entwicklung von SL2T geprägt
DeepMind stellt dies als ein Projekt dar, das mit der Deaf-Community statt einfach nur für sie aufgebaut wurde. Die Idee stammt von Sam Sepah, einem gehörlosen Googler, und gehörlose Partner waren an der Datenerhebung, den Nutzertests und der Bewertung der realen Auswirkungen der Technologie beteiligt.
Um diese Beteiligung auch über den ersten Start hinaus strukturiert zu halten, hat Google das AI Sign Language Advisory Committee (AISLAC) gegründet, das globale Deaf-Organisationen und Fachexperten zusammenbringt, um mitzuentscheiden, wie die Technologie künftig eingesetzt wird. Das Unternehmen hat außerdem gemeinsam mit Community-Partnern einen gemeinsamen Impact-Report für diese erste Veröffentlichung verfasst, in dem sowohl dargelegt wird, was SL2T leisten kann, als auch, wo seine aktuellen Grenzen liegen – ein Ansatz, den Google nach eigenen Angaben für zukünftige Gebärdensprachen-Veröffentlichungen wiederholen will.
Wie es mit der KI-Übersetzung für Gebärdensprachen weitergeht
DeepMind positioniert die ASL-Unterstützung als Ausgangspunkt, nicht als Ziel. Das Team sagt, dass es daran arbeitet, SL2T auf weitere Gebärdensprachen auszuweiten, Gebärdensprachgenerierung zu erforschen – im Wesentlichen den umgekehrten Prozess, bei dem Text in gebärdete Ausgabe umgewandelt wird – und auf dem bestehenden Modell weitergehende KI-Funktionen aufzubauen.
Die breitere Ambition knüpft an Googles lang formuliertes Ziel an, Informationen universell zugänglich zu machen. Dies für Deaf-Communities zu erreichen bedeutet, Gebärdensprachen in digitalen Produkten näher an die Gleichstellung mit gesprochenen und geschriebenen Sprachen zu bringen, nicht nur eine einzelne Funktion auf einem einzelnen Gerät zu veröffentlichen. Ob sich die frühen ASL-Ergebnisse von SL2T bewähren, wenn es auf Dutzende weiterer Gebärdensprachen mit jeweils eigener Grammatik und regionalen Varianten ausgeweitet wird, wird wahrscheinlich beeinflussen, wie schnell diese breitere Vision für Nutzer jenseits des Pixel 11 Realität wird.
FAQ
Was ist SL2T und was macht es?
SL2T ist das mehrsprachige sign-language-to-text-Modell von Google DeepMind. Es übersetzt Gebärden direkt in geschriebenen Text und ermöglicht es gehörlosen Nutzern, auf ihrem Telefon zu gebärden, um Nachrichten zu tippen, zu suchen oder zu kommunizieren, anstatt eine Tastatur zu verwenden.
Welche Gebärdensprachen unterstützt SL2T derzeit?
Derzeit unterstützt SL2T nur American Sign Language, übersetzt ins Englische, und ist über Gboard und Live Transcribe auf dem Pixel 11 verfügbar. Zusätzliche Gebärdensprachen sind für zukünftige Versionen geplant.
Wie schützt SL2T die Privatsphäre der Nutzer bei der Gebärdensprachenübersetzung?
SL2T führt ein On-Device-Tracking-System aus, das Punkte am Körper einer gebärdenden Person erfasst, anstatt Rohvideo irgendwohin zu senden. Nur diese Koordinaten werden für die Übersetzung verwendet, und das Kameramaterial selbst wird sofort verworfen.
Wie ist die Deaf-Community in das SL2T-Projekt eingebunden?
Gehörlose Personen waren von der frühesten Konzeptphase über die Datenerhebung und das Testen bis hin zur Governance beteiligt. Google hat außerdem das AI Sign Language Advisory Committee eingerichtet, das sich aus Deaf-Organisationen und Experten zusammensetzt, um mitzuhelfen, die weitere Entwicklung der Technologie zu steuern.
{„@context“:“https://schema.org“,“@type“:“FAQPage“,“mainEntity“:[{„@type“:“Question“,“name“:“Was ist SL2T und was macht es?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“SL2T ist das mehrsprachige sign-language-to-text-Modell von Google DeepMind. Es übersetzt Gebärden direkt in geschriebenen Text und ermöglicht es gehörlosen Nutzern, auf ihrem Telefon zu gebärden, um Nachrichten zu tippen, zu suchen oder zu kommunizieren, anstatt eine Tastatur zu verwenden.“}},{„@type“:“Question“,“name“:“Welche Gebärdensprachen unterstützt SL2T derzeit?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Derzeit unterstützt SL2T nur American Sign Language, übersetzt ins Englische, und ist über Gboard und Live Transcribe auf dem Pixel 11 verfügbar. Zusätzliche Gebärdensprachen sind für zukünftige Versionen geplant.“}},{„@type“:“Question“,“name“:“Wie schützt SL2T die Privatsphäre der Nutzer bei der Gebärdensprachenübersetzung?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“SL2T führt ein On-Device-Tracking-System aus, das Punkte am Körper einer gebärdenden Person erfasst, anstatt Rohvideo irgendwohin zu senden. Nur diese Koordinaten werden für die Übersetzung verwendet, und das Kameramaterial selbst wird sofort verworfen.“}},{„@type“:“Question“,“name“:“Wie ist die Deaf-Community in das SL2T-Projekt eingebunden?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Gehörlose Personen waren von der frühesten Konzeptphase über die Datenerhebung und das Testen bis hin zur Governance beteiligt. Google hat außerdem das AI Sign Language Advisory Committee eingerichtet, das sich aus Deaf-Organisationen und Experten zusammensetzt, um mitzuhelfen, die weitere Entwicklung der Technologie zu steuern.“}}]}
Artikel mit Unterstützung von künstlicher Intelligenz erstellt und von der Redaktion überprüft.
