Gebärdensprache diktieren statt tippen – erstmals auf dem Handy

Google DeepMind hat am 12. August 2026 SL2T vorgestellt – ein massiv mehrsprachiges Modell, das Gebärdensprache direkt in Text übersetzt. Es steckt ab sofort in der Tastatur-App Gboard und in der App Live Transcribe auf dem Pixel 11, zunächst für Amerikanische Gebärdensprache (ASL) ins Englische und ohne Aufpreis. Damit verlässt Gebärdensprach-KI zum ersten Mal das Forschungslabor und landet in einem Produkt, das man im Laden kaufen kann.

Konkret heisst das: Wer gebärdet, kann das überall dort tun, wo sonst getippt wird – im Web suchen, Nachrichten schreiben, Gemini eine Aufgabe geben. In Live Transcribe lassen sich Antworten in einem Gespräch gebärden, statt sie zurückzutippen. Laut den Testpersonen von DeepMind ist Gebärden in ASL dabei schneller und natürlicher als Tippen in Englisch. Wenig überraschend: Für viele ist ASL die Erstsprache, Englisch die zweite.

Nicht «Englisch mit den Händen»

Gebärdensprachen sind eigenständige, natürliche Sprachen mit eigener Grammatik und eigenem Wortschatz – keine Handzeichen-Version einer Lautsprache. Genau dieses Missverständnis liess frühere Ansätze wie die viel beworbenen Gebärdensprach-Handschuhe scheitern: Sie lasen Handformen ab, wo es eine echte Übersetzung gebraucht hätte.

Dazu kommt ein zweites Problem. Bedeutung entsteht in Gebärdensprachen durch gleichzeitige Bewegungen von Händen, Armen, Oberkörper, Kopf und Gesicht. Das sauber und in hoher Bildrate zu erfassen, ist für die Bilderkennung eine anspruchsvolle und rechenintensive Aufgabe. SL2T muss beides leisten – sehen und übersetzen.

100'000 Stunden aus 50 Gebärdensprachen

Trainiert wurde das Modell laut Google DeepMind auf über 100'000 Stunden Gebärdendaten aus mehr als 50 Gebärdensprachen, rund ein Viertel davon in ASL. Der aufschlussreiche Befund: Gemeinsames Training über verschiedene Sprachen, Dialekte und Kompetenzstufen hinweg schlug in den Experimenten Modelle, die nur eine einzige Sprache lernen. Das Modell findet offenbar gemeinsame Strukturen, die alle Gebärdensprachen teilen.

Auf dem Benchmark FLEURS-ASL (sd-test), der die Übersetzungsqualität von ASL nach Englisch misst, erreicht SL2T 70 BLEURT – und zwar zero-shot, also ohne Feintuning auf die Testdaten. Das liegt gemäss Google deutlich über allen bisher veröffentlichten Werten. Fast interessanter als die Zahl ist die Kleinarbeit daneben: kurze Verzögerung beim laufenden Übersetzen, keine erfundenen Sätze, wenn jemand gerade gar nicht gebärdet, faire Erkennung für die rund 10 Prozent linkshändigen Gebärdenden – und einhändiges Gebärden, weil die andere Hand ja das Handy hält.

Die Kamera schickt nur Punkte

Bemerkenswert ist die Datenschutz-Architektur. SL2T bekommt gar kein Kamerabild zu sehen. Ein Modell auf dem Gerät selbst (MediaPipe Holistic) verfolgt Punkte am Körper der gebärdenden Person, und nur diese geometrischen Koordinaten gehen an den Server. Das Originalvideo wird sofort verworfen.

Aus dieser Punktfolge übersetzt SL2T direkt in Text – ohne den Umweg über sogenannte Glossen, also Zwischenannotationen, die in der bisherigen Forschung Standard waren. Glossen bilden räumliche Konstruktionen und Mimik nur unzureichend ab. Der Verzicht darauf hebt laut DeepMind künstliche Vokabulargrenzen auf und lässt die Qualität direkt mit der Datenmenge wachsen.

Entwickelt mit, nicht für

Die Idee zum Projekt stammt von Sam Sepah, einem gehörlosen Google-Mitarbeiter. Für den Einsatz in der Praxis hat Google das AI Sign Language Advisory Committee (AISLAC) gegründet, in dem Gehörlosenorganisationen aus verschiedenen Ländern und Fachleute sitzen. Zum Release von SL2T 1.0 hat das Gremium zusammen mit Google einen gemeinsamen Impact-Report verfasst, der Fähigkeiten und Grenzen offenlegt. Google nennt die Schwächen selbst: seltene Gebärden, schnelles Fingerbuchstabieren, Passivkonstruktionen und Zeitformen ohne Kontext gehen noch daneben.

DSGS steht noch nicht auf der Liste

Und die Schweiz? Hier gibt es drei Gebärdensprachen: die Deutschschweizerische Gebärdensprache (DSGS), die französische (LSF) und die italienische (LIS). Der Schweizerische Gehörlosenbund SGB-FSS beschreibt sie als eigenständige Sprachsysteme mit eigener Grammatik, die sich untereinander so stark unterscheiden wie die drei Landessprachen. Zwischen 20'000 und 30'000 gehörlose Menschen leben laut dem Verband in der Schweiz.

Für sie ändert sich vorerst nichts. SL2T startet mit ASL, weitere Sprachen und Geräte sollen folgen – einen Zeitplan nennt Google nicht. Weltweit gibt es über 200 Gebärdensprachen und rund 70 Millionen gehörlose und schwerhörige Menschen. ASL ist ein Anfang, mehr nicht.

Der Rückstand ist hierzulande ohnehin nicht nur technischer Natur: Rechtlich anerkannt sind die Gebärdensprachen bisher nur in den Kantonen Zürich, Genf, Tessin und Neuenburg, auf Bundesebene fehlt die Anerkennung, und der Gehörlosenbund fordert seit Jahren ein Gebärdensprachgesetz. Ein Diktier-Feature ersetzt das nicht. Aber es zeigt ziemlich genau, wie selbstverständlich Zugang aussehen kann, wenn man diese Sprachen als das behandelt, was sie sind: Sprachen.