Was Google tatsächlich ausgeliefert hat

SL2T (Sign Language to Text) ist ein Modell von Google DeepMind, das die gleichzeitigen Hand-, Gesichts- und Körperbewegungen der Gebärdensprache direkt in geschriebenen Text umwandelt, ohne den Umweg über die 'Gloss'-Zwischenschritte, die frühere Forschungssysteme ausgebremst haben. Der Start erfolgte am 12. August 2026 in zwei Verbraucherprodukten auf dem Pixel 11: Gebärden-zu-Text-Diktat in Gboard und gebärdenbasierte Gesprächsantworten in Live Transcribe. Trainiert wurde das Modell mit über 100.000 Stunden Gebärdendaten aus mehr als 50 Gebärdensprachen, rund ein Viertel davon amerikanische Gebärdensprache (ASL), und es erreicht 70 BLEURT-Punkte im FLEURS-ASL-Benchmark - laut Google deutlich vor jedem bisher veröffentlichten Ergebnis. Entwickelt wurde es mit einem beratenden Gremium aus gehörlosen Organisationen und Fachleuten, initiiert von Sam Sepah, einem gehörlosen Google-Mitarbeiter, nach dem erklärten Grundsatz, mit der gehörlosen Community zu entwickeln statt nur für sie.

Google räumt offen ein, wo das Modell noch schwächelt: seltene Gebärden, schnelles Fingeralphabet, passive grammatische Konstruktionen, Klassifikator-Darstellungen und die Ableitung von Zeitformen ohne Kontext stehen alle auf der eigenen veröffentlichten Liste der Einschränkungen. Diese Offenheit zählt, denn es handelt sich nicht um ein Forschungspapier oder eine Demo, sondern um das erste Gebärdensprach-Übersetzungsmodell, das direkt in der Standardtastatur eines Massenmarkt-Smartphones ausgeliefert wird, ab dem ersten Tag kostenlos für jeden Pixel-11-Besitzer.

Die Datenschutz-Entscheidung, die keine Schlagzeile erwischt hat

Nach EU-Datenschutzrecht zählen biometrische Daten, die eine natürliche Person eindeutig identifizieren, nach Artikel 9 der DSGVO zu einer besonderen Kategorie mit strengeren Verarbeitungsbedingungen. Videoaufnahmen von Gesicht und Händen einer Person, speziell erfasst, um ihre Körperbewegungen zu analysieren, liegen nah an dieser Grenze. Die Architektur von SL2T ist so gebaut, dass sie deutlich Abstand hält: Das Telefon lässt MediaPipe Holistic, einen Posentracker, direkt auf dem Gerät laufen, und nur die daraus errechneten geometrischen Koordinaten von Händen, Gesicht und Körperhaltung werden zur Übersetzung an Googles Server gesendet. Das Originalvideo wird sofort auf dem Gerät verworfen und nie übertragen oder gespeichert.

Ob Googles Ingenieure das intern in DSGVO-Begriffen formuliert haben oder nicht - es ist ein Lehrbuchbeispiel für Datenminimierung: einen Kamerastrom auf die kleinstmögliche Abstraktion reduzieren, die den Zweck noch erfüllt, und alles andere verwerfen, bevor es das Gerät verlässt. Jedes Produktteam mit EU-Zielgruppe, das eine kameragestützte Barrierefreiheits-, Gesten- oder Diktierfunktion baut, hat damit ein konkretes, bereits ausgeliefertes Beispiel für eine Datenschutz-Folgenabschätzung - und ein starkes Argument, warum geometrische Koordinaten statt Rohvideo die Standardarchitektur sein sollten und nicht ein nachträglicher Zusatz.

Warum 'nur ASL' in Europa mehr wiegt, als es klingt

Gebärdensprachen sind national und regional, nicht universell, und folgen nicht der Lautsprache des jeweiligen Landes. Britische und amerikanische Gebärdensprache sind getrennte Sprachen mit unterschiedlicher Grammatik und größtenteils unterschiedlichem Wortschatz, obwohl beide Länder Englisch sprechen. Deutschland hat DGS, Frankreich LSF, Italien LIS, Polen PJM - keine davon ist ein Dialekt von ASL oder voneinander. Googles Angabe von 'mehr als 50 Gebärdensprachen, 100.000 Stunden' beschreibt die Breite der Trainingsdaten und Forschungsbasis von SL2T; die tatsächlich ausgelieferte Funktion übersetzt ausschließlich ASL ins Englische. Damit ist am ersten Tag - und für einen nicht genannten Zeitraum danach - keine einzige EU- oder UK-Gebärdensprache nutzbar.

Der Zeitpunkt verschärft die Lücke. Das deutsche Barrierefreiheitsstärkungsgesetz (BFSG), die nationale Umsetzung der europäischen Richtlinie zur Barrierefreiheit, gilt seit dem 28. Juni 2025 für viele digitale Produkte und Dienstleistungen, und die zuständigen Marktüberwachungsbehörden können inzwischen auf Beschwerden reagieren. Das Gesetz schreibt keine bestimmte Tastaturfunktion wie diese vor, ihr Fehlen ist also für sich genommen kein Verstoß. Aber ein gehörloser Nutzer in Berlin, München oder Hamburg liest Werbung für das Pixel 11, die eine Fähigkeit beschreibt, die seine eigene Gebärdensprache nicht nutzen kann - genau in dem Moment, in dem die Aufmerksamkeit für digitale Barrierefreiheit in der EU eher zu- als abnimmt.

Was das für die Planung in EU und UK bedeutet

Für Produkt- und Compliance-Teams ist die reine Koordinaten-Architektur das Muster, das sich für jede kameragestützte Barrierefreiheits-, Gesten- oder Diktierfunktion mit EU- oder UK-Zielgruppe lohnt zu kopieren. Sie verkleinert die Frage der biometrischen Datenexposition, bevor die Rechtsabteilung unter Zeitdruck antworten muss, und ist ein konkretes Beispiel, das sich in einer Datenschutz-Folgenabschätzung als Datenminimierung von Anfang an anführen lässt, statt als nachträglich angeflanschte Compliance-Maßnahme.

Für Barrierefreiheits- oder Beschaffungsteams, die genau diese Funktion bewerten, ist der Rat deutlicher: nicht darauf einplanen, dass britische Gebärdensprache, DGS, LSF oder eine andere EU-Gebärdensprache bald kommt. Googles eigene Liste der Einschränkungen verspricht nur 'weitere Gebärdensprachen' ohne Datum, und die eigene Reihenfolge - erst ASL, alles andere folgt später laut Ankündigung - deutet darauf hin, dass EU- und UK-Unterstützung eine zweite Rollout-Welle ist, gemessen in Quartalen statt Wochen. Bei der Beratung zur Gerätebeschaffung für gehörlose Mitarbeitende oder Kundschaft sollte man Pixel-11-Werbung und tatsächlich ausgelieferte Funktion im jeweiligen Markt als zwei verschiedene Dinge behandeln.

Weiterlesen: Neun der Top 10 KI-Videomodelle kommen jetzt aus China  |  Quelloffene KI bringt einen Tag mehr Zyklon-Warnzeit