DeepL übersetzt Meetings jetzt in der Stimme der sprechenden Person

DeepL hat am 15. September 2026 ein Update seiner Sprach-KI vorgestellt. Der sichtbarste Teil: Bei der Echtzeitübersetzung gesprochener Sprache bleibt die Stimme der sprechenden Person erhalten. Klangfarbe, Sprechtempo und emotionale Färbung werden nach Angaben des Unternehmens in die Zielsprache übertragen, ohne dass vorher Stimmproben aufgenommen oder Stimmprofile angelegt werden müssen.

Bisher klang die maschinelle Verdolmetschung nach einer synthetischen Standardstimme, die für alle Beteiligten gleich war. In einer Runde mit mehreren Sprechenden ging damit die einfachste Orientierung verloren, nämlich wer gerade redet.

Was DeepL konkret ausliefert

Die Stimmerhaltung greift zunächst nicht für den gesamten Sprachumfang. DeepL nennt 14 Sprachen mit vollständiger Voice-to-Voice-Übersetzung, für weitere Sprachen ist das Angebot in abgestufter Form verfügbar; die Produktseite spricht insgesamt von mehr als 40 unterstützten Sprachen für Transkription und Übersetzung. Die Browser-Variante ist nach Angaben des Unternehmens noch im Beta-Stadium.

Neu ist außerdem eine Desktop-Anwendung für Windows und macOS, die sich an Microsoft Teams, Zoom und Google Meet anhängt. Wer will, bekommt übersetzte Untertitel als Einblendung, gesprochene Übersetzung oder beides gleichzeitig. Für die Einbindung in eigene Anwendungen gibt es die DeepL APIAPI (Programmierschnittstelle)Schnittstelle, über die Programme Daten und Funktionen austauschen.Im Glossar ansehen → for Voice, über die sich etwa Telefonate im Kundenservice oder Vertriebsgespräche transkribieren und übersetzen lassen.

Als Referenzeinsatz führt DeepL die Salesforce-Konferenz Dreamforce vom 15. bis 17. September in San Francisco an, wo die Technik die Übersetzung auf 50 Bühnen und in über 1.000 Sessions übernehmen soll. Als Zielbranchen nennt das Unternehmen Fertigung, Einzelhandel, Life Sciences und professionelle Dienstleistungen.

Der Unterschied zum Dolmetscher im Chatfenster

Für Unternehmen ist weniger der Stimmklang die Neuerung als die Frage, wo die Übersetzung stattfindet. Ein Dienst, der sich als Teilnehmer in die Konferenz einwählt, ist ein weiterer Empfänger des Gesprächs. Eine Desktop-Anwendung, die lokal mithört und übersetzt, hat eine andere Rolle, auch wenn die Verarbeitung im Hintergrund ebenfalls über ServerHostingDer Speicherplatz auf einem Server, auf dem Ihre Website läuft.Im Glossar ansehen → läuft.

DeepL gibt an, Transkriptions- und Übersetzungsdaten nicht dauerhaft zu speichern und sie nicht für das Training der eigenen Modelle zu verwenden. Das Unternehmen führt eine Zertifizierung nach ISO/IEC 27001:2022 sowie SOC 2 Type 2 und bezeichnet den Dienst als DSGVO- und HIPAA-konform. Für die Stimmerhaltung betont DeepL, dass keine Stimmproben gespeichert und keine wiederverwendbaren Stimmprofile erzeugt werden.

Ob eine Aussage über Speicherdauer zutrifft, entscheidet nicht die Produktseite, sondern der Auftragsverarbeitungsvertrag. Er ist der einzige Ort, an dem so etwas verbindlich steht.

Der zweite Punkt, der in der Praxis regelmäßig unterschätzt wird, ist die Mitbestimmung. Ein Werkzeug, das Meetings mithört, transkribiert und übersetzt, ist eine technische Einrichtung, die geeignet ist, Verhalten und Leistung von Beschäftigten zu überwachen. Damit liegt es im Anwendungsbereich des Paragrafen 87 Absatz 1 Nummer 6 Betriebsverfassungsgesetz, und zwar unabhängig davon, ob die Überwachung beabsichtigt ist. Wo ein Betriebsrat besteht, gehört die Einführung mit ihm verhandelt, bevor sie ausgerollt wird.

Wo die Grenzen liegen

Eine übertragene Stimme ist eine erzeugte Stimme. Was in einem Meeting hilfreich ist, weil es die Zuordnung erleichtert, ist in einer Aufzeichnung eine Tonspur, in der jemand Sätze in einer Sprache sagt, die er nie gesprochen hat. Wer solche Mitschnitte aufbewahrt oder weitergibt, sollte kenntlich machen, dass es sich um eine maschinelle Übersetzung handelt. Das ist zunächst eine Frage der Sorgfalt gegenüber den Beteiligten; die Transparenzpflichten des AI Act für KI-erzeugte Audioinhalte weisen in dieselbe Richtung.

Fachlich bleibt es außerdem bei der bekannten Einschränkung: Eine Echtzeitübersetzung ist eine Arbeitshilfe, keine verbindliche Verdolmetschung. Für Verhandlungen, in denen es auf den einzelnen Halbsatz ankommt, für arbeitsrechtliche Gespräche oder für medizinische Aufklärung bleibt der menschliche Dolmetscher die belastbare Variante. Die Stärke des Werkzeugs liegt in der Breite: in wöchentlichen Abstimmungen mit einem Entwicklungsteam im Ausland, im Support, in Lieferantengesprächen, also überall dort, wo heute auf ein holpriges Englisch ausgewichen wird, das für beide Seiten die zweite Sprache ist.

Was das für Ihr Unternehmen heißt

• Klären Sie zuerst, ob Sie ein Problem haben, das dieses Werkzeug löst. Wenn in Ihren Meetings ohnehin alle dieselbe Sprache sprechen, ist die Stimmerhaltung eine Demo, kein Nutzen.
• Prüfen Sie den Auftragsverarbeitungsvertrag und die Angaben zum Verarbeitungsort, bevor Sie den Dienst in Kundengespräche einbinden. Zusagen auf einer Produktseite sind keine vertragliche Grundlage.
• Beziehen Sie den Betriebsrat früh ein. Mithören und Transkribieren von Besprechungen ist mitbestimmungspflichtig, auch wenn niemand auswerten will.
• Legen Sie fest, was mit Transkripten geschieht. Eine automatisch erzeugte Mitschrift ist ein Dokument, das im Zweifel herausgegeben werden muss, und sie unterliegt Ihren Löschfristen.
• Kennzeichnen Sie aufgezeichnete Übersetzungen als maschinell erzeugt, besonders wenn die Originalstimme nachgebildet wurde.
• Behalten Sie für rechtlich oder medizinisch heikle Gespräche den menschlichen Dolmetscher. Die Haftung für eine Fehlübersetzung bleibt bei Ihnen, nicht beim Anbieter.