Blog-Artikel

Zoom hat in diesem Jahr still und leise die Diskussion um mehrsprachige Meetings verändert. Mit dem Start der von Voice Translator , dem ersten Versuch, die Stimme eines Sprechers automatisch und ohne menschlichen Dolmetscher in eine andere Sprache zu übersetzen, hat das Unternehmen nun einen wichtigen Schritt getan. Für Organisationen, die jahrelang auf spezialisierte Dolmetschplattformen wie Interprefy Agent für globale Meetings gesetzt haben, stellt sich nun die Frage, ob Zooms eigene Funktion ihre bisherigen Lösungen ersetzen kann. 

Jede mehrsprachige Veranstaltung erzeugt weit mehr als nur die Erinnerung an den Tag. Aufnahmen, Untertitel und Transkripte sammeln sich im Hintergrund an, während die Veranstaltung selbst im Mittelpunkt steht. Nach den Schlussworten gerät dieses Material oft in Vergessenheit. Irgendwann fragt jemand nach dem französischen Transkript der Breakout-Session oder den englischen Untertiteln der Keynote, und die Suche beginnt. 

Microsoft hat 2026 die Dolmetschfunktionen von Teams deutlich erweitert: automatische Spracherkennung, ein Konsekutivmodus für Verhandlungen und Unterstützung für dedizierte Raumhardware. Für Organisationen, die hauptsächlich auf Englisch und Spanisch arbeiten und eine Copilot-Lizenz nutzen, deckt dies möglicherweise die meisten Meetings ab. Für die meisten globalen Organisationen ist dies jedoch nicht ausreichend. Genau hier, in dieser Lücke zwischen den nativen Funktionen von Teams und den tatsächlichen Bedürfnissen einer mehrsprachigen Belegschaft, spielt eine Dolmetschplattform eine entscheidende Rolle. 

Betritt man heute einen großen Konferenzsaal oder ein Auditorium, sieht man oft einen Bildschirm vorne im Raum, der mehr als nur Folien anzeigt. Unter dem Namen des Redners oder im unteren Drittel des Bildschirms läuft in Echtzeit ein Live-Transkript des Gesagten. Dies nennt man Bildschirmuntertitelung, und sie hat sich von einer Nischenfunktion für Barrierefreiheit zu einem Standard bei gut organisierten Präsenzveranstaltungen entwickelt. 

 Eine Produkteinführung, eine Ankündigung der Führungsspitze, eine Krisenreaktion – was auch immer Journalisten und Kameras anlockt, eine Pressekonferenz gehört zu den wichtigsten Kommunikationsmomenten Ihres Unternehmens. Jedes Wort zählt. Jedes falsche Zitat zählt. Und zunehmend spielt auch die Sprache eine entscheidende Rolle. 

Stellen Sie sich vor, Sie sind bei einer mehrsprachigen Veranstaltung mit Dolmetscherdienst, bei der alles inklusiv erscheint, aber Sie haben trotzdem einen Satz verpasst und konnten nicht zurückspulen oder dem Gesagten folgen. Kommt Ihnen das bekannt vor? Vielleicht sprach der Redner zu schnell, der Ton war kurzzeitig schwach oder Sie machten sich Notizen, als ein wichtiger Punkt angesprochen wurde. Bei Live-Veranstaltungen verhindern selbst gute Dolmetscherdienste und eine professionelle Produktion nicht immer, dass Informationen verloren gehen.

Communication Access Realtime Translation, auch bekannt als CART, ist ein Echtzeit-Untertitelungsdienst, der gesprochene Worte in lesbaren Text umwandelt, während sie gesprochen werden. Er wird hauptsächlich eingesetzt, um gehörlose und schwerhörige Menschen in Live-Umgebungen wie Sitzungen, Klassenzimmern, Anhörungen, Konferenzen und öffentlichen Veranstaltungen zu unterstützen.

Der European Union Artificial Intelligence Act (EU AI Act) verändert die Art und Weise, wie Organisationen über künstliche Intelligenz denken. Für Unternehmen, die KI-Sprachübersetzung, KI-gestützte Live-Untertitel, Untertitel oder nachträglich KI-übersetzte Aufzeichnungen, Transkripte oder Zusammenfassungen in Besprechungen und Veranstaltungen nutzen, lautet die zentrale Frage nicht mehr nur “funktioniert es?” Es ist auch “ist es klar, verantwortungsbewusst, konform und angemessen für den Kontext?” 

Town-Hall-Versammlungen sind eines der wichtigsten Kommunikationsformate in großen Unternehmen. Sie bringen Führungskräfte und Mitarbeitende zusammen, oft über Regionen, Zeitzonen und Sprachen hinweg. Die Herausforderung ist jedoch klar: Wenn Menschen die Botschaft nicht in Echtzeit verfolgen können, verliert die Versammlung ihre Inklusivität und wird fragmentiert.