Wenn der KI-Dolmetscher ein Gesicht bekommt

Wer nur eine synthetische Stimme hört, muss ständig einordnen, wer gerade spricht. Tonfall, Blickkontakt und persönliche Präsenz gehen teilweise verloren. Besonders bei längeren, komplexen oder sensiblen Gesprächen kann dadurch Distanz entstehen. Die Beteiligten verstehen vielleicht die Worte, fühlen sich aber weniger direkt miteinander verbunden. Am Karlsruher Institut für Technologie untersuchen wir deshalb eine andere Form der maschinellen Übersetzung: einen humanoiden Roboter-Dolmetscher namens MorphHat.

Ein Roboter als Stellvertreter des Gegenübers

MorphHat übersetzt nicht nur Sprache. Der Roboter stellt zugleich die Person dar, für die er spricht. Dazu besitzt er ein anpassbares Gesicht. Nutzende können bestimmte Merkmale auswählen, etwa Augenfarbe, Hautmerkmale oder Sommersprossen. Während des Gesprächs soll der Roboter dadurch erkennbar mit einer bestimmten Person verbunden bleiben. Dieses Prinzip wird als Ko-Verkörperung bezeichnet. Die sprechende Person und der Roboter teilen sich gewissermaßen die Kommunikation: Der Mensch liefert die Aussage, während der Roboter sie in einer anderen Sprache wiedergibt und zugleich körperlich im Raum repräsentiert. Dies berührt aber zentrale Frage digitaler Kommunikation: Wie viel soziale Präsenz bleibt erhalten, wenn Technik zwischen zwei Menschen vermittelt?

Warum ein Gesicht einen Unterschied machen kann

Eine Übersetzungs-App ist ein Werkzeug. Sie liefert Text oder Sprache, bleibt aber selbst weitgehend unsichtbar. Ein körperlich anwesender Roboter verändert die Situation. Er nimmt Raum ein, kann angesehen werden und gibt der übersetzten Stimme einen sichtbaren Ursprung. In unseren Untersuchungen wurde MorphHat deshalb nicht nur als technisches Gerät wahrgenommen. Die visuelle Repräsentation half einigen Teilnehmenden dabei, das Gegenüber im Gespräch stärker präsent zu erleben. Das kann besonders dann relevant werden, wenn Vertrauen eine wichtige Rolle spielt. Eine technische Beratung, ein Verkaufsgespräch oder die Klärung eines Problems lebt nicht nur von korrekten Informationen. Menschen achten ebenso darauf, ob ihr Gegenüber aufmerksam wirkt, ob Rückfragen verstanden werden und ob eine persönliche Verbindung entsteht.

Ein Roboter kann diese menschliche Beziehung nicht ersetzen. Er kann aber versuchen, weniger von ihr verloren gehen zu lassen, wenn Sprache zur Barriere wird.

Einsatz in der Kundenkommunikation

Für kleine und mittlere Unternehmen ist mehrsprachige Kommunikation häufig eine organisatorische Herausforderung. Professionelle Dolmetscher:innen sind nicht für jedes spontane Gespräch verfügbar. Gleichzeitig reichen einfache Übersetzungsanwendungen nicht immer aus, wenn Inhalte komplex oder persönliche Beziehungen wichtig sind. Humanoide Dolmetschsysteme könnten zwischen diesen beiden Lösungen liegen. Sie verbinden die Skalierbarkeit maschineller Übersetzung mit einer Form körperlicher und visueller Präsenz. Ein denkbares Einsatzgebiet sind Service- und Beratungszentren. Dort könnte ein System Gespräche übersetzen, während es klar erkennbar die jeweilige sprechende Person repräsentiert. Auch bei Schulungen, internationalen Projektbesprechungen oder der Einarbeitung neuer Mitarbeitender könnten solche Systeme Sprachbarrieren reduzieren. Das Potenzial liegt dabei nicht nur in der Übersetzung. Beschäftigte müssen lernen, wie sie mit dem System sprechen, wann sie seine Übersetzung überprüfen und wie sie Missverständnisse erkennen.

Verstehen heißt mehr als übersetzen

MorphHat ist ein Forschungsprototyp und noch keine fertige Lösung für den breiten Einsatz im Unternehmen. Er zeigt jedoch, wie sich die Gestaltung maschineller Übersetzung weiterdenken lässt. Die zentrale Frage lautet nicht nur: Wie können Maschinen Sprache korrekt übertragen? Ebenso wichtig ist die Frage: Wie können Menschen trotz technischer Vermittlung das Gefühl behalten, miteinander zu sprechen? Für den Mittelstand könnten solche Systeme langfristig helfen, internationale Zusammenarbeit zugänglicher und persönlicher zu gestalten. Ihr Wert wird aber nicht davon abhängen, wie menschenähnlich ein Roboter aussieht. Entscheidend wird sein, ob er Menschen dabei unterstützt, einander besser zu verstehen.

Dieser Beitrag basiert auf der Forschung von Müller, Feick, Maedche (2026) mit dem Titel „MorphHat: A Humanoid Robot Interpreter for Enhancing Multilingual Collaboration“. Der wissenschaftliche Artikel dazu ist zu finden als Open-Access-Dokument.