Ein „Na großartig“ kann Freude bedeuten oder das Gegenteil. Den Unterschied hört man, lesen kann man ihn nicht. Genau daran scheiterten Übersetzungsprogramme bisher: Sie übertrugen die Worte und ließen den Ton liegen. DeepL, der Übersetzungsanbieter aus Köln, hat am 11. November 2026 ein Sprachmodell namens Aure vorgestellt, das beides mitnehmen soll. Es übersetzt gesprochene Sprache in Echtzeit und passt die übersetzte Stimme laufend daran an, wie jemand gerade spricht: Tonfall, Betonung, Tempo. Das meldet DeepL selbst, The Decoder und ComputerBase berichten.
Aure steckt seit dem Start automatisch in DeepL Voice, dem Produkt für Besprechungen und Gespräche. Wer es nutzt, muss nichts umstellen.
Inhaltsverzeichnis
Was ist DeepL Aure?
Aure ist ein Sprachmodell für gesprochene Übersetzung, also das Programm, das zuhört, übersetzt und die Übersetzung wieder spricht. Man kennt DeepL als Website, in die man einen Text kopiert und ihn in einer anderen Sprache zurückbekommt. DeepL Voice macht dasselbe mit Gesprächen: Eine Person spricht Deutsch, die andere hört wenige Augenblicke später Französisch oder Japanisch.
DeepL Voice gibt es in zwei Formen. Die eine läuft in Videobesprechungen mit Microsoft Teams, Zoom und Google Meet. Die andere ist eine App für das Handy, die man im Gespräch zwischen zwei Menschen auf den Tisch legt. Aure ist der neue Motor in beiden.
Wie funktioniert das?
Aure zerlegt eine Stimme in drei Schichten und überträgt jede einzeln in die neue Sprache. So beschreibt es DeepL:
- Wer spricht: der Klang, an dem man einen Menschen am Telefon erkennt.
- Was gesagt wird: die Worte, die übersetzt werden.
- Wie es gesagt wird: Melodie, Betonung, Pausen und Tempo. Fachleute nennen das Prosodie.
Das Entscheidende ist die dritte Schicht. Aure hört während des ganzen Gesprächs auf das Original und gleicht es mit den übersetzten Worten ab. Wird jemand lauter, schneller oder zögerlich, soll die übersetzte Stimme das mitmachen. Auf der Produktseite führt DeepL das an fünf Stimmungen vor: Begeisterung, Beruhigung, Zuversicht, Zögern und Enttäuschung.
Ein Detail übersieht man leicht. Aure muss sich auf jede Stimme einstellen, bevor der erste Satz zu Ende ist, und dabei Hintergrundgeräusche und Hall herausfiltern. Es soll außerdem unterscheiden, ob jemand grundsätzlich so klingt oder nur heute müde ist.
Was ist anders als bisher?
Bisher nahm DeepL Voice am Anfang des Gesprächs eine kurze Stimmprobe und sprach die ganze Übersetzung in diesem Klang. Das System wusste, wer spricht, aber nicht, wie. Diese Funktion, die eigene Stimme in der anderen Sprache zu behalten, hat DeepL erst im September 2026 eingeführt.
Der Unterschied lässt sich mit einem Foto und einem Film vergleichen. Das Foto vom Gesprächsbeginn zeigt, wie jemand aussieht. Was in der zwanzigsten Minute in seinem Gesicht passiert, zeigt es nicht. Aure filmt mit.
Bisher wusste die Übersetzung, wer spricht. Mit Aure soll sie auch hören, wie.
Warum ist der Tonfall so wichtig?
Weil in Gesprächen oft der Ton die Nachricht ist. Ein „Darüber können wir reden“ klingt im Original offen oder abweisend, und davon hängt ab, was die andere Seite als Nächstes sagt. Eine Übersetzung in gleichmäßiger Maschinenstimme streicht genau diese Information. DeepL nennt als Beispiel Sarkasmus: Die Worte sagen das eine, die Stimme das andere.
Dazu kommt Vertrauen. Wer eine fremde Kunststimme hört, spricht gefühlt mit einem Gerät. Wer die Stimme des Gegenübers hört, mit ihren Pausen und ihrem Nachdruck, spricht mit einem Menschen. DeepL-Chef Jarek Kutylowski beschreibt das Ziel so: Die Sprache ändert sich, der Mensch dahinter bleibt derselbe.
Wie sieht das im Büro aus?
Am ehesten dort, wo zwei Seiten sich einig werden müssen und keine die Sprache der anderen sicher spricht: am Telefon mit dem Lieferanten, in der Videobesprechung mit dem Kunden im Ausland.
Beispiel: ein Anruf über den Rhein
Ein Maschinenbauer aus Mittelbaden bespricht mit einem Lieferanten aus dem Elsass eine verspätete Lieferung. Die Einkäuferin spricht Deutsch, der Lieferant Französisch, beide hören die Übersetzung. Als sie beim Liefertermin langsamer wird und jedes Wort betont, kommt das auf Französisch genauso an. Der Lieferant hört, dass es an dieser Stelle ernst ist, ohne dass jemand es dazusagen muss.
Dieses Beispiel ist ausgedacht, es zeigt aber, wofür DeepL das Modell baut: Verhandlungen, Kundengespräche und Teams, in denen nicht alle dieselbe Sprache sprechen. Für einen Betrieb in Baden liegt Frankreich vor der Haustür, und Schulfranzösisch reicht selten für ein Gespräch über Vertragsstrafen.
Was passiert mit der eigenen Stimme?
DeepL gibt an, Gesprächsprotokolle und Übersetzungen nicht dauerhaft zu speichern und sie nach dem Ende einer Sitzung aus dem Arbeitsspeicher zu löschen. Das ist auch der Grund, warum Aure sich in jedem Gespräch neu auf eine Stimme einstellen muss: Es gibt keinen gespeicherten Stimmabdruck vom letzten Mal.
Das sind Angaben des Herstellers. Wer die Übersetzung in Besprechungen mit Kunden oder Bewerbern einsetzt, klärt vorher wie bei jedem KI-Werkzeug, was der Vertrag mit dem Anbieter regelt und ob die Gesprächspartner Bescheid wissen. Worauf es dabei ankommt, steht im Beitrag ChatGPT und Co. DSGVO-konform im Unternehmen nutzen.
Was kann Aure nicht?
Aure spricht zum Start nur acht Sprachen, ist kein Produkt für Privatleute, und wie gut der Tonfall wirklich ankommt, hat bisher nur der Hersteller gezeigt.
- Acht von über 30 Sprachen: Aure unterstützt Deutsch, Englisch, Französisch, Italienisch, Spanisch, Portugiesisch, Japanisch und Koreanisch. DeepL Voice übersetzt Gespräche laut Hersteller in über 30 Sprachen. Für alle übrigen, etwa Polnisch oder Türkisch, bleibt es vorerst bei den bisherigen Modellen.
- Ein Angebot für Firmen: DeepL Voice richtet sich an Unternehmen und läuft über den Vertrieb. Einen Preis nennt DeepL in der Ankündigung nicht.
- Die Belege stammen von DeepL: Die Hörproben auf der Produktseite sind ausgewählt. Wie Aure mit Dialekt, schlechter Leitung oder drei Leuten klingt, die durcheinanderreden, zeigt erst der eigene Versuch.
- Ein Dolmetscher bleibt ein Dolmetscher: Bei Verträgen, vor Gericht oder in Gesprächen, in denen ein falsch verstandener Satz teuer wird, ersetzt eine KI-Stimme keinen Menschen, der nachfragen kann.
Was heißt das?
Maschinelle Übersetzung hat in wenigen Jahren drei Stufen genommen: erst Text, dann Untertitel in Besprechungen, dann eine Stimme, die mitspricht. Aure ist der Versuch, die vierte Stufe zu nehmen, nämlich eine Stimme, die sich anhört wie der Mensch in diesem Augenblick.
Bemerkenswert ist, woher das kommt. DeepL ist ein deutsches Unternehmen mit über 900 Beschäftigten und einer der wenigen europäischen KI-Anbieter, deren Produkt in vielen Büros längst zum Alltag gehört. Wie sich DeepL neben den großen Plattformen einordnet, zeigt der Beitrag KI-Plattformen für Unternehmen im Vergleich.
Die Frage, die damit neu auf den Tisch kommt, ist keine technische. Wenn die Sprache kein Hindernis mehr ist, mit wem würde ein Betrieb dann reden, mit dem er es heute nicht tut? Bei HÖLL in Baden-Baden verfolgen wir das weiter und berichten hier, sobald es unabhängige Erfahrungen gibt.
Quellen
- DeepL: DeepL stellt Aure vor: sein bislang ausdrucksstärkstes KI-Modell für Echtzeit-Sprachübersetzung (11. November 2026) (Primärquelle): deepl.com
- DeepL: Produktseite Sprachmodell „Aure“ mit Hörproben (abgerufen 12. November 2026) (Primärquelle): deepl.com
- DeepL: DeepL Voice bewahrt jetzt die eigene Stimme in mehrsprachigen Echtzeit-Gesprächen (15. September 2026): deepl.com
- The Decoder: DeepL Voice überträgt mit neuem Stimm-Modell auch Tonfall und Sprechtempo in andere Sprachen (11. November 2026): the-decoder.de
- ComputerBase: Echtzeit-Sprachübersetzung: DeepL Aure lässt Emotionen in Übersetzung einfließen (11. November 2026): computerbase.de
Stand: 12. November 2026, 09:30 Uhr. Aure ist seit einem Tag verfügbar, unabhängige Tests liegen noch nicht vor.
Häufige Fragen
Was ist DeepL Aure?
Aure ist ein Sprachmodell von DeepL für gesprochene Übersetzung in Echtzeit. Es überträgt neben den Worten auch Tonfall, Betonung und Sprechtempo in die andere Sprache, in der Stimme der sprechenden Person. DeepL hat es am 11. November 2026 vorgestellt.
Was ist der Unterschied zwischen DeepL Voice und Aure?
DeepL Voice ist das Produkt, mit dem man Besprechungen und Gespräche übersetzen lässt. Aure ist das neue Sprachmodell, das darin arbeitet. Es wird automatisch verwendet, eine Einstellung ist nicht nötig.
Welche Sprachen unterstützt Aure?
Zum Start Deutsch, Englisch, Französisch, Italienisch, Spanisch, Portugiesisch, Japanisch und Koreanisch. Weitere Sprachen sollen folgen. Für alle anderen nutzt DeepL Voice weiter die bisherigen Modelle.
Funktioniert DeepL Voice in Microsoft Teams?
Ja. DeepL Voice gibt es laut Hersteller für Microsoft Teams, Zoom und Google Meet, dazu als App für Gespräche vor Ort und als Schnittstelle für eigene Anwendungen.
Speichert DeepL die Stimme?
DeepL gibt an, Gesprächsprotokolle und Übersetzungen nicht dauerhaft zu speichern und sie nach dem Ende einer Sitzung aus dem Arbeitsspeicher zu löschen. Das ist eine Angabe des Herstellers.
