Wer eine Konferenz, eine Hausmesse oder einen Kundentag veranstaltet, kalkuliert Location, Technik, Speaker, Catering und Marketing. Was in dieser Rechnung nie auftaucht, ist das eigentliche Produkt: gesprochene Sprache. Zwei Tage, sechs Bühnen, über hundert Stunden Programm. Das ist konzentriertes Fachwissen, das exakt einmal existiert, im Moment des Sprechens, und danach nur noch in den Notizen derer, die zufällig im richtigen Raum saßen.
Teuer erkauftes Wissen mit einer Halbwertszeit von wenigen Stunden. Und es erreicht nicht einmal alle, die im Saal sitzen.
Auf dem BIG BANG KI FESTIVAL im September haben wir zum ersten Mal in dieser Größenordnung gemessen, wie ein Publikum damit tatsächlich umgeht. Auf allen sechs Bühnen liefen über beide Tage Live-Untertitel mit, abrufbar per QR-Code auf dem eigenen Smartphone, in der Sprache der Wahl. 114 Stunden Bühnenzeit wurden untertitelt. Die Nutzungsdaten haben uns eine Annahme gekostet, die wir selbst hatten.
Das Publikum ist internationaler, als die Programmplanung denkt
1.296 Geräte haben die Untertitel geöffnet, in 1.452 Sessions über beide Tage. 857 Mal wurde dabei aktiv eine Sprache gewählt. Die Verteilung:
- Englisch: 410 (48 Prozent)
- Deutsch: 232 (27 Prozent)
- Chinesisch: 41
- Spanisch: 28
- Türkisch und Französisch: je 15
- Russisch, Italienisch, Koreanisch, Lettisch: je 9 bis 12
- 30 weitere Sprachen: zusammen 74
Das Festival war ein deutsches Festival mit überwiegend deutschen Vorträgen. Trotzdem wählte nicht einmal jeder Dritte Deutsch. Die Mehrheit las auf Englisch mit, und ein weiteres Viertel verteilte sich auf 38 andere Sprachen, von Chinesisch bis Lettisch.
Das ist der Befund, den wir so nicht erwartet hatten, und er hat eine unangenehme Kehrseite: Diese Menschen waren auch auf allen Veranstaltungen davor im Raum. Sie haben nur niemandem gesagt, dass sie nicht alles verstehen. Wer heute die Internationalität seines Publikums an der Teilnehmerliste abliest, liegt daneben. Sichtbar wird sie erst, wenn man ein Angebot macht.
Dazu kommt die Gruppe, über die in dieser Statistik gar nichts steht. In Deutschland leben rund 15 Millionen Menschen mit einer Hörbeeinträchtigung, jeder Sechste. Auf den meisten Bühnen werden sie systematisch übersehen. Gebärdensprachdolmetschende sind für die Gehörlosen-Community der Goldstandard, weil Gebärdensprache eine eigenständige Erstsprache ist. Sie sind aber knapp und teuer, ein qualifiziertes Team kostet für ein zweitägiges Format vierstellige Beträge. Dasselbe gilt für Simultandolmetschen: Kabinen brauchen Platz, den viele Locations nicht haben, und die Kosten skalieren pro Sprache und Tag.
Wo Dolmetschende nicht buchbar oder nicht finanzierbar sind, sind Live-Untertitel das pragmatische Mindeste. Nicht als Ersatz, sondern als Grundversorgung, die jede Veranstaltung leisten kann.
Ein Hinweis zur Rechtslage, weil dazu gerade viel Halbwissen kursiert: Das Barrierefreiheitsstärkungsgesetz, das seit Juni 2025 auch für die Privatwirtschaft gilt, betrifft Produkte und digitale Dienstleistungen. Ihre Präsenzveranstaltung fällt in aller Regel nicht darunter. Wer Ihnen Untertitelung mit Verweis auf eine Pflicht verkauft, verkauft Ihnen etwas. Der Grund, es trotzdem zu tun, ist ein anderer, und er ist der bessere.
Die Nebenbühnen tragen zwei Drittel der Nutzung
Der zweite Befund betrifft die Frage, wo man anfängt. Die naheliegende Antwort lautet: auf der Hauptbühne, da sitzen die meisten.
Die Daten sagen etwas anderes. Auf die größte Bühne entfielen 449 der 1.452 Sessions, also 31 Prozent. Die übrigen 69 Prozent verteilten sich auf die fünf kleineren Bühnen. Wer Barrierefreiheit als Prestigeprojekt für die Keynote-Bühne denkt, verfehlt zwei Drittel derer, die das Angebot nutzen. Die Leute, die auf Untertitel angewiesen sind, sitzen nicht bevorzugt vorne.
Auch der zeitliche Verlauf widerspricht der Intuition. Die höchste gleichzeitige Nutzung lag nicht bei der Eröffnungskeynote, sondern an beiden Tagen um die Mittagszeit, bei bis zu 43 Geräten parallel. Die Nutzung baut sich über den Vormittag auf. Wer nur die Eröffnung untertitelt, trifft den schwächsten Moment des Tages.
Über beide Tage summiert sich das auf 145 Stunden Lesezeit auf den Geräten der Teilnehmenden. Das ist Aufmerksamkeit, die ohne das Angebot schlicht nicht stattgefunden hätte.
Vom Kostenpunkt zum Wissensarchiv
Der betriebswirtschaftliche Hebel liegt noch woanders. Sobald gesprochene Sprache in Echtzeit als Text vorliegt, ist sie nicht mehr flüchtig. Sie wird zu einem Datenbestand, mit dem sich arbeiten lässt.
Konkret: Unmittelbar nach jeder Session existiert eine Mitschrift. Daraus entstehen automatisiert Handouts mit den Kernaussagen pro Vortrag, ausformulierte Social-Media-Beiträge mit den stärksten Zitaten und ein durchsuchbares Archiv der gesamten Veranstaltung. Ohne Postproduktion, ohne Agentur, ohne die zwei Wochen Verzug, nach denen niemand mehr fragt.
Für Ihre Organisation heißt das: Ihr Marketing postet nicht mehr Bühnenfotos mit generischen Bildunterschriften, sondern das, was tatsächlich gesagt wurde, zwanzig Minuten nachdem es gesagt wurde. Ihr Vertrieb bekommt eine Liste der Themen, die im Publikum Resonanz erzeugt haben. Teilnehmende erhalten die Sessions nachgereicht, in denen sie nicht sein konnten, weil sie zeitgleich woanders saßen. Bei sechs Parallelbühnen ist das keine Nettigkeit, sondern der Unterschied zwischen einem Sechstel und dem ganzen Programm.
Das ist gleichzeitig die zweite Stufe von Barrierefreiheit. Inhalte werden auch nach dem Live-Moment zugänglich, in einem Format, das man im eigenen Tempo verarbeiten kann.
Drei Fragen, bevor Sie einkaufen
Der Markt ist jung und die Qualitätsunterschiede sind erheblich.
Wie viele Sprachen, und über welche Wege?
Eine Live-Transkription zu erzeugen ist die eine Aufgabe. Sie parallel in dutzende Sprachen zu übersetzen und über mehrere Kanäle auszuliefern, ist die andere: als Untertitel auf der Saalleinwand für alle, auf den Smartphones in der jeweiligen Sprache, als Audio-Übersetzung über Kopfhörer für jene, die lieber zuhören. Die 38 Sprachen jenseits von Deutsch und Englisch wären mit jedem Dolmetscher-Setup unbezahlbar gewesen.
Wie genau bei Eigennamen und Fachbegriffen?
Eine Konferenz über Halbleitertechnologie ist mit einem unspezialisierten Spracherkennungsmodell verloren, Produktnamen und Firmennamen werden phonetisch geraten. Brauchbare Systeme erlauben Custom Vocabulary, also das Vortrainieren auf das Glossar der Veranstaltung. Ein Anbieter, der vorab weder Programm noch Sponsorenliste anfordert, wird Ihre Speaker falsch schreiben. Ebenso relevant ist die Latenz: Untertitel, die mehr als zwei Sekunden hinterherhinken, lösen sich von Mimik und Gestik und werden zur Ablenkung statt zur Hilfe.
Was passiert mit dem Text danach?
Wenn die Antwort lautet, dass er gelöscht wird, kaufen Sie nur die halbe Leistung.
Der eigentliche Punkt
Sie investieren erhebliche Summen, damit kluge Menschen vor Ihrem Publikum sprechen. Es ist eine seltsame Ökonomie, ausgerechnet an der Stelle zu sparen, an der entschieden wird, wie viele davon es verstehen und wie lange es Bestand hat.
Vor drei Jahren wäre das auch schwer zu lösen gewesen. Live-Untertitelung bedeutete Schriftdolmetschende, Spezialsoftware und Technik im Saal. Heute reicht ein Audiosignal vom Mischpult, die Verarbeitung läuft remote, das Publikum liest im eigenen Browser mit. Sechs Bühnen statt einer ändern an der Logistik wenig. Damit fällt das Argument weg, an dem das Thema jahrelang gescheitert ist: dass es kompliziert sei.
Wer 2026 noch akustisch geschlossene Bühnen baut, baut für ein schrumpfendes Publikum.