Diese Arbeit stellt ein Convolutional Neural Network (CNN)-Modell zur Erkennung der Arabischen Gebärdensprache (AASL) vor, das auf dem AASL-Datensatz trainiert wurde. Angesichts der grundlegenden Bedeutung der Kommunikation für hörgeschädigte Menschen, insbesondere innerhalb der arabischsprachigen gehörlosen Gemeinschaft, betont die Studie die entscheidende Rolle von Gebärdenspracherkennungssystemen. Die vorgeschlagene Methode erzielt herausragende Genauigkeit: Das CNN-Modell erreicht eine Trainingsgenauigkeit von 99,9 % und eine Validierungsgenauigkeit von 97,4 %. Diese Studie etabliert nicht nur ein hochgenaues Modell zur AASL-Erkennung, sondern liefert auch wertvolle Einblicke in effektive Dropout-Strategien. Die erzielten hohen Genauigkeitsraten positionieren das vorgeschlagene Modell als eine bedeutende Fortschrittsstufe in diesem Forschungsfeld und eröffnen vielversprechende Perspektiven für eine verbesserte Kommunikationsbarrierefreiheit innerhalb der arabischsprachigen gehörlosen Gemeinschaft.