Maschinelle Übersetzung hat in den vergangenen Jahren einen enormen Qualitätssprung gemacht. DeepL und moderne Large Language Models übersetzen heute innerhalb von Sekunden große Mengen an Content: schnell, kostengünstig und in vielen Fällen erstaunlich gut.
Damit stellt sich für international tätige Unternehmen eine berechtigte Frage: Brauchen wir überhaupt noch ein Translation-Management-System?
Unsere Antwort darauf ist für dich vielleicht überraschend: Manchmal tatsächlich nicht. Wer
- Produktinformationen aus einem PIM-System in nur 2 bis 3 Sprachen übersetzen möchte,
- mit einer einzigen KI-Engine (DeepL) arbeitet und
- nur überschaubare Anforderungen an Terminologie, Qualitätssicherung und Freigabeprozesse hat,
kann heute mit einer direkten Integration von beispielsweise DeepL sehr weit kommen.
Das Wichtigste in Kürze
- Übersetzung wird durch KI zur Commodity. Der eigentliche Aufwand liegt in Terminologie, Freigaben, Qualität und Zuständigkeiten.
- Bei 2 bis 3 Sprachen, einer KI-Engine und überschaubaren Anforderungen kann eine direkte DeepL-Integration, etwa in Pimcore, ausreichen.
- Mit vielen Sprachen, Marken, Formaten, Engines und Beteiligten wird aus dem Übersetzungsprozess eine Content-Infrastruktur, die zentral gesteuert werden muss.
- Translation Memory ist nicht tot: Es wird vom Kostensparer zum geprüften sprachlichen Unternehmenswissen.
- DeepL löst die Übersetzung, LANI orchestriert die gesamte Mehrsprachigkeit eines Unternehmens.
Übersetzen ist nicht mehr das eigentliche Problem
Die entscheidende Veränderung durch KI besteht nicht nur darin, dass Übersetzungen günstiger werden. Übersetzung wird zunehmend zur Commodity.
Der eigentliche Aufwand entsteht in international tätigen Unternehmen, die täglich mit vielen Sprachen hantieren, an anderer Stelle:
- Welche Terminologie muss die KI verwenden und welche Begriffe dürfen keinesfalls verwendet werden, müssen also ausgeschlossen werden?
- Welche Sprachressourcen gelten für welche Marke, Produktgruppe oder Niederlassung?
- Welche KI-Engine eignet sich für welchen Content? DeepL oder doch ein LLM? Und wenn ja, welches?
- Welche Inhalte können automatisiert veröffentlicht werden und welche benötigen eine menschliche Prüfung?
- Wer haftet für den Output der KI-Übersetzung? Ist Haftung überhaupt ein Thema?
- Wie wird Übersetzungsqualität gemessen, wer gibt Änderungen frei und wie werden geprüfte Übersetzungen wiederverwendet?
- Wie verhindert man, dass Marketing, technische Dokumentation, Produktmanagement und Niederlassungen mit unterschiedlichen Begriffen arbeiten?
Je mehr Sprachen, Systeme, Content-Arten und Beteiligte hinzukommen, desto weniger geht es um die einzelne Übersetzung. Es geht um Language Operations.
Wann DeepL allein ausreichen kann
Ein Unternehmen arbeitet beispielsweise mit Pimcore als zentralem PIM, übersetzt Produkttexte in 2 oder 3 Sprachen und verwendet dafür DeepL. Die Unternehmensterminologie wird über Glossare vorgegeben. Die Übersetzung wird ausgelöst, landet wieder im richtigen Datenfeld und wird anschließend geprüft oder veröffentlicht.
Das kann ein sehr effizienter Prozess sein. Für einen solchen Anwendungsfall braucht ein Unternehmen möglicherweise tatsächlich keine zusätzliche Translation-Management-Plattform.
LANI soll kein Problem lösen, das ein Unternehmen nicht hat.
Wann sich die Situation verändert
Anders sieht es aus, wenn aus einem Übersetzungsprozess eine internationale Content-Infrastruktur wird. Zum Beispiel, wenn ein Unternehmen:
- 10, 15 oder 20 Sprachen betreut und mehrere Marken oder Produktbereiche verwaltet,
- neben PIM-Daten auch Websites, technische Dokumentationen, PDFs, InDesign-Dateien oder andere Formate übersetzt,
- unterschiedliche KI-Modelle und Übersetzungsengines einsetzen möchte,
- zentrale Terminologie verbindlich vorgeben und bestehende Translation Memories weiterverwenden möchte,
- interne Mitarbeiter, externe Übersetzer und internationale Niederlassungen in Freigabeprozesse einbindet,
- Übersetzungsqualität systematisch bewerten und je nach Inhalt automatisieren oder menschlich prüfen möchte,
- nachvollziehen muss, welcher Content wann, wie und von wem übersetzt und freigegeben wurde.
Die entscheidende Frage
Dann lautet die entscheidende Frage nicht mehr „Wie übersetzen wir?“, sondern: Wie steuern wir die gesamte mehrsprachige Kommunikation unseres Unternehmens?
Die Tabelle stellt beide Ausgangslagen gegenüber:
| Kriterium | Direkte DeepL-Integration reicht | Translation-Management-System lohnt sich |
|---|---|---|
| Sprachen | 2 bis 3 Sprachen | 10, 15 oder 20 Sprachen, mehrere Marken oder Produktbereiche |
| Content | Produkttexte aus dem PIM | Zusätzlich Websites, technische Dokumentation, PDFs, InDesign-Dateien und weitere Formate |
| KI-Engines | Eine Engine (DeepL) | Unterschiedliche KI-Modelle und Übersetzungsengines je nach Content |
| Sprachressourcen | Glossare in der Engine | Zentrale, verbindliche Terminologie plus bestehende Translation Memories |
| Beteiligte und Freigaben | Überschaubare Freigabeprozesse | Interne Mitarbeiter, externe Übersetzer und Niederlassungen in definierten Workflows |
| Qualität und Nachvollziehbarkeit | Überschaubare Anforderungen | Systematische Qualitätsbewertung und Nachweis, wer was wann übersetzt und freigegeben hat |
Genau hier setzt LANI an
LANI ist als Plattform für zentrales Übersetzungsmanagement konzipiert, also für die Steuerung mehrsprachiger Prozesse. DeepL ist Teil von LANI. Ebenso sind Large Language Models und weitere Sprach- und KI-Technologien in den Übersetzungsprozess von LANI integriert. LANI verbindet diese Technologien mit den Sprachressourcen und Abläufen eines Unternehmens:
- Zentrales Terminologiemanagement: Unternehmen definieren verbindlich, welche Begriffe verwendet werden müssen und welche nicht.
- Translation Memory: Bereits übersetzte und geprüfte Inhalte bleiben als Unternehmenswissen erhalten und können wiederverwendet werden.
- KI-Übersetzung mit Unternehmensterminologie: Terminologie und vorhandene Sprachressourcen werden gezielt in KI-Übersetzungsprozesse eingebunden.
- Workflow und Freigaben: Interne Mitarbeiter, Niederlassungen, externe Übersetzer und Sprachdienstleister können in definierte Prozesse eingebunden werden.
- Quality Estimation und Human-in-the-Loop: Nicht jeder Text benötigt dieselbe Qualitätssicherung. Unternehmen können entscheiden, wo Automatisierung genügt und wo menschliche Expertise im Post-Editing erforderlich ist.
- Visual Review: Übersetzungen können in ihrem tatsächlichen visuellen Kontext überprüft werden.
- Integration in bestehende Systeme: LANI kann über Schnittstellen in bestehende Content- und Unternehmenssysteme eingebunden werden. Für Pimcore steht mit der Pimcore Translation API eine Integration zur Verfügung, die einen nahtlosen Import und Export ermöglicht.
Translation Memory ist nicht tot: Seine Rolle verändert sich
Früher war Translation Memory vor allem ein Instrument, um Übersetzungskosten zu reduzieren. Identische oder ähnliche Sätze mussten nicht immer wieder neu übersetzt werden.
KI verändert diese Rechnung. Eine erneute maschinelle Übersetzung kostet heute nur noch einen Bruchteil dessen, was eine menschliche Neuübersetzung früher gekostet hat. Damit verliert Translation Memory einen Teil seiner ursprünglichen wirtschaftlichen Bedeutung. Aber es gewinnt eine andere: Es wird zum geprüften sprachlichen Unternehmenswissen.
Ein freigegebener Satz aus einer Bedienungsanleitung, eine juristisch geprüfte Formulierung oder eine sorgfältig abgestimmte Produktbeschreibung ist nicht deshalb wertlos, weil eine KI denselben Satz heute günstig erneut übersetzen könnte.
Warum sollten wir eine bereits geprüfte Unternehmensformulierung erneut von einer KI interpretieren lassen?
Fazit: Wie sich Translation Management weiterentwickelt
Je leistungsfähiger KI wird, desto wichtiger wird für international tätige Unternehmen die Fähigkeit, Technologien, Sprachressourcen, Qualitätsstufen und Menschen miteinander zu verbinden. Translation Management entwickelt sich vom System, das Übersetzungen verwaltet, zur Plattform, die Language Operations steuert. DeepL löst zwar die Übersetzung, LANI aber orchestriert deine Mehrsprachigkeit.
