01.12.2025

Ob Textgenerierung, Übersetzung oder smarte Chatbots: Large Language Models (LLMs) zählen zu den aktuell spannendsten KI-Innovationen und verändern die Unternehmenskommunikation. Sie verstehen, verarbeiten und generieren Sprache und übernehmen bereits vielfältige Aufgaben und Prozesse. Um aber nicht nur generische, sondern unternehmensspezifische Ergebnisse zu liefern, müssen die Systeme angeleitet und trainiert werden. Wir erklären, welche Wege es gibt, um den LLM-Output an den unternehmenseigenen Stil anzupassen und welche wichtige Rolle Ihre Sprachdaten aus Translation Memorys und Terminologiedatenbanken dabei spielen.

Um KI-erstellte Texte und Übersetzungen an Tonalität und Vorgaben Ihres Unternehmens anzupassen, gibt es mehrere Möglichkeiten.

Beim Prompt Engineering wird das vorhandene Modell durch Anweisungen und Beispiele gezielt beeinflusst und gesteuert. Werden also Terminologie- oder Stilvorgaben innerhalb eines Prompts an das System übermittelt, berücksichtigt es diese Anweisungen und setzte sie im besten Fall entsprechend um. Prompt Engineering lässt sich einfach umsetzen und austesten, stößt bei komplexen Anforderungen allerdings an Grenzen und führt je nach Modell zu erhöhten Kosten pro Anfrage.

Bei der Retrieval-Augmented Generation (RAG) wird das LLM mit unternehmenseigenen Datenquellen verbunden, auf die das System gezielt zugreifen kann. Diese Methode führt zu spezifischeren Antworten und hat den Vorteil, dass Daten tagesaktuell abgefragt werden können.

Als fortgeschrittene Methode kommt ein Finetuning ins Spiel, bei dem ein LLM mit unternehmensspezifischen Daten weitertrainiert und nachjustiert wird. Auf Basis von ein- oder zweisprachigen Texten lernt das KI-System die verwendete Fachterminologie und Muster im Textstil. Das Ergebnis sind konsistentere Texte und eine Ansprache der Nutzer:innen im gewünschten Unternehmenston. Eine solche Feinabstimmung lohnt sich also besonders, wenn generische Modelle keine guten Resultate erzielen oder spezifische Anforderungen nicht umsetzen.

Unabhängig von der gewählten Methode werden ausgewählte und vor allem saubere Daten für die Beeinflussung der LLMs benötigt. Und hier kommen Sprachdaten ins Spiel.

In Ihrem Unternehmen liegen bereits wahre Datenschätze, wenn es um die ein- und mehrsprachige Kommunikation geht: Ihre Sprachdaten in Form von Translation Memorys (TM) und Terminologiedaten. In Translation Memorys sind alle bisherigen Übersetzungen gespeichert, während in Terminologiedatenbanken Fachtermini hinterlegt und definiert sind. Beide Datenquellen dienen damit als eine Art mehrsprachige „Wissensbasis“.

Aus TMs kann ein LLM Übersetzungsmuster, Stilvorgaben in Ausgangs- und Zielsprache, sprachliche Besonderheiten und die korrekte Verwendung von Fachterminologie übernehmen. Auch beim Prompt Engineering hilft ein Blick ins TM, um passende Übersetzungen als Beispiele an das LLM zu übermitteln und dadurch das gewünschte Ergebnis zu illustrieren.

Die zweite wertvolle Quelle sind Terminologiedatenbanken. Hier sind Fachtermini und deren Äquivalente in allen benötigten Fremdsprachen hinterlegt, vom Produktnamen bis zum Fachbegriff. Eine konsistente Terminologie ist nicht nur Qualitätsmerkmal, sondern häufig auch rechtlich relevant, besonders in der Technischen Dokumentation. Da bis zu 45 % des Nachbearbeitungsaufwands an KI-Übersetzungen auf Terminologie entfallen, kann die Einbindung von Terminologievorgaben ein echter Gamechanger im Texterstellungs- und Übersetzungsprozess sein.

LLMs können aus diesen beiden Datenquellen also genau das erhalten, was bei generischen Systemen oftmals fehlt: Fachterminologie und Unternehmensspezifika. Die Nutzung von Sprachdaten für den LLM-Einsatz hat folgende Vorteile:

• Konsistenz: Fachtermini und Formulierungen bleiben auf allen Kanälen einheitlich.
• Korrektheit: LLM-Output ist korrekter und auf das eigene Unternehmen zugeschnitten. Gerade im direkten Kontakt mit Nutzer:innen, zum Beispiel durch KI-Chatbots, lässt sich das Fehlerpotenzial durch die Nutzung von Sprachdaten reduzieren.
• Zeit- und Kostenersparnis: Die auf Basis vorhandener Sprachdaten generierten Texte erfordern deutlich weniger Nachbearbeitung.
• Markenstimme: Antworten im Tonfall des Unternehmens stärken die Authentizität und das Kundenerlebnis.
• Wettbewerbsvorteil: Wer eigene Sprachdaten nutzt, hebt sich von Standardlösungen ab und erzielt relevantere Ergebnisse.

Auch wenn viele Unternehmen bereits im Besitz umfangreicher Sprachdaten sind, ist vor dem Einsatz für LLMs meist eine Prüfung und Bereinigung erforderlich. Denn Qualität geht hier definitiv vor Quantität. Fehlerhafte oder widersprüchliche Trainingsdaten führen zu falschen Mustern, die das LLM reproduzieren oder sogar verstärken würde.

Oft sind Sprachdaten allerdings über Jahre gewachsen und enthalten Inkonsistenzen oder veraltete Begriffe. Sie müssen daher geprüft und bereinigt werden, um als eindeutige und wertvolle Trainingsdaten zu fungieren. Bei der Terminologiedatenbank sollte beispielsweise zu jedem Begriff nur eine bevorzugte Benennung pro Sprache existieren. Denn nur so kann aus den Daten ein Glossar erstellt werden, aus dem das KI-System die Termini entnehmen und konsistente Ergebnisse liefern kann.

Auch der Datenschutz muss beim Trainingsmaterial beachtet werden. TMs enthalten häufig personenbezogene Daten, die durch ein Finetuning dauerhaft gespeichert werden und bei Löschanfragen übergangen werden können.

Grundsätzlich gilt, dass ein kleinerer, aber hochwertiger Datensatz bessere Ergebnisse liefert als große, ungefilterte Datenmengen. Um aus vorhandenen Daten eine gute KI-Basis zu schaffen, geht der Weg daher meist über eine Bereinigung.

Mit unserem Service oneCleanup nehmen wir Ihren Sprachdatenschatz unter die Lupe und machen ihn fit für die KI-Zukunft. Egal ob Terminologie- oder TM-Daten: Wir analysieren das Bereinigungspotenzial und liefern Ihnen eine Übersicht, welche Bereinigungsschritte Sie auf dem Weg zu einem sauberen Datenbestand gehen müssen.

Unsere Sprachexpert:innen kombinieren dabei technologisches Fachwissen mit linguistischem Know-how. Wir wissen, wie Daten für Prompt Engineering, RAG und Finetuning aussehen sollten, um die Systeme sinnvoll zu beeinflussen.

Möchten auch Sie das volle Potenzial Ihrer Sprachdaten ausschöpfen? Mit unseren Services rund um die Sprachdatenbereinigung machen wir Ihre Daten schnell KI-ready. Nehmen Sie Kontakt mit uns auf und lassen Sie sich von unseren Sprachexpert:innen beraten.