„Können wir das nicht einfach mit KI machen?“ Diese Frage bekommt oneword regelmäßig und sie ist nachvollziehbar. KI ist gerade in aller Munde: die Versprechen der Anbieter sind groß, neue KI-Modelle stellen nahezu wöchentlich ihre Vorgänger in den Schatten, und der Druck auf Unternehmen wächst, Einsparungen durch den Einsatz von KI zu erzielen. Übersetzung scheint dabei ein offensichtlicher Kandidat für KI zu sein, ist die KI-Übersetzung per Knopfdruck doch mittlerweile fest in unserem Alltag ankommen, ob bei der automatischen Übersetzung von Webseiten und Videos im Browser, oder zur schnellen Verständigung im Urlaub.
Für die Übersetzungsbranche ist KI allerdings kein neues Phänomen. Maschinelle Übersetzungssysteme arbeiten seit Jahren auf Grundlage sogenannter neuronaler Netzwerke, einer KI-Technologie. Und der Prozess, der maschinelle Vorübersetzung mit professionellem Post-Editing verbindet – MTPE (kurz für Machine Translation + Post-Editing) –, ist bei oneword seit rund zehn Jahren etablierter Standard und hat sich in tausenden Kundenprojekten bewährt.
Was sich verändert hat, ist die Funktionalität modernster KI-Technologien. Large Language Models (LLMs) wie die Systeme hinter ChatGPT oder ähnlichen Anwendungen haben die Wahrnehmung von KI grundlegend verschoben – und gleichzeitig für erhebliche Begriffsverwirrung gesorgt. Plötzlich heißt alles „KI“: klassische maschinelle Übersetzung, generative Sprachmodelle, automatisierte Workflows. Was dahintersteckt und was das für Ihre Übersetzungsprozesse bedeutet, ordnen wir in diesem Beitrag ein.
Zwei Ebenen, die in Projekten oft durcheinandergeraten: Technologie und Prozess
Wenn heute von „KI-Übersetzung“ die Rede ist, steckt dahinter häufig mehr als eine konkrete Lösung. Damit Sie Angebote besser einordnen können, hilft die Unterscheidung in zwei Ebenen:
- Technologie: Welche Systeme erzeugen die maschinelle Vorübersetzung? (z. B. Neuronale Maschinelle Übersetzung (NMT) oder LLMs)
- Prozess: Wie wird aus dieser Vorübersetzung ein Ergebnis, das Sie intern und extern sicher einsetzen können? (z. B. MTPE)
Der Begriff „KI“ allein sagt noch nichts darüber aus, wie verlässlich das Ergebnis ist, wie einheitlich Terminologie umgesetzt wird oder welche Prüfschritte im Anschluss an die KI-Übersetzung vorgesehen sind. Ein sauber definierter MTPE-Prozess sorgt für Transparenz, hochwertige Ergebnisse und Planbarkeit bei Aufwand, Timing und Ergebnisniveau.
Die Technologien: NMT und LLM im Vergleich
Sowohl bei NMT-Systemen als auch bei LLMs handelt es sich um neuronale Netzwerke, die auf Basis von (mehr-)sprachigen Daten für die Erfüllung bestimmter Aufgaben trainiert wurden. Während NMT-Modelle reine Übersetzungsmodelle sind, können LLMs jegliche sprachlichen Anweisungen verarbeiten und einen Output generieren. Für Übersetzungsprozesse können beide Modellarten genutzt werden, je nach Projekteignung und individuellen Anforderungen.
Neuronale maschinelle Übersetzung (NMT)
- Definition: Ein trainiertes Sprachmodell, das explizit für Übersetzungen entwickelt wurde. Je nach System kann es generisch, domänenspezifisch oder unternehmensspezifisch trainiert sein.
- Stärken: NMT ist besonders stark, wenn es um stabile, reproduzierbare Ergebnisse geht. Bei gleichen Bedingungen liefert es immer wieder sehr ähnliche Ergebnisse – ein Vorteil bei großen Volumina und wiederkehrenden Texten. Außerdem lässt sich NMT gezielt auf Fachbereiche und Terminologie ausrichten, was in technischen und industriellen Kontexten entscheidend sein kann.
- Grenzen: NMT ist weniger flexibel, wenn Texte stark vom Kontext leben oder wenn Tonalität und Kommunikationsabsicht im Vordergrund stehen. Und: Domänen- und unternehmensspezifisches Training ist möglich, aber in der Regel mit hohen Aufwänden verbunden – Zeit, Datenbasis und Kosten spielen hier eine Rolle.
Generative KI (LLMs) im Übersetzungskontext
- Definition: Modelle, die für allgemeines Sprachverständnis trainiert wurden und dadurch auch Übersetzen können, häufig mit Ergebnissen, die klassischen MT-Outputs sehr nahekommen.
- Stärken: LLMs spielen ihre Stärken überall dort aus, wo Kontext und Kommunikationsabsicht eine größere Rolle spielen: Zielgruppenansprache, Tonalität, Kreativität. Ein zentraler Unterschied zu klassischer MT: LLMs lassen sich häufig schon durch wenige gezielte Vorgaben (Custom Prompting, Beispiele, Referenzmaterial) deutlich beeinflussen, ohne dass ein aufwendiges Systemtraining nötig ist. So können unternehmensspezifische Vorgaben zu geringen Kosten in die KI-Ergebnisse integriert werden.
- Grenzen: Der Output von LLMs ist weniger reproduzierbar als der trainierter NMT-Systeme: identische Anfragen können unterschiedliche Ergebnisse erzeugen. Die große Stärke von LLMs – ihr allgemeines Sprachverständnis – kann ihnen zudem zum Verhängnis werden: statt „nur“ zu übersetzen, wird von ihnen gegebenenfalls kreativ ergänzt, umformuliert, oder ein Ergebnis in der falschen Zielsprache geliefert. Für einen verlässlichen Praxiseinsatz erfordern LLMs daher eine saubere Einbettung der Technologie im Übersetzungsprozess, sowie spezielle Prüfschritte auf LLM-spezifische Fehlerquellen.
MTPE: Der Unterschied liegt im Prozess
Die Technologie entscheidet, wie eine Vorübersetzung entsteht. Der Unterschied im Unternehmenskontext zeigt sich aber vor allem darin, wie daraus ein Ergebnis wird, das Sie sicher einsetzen können – terminologisch konsistent, fachlich korrekt und passend zu Ihren Vorgaben.
MTPE (Machine Translation + Post-Editing) bezeichnet den Workflow, der maschinengenerierten Output durch qualifiziertes Post-Editing und Qualitätskontrolle in einen belastbaren Zieltext überführt. MTPE ist technologieoffen, das heißt als Engine für die Vorübersetzung kann – je nach Textsorte, Sprachrichtung und Anforderung – sowohl ein NMT-System als auch ein LLM eingebunden werden.
Als Referenzrahmen dient DIN ISO 18587. Sie beschreibt Post-Editing als definierten Prozess mit Rollen, Abläufen und Anforderungen. oneword ist seit 2019 nach DIN ISO 18587 zertifiziert und arbeitet damit nach standardisierten, nachvollziehbaren MTPE-Prozessen.
Generative KI (LLMs) im Übersetzungskontext
- Machbarkeitsanalyse
Wir prüfen vorab für Sie kostenfrei die Textart, Sprachrichtung, Risikoprofil und Einsparpotenzial. So erhalten Sie eine belastbare Empfehlung für das passende Setup. Dokumente, die nicht für MTPE geeignet sind (deren Nachbearbeitungsaufwand im Post-Editing also etwa dem Aufwand einer Neuübersetzung entspräche), können stattdessen human übersetzt werden. - Terminologie und Translation Memorys
Vorhandene Sprachressourcen werden zur Steigerung der MT-Qualität und zur Reduzierung von Kosten und Post-Editing-Aufwänden direkt mit eingebunden: Terminologievorgaben können als Glossar direkt in den Output von NMT- oder LLM-Systemen integriert werden. Die Einbindung vorhandener Translation Memorys sorgt wiederum dafür, dass bereits vorhandene Übersetzung wiederverwendet werden und schaffen die Grundlage für Konsistenz über Einzeldokumente hinweg.
- Maschinengenerierte Übersetzung
Das passende System (NMT oder LLM) wird je nach Inhalt, Sprachen und zusätzlichen Anforderungen ausgewählt. - Post-Editing & Qualitätssicherung
Fachübersetzer:innen prüfen, korrigieren und passen den Output an Ihre Vorgaben an. Auf Wunsch erfolgt zusätzlich eine Revision durch eine:n zweite:n Fachübersetzer:in; eine mehrstufige Qualitätskontrolle durch die Fachübersetzer:innen und Projektmanager:innen bei oneword ist fester Teil des Prozesses. - Feedback & Optimierung
Fachübersetzer:innen bewerten die maschinelle Übersetzung in diversen Kategorien. Änderungsquoten und Fehlerquellen werden systematisch ausgewertet, Maßnahmen abgeleitet und der Prozess kontinuierlich verbessert. In regelmäßigen MTPE Check-ins informieren wir Sie über Ihre Einsparungen durch MTPE, die Output-Qualität und Verbesserungspotential.
Datensicherheit ist dabei kein Zusatz, sondern Voraussetzung. Wir setzen auf DSGVO-konforme Workflows und lizenzierte MT- und LLM-Systeme, die Inhalte nicht dauerhaft speichern. Dazu kommen klare Rollen- und Freigabekonzepte, damit der Einsatz in Ihrer Prozess- und Tool-Landschaft kontrolliert möglich ist.
Abweichungen vom Normstandard erfolgen nur auf explizite Anfrage und werden klar im Angebot gekennzeichnet.
Worauf es bei KI-gestützten Übersetzungen wirklich ankommt
„KI-Übersetzung“ kann heute sehr Unterschiedliches bedeuten. Für Ihr Projekt zählt weniger das Schlagwort, sondern welche Technologie eingesetzt wird und wie der Prozess aufgebaut ist.
Neuronale MT-Systeme und LLMs sind unterschiedliche Technologieansätze mit jeweils eigenen Stärken – von stabiler Reproduzierbarkeit bis zu kontext- und zielorientierter Adaption. In professionellen Übersetzungsprozessen zählt am Ende aber vor allem, dass Terminologie, Qualitätskontrolle und Verantwortlichkeiten klar geregelt sind. Genau hier setzt MTPE an: als definierter Workflow, der maschinengenerierte Vorübersetzungen in ein Ergebnis überführt, das Sie fachlich und organisatorisch vertreten können.
Wenn Sie sich fragen, ob Ihre Dokumente für den MTPE-Prozess geeignet sind, und welche Technologien (NMT oder LLM) und Sprachdaten (Glossar, Translation Memory) für Ihre Inhalte sinnvoll sind: Nehmen Sie Kontakt auf.
Dass dieser Ansatz nicht nur theoretisch funktioniert, zeigt die Praxis: Mit oneMTPE erzielt HELLA im Schnitt 30–40 % Kostenersparnis und bis zu 50 % schnellere Durchlaufzeiten gegenüber reiner Humanübersetzung – bei professionell abgesichertem Output.
