Übersetzen im Zeitalter der Künstlichen Intelligenz
Grid
Übersetzen im Zeitalter der Künstlichen Intelligenz
FAQ zum Thema: Apostille beantragen
FAQ Übersetzung: Wie lange dauert eine eine beglaubigte Übersetzung? Und andere Fragen.
Zum Notar & Dolmetscher mit dabei? Einiges Wissenswertes.
“Gibt es überhaupt noch Arbeit für – menschliche – Übersetzer? Übernimmt das jetzt nicht alles die künstliche Intelligenz?”
Diese Frage ist mir in letzter Zeit wirklich oft gestellt worden. Zu Recht. Künstliche Intelligenz (KI) zieht in alle Lebensbereiche ein. Und der Beruf des Übersetzers ist einer der ersten, der dadurch revolutioniert wird.
Das heißt, ich werde das nicht nur oft gefragt – ich frage mich auch langsam selbst, wo wir Übersetzer in Zukunft bleiben werden, wie wir arbeiten, was wir tun werden.
Darum habe auch ich angefangen, mich einzulesen und natürlich, mich mit ChatGTP & Co zu beschäftigen. Was bedeutet diese künstliche Revolution für mich als Übersetzerin?
Meine bisherigen Antworten möchte ich Dir und mir in diesem Artikel geben. An einer Definition werde ich mich nicht versuchen, davon gibt es schon genug gute, z.B. hier. Ich habe unter diesem Artikel aber für Dich und mich eine Liste mit wichtigen Begriffen erstellt.
Zuerst, was mich etwas beruhigt:
1. Künstliche Intelligenz mag so gut übersetzen, wie sie will, es wird IMMER einen Menschen brauchen, der nochmal über das Ergebnis schaut. Es ist NIE gesichert, dass KI eine komplett brauchbare Übersetzung erstellt. Und vor Allem übernimmt sie auch keine Verantwortung, für das, was sie schreibt.
2. Es ist aus ethischen Gründen geboten, keine sensiblen Daten in ein Übersetzungstool einzugeben. Allein aus Gründen des Datenschutzes wird immer jemand Texte nachbearbeiten müssen.
Was mich beunruhigt:
An verschiedener Stelle wird von einem riesigen Datenklau gesprochen (z.B. hier). KI-Systeme müssen mit gigantischen Datenmengen gefüttert werden, damit sie so gut sind, wie sie jetzt sind und wie sie in Zukunft sein werden. Und die Daten kommen von – Menschen. Ohne diese könnte KI nicht das tun, was sie jetzt tut. Gleichzeitig werden Menschen arbeitslos gemacht und KI-nutzende Menschen stumpfen ab, gewöhnen sich allzu sehr daran, dass nun die Maschine für sie denkt. Das ist wirklich gefährlich.
Menschen lassen sich nicht vollständig ersetzen.
Erstmal ist klar: Es ist nicht möglich, Menschen komplett im Übersetzungsprozess zu ersetzen. Aber es ist so, dass sich die Prozesse momentan rasant verändern und weniger Menschen in der Übersetzungsbranche gebraucht werden. Es ist also doch irgendwie existenzbedrohend.
Alltagssprachliche und einfache Texte können jetzt schon ohne Menschen übersetzt werden.
Karin vom Unternehmen XY schreibt ihrer Kollegin Giovanna in Rom eine Mail und übersetzt sie mit DeepL oder Google translate, das ist ein selbstverständlicher Teil im Unternehmensalltag geworden. Sie lachen, wenn es dann zu Missverständnissen kommt – aber auch das gehört mittlerweile dazu. Es braucht weniger Figuren wie Fremdsprachenkorrespondent*innen, Dolmetscher oder Übersetzer, die zwischen Unternehmen oder Mitarbeitenden in verschiedenen Ländern vermitteln.
Es nützt nichts, das alles einfach nur blöd zu finden.
Das heißt im Klartext: menschliche Übersetzende müssen sich nun zwangsläufig mit den Entwicklungen und auch mit den entstehenden Tools beschäftigen. Sonst plumpsen sie früher oder später mit dumpfem Knall aus der Zeit.
Maschinelle Übersetzungen werden täglich besser. Es nützt nichts, das alles einfach nur blöd zu finden. Hoffen, dass es irgendwie schon weitergehen wird, gilt nicht mehr. Statt dessen ist die Zeit gekommen, die Ärmel hochkrempeln und sich einzuarbeiten: Tools kennenlernen, überlegen, wozu sie mir nutzen können, sie in meinen Arbeitsalltag integrieren, Kunden neue Angebote machen.
Schon jetzt erleichtert Künstliche Intelligenz auch mir den Arbeitsalltag. Ich beziehe ChatGTP regelmäßig in meine Recherche mit ein und bin sehr zufrieden, wenn ich merke, dass ich Übersetzungen mit Formulierungsvorschlägen schärfen und nachbessern kann. Vorgeschlagene Übersetzungen übernehme ich nicht 1:1. Aber sie helfen mir, selbst eine noch schärfere Formulierung zu finden.
Ich würde KEINE sensiblen Daten in eine KI eingeben. NIEMALS. Nicht bei ChatGTP, nicht bei DeepL, auch nicht bei Perplexity oder wie sie alle heißen.
Aber nach einzelnen Begriffen oder Sätzen fragen, mir einen Kontext erklären, mir Quellen nennen lassen, mit den GPT-Assistenten experimentieren – das ist auch schon Teil meines Alltags geworden.
Was heißt das nun für übersetzende Menschen?
Es ist eine herausfordernde Zeit. Niemand weiß, wohin die Reise geht. Doch der Aufbruch ist spürbar geworden. Aufträge brechen weg, das Berufsbild verändert sich.
Kunden erwarten mehr Leistung in weniger Zeit, da ja Maschinen jetzt die Arbeit machen und wir „nur noch mal kurz drüber schauen“ sollen.
Zum Teil entstehen völlig unrealistische Erwartungen, wie viel Text in wie viel Zeit ordentlich übersetzt werden kann. Dabei dauert das „eben mal drüber schauen“ oft genauso lange, als würde ein Mensch es selbst übersetzen. Begriffe müssen nachrecherchiert, krumme Formulierungen ausfindig gemacht und verbessert werden. Und es ist schwerer, kreativ zu sein, wenn die Maschine schon eine Vorgabe gemacht hat.
Die Preise werden immens gedrückt. Es gibt immer wieder Anfragen für das Korrigieren und Editieren maschineller Übersetzungen für unglaubliche Mengen Text in unglaublich kurzer Zeit für unglaublich wenig Geld. Davon kann kein Mensch leben, aber das scheint den Anfragenden egal zu sein.
Es entstehen neue Aufgaben, Rollen und Berufsbilder.
Eine Chance und Perspektive sind neue Aufgaben und neue Rollen. Es entstehen neue Berufsbilder für Sprachprofis. Und das ist es wohl, womit wir uns beschäftigen dürfen, wenn wir in der Branche bleiben wollen.
Post-Editing
Allem voran hat sich das sogenannten Post-Editing etabliert Das ist das Korrigieren und Verbesseren von maschinell erstellten Übersetzungen. Dabei gibt es 2 Arten des Post-Editings:
1. Light-Editing:
ist nur ein oberflächliches Anpassen der maschinellen Übersetzung, also
– Grammatik- und Schreibfehler nur korrigieren, wenn sie die Bedeutung verändern
– teilweises oder komplettes Neuschreiben von verwirrenden Sätzen
– Beheben von maschinenverursachten Fehlern
– Löschen von unnötigen oder zusätzlich generierten Übersetzungsalternativen
Am Ende steht ein mittelprächtiger Text, der etwas maschinell klingen könnte, aber der keine groben sachlichen oder sprachlichen Fehler enthält.
„Light-editing“ ist für Übersetzer eine große Anstrengung, da sie ja darauf trainiert sind, einen in sich runden, gut klingenden Text zu verfassen und da es ihrem berufseigenen Perfektionismus widerspricht, den Text nur oberflächlich anzupassen. Für Kunden ist es aber manchmal die gewünschte Lösung, da es natürlich schneller geht und billiger ist.
2. Full post-editing
Hierbei soll eine korrekte, sprachlich konsistente Übersetzung und damit ein vollwertiger Text entstehen, bei der Terminologie, Ton und Stil in sich stimmig sind und es keine stilistischen Brüche oder Grammatikfehler gibt. Die Übersetzung sollte sich nach der Korrektur nicht mehr von einer menschlichen Übersetzung unterscheiden. Das heißt, das umfassende Nach-Editieren der maschinellen Übersetzung beinhaltet alles, was das einfache Nach-Editieren „Light Editing“ auch macht, plus:
– Terminologie anhand von Terminologiedatenbanken überprüfen, so dass die Terminologie konsistent bleibt und dem Kontext angemesen ist
– Anpassen der Satzstruktur an die Gepflogenheiten der Zielsprache;
– Überprüfen und Nachbessern der Inhalte, so dass diese gut und flüssig vermittelt werden
– Formatierungen und Tags korrigieren
– Korrigieren ALLER Grammatikfehler, Tippfehler, Zeichensetzungsfehler und Rechtschreibfehler.
Wiedergegeben anhand dieser Quelle.
Post-Editing hat sich in der Übersetzungsbranche bereits als Tätigkeitsfeld etabliert. Gestritten wird dabei gern über die Vergütung. Ein „Full Post-Editing“ ist oft keine Zeitersparnis. Aber Kunden erwarten natürlich, dass es wesentlich günstiger ist, als eine „normale“, also rein menschliche, Übersetzung. Zeit sparen lässt sich sicherlich bei einem „Light Post-Editing“, aber das Ergebnis ist dann einfach auch nicht so zufriedenstellend. Außerdem hängt es sehr vom Sprachenpaar ab, ob eine maschinelle Übersetzung Sinn macht. Z.B. lässt sich Englisch in vielen Sprachkombinationen gut maschinell vorübersetzen, da es im Internet bereits Massen an Daten dazu gibt, auf die sich die KI stützen kann.
Für seltenere Sprachen wie Slowenisch oder Slowakisch aus kleineren Ländern hingegen gibt es nicht annähernd so viele Vorlagen und damit sind auch die Resultate viel schlechter.
Moderne Stellenanzeigen
Es gibt noch weitere neue Tätigkeitsfelder. Stellenanzeigen lauten nun ungefähr so:
AI Trainer
„As an AI Trainer – Writer, your work will help train AI models, shaping how they understand and generate human-like text. This isn’t just traditional writing—you’ll be crafting text that teaches AI reasoning, logic accuracy, nuance, and clarity.“
Oder auch
AI Conversational Writer (German, Italian)
We are seeking AI Dialogue Analysts and Linguistic Specialists to join our dynamic team. The selected candidates will work as computational linguists to translate, analyze, localize, and proofread data for large-scale AI projects. AI Conversational Linguists will work closely with the project manager to deliver high-quality, linguistically accurate material in the target language to our main client.
(Beides gefunden bei LinkedIn Jobs.)
ChatGTP teilt folgende „neuen“ Tätigkeiten ein:
KI-Übersetzungsingenieur (Machine Translation Engineer / MT Specialist)
💡 Kernidee:
Technisch orientierte Sprachspezialist:in, der/die KI-Übersetzungssysteme aufsetzt, trainiert, testet und optimiert.
🧭 Aufgaben:
- Auswahl, Anpassung und Training von maschinellen Übersetzungsmodellen (z. B. DeepL, Custom MT, OpenNMT).
- Qualitätsbewertung der maschinellen Übersetzung (BLEU, TER, COMET Scores).
- Erstellung von Trainingsdaten (zweisprachige Korpora, Glossare).
- Zusammenarbeit mit Übersetzer:innen und Linguist:innen, um Modelle sprachlich zu verbessern.
- Automatisierung von Übersetzungsprozessen über CAT-Tools oder APIs.
🧠 Benötigte Kompetenzen:
- Technisches Verständnis (z. B. Grundkenntnisse in Python, Datenformate wie TMX, XML, JSON).
- Linguistisches Wissen (Syntax, Terminologie, Sprachqualität).
- Fähigkeit, KI-Ergebnisse analytisch zu bewerten.
🧩 Beispiel:
Ein Übersetzungsunternehmen entwickelt ein internes KI-System für juristische Texte.
Der KI-Übersetzungsingenieur trainiert das Modell mit Tausenden zweisprachigen Verträgen und misst anschließend die Verbesserung der Übersetzungsqualität.
2. Prompt Engineer (im Übersetzungskontext)
💡 Kernidee:
Expert:in dafür, wie man KI-Modelle richtig anweist, um optimale sprachliche Ergebnisse zu erzielen.
🧭 Aufgaben:
- Entwickeln und testen von Eingabeanweisungen („Prompts“) für KI-Tools wie ChatGPT oder GPT-basierte Übersetzungssysteme.
- Optimieren von Anweisungen für spezifische Textarten (z. B. rechtlich, marketingorientiert, technisch).
- Dokumentieren von funktionierenden Prompts als interne Standards.
- Evaluieren der Ausgaben: Stil, Konsistenz, Tonalität, Fachterminologie.
🧠 Benötigte Kompetenzen:
- Sprachgefühl und Textverständnis.
- Kenntnis der Funktionsweise großer Sprachmodelle (LLMs).
- Experimentierfreude, analytisches Denken, gutes Englisch (viele Tools sind englischsprachig).
🧩 Beispiel:
Ein Prompt Engineer formuliert Eingaben wie:
„Übersetze folgenden Text ins Italienische. Behalte juristische Terminologie exakt bei, aber passe Satzbau an den italienischen Stil an. Gib nur den übersetzten Text aus.“
und testet verschiedene Varianten, um gleichbleibend hochwertige Ergebnisse zu erzielen.
🗂️ 3. Terminologie-Manager / Terminolog:in
💡 Kernidee:
Sprachspezialist:in, der/die Fachbegriffe standardisiert, pflegt und kontrolliert, um konsistente Übersetzungen sicherzustellen – sowohl menschlich als auch maschinell.
🧭 Aufgaben:
- Aufbau und Pflege von zweisprachigen Terminologiedatenbanken (Termbases).
- Definition von bevorzugten Begriffen, Synonymen, Abkürzungen.
- Qualitätssicherung: Prüfen, ob Übersetzer:innen und MT-Systeme korrekte Terminologie verwenden.
- Zusammenarbeit mit Fachexpert:innen (z. B. Juristen, Ingenieuren).
- Export und Integration von Terminologie in CAT-Tools oder KI-Modelle.
🧠 Benötigte Kompetenzen:
- Fachkenntnis in spezifischen Themenbereichen (Recht, Medizin, Technik etc.).
- Erfahrung mit Tools wie SDL MultiTerm, MemoQ Termbase, IATE.
- Genauigkeit, Systematik, sprachliche Sensibilität.
🧩 Beispiel:
Ein Terminologie-Manager arbeitet für einen Maschinenbaukonzern und sorgt dafür, dass der Begriff „Dichtung“ in Italienisch je nach Kontext korrekt als guarnizione oder sigillo erscheint – und das in allen Projekten einheitlich.
Hybrid-Übersetzer / KI-Koordinator
💡 Kernidee:
Übersetzer:in, der/die menschliche und maschinelle Übersetzung strategisch kombiniert – also Sprachexpertise mit technischer Effizienz verbindet.
🧭 Aufgaben:
- Einsatz von KI-Tools (z. B. DeepL, ChatGPT, Trados MT) zur Vorübersetzung.
- Post-Editing, Qualitätskontrolle, Terminologieabgleich.
- Auswahl, Bewertung und Kombination mehrerer KI-Ergebnisse.
- Kommunikation zwischen Kund:innen, Übersetzerteam und KI-Systemen.
- Schulung anderer Übersetzer:innen im Umgang mit KI-Tools.
🧠 Benötigte Kompetenzen:
- Klassische Übersetzerfähigkeiten (Sprachgefühl, Stil, Genauigkeit).
- Verständnis für KI-Prozesse, CAT-Tools, Post-Editing.
- Fähigkeit, Kundenanforderungen mit technischer Umsetzung zu verbinden.
🧩 Beispiel:
Eine Übersetzerin arbeitet an Marketingtexten. Sie lässt KI verschiedene Übersetzungsvorschläge erzeugen, wählt die stilistisch beste Variante, bearbeitet sie nach und prüft, ob Terminologie und Ton perfekt passen – schnell, aber mit hohem Qualitätsstandard.
Die Erläuterungen einer hier verwendeten Begriffe findest Du weiter unten.
Beratungstätigkeiten
Im Artikel „Mehr als Übersetzen / Perspektiven im Zeitalter von KI“ in der MDÜ 03/2025 (Fachzeitschrift Dolmetschen, Übersetzen und Sprachtechnologie) spricht Dorota Pawlak von neuen Aufgaben für Übersetzende.
Diese könnten mir ihrer Expertise nun zum Beispiel sehr gut beratend für Unternehmen tätig werden. Sie nennt folgende Rollen:
1. Lokalisierungsberatung
beinhaltet, „Strategien für die sprachliche und kulturelle Anpassung von Inhalten an neue Märkte zu entwickeln“ und dabei „Prozesse analysieren“, „Tools empfehlen“, beim „Priorisieren von Inhalten unterstützen“ und „Qualitätsprozesse gestalten“.
Also man begleitet Unternehmen bei Ihrer Internationalisierung und muss dafür analytisch fit sein, Erfahrungen mit Lokalisierungsprozessen haben und auch kommunikativ sein.
2. Bild- und Visualberatung
bedeutet „Bildmaterial an die Erwartungen und Werte lokaler Zielgruppen“ anzupassen und dafür zu analysieren.
3. KI-Beratung in der Sprachindustrie
„unterstützen Unternehmen“ z.B. mit der „Auswahl geeigneter Tools“ oder dem „Trainieren von Modellen mit der Terminologie“ der Unternehmen dabei, bestehende Prozesse um KI-basierte Sprachmodelle zu erweitern. Dazu können auch die „Anpassung von Styleguides oder die Bewertung von Output-Qualität“ gehören, sowie „die Schulung von Teams im Umgang mit KI-Systemen oder die Konzeption praxisnaher Trainingsformate“.
4. Lokalisierungsprüfung
„bestehende Lokalisierungsprozesse“ werden unter die Lupe genommen, Schwachstellen herausgefunden und verbessert und Prozesse optimiert. Dazu gehört „die Evaluation eingesetzter Software, die Analyse von Workflows und Kommunikationswegen, das Lieferantenmanagement oder die Qualitätssicherung“.
5. Kulturelle Beratung
Konzentriert sich auf die Beratung im Bezug auf die Zielgruppen. „Welche Bilder, welche Tonalität, welche sprachlichen und visuellen Codes passen zu einer bestimmten Zielgruppe?“
Dabei kann es um Motive auf Bildern gehen und ob diese zur Zielkultur passen, um die „sprachliche Feinabstimmung von Marketintexten“ oder auch um die „Erstellung stilistischer Leitlinien für einzelne Märkte
6. Sprach- und Kulturberatung
„begleiten Unternehmen auf strategischer Ebene bei der Gestaltung und Steuerung kulturübergreifender Kommunikation. Sie entwickeln Kommunikationsrichtlinien, moderieren zwischen Fachabteilungen, betreuen internationale Kampagnen oder beraten bei Change-Prozessen – etwa bei der Einführung KI-gestützter Workflows.“
Wie man es dreht und wendet – was sich bei diesen verschiedenen Einschätzungen zeigt, ist: immer mehr der Übersetzungen können tatsächlich von Maschinen übernommen werden. Den Menschen braucht es dann eher als Instanz zur Kontrolle, Korrektur, Begleitung, Beratung und Qualitätssicherung. Nach einer richtig rosigen Zukunft klingt das nicht – für Menschen, die gern selbst ihre Texte schreiben und daran basteln. Das letzte Wort ist hier sicher noch nicht gesprochen. Aber es ist auch nicht die Zeit, um die Füße hochzulegen. Am Ball bleiben, sich informieren, überlegen, sich umorientieren – das ist wohl eher das Motto der Stunde.
Einige Begriffe aus der KI – und Übersetzer-Welt
| Begriff | Erklärung |
| GPT = Generative Pre-trained Transformers | In der künstlichen Intelligenz (KI) ist ein generativer vortrainierter Transformer (englisch generative pre-trained transformers, ein großes Sprachmodell (englisch large language model, LLM). – basieren auf künstlichen neuronalen Netzwerken unter Anwendung generativer Modelle und von Transformer-Architektur – werden auf großen Datensätzen unmarkierter Texte vorab trainiert – sind in der Lage, neue Inhalte zu generieren – werden oft allgemein als GPTs bezeichnet. – Der erste GPT wurde 2018 vom US-amerikanischen Unternehmen OpenAI vorgestellt. Quelle |
| LLM = Large Language Model | – “großes Sprachmodell” – computerlinguistisches Wahrscheinlichkeitsmodell, das statistische Wort- und Satzfolge-Beziehungen aus einer Vielzahl von Textdokumenten durch einen rechenintensiven Trainingsprozess erlernt hat. Quelle |
| CAT-Tool = computer assisted translation | Computerunterstützte Übersetzung – von Menschen durchgeführte Übersetzung mir der Unterstützung von Computerprogrammen |
| MT = machine translation | Maschinelle Übersetzung (MÜ), die automatische Übersetzung von Texten aus einer Sprache in eine andere Sprache durch ein Computerprogramm, Teilbereich der künstlichen Intelligenz in der Computerlinguistik erforscht. siehe hier |
| TMS – Translation Memory System | Ein Translation Memory ist eine Datenbank, in der zuvor übersetzte Sätze, Absätze oder Textsegmente gespeichert werden. Jeder Eintrag im Translation Memory – ein sogenanntes „Segment“ – enthält den „Ausgangstext“ in der Originalsprache und dessen Übersetzung, den „Zieltext“. Diese Paare werden als Übersetzungseinheiten oder „ÜEs“ bezeichnet. Quelle |
| Terminologie-Datenbank | Eine Terminologiedatenbank ist eine spezielle Art von Datenbank, die der Verwaltung von Terminologie dient. Die Anwendungszwecke können von einfachen Wörterbüchern und Glossaren bis hin zu strukturierten Thesauri reichen. Terminologiedatenbanken unterstützen sowohl redaktionelle Arbeiten als auch die Übersetzung. Sie helfen einheitliche, eindeutige und geprüfte Fach- und Unternehmens-Terminologie zu verwenden und „verbotene“ Terminologie zu vermeiden (z. B. Produktbezeichnungen fremder Hersteller). Terminologiedatenbanken sind häufig Bestandteil von Translation-Memory-Systemen. Dort schlagen sie dem Benutzer während der Übersetzung die zielsprachliche Benennungen der verwendeten Begriffe vor. Verschiedene Systeme verfügen neben einer Desktop-Variante auch über eine Web-Komponente, um über Intranet oder Internet auf Terminologie zugreifen zu können. Die Daten enthalten meist neben linguistischen Informationen (z. B. Wortart, Genus, Numerus) auch fachliche (z. B. Themengebiet) und Meta-Informationen (z. B. Quelle) sowie Kontextbeispiele. Wesentlich ist, dass die Daten eine hohe Strukturierung aufweisen und sich automatisch verarbeiten lassen. Quelle |
| BLEU, TER, COMET Scores | coming soon |
| Technisches Verständnis (z. B. Grundkenntnisse in Python, Datenformate wie TMX, XML, JSON). | coming soon |
