Automatisierte Übersetzungs-Workflows, die einen Slogan von einem Vertrag unterscheiden können

Bei einem Slogan, einer Rechtsklausel und einer Produktbeschreibung können unterschiedliche Fehler auftreten. Deshalb sollten sie nicht denselben Workflow durchlaufen. Hier erfährst du, was du für welchen Inhaltstyp automatisieren kannst, wie du die Ergebnisse prüfst und wo weiterhin ein Mensch gebraucht wird.

Mein Team kümmert sich um die Lokalisierung der eigenen Inhalte von Phrase. Dafür verwenden wir nicht nur einen Workflow. Artikel im Hilfe-Center werden häufig erstellt und aktualisiert. Sie profitieren stark von unserem Translation Memory und unserer Termbank und durchlaufen deshalb eine automatisierte Übersetzung mit wenig oder ganz ohne menschliche Überprüfung. Der Blog erhält aus einem anderen Grund die gleiche Behandlung: Terminologie ist dort kein Problem, und Geschwindigkeit und Kosten stehen an erster Stelle.

Produkt-UI und Marketingtexte sind unterschiedlich. Wir post-editieren jedes Wort, weil die Texte präzise und zweckmäßig sein müssen. Trotzdem durchlaufen sie automatisierte Pipelines, die unserem Projektmanagement das Routing, die Zuweisung und die Übergaben abnehmen.

Der Inhalt bestimmt, wie viel Überprüfung er benötigt.
Die Automatisierung kann sich um fast alles andere kümmern.

Die Untersuchungen von Phrase weisen in die gleiche Richtung. Eine Phrase-Studie zur Qualität maschineller Übersetzung endete mit einer Einschränkung: Der Anteil des Outputs, der gut genug ist, um auf eine Nachbearbeitung zu verzichten, und damit auch die Einsparungen variieren je nach Fachbereich, Inhaltstyp und Sprachpaar.

Dieser Artikel macht aus dieser Einschränkung eine Methode. Die Qualität maschineller Übersetzungen variiert je nach Inhaltstyp, ebenso wie die Kosten möglicher Fehler. Deshalb funktionieren automatisierte Übersetzungs-Workflows am besten, wenn jeder Inhaltstyp eine eigene Konfiguration erhält. Weiter unten findest du eine Entscheidungsmatrix, drei konkrete Beispiele (eine Produktbeschreibung, eine Rechtsklausel und einen Slogan), die zugehörigen Einstellungen in Phrase und die Fehler, die Teams am meisten kosten.

Eine Entscheidungsmatrix für automatisierte Übersetzungs-Workflows

Jede Zeile beantwortet zwei Fragen. Wie sehr kannst du bei dieser Art von Content der Maschine und den Prüfungen vertrauen, die ihre Ergebnisse bewerten? Und was kostet es, wenn ein Fehler unbemerkt bleibt?

Die ersten drei Zeilen erhalten weniger Aufmerksamkeit als Verträge und Kampagnen, aber dort fällt der Großteil der Arbeit an. Meiner Erfahrung nach machen Support-Inhalte und UI-Strings allein 60 bis 80 % der Arbeit der meisten Lokalisierungsteams aus. Schon kleine Verbesserungen an diesen Workflows machen sich deshalb schnell bemerkbar.

Nimm die Matrix als Ausgangspunkt. Je nach deinen Sprachen, Engines und deiner Risikobereitschaft können die Entscheidungen anders ausfallen.

Wenn Vertrauen und Kosten in unterschiedliche Richtungen weisen

Wie sehr du den Ergebnissen vertrauen kannst, hängt vom Content ab. Engines liefern nicht durchgehend gleich gute Ergebnisse: Die Dokumentation von Phrase für MT Autoselect merkt an, dass eine Engine, die bei Produktbeschreibungen gut abschneidet, bei einem medizinischen Bericht Schwierigkeiten haben könnte, weshalb Autoselect sowohl den Fachbereich des Contents als auch das Sprachpaar berücksichtigt. Automatisierte Qualitätsprüfungen variieren ebenfalls. Alon Lavie, strategischer Berater für KI bei Phrase, hat argumentiert, dass die Qualitätsschätzung bei differenzierten, kontextabhängigen Beurteilungen am wenigsten zuverlässig ist, insbesondere bei kreativem Content.

Die Kosten variieren genauso stark. Eine holprige Produktbeschreibung kann dich einen Verkauf kosten. Eine falsch übersetzte Kündigungsklausel kann dich einen Rechtsstreit kosten. Ein Slogan, der in Japan schlecht ankommt, verursacht einen Schaden, der schwerer zu beziffern ist und dessen Behebung länger dauert.

Das Problem beginnt, wenn die beiden Antworten auseinandergehen, und Rechtstexte sind das deutlichste Beispiel dafür. Verträge sind strukturiert, formelhaft und repetitiv: Genau solche Ausgangstexte lassen sich gut maschinell übersetzen. Deshalb bezeichnen Branchenleitfäden juristische Dokumente oft als ideal dafür. Was die Qualität betrifft, haben sie recht. Bei den Kosten ändert sich das Bild: Eine hohe Qualitätskennzahl schätzt ein, wie gut eine Übersetzung wahrscheinlich ist, sagt aber nichts darüber aus, was passiert, wenn die Übersetzung doch nicht gut ist.

Medizinischer und anderer regulierter Content ist ein noch schwierigerer Fall: Hier ist die Engine weniger zuverlässig, und Fehler kosten am meisten. Technische Dokumentation ähnelt eher Produktbeschreibungen: Sie ist strukturiert genug, dass eine Engine sie gut verarbeiten kann.

Im weiteren Verlauf dieses Artikels begleiten wir drei Sätze durch ihre Workflows, vom am besten bis zum am wenigsten automatisierbaren.

Produktbeschreibungen: Lass die Prüfungen sortieren

„Wasserbeständig bis 50 m. Der wiederaufladbare Akku hält mit einer einzigen Ladung bis zu 14 Tage.“

Dafür wurde die automatisierte Übersetzung entwickelt. Es ist strukturiert, wiederholt sich in einem Katalog, und das meiste, worauf es ankommt, kann überprüft werden: Einheiten, Zahlen, Produktnamen. Weil hier große Mengen anfallen, lässt sich hier auch viel einsparen.

Ein Workflow, der dazu passt:

1. Wähle die Engine für jedes Sprachpaar aus. Verwende die Engine, die du getestet hast, oder lass MT Autoselect wählen.
2. Gib der Engine Kontext. Translation Memory sorgt für einen einheitlichen Katalog, und eine Termbank schützt Produktnamen und Spezifikationen.
3. Setze KI-Post-Editing dort ein, wo es sich lohnt. MT Optimize, ein generativer KI-Schritt in Phrase Orchestrator, verbessert Sprachfluss, Grammatik, Terminologie und den Grad der Formalität. Teste MT Optimize an deinem eigenen Katalog, bevor du es überall aktivierst.
4. Prüfe jedes Segment automatisch. Eine Qualitätskennzahl wie QPS von Phrase schätzt ein, wie ein professioneller Reviewer jedes Segment bewerten würde. QA-Prüfungen erkennen Probleme wie fehlende Tags und nicht genehmigte Termini. Segmente, die beide Prüfungen bestehen, werden bestätigt; der Rest geht an einen Post-Editor.
5. Prüfe stichprobenartig, was durchgekommen ist. Prüfe in jedem Zyklus einen Teil der bestätigten Segmente stichprobenartig. QA kann die Stichprobe zunächst prüfen und Probleme melden, die dann ein Mensch beurteilt. So erkennst du Abweichungen, bevor deine Kunden darauf stoßen.

Automatisierbar ist nicht gleichbedeutend mit risikofrei. Eine falsche Akkulaufzeit oder ein unverständlicher Sicherheitshinweis führen zu Rücksendungen, Support-Tickets und in einigen Kategorien zu regulatorischen Fragen. Behalte die Prüfungen und Stichproben bei, auch wenn die Ergebnisse gut aussehen. Achte besonders auf neue Produktlinien, die Vokabular mitbringen, das dein Translation Memory noch nicht kennt, und auf den Datenfeed mit den Ausgangstexten: Fehler darin werden direkt übernommen.

Rechtliche Klauseln: hohe Qualitätskennzahlen, verpflichtende Freigabe

„Jede Partei kann diese Vereinbarung gegenüber der anderen Partei mit einer Frist von dreißig (30) Tagen schriftlich kündigen.“

Für eine Maschine ist dieser Satz nahezu ideal. Er ist formelhaft, eine ähnliche Fassung steht wahrscheinlich schon in deinem Translation Memory, und eine Engine wird ihn vermutlich flüssig übersetzen. Doch wenn aus „kann“ ein „muss“ oder aus 30 Tagen 3 Tage werden, ändert dieser Satz, was dein Unternehmen vereinbart hat.

Fuzzy-Matches zeigen, wie gering der Unterschied sein kann. Wie Martin Švestka, Director of Product for TMS bei Phrase, hervorgehoben hat, ist die gespeicherte Übersetzung von „the jury found the defendant guilty“ ein sehr hoher Fuzzy-Match für „the jury found the defendant not guilty“. Niemand möchte, dass diese Übersetzung automatisch bestätigt wird.

Daher nutzt der Workflow für Rechtstexte Automatisierung für Konsistenz und Routing und überlässt die Entscheidung einem Experten:

1. Spezialisierte Rechtslinguisten verantworten die Übersetzung und die Überprüfung. Regulierte Inhalte erfordern Personen, die die Rechtssysteme auf beiden Seiten des Sprachpaares kennen.
2. Translation Memory und Termbanken werden konsequent eingesetzt. Eine Termbank sperrt keinen Text, aber QA kann so konfiguriert werden, dass ein Job erst abgeschlossen oder zur Überprüfung weitergeleitet werden kann, wenn die genehmigten Termini verwendet wurden.
3. Wenn du MT verwendest, dient der Output dem Linguisten als Entwurf. Wähle die Engine für jedes Sprachpaar aus und betrachte ihren Output als Ausgangspunkt.
4. Kennzahlen zeigen den Reviewern, wo sie zuerst nachsehen müssen. Sie entscheiden niemals darüber, ob eine Überprüfung stattfindet.
5. Die Abnahme ist obligatorisch und nachvollziehbar. Phrase hält mit Zeitstempeln fest, welcher Auftragnehmer und welcher Linguist jedem Job zugewiesen wurden. Linguisten, die für einen Auftragnehmer arbeiten, werden dabei anonymisiert. So kannst du für eigene Audits und die deiner Aufsichtsbehörde nachvollziehen, wer beteiligt war.

Wenn ein Markt eine zusätzliche Prüfung erfordert, kann Phrase Orchestrator eigens dafür weitere Review-Schritte und bedingte Review-Schleifen hinzufügen. Medizinischer und anderer regulierter Content folgt demselben Muster, wobei ein größerer Teil der Arbeit auf den Spezialisten entfällt, da der Entwurf der Maschine von vornherein weniger zuverlässig ist.

Automatisierung leistet hier nach wie vor wertvolle Arbeit, und das meiste davon ist wenig glamourös: jedes Mal der richtige Terminus, der richtige Linguist für jeden Job und eine Aufzeichnung darüber, wer was wann getan hat. Die Entscheidung bleibt bei der Person, die mit ihrem Namen dafür einsteht.

Slogans: Wo die Kennzahl am wenigsten aussagt

„Fürs Tragen gemacht – und fürs Dauertragen.“

Bei diesem fiktiven Slogan erkennst du auf Anhieb beide Bedeutungen: Das Produkt hält lange, und du wirst es ständig tragen. Eine wörtliche Übersetzung behält bestenfalls eine Bedeutung bei. Sie liest sich zudem flüssig, und genau das macht sie riskant. Wir haben darüber geschrieben, warum flüssiger Output so schwer zu beurteilen ist.

Hier weisen beide Fragen in die gleiche Richtung. Die Maschine hat am wenigsten zu bieten, die Kennzahl hat am wenigsten zu sagen, und ein Fehlgriff wird öffentlich sichtbar. QPS soll vorhersagen, wie ein Reviewer die Genauigkeit und den Sprachfluss einer Übersetzung bewerten würde. Deshalb kann ein bewusst vom Ausgangstext abweichender, transkreierter Slogan eine niedrige Kennzahl erhalten und genau richtig sein, während eine wörtliche Übersetzung gut abschneidet, aber ihre Wirkung verfehlt.

Übersetzung überträgt Bedeutung von einer Sprache in eine andere. Transkreation überträgt die Absicht. Dafür dürfen sich die Worte, das Bild oder sogar die ganze Idee ändern. Daher benötigen Slogans Transkreation.

1. Beginnen Sie mit einem Briefing für jeden Markt. Beschreibe nicht nur, was der Slogan sagt, sondern auch, was er bewirken soll.
2. Nutze KI als Sparringspartner. Auto Adapt, ein generativer KI-Schritt in Phrase Orchestrator, passt Content an eine Zielgruppe oder einen Tonfall an und generiert Varianten, auf die ein Autor reagieren kann. Wenn deine Markentexte eine eigene Content-Gruppe haben, greifen diese Varianten auf deren Styleguide und Regeln zurück. So treffen sie von Anfang an eher den Ton deiner Marke im jeweiligen Markt.
3. Lass einen Transkreator oder einen Autor vor Ort den Slogan entwickeln oder auswählen.
4. Lass den Slogan im Zielmarkt prüfen, und zwar von jemandem, der die Marke und die Zielgruppe kennt.
5. Nutze die Kennzahl höchstens zur Priorisierung, etwa bei längeren Markentexten rund um den Slogan. Niemals als Freigabekriterium.

Automatisierung hat immer noch eine Aufgabe, wie auch bei den eigenen Marketingtexten von Phrase: die Arbeit zwischen Autoren, Reviewern und Märkten weiterzuleiten, ohne dass das Projektmanagement jedem Schritt hinterherlaufen muss.

Schwellenwerte festlegen und deren Einhaltung überprüfen

Mit dem Qualitätsschwellenwert steuerst du das Verhältnis von Kosten und Risiko. Senkst du ihn, werden mehr Segmente ohne menschliche Prüfung bestätigt. Erhöhst du ihn, gehen mehr Segmente zur Überprüfung. In Phrase kannst du QPS-Schwellenwerte in den Einstellungen für die Vorübersetzung oder in Phrase Orchestrator festlegen. Außerdem bestimmst du, welche Segmente auf welcher Grundlage für die Bearbeitung gesperrt werden.

Phrases Studie von 2024 zeigt, wie stark sich der Schwellenwert auswirkt. Bei einem Technologiekunden, der insgesamt etwa 35.000 Segmente aus dem Englischen ins Deutsche übersetzte, wären bei einem Schwellenwert von 90 37 % der Segmente ohne Bearbeitung bestätigt worden, bei einem Schwellenwert von 95 hingegen 17 %. Wenn ein Team Post-Editoren jedes Segment prüfen lässt, bezahlt es auch dafür, dass bereits gute Übersetzungen noch einmal bestätigt werden.

Eine Kennzahl ist nach wie vor eine Schätzung. Betrachte daher jeden Schwellenwert als Hypothese und prüfe ihn anhand dessen, was deine Reviewer tatsächlich ändern. Das QPS Insights-Dashboard in Phrase Analytics zeigt, wie oft Linguisten Segmente bei jeder Kennzahl bearbeiten und wie viel Zeit sie dafür aufwenden. Wenn sie Segmente mit einer Kennzahl von 88 selten ändern, bezahlst du sie dafür, gute Arbeit zu bestätigen. Wenn sie weiterhin Segmente oberhalb deines Schwellenwerts korrigieren, liegt entweder der Schwellenwert falsch oder die Kennzahl ist für diesen Content nicht zuverlässig:

• Lege Schwellenwerte pro Content-Typ und Sprachpaar fest. Bei Sprachpaaren mit weniger verfügbaren Ressourcen ist besondere Vorsicht geboten, da Engines und Kennzahlen dort weniger zuverlässig sind.
• Geh in kleinen Schritten vor. Senke einen Schwellenwert schrittweise und prüfe, was Post-Editoren bei Ergebnissen direkt unterhalb des neuen Schwellenwerts ändern.
• Akzeptiere, dass es für manche Inhalte keinen Schwellenwert gibt. Bei rechtlichen Texten und Markentexten dient die Kennzahl den Reviewern als Orientierung. Sie ersetzt sie nicht.

So richtest du automatisierte Übersetzungs-Workflows nach Content-Typ ein

In Phrase folgt das Setup der Matrix, und Content-Gruppen halten alles zusammen.

1. Gib jedem Content-Typ eine eigene Content-Gruppe. Eine Content-Gruppe verknüpft ein Projekt mit seinem Styleguide, seinen Stilregeln und KI-Checks, sodass für rechtliche Texte und Markentexte niemals dieselben Regeln gelten. Die Qualitätsbewertung bezieht ihre Prüfungen aus der Content-Gruppe und der Zielsprache.
2. Richte MT-Profile pro Content-Typ und bei Bedarf pro Sprachpaar ein. Wähle deine bevorzugte Engine aus oder lass MT Autoselect unter den Engines auswählen, die du im jeweiligen Profil aktivierst. Autoselect berücksichtigt bei zwölf wichtigen Ausgangssprachen, darunter Englisch, den Fachbereich des Contents; bei anderen Ausgangssprachen erfolgt die Auswahl allein anhand der Leistung des Sprachpaars.
3. Verknüpfe Translation Memorys, Terminologiedatenbanken und QA-Regeln mit jedem Content-Typ.
4. Füge KI-Schritte hinzu, wo Tests ihren Einsatz rechtfertigen. MT Optimize für das Post-Editing, Auto Adapt für Zielgruppe und Tonfall oder den AI Translation Agent, der kontextbezogene Übersetzungen mit integrierter Überprüfung und Verfeinerung erstellt.
5. Wähle deine Qualitätsprüfungen und Schwellenwerte aus. Die Qualitätsbewertung von Phrase ist eher ein Werkzeugkasten als ein einzelnes Werkzeug: QPS-Kennzahlen, QA-Prüfungen und nach Content-Gruppe in Qualitätsprofilen gruppierte KI-Checks sowie Auto LQA für eine automatisierte erste Überprüfung. Wähle aus, was jeder Content-Typ benötigt, und lege Schwellenwerte nur dort fest, wo der Content dies zulässt.
6. Verkette die Schritte in Phrase Orchestrator. Er kann Content nach Typ weiterleiten, Qualitätskennzahlen als Entscheidungspunkte verwenden, bedingte Review-Schleifen einbauen und Aufgaben zwischen KI und Menschen weiterreichen. So lässt sich ein Großteil des Zeitaufwands für das Projektmanagement einsparen.
7. Beobachte die Ergebnisse. Verseh Projekte mit Metadaten zu Fachbereich und Teilbereich. Im TM Threshold-Dashboard kannst du die Ergebnisse dann nach Fachbereich, Teilbereich und Ziel-Locale filtern. Prüfe sie regelmäßig, zusammen mit den QPS Insights.

Fehler, die am meisten kosten

• Automatisierung als Alles-oder-nichts-Ansatz betrachten. Bei vielen Inhalten lässt sich die Überprüfung nicht überspringen, aber bei fast allen lassen sich manuelle Übergaben vermeiden.
• Sich auf ein einziges Signal verlassen. Kennzahlen, QA-Prüfungen und Stichprobenprüfungen durch Menschen decken unterschiedliche Probleme auf. Verwende bei allem, was Kunden sehen werden, mindestens zwei dieser Methoden.
• Einmal einstellen und vergessen. Diese Einstellungen bleiben bestehen. Die eigenen Daten von Phrase zeigen, dass der durchschnittliche Translation-Memory-Schwellenwert über Projekte hinweg jahrelang bei 76 lag, bevor Teams ein Dashboard zur Orientierung hatten. Sobald ihnen die Daten vorlagen, stieg er auf etwa 86.
• Die Beurteilung der Produktionsqualität mit BLEU. BLEU misst, wie viele Wörter und Phrasen mit einer Referenzübersetzung übereinstimmen. Es ist nützlich für den Vergleich von Systemen in der Forschung, aber wenig hilfreich bei der Entscheidung, ob ein Segment zur Veröffentlichung bereit ist.

Wo anfangen?

Wähle einen Content-Typ, den du wahrscheinlich zu gründlich prüfen lässt, und einen, bei dem du vielleicht zu wenig absicherst. Für die meisten Teams sind das auf der einen Seite Support- oder Produkt-Content und auf der anderen Seite regulierter oder markenkritischer Content. Gib beiden eine eigene Content-Gruppe und eigene Prüfungen. Beobachte dann einen Monat lang, was deine Reviewer ändern.

Stell dir dann die Frage, auf die dieser Artikel hinausläuft: Bei welchem deiner Contents reicht eine Kennzahl als Qualitätsnachweis aus, und für welchen muss immer jemand persönlich die Verantwortung übernehmen?

Wenn du wissen willst, wie die Kennzahl funktioniert, lies zuerst die QPS-Erklärung oder die Schwellenwertstudie von 2024. Um die Tools zur Qualitätsbewertung zu finden, die zu deinem Content passen, fang klein an: Prüfe eine Stichprobe mit einem oder zwei dieser Tools und vergleiche die Ergebnisse mit dem Urteil deiner Reviewer.

Woher die Zahlen kommen

• Zahlen zur Qualitätskennzahl: eine Phrase-Simulationsstudie, veröffentlicht im September 2024. Ein Technologiekunde, Englisch nach Deutsch, etwa 3.500 Jobs, 35.000 Segmente und 457.000 Wörter. Quelle: Alon Lavie, „QPS verstehen: erwartete Einsparungen und ROI“.
• Zahlen zu den Translation-Memory-Schwellenwerten: Daten aus Phrase Analytics zu verschiedenen Projekten, veröffentlicht im April 2025. Quelle: Martin Švestka, „TM- und Phrase-QPS-Schwellenwerte für die Lokalisierungsautomatisierung meistern“.
• Workflow-Praxis und Arbeitslastschätzung: Das Lokalisierungsteam von Phrase, Oktober 2026.
• Produktverhalten: Hilfe-Center von Phrase und Entwicklerdokumentation, Stand Oktober 2026.

Anhang: die Kennzahlen

• QPS (Quality Performance Score). Die KI-Qualitätsschätzung von Phrase. Sie sagt voraus, welche Kennzahl ein professioneller Reviewer einer Übersetzung nach dem MQM-Framework auf einer Skala von 0 bis 100 zuweisen würde, ohne dass dafür eine Referenzübersetzung nötig ist. Phrase gruppiert die Kennzahlen in vier Bereiche: 95 bis 100 exzellent, 90 bis 94 sehr gut, 75 bis 89 gut und unter 75 mangelhaft.
• MQM (Multidimensionale Qualitätsmetriken). Das Framework, das menschliche Bewerter verwenden, um Fehler in Kategorien wie Genauigkeit, Sprachflüssigkeit, Terminologie und Stil nach Art und Schweregrad zu klassifizieren. Es wurde für die Bewertung durch Menschen entwickelt, und die Anwendung auf automatisierte Bewertungen bringt eigene Schwierigkeiten mit sich.
• Editierdistanz (TER, chrF). Wie stark ein Post-Editor den Output geändert hat. Ein direktes Maß für den Aufwand und der beste Anhaltspunkt dafür, ob ein Schwellenwert richtig angesetzt ist.
• COMET. Eine neuronale Metrik, die in der Forschung weit verbreitet ist, um MT-Systeme zu vergleichen. Ihre Varianten zur Qualitätsschätzung funktionieren ohne eine Referenzübersetzung.