2025-05-21 · Redaktion Baduno · 7 blog.readMin · Blog & Wissen
Maschinelle Übersetzung erkennen: Sieben typische Fehlerbilder
KI-Übersetzungen sind gut geworden – ihre Fehler auch: seltener, aber subtiler. Woran Prüfer sie erkennen, bevor Kunden es tun.
Die auffälligen Vier
Falsche Freunde (‚eventuell' wird ‚eventually'), inkonsistente Fachbegriffe im selben Text, wörtliche Redewendungen und Anredebrüche zwischen Du und Sie: Diese Klassiker findet ein geübtes Auge in Minuten.
Die subtilen Drei
Selbstbewusst falsche Zahlen und Eigennamen, kulturell schiefe Beispiele und ein zu glatter Einheitston, der jede Markenfarbe wegschleift. Gefährlich, weil der Text fehlerfrei aussieht – er ist nur nicht richtig.
Systematisch prüfen
Maschinen prüfen Struktur (Zahlen, Platzhalter, Vollständigkeit, Terminologie), Menschen prüfen Bedeutung und Wirkung – in dieser Reihenfolge, mit dokumentiertem Ergebnis. Stichproben ersetzen keine Systematik bei Geldseiten.
Konsequenz für Einkäufer
Fragen Sie Dienstleister nicht, ob sie KI nutzen – fragen Sie, wie sie deren Fehler finden. Wer keinen Prüfprozess beschreiben kann, hat keinen. Unsere Antwort steht öffentlich auf dieser Website.
Irreführende Idiome und Metaphern
Maschinelle Übersetzungen scheitern oft an idiomatischen Wendungen, die nicht eins zu eins übertragbar sind. So wird aus 'to kick the bucket' im Deutschen schnell 'den Eimer treten', obwohl die Redewendung 'den Löffel abgeben' heißt. Auch Metaphern wie 'the ball is in your court' sollten je nach Zielmarkt kulturell adaptiert werden, etwa 'Sie sind am Zug'. Prüfer müssen hier nicht nur die wörtliche Bedeutung, sondern auch die intendierte Wirkung erkennen. Ein typisches Beispiel: 'break a leg' wird von KI oft als 'brich dir ein Bein' übersetzt, was im Deutschen als schlechter Wunsch verstanden wird – richtig ist 'Hals- und Beinbruch'. Bei Marketingtexten können solche Fehler peinlich wirken und die Botschaft verfälschen. Daher sollten Prüfer nach geläufigen Idiomen im Ausgangstext suchen und deren zielsprachliche Entsprechung manuell prüfen. Ein guter Workflow: KI übersetzt, der Prüfer markiert alle Idiome und validiert sie mit einer Referenzdatenbank oder muttersprachlichem Bauchgefühl.
Fehler bei Zahlen, Daten und Formaten
KI-Übersetzungen behandeln Zahlen oft korrekt, aber nicht immer – besonders bei Tausendertrennzeichen, Dezimaltrennern und Datumsformaten. Ein US-Datum '03/04/2024' kann als 3. April oder 4. März interpretiert werden. Währungen: '$1.50' wird im Deutschen zu '1,50 $', aber manche KI lassen das Komma weg oder setzen den Punkt. Auch Maßeinheiten: '10 miles' sollten zu '16 Kilometer' werden, nicht '10 Meilen'. Noch trickreicher sind Prozentangaben mit kulturellen Unterschieden: 'a 50% increase' kann 'eine Steigerung um 50 %' oder 'auf 150 %' bedeuten. Prüfer sollten daher alle Zahlen, Daten, Einheiten und Währungen systematisch mit dem Quelltext abgleichen. Eine Checkliste hilft: Prüfung auf Dezimaltrennzeichen, Datumsformat (TT.MM.JJJJ vs. MM/TT/JJJJ), Währungssymbole (€ vs. $) und Einheiten (km vs. Meilen). Besonders wichtig bei Preisangaben in Onlineshops – ein falsches Komma kann den Preis verzehnfachen. Dokumentieren Sie jede Abweichung und korrigieren Sie die Formatierung nach den Regeln der Zielsprache.
Falsche Eigennamen und Markenbegriffe
Eigennamen, Markennamen und Produktbezeichnungen sollten in der Regel unübersetzt bleiben. Doch KI neigt dazu, auch sie zu übersetzen: Aus 'Apple' wird 'Apfel', aus 'Microsoft' wird 'Mikrosoftware'. Noch kritischer: Fachbegriffe wie 'SAP' oder 'CRM' werden manchmal durch vermeintliche Entsprechungen ersetzt ('Sozialistische Arbeiterpartei' statt Systeme). Auch Akronyme wie 'NASA' sollten nicht ausgeschrieben werden, es sei denn, die Zielkultur verwendet die Übersetzung. Prüfer müssen daher eine Terminologiedatenbank pflegen, die festlegt, welche Namen beibehalten werden. Bei der Prüfung sollten alle Eigennamen, Firmennamen, Produktnamen und Akronyme markiert und gegen diese Datenbank abgeglichen werden. Ein häufiger Fehler: 'Köln Bonn Airport' wird zu 'Cologne Bonn Airport' – je nach Zielsprache kann beides richtig sein, aber Konsistenz ist entscheidend. Dokumentieren Sie jede Entscheidung, sodass bei späteren Übersetzungen derselbe Name einheitlich behandelt wird.
KI-Übersetzungen sind gut geworden – ihre Fehler auch: seltener, aber subtiler. Woran Prüfer sie erkennen, bevor Kunden es tun.
Fehlender Langzeitkontext und Aktualisierung
Maschinelle Übersetzungen betrachten meist nur den aktuellen Satz oder Absatz, nicht den gesamten Text oder frühere Übersetzungen desselben Kunden. Das führt zu Inkonsistenzen bei wiederkehrenden Begriffen, Phrasen oder Nachrichten. Beispiel: Ein Unternehmen ändert seinen Slogan von 'Quality first' zu 'Quality & Speed'. Die KI übersetzt den neuen Text korrekt, aber alle alten Übersetzungen bleiben stehen – Besucher sehen auf verschiedenen Seiten unterschiedliche Claims. Auch bei Produktlaunches: Eine Version heißt 'Pro 2024', die nächste 'Pro 2025'. Ohne Langzeitkontext übersetzt die KI vielleicht 'Pro 2024' als 'Pro 2024' und 'Pro 2025' als 'Pro 2025', aber wenn der Kunde wünscht, dass der Markenname immer unübersetzt bleibt, muss das global gelten. Prüfer sollten daher vor der Arbeit den Kundenstilguide einsehen und bestehende Übersetzungen auf Konsistenz prüfen. Noch besser: KI-Systeme mit Translation Memory (TM) einsetzen, die frühere Übersetzungen wiedererkennen. Dennoch bleibt die menschliche Prüfung unverzichtbar, um sicherzustellen, dass die Markenidentität über alle Kanäle hinweg einheitlich bleibt.
Fehler bei URLs, Metadaten und Hreflang-Angaben
Maschinelle Übersetzungen konzentrieren sich meist auf den sichtbaren Text und ignorieren technische Elemente wie URLs, Metadaten und Hreflang-Tags. Dabei sind diese für die mehrsprachige Suchmaschinenoptimierung essenziell. Typische Fehler: Die KI übersetzt URL-Slugs, obwohl diese meist unverändert bleiben sollten – aus "/de/produkte" wird fälschlich "/en/products", was zu toten Links führt. Auch Meta-Titel und -Beschreibungen werden oft automatisch übersetzt, ohne die Zeichenbegrenzung zu beachten: Deutsche Meta-Beschreibungen mit 160 Zeichen sind nach Übersetzung ins Englische oft zu lang und werden abgeschnitten. Besonders kritisch sind Hreflang-Angaben: Diese HTML-Tags zeigen Suchmaschinen die Sprachversionen einer Seite. Eine KI kann versehentlich hreflang="de" für eine englische Seite setzen oder die kanonische URL auf die falsche Sprachversion verweisen. Die Folge: Suchmaschinen indexieren falsche Seiten oder bestrafen Duplicate Content. Prüfer sollten daher nach der Übersetzung alle Links, Metadaten und Hreflang-Tags systematisch durchgehen. Nutzen Sie Tools wie Screaming Frog oder manuelle Stichproben. Achten Sie darauf, dass URL-Strukturen konsistent bleiben (z. B. /de/, /en/ als Sprachpfade) und Meta-Angaben sprachspezifisch optimiert sind. Dokumentieren Sie jede Anpassung, um bei künftigen Übersetzungen den technischen Rahmen zu wahren.
Lokalisierung von Rechtstexten und Sicherheitshinweisen
Rechtstexte wie Allgemeine Geschäftsbedingungen, Datenschutzerklärungen oder Impressum enthalten häufig standardisierte Formulierungen, die von KI zwar wörtlich korrekt, aber rechtlich unzureichend übersetzt werden. So wird aus der deutschen „Einwilligung gemäß Art. 6 DSGVO“ im Englischen oft ein generisches „consent according to law“, ohne die spezifische Rechtsgrundlage zu nennen. Das kann zu Abmahnungen führen. Auch Sicherheitshinweise für Produkte sind besonders anfällig: Warnhinweise wie „Nicht in die Hände von Kindern gelangen lassen“ werden von KI manchmal abgeschwächt („Keep out of reach“ statt „Keep out of reach of children“). In Europa sind präzise Warnungen gesetzlich vorgeschrieben; Ungenauigkeiten gefährden die Produkthaftung. Prüfer sollten daher Rechtstexte nicht nur auf Sprachrichtigkeit, sondern auf juristische Äquivalenz prüfen. Ein bewährtes Vorgehen: Hinterlegen Sie ein Glossar mit verbindlichen Übersetzungen für Klauseln, Paragrafen und Rechtsbegriffe. Arbeiten Sie mit einem Muttersprachler, der die Rechtsordnung des Ziellandes kennt. Lassen Sie abschließend eine juristische Fachkraft gegenlesen. Die KI kann den Workflow beschleunigen, aber die Haftung verbleibt beim Unternehmen – deshalb ist systematische Prüfung durch Menschen unerlässlich.
Hreflang-Tags und SEO: Die unsichtbaren Stolpersteine
Während sprachliche Fehler sofort ins Auge springen, gefährden unsichtbare Fehler im Quellcode die Auffindbarkeit Ihrer mehrsprachigen Website. Maschinelle Übersetzungen liefern oft korrekte Texte, vergessen aber die Anpassung von hreflang-Tags, Meta-Daten und URL-Strukturen. Ein typisches Beispiel: Die KI übersetzt den Content, aber das hreflang-Attribut verweist weiterhin auf die Ausgangsseite – Suchmaschinen zeigen dann die falsche Sprachversion in den Suchergebnissen an. Auch die Übersetzung von Meta-Titeln und -Beschreibungen wird häufig vernachlässigt, sodass Ihre Seite zwar auf Deutsch liest, aber unter englischen Snippets erscheint. Noch kritischer: Wenn die KI Seitentitel übersetzt, aber die URL unverändert lässt, entstehen Duplicate-Content-Probleme. Prüfer sollten daher systematisch jede Seite auf vollständige Lokalisierung der SEO-Elemente kontrollieren: hreflang, canonical, Meta-Description, Alt-Texte und URLs. Der Fehlerteufel steckt im Quellcode: ein fehlender Sprachcode oder eine falsche Region (de-DE statt de-AT) kann Ihre internationale Sichtbarkeit ruinieren. Unsere Prüfung umfasst daher nicht nur den sichtbaren Text, sondern auch die technische Infrastruktur der Lokalisierung. Nur so stellen Sie sicher, dass Ihre Inhalte in allen Zielmärkten gefunden werden – ohne Ranking-Verluste durch maschinelle Nachlässigkeit.
Terminologie-Management als Qualitätsanker
Eine der größten Herausforderungen bei maschinellen Übersetzungen ist die inkonsistente Verwendung von Fachbegriffen. Während ein einzelner Text fehlerfrei erscheinen mag, offenbart der Vergleich mit vorherigen Übersetzungen desselben Kunden oft gravierende Abweichungen. Die KI hat kein Gedächtnis für unternehmenseigene Vokabeln – sie übersetzt jedes Vorkommen neu, ohne den etablierten Wortschatz zu berücksichtigen. Daher ist ein zentrales Terminologie-Management unverzichtbar. Legen Sie vor der Übersetzung verbindliche Glossare an, die bevorzugte Begriffe, verbotene Synonyme und kontextabhängige Varianten festlegen. Dieses Glossar muss sowohl in die KI-Umgebung als auch in die Prüfumgebung integriert werden. Ein Prüfer sollte dann systematisch jeden Fachbegriff im Zieltext gegen das Glossar abgleichen. Besonders kritisch sind Neologismen, Produktnamen und juristische Formulierungen. Ohne Glossar riskieren Sie, dass derselbe Begriff in verschiedenen Publikationen unterschiedlich übersetzt wird – eine verpasste Chance für Markenkonsistenz und ein Ärgernis für Ihre Kunden. Investieren Sie daher in die Pflege Ihres Terminologiebestands; es ist der effektivste Hebel, um die Qualität maschineller Übersetzungen auf ein professionelles Niveau zu heben.
blog.faqT
Wie gehe ich mit falsch übersetzten Eigennamen um?
Erstellen Sie eine verbindliche Terminologiedatenbank, die für jeden Eigennamen die korrekte Schreibweise in der Zielsprache festlegt. Prüfer sollten alle Eigennamen markieren und gegen diese Datenbank abgleichen. Abweichungen werden korrigiert und die Datenbank bei neuen Fällen aktualisiert. So stellen Sie sicher, dass Marken- und Produktnamen konsistent bleiben.
Welche Werkzeuge unterstützen die Prüfung auf Zahlen- und Formatfehler?
Verwenden Sie QA-Tools wie Xbench oder Verifika, die automatisch auf Tausendertrennzeichen, Datumsformate und Währungen prüfen. Diese Tools listen Abweichungen auf, die dann manuell validiert werden müssen. Alternativ können reguläre Ausdrücke benutzerdefinierte Prüfungen übernehmen. Die Ergebnisse werden im Prüfprotokoll festgehalten.
