Kampagnenlokalisierung mit KI

Das echte Ausmaß des Problems

Kampagnenlokalisierung ist für Agenturen mit internationalem Geschäft ein großer, oft unterschätzter Kosten- und Zeitblock. Eine häufige Ursache für verschobene Launches: Übersetzung und Adaptation werden zu spät in den Produktionsprozess eingebunden.

Das Problem ist vielschichtig:

• Sprachliche Übersetzung ist nur der sichtbare Teil, DeepL und professionelle Übersetzer liefern das gut, aber teuer
• Kulturelle Adaptation fehlt oft komplett: ein Kampagnen-Claim, der auf Deutsch direkt und modern klingt, kann in anderen Märkten arrogant oder banal wirken
• Visuelle Lokalisierung wird selten systematisch angegangen: Bildauswahl, Farbklima und Darstellung von Personen folgen kulturellen Erwartungen, die marktspezifisch sind
• Untertitelung und Transkripte für Video-Assets sind ein eigener Aufwand, bei 3 Videos in 8 Sprachen summiert sich das schnell auf Dutzende Arbeitsstunden

Was eine vollständige Lokalisierung kostet, hängt an Textmenge, Sprachen, Transkreation der Claims und Video-Anteil. Eine belastbare Durchschnittszahl haben wir nicht gefunden, eure letzten drei Übersetzungsrechnungen sind die bessere Basis.

Mit vs. ohne KI, ein ehrlicher Vergleich

¹ Wie viel billiger das wird, zeigen eure eigenen Rechnungen: Frag eure Freelancer nach einem Satz für reines Review statt Vollübersetzung. Die Muttersprachler-Prüfung ersetzt KI nicht.

Einschätzung auf einen Blick

Zeitersparnis, sehr hoch (5/5) Lokalisierung gehört zu den Use Cases mit dem größten Zeitgewinn, weil der Status quo besonders langsam ist. Muttersprachliche Freelancer brauchen Vorlaufzeit, externe Agenturen liefern nach Tagen. KI liefert in Stunden. Wichtig ist, was hier gespart wird: vor allem Durchlaufzeit, also Kalendertage bis zum ersten Kundenfeedback, und weniger eigene Arbeitsstunden der Agentur, denn übersetzt haben bisher meist externe Freelancer. Intern kommen sogar Stunden dazu, für Glossarpflege und die Koordination der Reviews.

Kosteneinsparung, hoch (4/5) Übersetzungskosten sind direkt sichtbar und messbar, im Gegensatz zu vielen anderen KI-Anwendungen. Zur Größenordnung, mit einem Wortpreis als Annahme: Bei 0,10 bis 0,25 Euro je Wort kostet eine Kampagne mit 2.000 Wörtern in 8 Märkten 2.000 mal 8 mal 0,10 bis 0,25 Euro, also 1.600 bis 4.000 Euro, und die Transkreation der Claims wird oft zusätzlich nach Stunden abgerechnet. KI bringt die reine Übersetzung auf einen Bruchteil, der menschliche Review ist günstiger als eine Vollübersetzung, weil der Entwurf schon steht. Aber: Wessen Geld ist das? Viele Agenturen reichen Übersetzungen als Fremdleistung an den Kunden durch, oft mit Aufschlag. Dann spart der Kunde, und der Agentur fällt sogar der Aufschlag weg. Bei der Agentur bleibt die Ersparnis nur, wenn sie Lokalisierung als Pauschale verkauft oder die schnellere Lieferung als Leistung einpreist.

Schnelle Umsetzung, hoch (4/5) Der initiale Workflow ist in 1–2 Wochen eingerichtet: Tool-Auswahl, Glossar-Aufbau, Prozess-Dokumentation. Komplexer wird es, wenn Bildlokalisierung (Generative KI für marktspezifische Visuals) oder Video-Workflows eingebunden werden sollen, das braucht 2–4 Wochen mehr.

ROI-Sicherheit, hoch (4/5) Hier ist der ROI ausnahmsweise wirklich messbar: Übersetzungskosten vor KI vs. nach KI sind konkrete Zahlen auf Rechnungen. Wer heute 1.000 Euro je Markt an externe Übersetzer zahlt und danach nur noch ein Review-Honorar, kann das in der nächsten Quartalsabrechnung ablesen. Offen bleibt nur, auf wessen Seite der Rechnung die Differenz landet (siehe Kosteneinsparung).

Skalierbarkeit, hoch (4/5) Die maschinelle Übersetzung skaliert fast ohne Mehraufwand: denselben Text in 12 statt 8 Sprachen laufen zu lassen dauert Minuten mehr, nicht Tage. Der Muttersprachler-Review und die kulturelle Prüfung wachsen aber weiter linear mit jedem Markt, und genau die lassen sich nicht weglassen.

Richtwerte, stark abhängig von Sprachkombination, Kampagnenkomplexität und vorhandener Terminologiedokumentation.

Was der Lokalisierungs-Workflow konkret macht

Der Ansatz ist ein mehrstufiger Prozess, in dem KI und Mensch verschiedene Aufgaben übernehmen, nicht eine monolithische “KI macht alles”-Lösung.

Stufe 1: Terminologie und Glossar aufbauen Bevor irgendein Text übersetzt wird, definierst du ein Glossar: Markennamen, Produktbezeichnungen, Claims und unübersetzbare Begriffe. DeepL hat eine integrierte Glossar-Funktion, einmal eingerichtet, sorgt sie für konsistente Übersetzung aller Begriffe über alle Projekte. Das verhindert den häufigsten Fehler: “Unser Produkt heißt im Deutschen ‘Frische-Formel’, und der Übersetzer hat das zu ‘Fresh Formula’ gemacht, obwohl wir ‘Formule Fraîcheur’ wollten.”

Stufe 2: Sprachliche Erst-Übersetzung DeepL übernimmt die strukturierte Textübersetzung aller Kampagnentexte, Claims, Body Copy, CTA, Legal Copy. Bei langen Dokumenten (Mediaplan, Präsentation) erhält DeepL die Formatierung. Das Ergebnis ist kein fertiger Text, sondern ein Review-fähiger Erstentwurf, den ein Muttersprachler in 20 Minuten prüft und anpasst, statt in 4 Stunden neu schreibt.

Stufe 3: Kulturelle Adaptation mit LLM Hier kommt Claude oder ChatGPT ins Spiel. Du gibst den übersetzten Text und einen kulturellen Kontext-Prompt ein: “Prüfe diesen Text auf kulturelle Sensibilitäten für den polnischen Markt. Markiere Claims, die zu direkt oder zu selbstbewusst klingen könnten. Schlage Alternativen vor.” Das ersetzt keinen Markt-Insider, aber es reduziert offensichtliche Fehler und gibt dem menschlichen Reviewer einen strukturierten Ausgangspunkt.

Stufe 4: Video-Untertitelung und Transkripte Für Video-Assets transkribiert Whisper (OpenAI) die Audiospuren automatisch und erstellt SRT-Dateien. DeepL übersetzt diese. Das Ergebnis ist nach einem menschlichen Timing-Check einsetzbar. Die Transkription selbst kostet über die API Cent-Beträge, der Aufwand liegt im einmaligen Einrichten und im Check.

Was KI nicht leistet: emotionale Feinjustierung von Claims für spezifische Kulturen, regulatorische Prüfung (Gesundheitsbehauptungen, Finanzprodukte), Übersetzung von visuellen Elementen (Bilder, Illustrationen mit Text) und das finale Muttersprachler-Urteil über Authentizität.

Konkrete Werkzeuge, was wann passt

DeepL , Pflicht für jeden Lokalisierungs-Workflow EU-Hosting, DSGVO-konform, überlegene Qualität bei europäischen Sprachen, Glossar-Funktion. Team-Plan 24,99 Euro je Nutzer und Monat bei jährlicher Abrechnung (29,99 Euro monatlich); für Agenturen mit mehreren Projekten gleichzeitig ist der Business-Plan sinnvoll, 49,99 Euro je Nutzer und Monat jährlich (59,99 Euro monatlich), mit unbegrenzten Zeichen und Translation Memory. Für Kampagnentexte: direkte Dokumentübersetzung mit Formatierungserhalt.

Claude oder ChatGPT , für kulturelle Adaptation Beide eignen sich gut für das kulturelle Screening von Texten und das Formulieren von marktspezifischen Varianten. Claude ist etwas stärker bei nuancierter Sprache und längeren Dokumenten, beide können auch Bilder analysieren, nützlich, wenn du visuelle Elemente prüfen willst. Claude Pro kostet 20 Euro im Monat. Für ChatGPT Plus sind es 23 Euro je Nutzer.

Whisper , für Video-Transkription Open-Source-Modell von OpenAI. Lokaler Betrieb kostenlos; OpenAI API: 0,006 USD/Minute. Sehr hohe Transkriptionsgenauigkeit für Deutsch und die meisten europäischen Sprachen. Technisches Setup erforderlich. Wer keine IT-Ressourcen hat, nutzt stattdessen einen Webdienst mit automatischer Transkription, etwa Riverside .

Gamma App , für die Ergebnis-Präsentation Wenn du dem Kunden die lokalisierten Versionen präsentieren willst, kann Gamma App schnell strukturierte Präsentationsseiten pro Markt erstellen. Kein Ersatz für das eigentliche Lokalisierungs-Tool, aber nützlich für interne Abstimmungen.

Ein wichtiger Hinweis zur Tool-Kombination: DeepL + LLM ist stärker als jedes einzelne Tool allein. DeepL liefert sprachliche Präzision; das LLM liefert kulturellen Kontext und kreative Varianten. Die Kombination schlägt jeden generischen Übersetzer.

Datenschutz und Datenhaltung

Kampagnenmaterial enthält oft sensible Informationen: unveröffentlichte Produktnamen, Preis-Strategien, Markteintrittspläne. Prüfe folgendes vor dem Einsatz:

DeepL , EU-Datenhosting, AVV verfügbar DeepL ist ein deutsches Unternehmen aus Köln, nach ISO 27001, SOC 2 und C5 zertifiziert, mit Rechenzentren in Island und Schweden sowie AWS-Regionen. In den bezahlten Plänen werden Texte laut DeepL ohne Zustimmung weder gespeichert noch zum Training genutzt, im Free-Plan gelten gesonderte Datenschutzbedingungen. Für DSGVO-sensible Kampagnendaten: bezahlten Plan wählen und AVV aktiv anfordern.

Claude und ChatGPT , US-Datenhosting Anthropic (Claude) und OpenAI (ChatGPT) speichern Daten auf US-Servern. Einen AVV gibt es nur in den Unternehmenstarifen (OpenAI: ChatGPT Business oder API; Anthropic: Claude Team oder API), nicht in Plus oder Pro. Für die kulturelle Adaptation sind oft keine personenbezogenen Daten enthalten, der Risiko-Level ist meist moderat. Trotzdem: Kampagnenpläne mit Markteintrittsdaten oder Preisstrategien solltest du nicht vollständig in ein US-LLM hochladen.

Praktische Empfehlung: Strukturierte Kampagnentexte ohne Strategieinformationen über DeepL; kulturelle Review-Anfragen mit anonymisiertem oder allgemein gehaltenem Kontext über Claude/ChatGPT.

Was es kostet, realistisch gerechnet

Einrichtungskosten:

• Glossar-Aufbau für die wichtigsten Sprachen: 4–8 Stunden intern (einmalig)
• Prozess-Dokumentation und Team-Briefing: 2–3 Stunden
• Gesamt einmalig: 6 bis 11 Stunden, zu 80 Euro internem Stundensatz rund 500 bis 900 Euro

Laufende Kosten:

• DeepL Business für 3 Nutzer: 3 mal 49,99 Euro im Monat bei jährlicher Abrechnung
• Claude Pro: 20 Euro/Person/Monat
• ChatGPT Plus: 23 Euro/Person/Monat
• Whisper API: 0,006 USD je Minute, zehn Minuten Video kosten 6 Cent

Rechenbeispiel, mit Annahmen zum Nachrechnen: Eine Agentur lokalisiert eine Kampagne im Quartal in 8 Märkte und zahlt dafür bisher 1.000 Euro je Markt an externe Übersetzer, also 8.000 Euro. Mit maschinellem Erstentwurf und einem Review-Honorar von angenommen 150 Euro je Markt sind es 8 mal 150 Euro, also 1.200 Euro, dazu interne Koordination. Die Differenz von rund 6.800 Euro je Kampagne steht gegen rund 600 Euro Tool-Kosten im Quartal (3 mal rund 200 Euro). Entscheidend ist, wer die 6.800 Euro behält: Reicht die Agentur Übersetzungen bisher an den Kunden durch, spart der Kunde, und die Agentur verliert ihren Aufschlag. Die Agentur gewinnt nur, wenn sie Lokalisierung als Pauschale verkauft, den Preis hält und die Marge mitnimmt, oder wenn die schnellere Lieferung ihr Aufträge bringt, die sie sonst nicht bekommen hätte.

Wichtig: Der Nutzen ist am größten, wenn bisher externe Übersetzer bezahlt wurden. Wenn Lokalisierung bisher intern mit Muttersprachlern gemacht wurde, ist das ROI-Potenzial kleiner, aber die Geschwindigkeitssteigerung bleibt real.

Vier typische Einstiegsfehler

Fehler 1: Ohne Glossar starten Wer direkt loslegt und jedes Mal Produktnamen und Claims neu übersetzt, produziert inkonsistente Ergebnisse, verschiedene Übersetzer nennen dasselbe Produkt unterschiedlich. Ein Glossar mit 50–100 Einträgen, aufgebaut in einem halben Tag, verhindert das dauerhaft.

Fehler 2: Den menschlichen Review weglassen “Die Übersetzung sieht gut aus” ist kein ausreichender Qualitätscheck. KI-Übersetzungen klingen für europäische Sprachen syntaktisch korrekt, bei idiomatischen Wendungen und Markenclaims aber oft unidiomatisch. Wie oft, dafür haben wir keine belastbare Zahl, ein muttersprachlicher Reviewer, der 20 Minuten über den Text schaut, erkennt es. Ohne diesen Schritt riskierst du Kampagnen, die im Markt hölzern klingen und Markenvertrauen kosten. Fix: Für jeden Markt einen festen Review-Freelancer einplanen und einen Satz für reines Review vereinbaren, der deutlich unter dem Preis einer Vollübersetzung liegt.

Fehler 3: Kulturelle Adaptation überspringen Viele Agenturen setzen DeepL ein und glauben, damit sei die Lokalisierung erledigt. Sprachliche Korrektheit und kulturelle Angemessenheit sind aber zwei verschiedene Dinge. Ein Claim, der auf Deutsch “Einfach besser, für alle” lautet, kann in anderen Kulturen als überheblich oder inhaltsleer wahrgenommen werden. Mindestens 30 Minuten kulturelles Review pro Markt durch jemanden mit echtem Marktverständnis sind nicht optional.

Fehler 4 (Maintenance): Das Glossar nicht aktualisieren Produktnamen ändern sich, Claims werden überarbeitet, neue Märkte kommen hinzu. Wer das Glossar nach dem ersten Aufbau vergisst, produziert nach sechs Monaten wieder inkonsistente Ergebnisse. Quartalsweise 30 Minuten Glossar-Pflege verhindern das.

Was mit der Einführung wirklich passiert

Der technische Teil geht schnell. Was länger dauert: interne Akzeptanz bei erfahrenen Texterinnen und Textern, die stolz auf ihre sprachliche Qualitätsarbeit sind.

“KI-Übersetzungen klingen immer nach KI”, Dieser Einwand war 2022 berechtigt, heute ist er differenzierter. DeepL-Texte klingen für europäische Sprachen meist gut, das größere Problem ist kulturelle Flachheit, nicht sprachliche Fehler. Wenn du den Einwand hörst: Lass das Team einen A/B-Test machen, einen KI-Entwurf nach einem 20-minütigen Review gegen einen von Grund auf neu erstellten Freelancer-Text. Das Ergebnis überrascht oft.

Zuständigkeit für den Review klären, Wenn KI den Erstentwurf liefert, braucht es dennoch einen Muttersprachler für den finalen Check. Das muss organisiert werden, interne Kolleginnen und Kollegen mit Marktkenntnis, feste Freelancer-Beziehungen für Review-Only-Aufträge (deutlich günstiger als Komplettübersetzung), oder Native-Speaker im Kundennetzwerk.

Was nicht passiert: Dass du externe Übersetzer komplett ersetzen kannst. Der Workflow ändert sich von “Übersetzen” zu “Review und Adaptation”, die Stundensätze sind ähnlich, aber du brauchst weniger Stunden pro Projekt.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

“Unsere Kunden erwarten menschliche Übersetzer, wir können das nicht verwenden.” Ein legitimer Einwand für Kunden mit expliziten Anforderungen. In der Praxis fragen die meisten Kunden nicht nach dem Tool, sondern nach der Qualität des Ergebnisses. Wenn du transparent kommunizierst, “Wir nutzen KI für den Erstentwurf, den wir muttersprachlich gegenlesen lassen”, ist die Reaktion oft neutral bis positiv. Für Kunden mit expliziten Anforderungen: das klären und den Mehraufwand einpreisen.

“Für asiatische oder arabische Märkte funktioniert das nicht.” Teilweise richtig. DeepL ist für europäische Sprachen überlegen; Japanisch, Chinesisch oder Arabisch sind auf akzeptablem, aber nicht gleichem Niveau. Für diese Märkte bleibt muttersprachliche Übersetzung wichtiger. Aber auch dort spart KI Zeit bei Standardtexten (Legal Copy, Produktspezifikationen).

Woran du merkst, dass das zu dir passt

Das passt gut:

• Ihr lokalisiert Kampagnenmaterial in mindestens 3 verschiedene Sprachen pro Jahr
• Externe Übersetzungskosten sind ein spürbarer Posten in eurer Projektkalkulation
• Ihr habt Kunden mit strikten internationalen Brand Guidelines, die konsistente Terminologie erfordern
• Ihr produziert Videos mit O-Ton oder Voiceover, die untertitelt werden müssen

Das passt noch nicht oder nicht gut:

• Ihr lokalisiert weniger als 5 Projekte pro Jahr, der Glossar-Aufbau rechnet sich nicht
• Eure wichtigsten Zielmärkte sind außerhalb Europas (Arabisch, Japanisch, Chinesisch), hier bleibt muttersprachliche Übersetzung wichtiger als der Tool-Vorteil
• Ihr habt keine Muttersprachler oder festen Reviewer-Freelancer für den menschlichen Check, dann riskiert ihr, kulturell flache Texte in den Markt zu bringen
• Euer Geschäft ist ausschließlich im deutschsprachigen Raum, dann gibt es keinen Anwendungsfall

Das kannst du heute noch tun

Nimm eine bestehende Kampagne, die ihr gerade für den deutschen Markt abgeschlossen habt. Lade die wichtigsten Texte in DeepL hoch (im Free-Plan nur bereits veröffentlichte Texte, dort gelten gesonderte Datenschutzbedingungen) und lass sie in eine Sprache übersetzen, in der du jemanden mit Marktkenntnis kennst. Bitte diese Person, den Text in 20 Minuten zu prüfen. Das ist dein Pilot-Test, ohne Budget, ohne Risiko.

Quellen & Methodik

• DeepL-Produktdokumentation, Zu Glossar-Funktion, Zeichenvolumen und AVV-Optionen. deepl.com/de/pro
• Tarife, Hosting und Datenschutz: laut unseren Toolseiten zu DeepL , Whisper , Claude und ChatGPT , Stand September 2026.
• Rechenbeispiel: eigene Annahmen (Wortpreis, 1.000 Euro je Markt, Review-Honorar), im Text als Rechenweg ausgewiesen. Eine belastbare Branchenzahl zu Lokalisierungskosten haben wir nicht gefunden.