Kampagnenlokalisierung mit KI

Das echte Ausmaß des Problems

Kampagnenlokalisierung ist für Agenturen mit internationalem Geschäft einer der größten versteckten Kostentreiber. Laut dem DeepL-Bericht “Übersetzung und Lokalisierung 2023/2024” geben 68 Prozent der befragten Marketingverantwortlichen an, dass Lokalisierungsprozesse regelmäßig den Go-live-Termin verzögern. Die Hauptursache: zu späte Einbindung von Übersetzung und Adaptation in den Produktionsprozess.

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

Erfahrungsgemäß kostet eine vollständige Lokalisierung einer mittelgroßen Kampagne in 5–8 Märkten zwischen 15.000 und 40.000 Euro, und nimmt 4–8 Wochen in Anspruch, wenn der Prozess nicht durchoptimiert ist.

Mit vs. ohne KI, ein ehrlicher Vergleich

¹ Die Anzahl der Review-Runden hängt stark von der Qualität der Muttersprachler-Reviewer ab. KI reduziert die Runden, ersetzt sie aber nicht.

Einschätzung auf einen Blick

Zeitersparnis, sehr hoch (5/5) Von allen Use Cases in dieser Kategorie spart Lokalisierung die meiste Zeit, weil der Status quo besonders langsam ist. Muttersprachliche Freelancer brauchen Vorlaufzeit, externe Agenturen liefern nach Tagen. KI liefert in Stunden. Bei 5 Märkten und einer dreimonatigen Kampagnen-Laufzeit summiert sich das schnell auf 40–80 eingesparte Arbeitsstunden pro Projekt.

Kosteneinsparung, hoch (4/5) Übersetzungskosten sind direkt sichtbar und messbar, im Gegensatz zu vielen anderen KI-Anwendungen. Professionelle Übersetzungen kosten je nach Sprache und Fachlichkeit 0,10–0,25 Euro pro Wort. Bei einer 500-Wort-Kampagne in 8 Märkten sind das 400–1.000 Euro allein für Erstentwürfe. KI bringt das auf einen Bruchteil, der menschliche Review ist dann weniger teuer, weil der Entwurf schon steht.

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. Wer heute 3.000 Euro pro Markt an externe Übersetzer zahlt und nach KI-Einführung 800 Euro, kann das in der nächsten Quartalsabrechnung ablesen.

Skalierbarkeit, sehr hoch (5/5) Mehr Märkte bedeuten linear mehr Arbeit, ohne KI. Mit KI wächst der Aufwand kaum: denselben Prompt in 12 statt 8 Sprachen laufen zu lassen dauert Minuten mehr, nicht Tage. Das macht Lokalisierung zum skalierbarsten Use Case in dieser Kategorie.

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. Wer häufig Videos lokalisiert, amortisiert diesen Schritt innerhalb von drei Projekten.

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 ab 24,99 Euro/Nutzer/Monat; für Agenturen mit mehreren Projekten gleichzeitig ist der Business-Plan (49,99 Euro/Nutzer/Monat) mit unbegrenzten Zeichen sinnvoll. 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; ChatGPT hat den Vorteil, dass es Bilder analysieren kann, nützlich, wenn du auch visuelle Elemente prüfen willst. Kosten: 18–20 Euro/Monat pro 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 Riverside oder Otter.ai, die Whisper-basiert sind, aber als benutzerfreundliche Webdienste funktionieren.

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 das einzige große Übersetzungstool mit EU-Datenhosting (Köln) und verfügbarem Auftragsverarbeitungsvertrag (AVV) für Pro-Kunden. Texte von Pro-Nutzern werden nach der Übersetzung sofort gelöscht und nicht fürs Modelltraining genutzt. Für DSGVO-sensible Kampagnendaten: mindestens Individual-Plan wählen und AVV aktiv anfordern.

Claude und ChatGPT, US-Datenhosting Anthropic (Claude) und OpenAI (ChatGPT) speichern Daten auf US-Servern. Beide bieten AVV an (OpenAI: Teams-Plan oder API-Nutzung; Anthropic: Enterprise). 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: ca. 500–1.000 Euro interner Aufwand

Laufende Kosten:

• DeepL Business (3 Nutzer): ca. 150 Euro/Monat
• Claude Pro oder ChatGPT Plus: 18–20 Euro/Person/Monat
• Whisper API (bei intensiver Video-Nutzung): 20–50 Euro/Monat

Konservatives ROI-Szenario: Eine Agentur mit 4 internationalen Kampagnen pro Quartal spart bei Übersetzungskosten vorher 8.000 Euro (externe Freelancer, 8 Märkte je), nachher 1.800 Euro (Tools + interner Review). Das sind 6.200 Euro Einsparung pro Quartal, gegen ca. 600 Euro Tool-Kosten. Selbst wenn die Agentur nur die Hälfte dieser Einsparung realisiert, amortisiert sich der Umstieg im ersten Monat.

Wichtig: Der Nutzen ist am größten, wenn die Agentur bisher externe Übersetzer bezahlt hat. 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, aber in 30–50 % der Fälle unidiomatisch bei idiomatischen Wendungen oder Markenclaims, ein muttersprachlicher Reviewer, der 20 Minuten über den Text schaut, erkennt das sofort. Ohne diesen Schritt riskierst du Kampagnen, die im Markt hölzern klingen und Markenvertrauen kosten. Fix: Für jeden Markt einen festen Review-Freelancer einplanen (nur Review, nicht Vollübersetzung: ca. 50–80 € statt 300–500 € pro Text).

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 erfahrungsgemäß 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 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 “Translation and Localization 2023/2024”, Branchenbefragung unter Marketingverantwortlichen zu Lokalisierungsherausforderungen; Angaben zu Prozessverzögerungen. deepl.com/de/state-of-localization-report
• Eigene Erfahrungswerte, Beobachtungen aus Gesprächen mit Projektleitenden in Agenturen mit internationalem Kundenstamm (5–60 Mitarbeitende). Keine repräsentative Studie, aber konsistente Muster.
• DeepL-Produktdokumentation, Zu Glossar-Funktion, Zeichenvolumen und AVV-Optionen. deepl.com/de/pro