Übersetzung für internationale NGOs

Das echte Ausmaß des Problems

Internationale humanitäre Organisationen und NGOs mit globalem Mandat arbeiten regelmäßig in 10 bis 30 Sprachen gleichzeitig — Projektberichte, Feldkommunikation, Schulungsmaterialien, Beneficiary-Informationen. Der Übersetzungsbedarf ist enorm, das Budget für professionelle Übersetzer begrenzt.

Professionelle Übersetzungen für NGO-typische Sprachpaare kosten 0,12 bis 0,25 Euro pro Wort. Ein 1.000-Wörter-Feldbericht kostet damit 120 bis 250 Euro und braucht zwei bis drei Werktage. Bei zehn Berichten pro Monat sind das 1.200 bis 2.500 Euro monatliche Übersetzungskosten — und Kapazitätsengpässe gerade dann, wenn es schnell gehen muss.

Auch für kleinere deutsche NGOs mit internationalem Bezug ist das Problem konkret: Ein Projektbericht muss auf Deutsch und Englisch vorliegen, Schulungsmaterialien müssen in Swahili, Arabisch oder Hindi übersetzt werden, und wenn ein Krisenfall eintritt, muss Kommunikation sofort laufen.

Qualitätsstufenmodell ist entscheidend: Nicht jede Übersetzung braucht dieselbe Qualität. Interne Feldberichte, operative Kurzkommunikation und Arbeitsdokumente tolerieren KI-Qualität. Beneficiary-Kommunikation, medizinische Anweisungen und rechtliche Dokumente brauchen menschliches Post-Editing. Diese Klassifizierung — einmal definiert — entscheidet über den gesamten Workflow.

Mit vs. ohne KI — ein ehrlicher Vergleich

Quellen: ProZ.com Marktübersicht (2023), eigene Erfahrungswerte aus NGO-Übersetzungsprojekten.

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5)
Übersetzungszeit sinkt drastisch: Von Tagen auf Stunden. Das ist besonders in Krisenszenarien entscheidend. Der Faktor ist echte operationelle Kapazität, nicht nur Effizienz.

Kosteneinsparung — sehr hoch (5/5)
Das ist der Branch-Leader auf dieser Dimension: 80–90% Kostenreduktion bei Routineübersetzungen ist direkt messbar und reproduzierbar. Bei 8.000 Wörtern/Monat Übersetzungsbedarf ist das ca. 999 Euro/Monat Ersparnis. Kein anderer Use Case im Branch hat so einen klaren direkten Kosteneffekt.

Schnelle Umsetzung — mittel (3/5)
DeepL ist heute nutzbar — Website aufrufen, Text einfügen, fertig. Aber das ist noch kein System. Ein konsistentes Vorgehen mit Fachvokabular-Glossar und einem klaren Workflow braucht 1–2 Wochen. Nicht so aufwendig wie ein CRM-Setup (Einstieg 1), aber auch kein Einzeiler wie ein ChatGPT-Abo.

ROI-Sicherheit — sehr hoch (5/5)
Der direkteste ROI im gesamten Branch: Kosten vorher vs. nachher, einfach messbar. Kein Interpretation nötig. Wenn du bisher 1.200 Euro/Monat für Übersetzungen ausgibst und danach 200 Euro, ist das ein Fakt.

Skalierbarkeit — mittel (3/5)
Das Übersetzungsvolumen skaliert gut — mehr Dokumente, mehr Sprachen ohne proportional steigende Toolkosten. Der Engpass ist der Post-Editing-Schritt für kritische Inhalte: Für Beneficiary-Kommunikation und medizinische Texte bleibt menschliche Kapazität unverzichtbar, die mit dem Volumen mitspringen muss. Im Vergleich zu einem einmal eingerichteten CRM oder Beneficiary-Management-System ist die Skalierung begrenzt.

Richtwerte — stark abhängig von den spezifischen Sprachen und dem monatlichen Übersetzungsvolumen.

Was das System konkret macht

Schritt 1 — Übersetzungsbedarfe klassifizieren: Nicht jeder Text braucht dieselbe Qualität:

• Kategorie A (KI ohne Prüfung): Interne Feldberichte, Protokolle, operative Kurzkommunikation
• Kategorie B (KI + kurze Prüfung): Projektberichte für interne Förderer, Schulungsmaterialien
• Kategorie C (KI + vollständiges Post-Editing): Beneficiary-Kommunikation, medizinische Anweisungen, rechtliche Dokumente, externe Fundraising-Texte

Schritt 2 — NGO-Fachvokabular-Glossar aufbauen: Humanitäres Fachvokabular (WASH = Water, Sanitation and Hygiene; SGBV = Sexual and Gender-Based Violence; NFI = Non-Food Items; IDP = Internally Displaced Person) muss in jeder Sprache konsistent übersetzt werden. Ein Glossar mit 100–200 Begriffen in DeepL einbinden oder als System-Prompt in ChatGPT einbetten.

Schritt 3 — KI-Übersetzungs-Pipeline einrichten: DeepL Pro für europäische Sprachen und Arabisch, GPT-4o für afrikanische Sprachen und Sprachen außerhalb des DeepL-Portfolios. Für den automatisierten Workflow: Make.com startet die Übersetzung und legt das Ergebnis im richtigen Ordner ab.

Schritt 4 — Post-Editing für kritische Inhalte: Für Kategorie-C-Texte überarbeitet ein Muttersprachler die KI-Rohübersetzung. Post-Editing ist deutlich schneller als Erstübersetzung — erfahrene Post-Editoren schaffen 400–600 Wörter pro Stunde.

Konkrete Werkzeuge — was wann passt

DeepL Pro — 7,49–57 Euro/Monat
Standard für europäische Sprachen, Arabisch und Japanisch. DeepL bietet Sonderkonditionen für gemeinnützige Organisationen an — direkter Anfrage empfohlen. API-Zugang für automatisierte Workflows ab Pro Advanced.

ChatGPT (GPT-4o) — 0–20 Euro/Monat
Für weniger verbreitete Sprachpaare besser als DeepL: Swahili, Amharisch, Hausa, Urdu, Hindi. Wichtig: Übersetzungen von emotionalen Texten, bei denen Ton und Würde bewahrt werden müssen.

Claude — 18 Euro/Monat
Für lange Dokumente und Reports mit Konsistenz über viele Kapitel. Besonders gut für strukturierte Projektberichte.

Gemini — 0–22 Euro/Monat
Googles Sprachkompetenz für asiatische Sprachen, Hindi, Swahili ist stark. Für NGOs mit globalem Mandat eine wichtige Ergänzung.

Make.com — 9 Euro/Monat
Automatisierter Workflow: Neues Dokument in Google Drive → an DeepL API senden → übersetzte Version im Zielordner speichern → Post-Editing-Aufgabe anlegen.

Kostenlos starten: DeepL Free (bis 500.000 Zeichen/Monat) + ChatGPT Free für seltene Sprachen — reicht für den Einstieg vollständig ohne Kosten.

Datenschutz und Datenhaltung

Übersetzungen für humanitäre NGOs beinhalten oft hochsensible Inhalte:

• Anonymisierung vor KI-Einsatz: Feldberichte, die Namen, Ortsinformationen oder Statusangaben von Beneficiaries enthalten, vor der KI-Übersetzung anonymisieren. Platzhalter wie [PERSON], [DORF] verwenden.
• Traumaberichte und medizinische Informationen: Für diese Kategorien gilt: Post-Editing durch Muttersprachler ist nicht nur qualitativ geboten, sondern auch datenschutzrechtlich sorgfältiger. Wenn möglich: On-Premise-Übersetzung oder AVV-gesicherte Business-Konten.
• Internationale Datenweitergabe: DeepL verarbeitet Daten auf europäischen Servern, was DSGVO-konform ist. ChatGPT API und Gemini verarbeiten auf US-Servern — für personenbezogene Daten ist ein AVV erforderlich.
• OCHA-Datenschutzrichtlinien: Für Organisationen, die mit OCHA oder UNHCR zusammenarbeiten, gelten deren spezifische Datenschutzstandards für humanitäre Daten zusätzlich.
• Praktische Empfehlung: Separate Workflows für personenbezogene und nicht-personenbezogene Inhalte. Routineberichte ohne Personenbezug in automatisierte Cloud-Pipeline. Personenbezogene Inhalte: anonymisieren oder On-Premise.

Was es kostet — realistisch gerechnet

Einstieg (manuelle KI-Übersetzung):

• DeepL Pro Starter: 7,49 Euro/Monat
• ChatGPT Plus für seltene Sprachen: 20 Euro/Monat
• Glossar erstellen: 4–8 Stunden einmalig
• Kosteneinsparung: 70–80% gegenüber Profi-Übersetzer

Vollautomatisierter Workflow:

• DeepL Pro Advanced mit API: 57 Euro/Monat
• Make.com: 9 Euro/Monat
• Post-Editing (externe Muttersprachler): ca. 40–70% weniger als vorher
• Einrichtungsaufwand: 10–15 Stunden einmalig

ROI-Beispiel:
NGO mit 8.000 Wörtern/Monat Übersetzungsbedarf. Bisher: 8.000 × 0,15 Euro = 1.200 Euro/Monat. Mit KI-Workflow: DeepL API (57 Euro) + Post-Editing 30% der kritischen Inhalte (2.400 Wörter × 0,06 Euro = 144 Euro) = 201 Euro/Monat. Ersparnis: 83% = 999 Euro/Monat = knapp 12.000 Euro/Jahr.

Drei typische Einstiegsfehler

Fehler 1 — Kein Glossar einrichten
Humanitäres Fachvokabular wird von KI-Tools unterschiedlich und inkonsistent übersetzt. Ohne Glossar entsteht terminologisches Chaos über Berichte und Versionen hinweg. Das Glossar braucht einen muttersprachlichen Prüfer — Einmalaufwand, der sich vielfach auszahlt.

Fehler 2 — Kategorie C-Texte ohne Post-Editing verwenden
Für Beneficiary-Kommunikation, medizinische Anweisungen oder rechtliche Texte ist KI-Qualität ohne Post-Editing unzureichend und potenziell schädlich. Die Qualitätsklassifizierung muss konsequent eingehalten werden.

Fehler 3 — DeepL für alle Sprachen verwenden
DeepL ist für europäische Sprachen stark — aber für Swahili, Hausa oder Amharisch deutlich schwächer als GPT-4o oder Gemini. Werkzeug je Sprache auswählen, nicht ein Tool für alle.

Was mit der Einführung wirklich passiert — und was nicht

Was passiert: Die erste Woche mit DeepL zeigt sofort: Für interne Routinedokumente ist die Qualität ausreichend. Spart echte Kosten und Zeit sofort.

Was auch passiert: Die erste Glossar-Diskussion dauert länger als erwartet, weil verschiedene Muttersprachler verschiedene Übersetzungen für denselben Term bevorzugen. Das ist eine inhaltliche Entscheidung, die Konsens braucht.

Was nicht passiert: KI ersetzt muttersprachliche Übersetzer für sensible oder nuancierte Inhalte. Das hybride Modell — KI als Rohübersetzung, Muttersprachler als Post-Editor — ist für Kategorie-C-Texte unverzichtbar.

Typischer Widerstand: “KI übersetzt sensible Inhalte nicht gut genug.” Für Kategorie C stimmt das als Begründung für Post-Editing. Als Begründung gegen KI insgesamt nicht: KI reduziert Post-Editing-Zeit um 60–70% (Schätzwert aus Praxisberichten), macht professionelle Übersetzung weiter günstiger und schneller.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„KI übersetzt sensible Inhalte nicht gut genug.”
Für Kategorie C (Beneficiary-Kommunikation, medizinische Texte) ist das der korrekte Hinweis — und der Grund, warum Post-Editing unersetzlich ist. Für Kategorie A und B (interne Dokumente, Feldberichte) ist die Qualität ausreichend und der Kostenvorteil enorm. Das Argument “KI ist für sensible Inhalte nicht gut genug” gilt nicht für alle Übersetzungstypen.

„Unsere Felddaten sind vertraulich.”
Für anonymisierte Aggregatdaten und Berichte ohne Personenbezug ist Cloud-Übersetzung unproblematisch. Für personenbezogene Daten: anonymisieren vor der Übersetzung oder On-Premise-Optionen nutzen.

„Wir haben keine IT-Kapazitäten für APIs.”
DeepL ohne API — einfach auf der Website — kostet nichts bis 500.000 Zeichen/Monat. Kein technisches Setup. Die Automatisierung kommt erst, wenn der Bedarf es rechtfertigt.

Woran du merkst, dass das zu dir passt

• Du arbeitest mit Partnerorganisationen oder Zielgruppen in mehr als einem Land
• Übersetzungskosten machen einen spürbaren Anteil des Budgets aus (mehr als 200 Euro/Monat)
• Felddokumente müssen manchmal innerhalb von Stunden verfügbar sein
• Ihr arbeitet in mehr als zwei Sprachen ohne einheitliche Terminologie

Wer noch nicht anfangen sollte:
Wenn deine Organisation nur sporadisch Übersetzungen braucht (weniger als einmal pro Woche), ist der Setup-Aufwand für einen automatisierten Workflow unverhältnismäßig. In diesem Fall: DeepL Free für gelegentliche Nutzung — kein weiterer Setup nötig.

Das kannst du heute noch tun

Öffne DeepL Free (deepl.com) und übersetze einen internen Feldbericht, den du normalerweise einem Übersetzer schicken würdest. Lass das Ergebnis von einem Muttersprachler auf 30-Sekunden-Niveau prüfen (nicht vollständiges Korrekturlesen — nur: “Versteht man das?”). Du wirst deine Erwartungen überarbeiten.

Quellen & Methodik

• ProZ.com Marktübersicht (2023): Übersetzungskosten nach Sprachpaar und Fachgebiet. proz.com
• DeepL Language Quality Report (2023): Qualitätsvergleich für verschiedene Sprachpaare.
• OCHA (2023): Humanitarian data protection and translation standards. ocha.org
• Common Humanitarian Vocabulary (UN): Standardterminologie für humanitäre Einsätze.
• Erfahrungswerte: Aus NGO-Übersetzungsprojekten und Workflow-Einrichtungen — keine repräsentative Studie.