Übersetzungsunterstützung für Mehrsprachigkeit

Das echte Ausmaß des Problems

Zwei Fakten treffen auf jeden Verlag zu: Literarische und sachliche Inhalte verlieren im deutschsprachigen Raum schnell an Markt. Ein Sachbuch, das in Deutschland 10.000 Exemplare verkauft, könnte im englischsprachigen Raum locker 50.000 verkaufen, wenn der Preis stimmt und die Zeit passt. Das zweite Faktum: Professionelle Fachübersetzung ist teuer. Je nach Sprachenpaar und Fachbereich kosten Übersetzungen zwischen 0,10 und 0,35 Euro pro Wort. Für ein 80.000-Wort-Buch sind das 8.000 bis 28.000 Euro, für viele Mittelverlage eine Entscheidung, die über Rentabilität entscheidet.

Hinzu kommt die Zeit. Ein Übersetzer schafft realistisch 2.000 bis 2.500 Wörter pro Arbeitstag. 80.000 Wörter dauern also 32 bis 40 Arbeitstage, zwei bis drei Monate, bevor das Korrektorat überhaupt beginnt. Für Bücher, bei denen der Zeitpunkt zählt (aktuelle Debatten, Saisontitel für Weihnachten), ist das oft zu spät.

Das bedeutet konkret: Viele Verlage veröffentlichen ihre erfolgreichsten Titel gar nicht mehrsprachig, weil die Kosten und der Aufwand das Risiko zu groß machen. Das Potenzial bleibt liegen.

Mit vs. ohne KI, ein ehrlicher Vergleich

¹ Durchlaufzeit für Machine Translation + Post-Editing: Automatische Erst-Übersetzung (2–3 Tage), nachfolgend Post-Editing durch Fachübersetzer (3–5 Wochen je nach Textqualität und Fehlerquote der MT).

Der Kostenunterschied ist massiv, und die Zeitersparnis auch. Aber: Machine Translation funktioniert nicht für alle Texte gleich gut. Hochgradig idiomatische Literatur (Humor, Doppeldeutigkeiten, kulturelle Anspielungen) bleibt eine Schwachstelle. Sachbücher, vor allem in Technik, Wirtschaft und Wissenschaft, sind die Idealfälle für diese Kombination.

Einschätzung auf einen Blick

Zeitersparnis, hoch (4/5)
50–60 % schneller als klassische Übersetzung, der Übersetzer macht nur noch das Post-Editing, nicht die ganze Rohfassung. Keine volle 5, weil bei sehr komplexen Texten das Post-Editing länger dauert als bei einfacher standardisierter Dokumentation. Sachbücher mit klarer Struktur erreichen die volle Zeitersparnis; bei anspruchsvoller Literatur fällt der Gewinn geringer aus.

Kosteneinsparung, sehr hoch (5/5)
Die direkteste Kostenreduktion in dieser Kategorie. Professionelle Übersetzung ist reine Kopfarbeit und Fachwissen, es gibt kein Material und keine Einrichtungskosten. Wer MT + PE nutzt, spart 40–60 % der direkten Übersetzungskosten, ein echter, messbarer Effekt. Nicht ganz maximal, weil Qualität und Tempo im Post-Editing massiv davon abhängen, wie gut die KI-Systeme trainiert sind.

Schnelle Umsetzung, mittel-hoch (4/5)
4–5 Wochen vom Manuskript zur finalen Übersetzung sind machbar, schneller als traditionell, aber nicht reibungsfrei. Du brauchst ein Verständnis des Post-Editing-Prozesses, klare Qualitäts-Checklisten und wenn nötig spezialisierte Post-Editoren. Das Setup ist handhabbar, aber nicht so trivial wie eine reine Software-Anmeldung.

ROI-Sicherheit, sehr hoch (5/5)
Übersetzungskosten sind greifbar und lassen sich exakt vergleichen. Du kannst vor dem Start rechnen: vollständige Übersetzung würde X kosten, MT+PE kostet Y, PE-Zeit kostet Z, Gesamteinsparung = X – (Y+Z). Die Rechnung ist sauber, die Gewinne sind sofort sichtbar. Einziger Haken: PE-Kosten variieren je nach Qualität der MT-Rohfassung, liegen aber immer noch unter den Kosten einer Vollübersetzung.

Skalierbarkeit, gut (4/5)
Jedes weitere Buch lässt sich genauso verarbeiten. 1 Sprache, 5 Sprachen, 10 Sprachen, das System wächst mit. Die Kosten skalieren linear, der organisatorische Aufwand nicht. Keine Abhängigkeit von einzelnen Übersetzern, keine Engpässe beim Sprachenpaar.

Richtwerte, stark abhängig von Textsorte (Sachbuch vs. Literatur), Sprachenpaar und Qualitätsanspruch.

Was Machine Translation mit Post-Editing konkret macht

Machine Translation (MT) bedeutet: Ein neuronales Netzwerk wurde mit Millionen von Satzpaaren (Originaltext und Übersetzung) trainiert und kann neue Sätze mit hoher Wahrscheinlichkeit sauber übersetzen. Das funktioniert besonders gut bei:

• Sachbüchern mit standardisierter Terminologie
• Technischen Texten (wo die Vokabeln meist eindeutig sind)
• Wiederholendem Material (Verlagskataloge, Produktdatenblätter, Handbücher)

Schwächer wird es bei idiomatischen Ausdrücken, Humor, kulturellen Anspielungen und literarischer Dichte. Ein System kann den Satz „Das ist schon lange Schnee von gestern” zwar wörtlich korrekt übersetzen, aber die Idiomatik ganz oder teilweise verfehlen.

Hier setzt Post-Editing an: Ein qualifizierter Übersetzer sitzt hinter der MT-Rohfassung und korrigiert genau die Stellen, an denen die KI schlecht war. Das ist schneller als eine komplette Neuübersetzung, weil:

• Rhythmus und Satzstruktur oft schon passen
• Wiederholungen erkannt und konsistent angepasst werden
• Glossare und Stilregeln aus früheren Projekten direkt greifen

In der Praxis unterscheidet man zwei Ebenen:

• Light Post-Editing (ca. 0,03–0,08 €/Wort): Nur offensichtliche Fehler entfernen, reicht für interne Dokumente, nicht für Publikationen
• Full Post-Editing (ca. 0,08–0,15 €/Wort): Alle Aspekte prüfen, Stilkonsistenz, Idiomatik, Zielgruppen-Tonalität, Standard für Bücher

Für eine Buch-Publikation brauchst du Full Post-Editing. Das macht die Gesamtrechnung aus: MT (ca. 0,05 €/Wort) + Full PE (ca. 0,08 €/Wort) = ca. 0,13 €/Wort, immer noch unter den 0,15–0,35 € für volle Übersetzung.

Konkrete Werkzeuge, was wann passt

Die Kernentscheidung: Nutzt du einen eigenständigen MT-Anbieter oder ein vollständiges Translation-Management-System (TMS)?

DeepL, Besser als Google Translate bei vielen Sprachenpaaren, besonders im Deutsch-Englischen. Kostenlos testbar, gute Qualität. Allerdings: Für ein 80.000-Wort-Buch wäre die Bedienung über die Oberfläche umständlich (kopieren, einfügen, speichern, Datei für Datei). Die DeepL-Schnittstelle (API) erlaubt Stapelverarbeitung, reicht, wenn ihr eine kleine hausgemachte Lösung bauen könnt oder einen Dienstleister damit beauftragt. Kosten: ca. 25 €/Monat für API-Zugang plus nutzungsabhängige Abrechnung pro Zeichenvolumen.

SDL Trados, Professionelles Translation Management System, seit Jahrzehnten Branchenstandard. Trados bindet verschiedene MT-Engines ein (Google, DeepL, eigene neuronale Modelle), verwaltet Terminologie-Datenbanken und Translation Memorys und steuert den Arbeitsablauf. Das System, das Fachübersetzer und Agenturen nutzen. Kosten: ca. 25–30 €/Monat für den Cloud-Zugang oder als lokale Software mit höheren Lizenzen. Die Einarbeitung ist steil, aber wer mehr als zwei, drei Bücher pro Jahr übersetzt, verdient die Investition sofort wieder herein.

Google Translate API, Günstig (ca. 15–20 $ pro 1 Million Zeichen), gute Qualität für viele Sprachenpaare. Weniger spezialisiert als DeepL für Deutsch-Englisch, aber deutlich besser als frühere kostenlose Varianten. Anbindung per API über einen Dienstleister oder selbst programmiert möglich. Passt zur Stapelverarbeitung mehrsprachiger Titel. Kosten: nutzungsabhängig, typisch 100–300 € pro Buch je nach Umfang.

ChatGPT oder Claude als PE-Hilfe, Nicht für die Erst-Übersetzung (zu unzuverlässig und langsamer), aber sehr wertvoll als Assistent beim Post-Editing: Du gibst die MT-Rohfassung in ChatGPT mit der Anweisung „Post-Edit folgende Übersetzung für ein deutsches Sachbuch zu Schlaf”, und erhältst Hinweise auf Fehler, Tonalitätsprobleme und kulturelle Unstimmigkeiten. Das beschleunigt die menschliche PE spürbar. Kosten: ChatGPT Plus ca. 20 €/Monat.

Kombination aus MT, TMS und menschlicher PE, Der professionelle Standard: Eine spezialisierte Übersetzungsagentur, die mit einem TMS arbeitet, lädt dein Buch hoch, lässt es automatisch übersetzen, verteilt die PE-Aufgaben an mehrere Übersetzer und liefert das fertige Ergebnis. Du zahlst ca. 0,10–0,15 €/Wort für den kompletten Service (MT inklusive). Das ist schneller als eine vollständige Übersetzung und du musst dich nicht um die Infrastruktur kümmern.

Datenschutz und Datenhaltung

Wenn dein Manuskript zu Google, DeepL oder OpenAI hochgeladen wird, unterliegt es den Datenschutzrichtlinien dieser Anbieter. Das ist für unveröffentlichte Bücher kritisch, du möchtest nicht, dass Entwürfe von zukünftigen Publikationen in den Trainingsdaten von Sprachmodellen landen.

DeepL: Bietet ein EU-spezifisches Angebot, Daten werden auf europäischen Servern verarbeitet und nicht fürs Modelltraining genutzt. Im Enterprise-Plan ist der Datenschutz vertraglich geregelt. Kosten: deutlich höher, für sensible Inhalte aber wichtig.

Google Translate API: Daten werden zur Verbesserung der Übersetzungsqualität genutzt, es sei denn, du zahlst für die datenschutzkonforme Variante. Prüfe die Nutzungsbedingungen genau.

SDL Trados: Meist selbst gehostet oder in vertraglich abgesicherten Cloud-Umgebungen, die sicherere Option für unveröffentlichte Inhalte. Trados kann auch mit lokalen, proprietären MT-Modellen arbeiten, wenn du maximale Kontrolle brauchst.

Faustregel: Wenn dein Buch noch nicht veröffentlicht ist oder vertrauliche Inhalte enthält, nutze entweder DeepL mit EU-Datenschutzoption oder SDL Trados mit eigenem Hosting. Die Mehrkosten sind vertretbar, die Risiken sonst nicht.

Für alle genutzten Tools brauchst du einen Auftragsverarbeitungsvertrag (AVV nach Art. 28 DSGVO), besonders wenn Autorendaten, Verlagsinterna oder Lektorats-Anmerkungen in den Übersetzungs-Workflow fließen.

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten

• SDL Trados Lizenz oder Cloud-Zugang: 25–100 € (einmalig bis monatlich)
• Spezialisierter PE-Übersetzer: 2–4 Wochen Einarbeitung
• Glossar und Stilrichtlinien für deinen Verlag: 2–4 Stunden interne Zeit

Pro Buch, 80.000 Wörter

• Machine Translation (über API): 80–200 €
• Full Post-Editing (0,08–0,15 €/Wort): 6.400–12.000 €
• Finale Lektüre & Satzkorrektur: 500–1.000 €
• Gesamt: ca. 7.000–13.000 €

Vergleich: Vollständige professionelle Übersetzung würde 8.000–28.000 € kosten.

Laufende Kosten (monatlich)

• SDL Trados Cloud oder DeepL Enterprise: 25–100 €/Monat
• Dienstleister-Aufschlag (bei Auslagerung): 0–5 % auf die PE-Kosten

Wie du den Effekt tatsächlich siehst Der Beweis ist die schiere Größe der Kostenersparnis. Ein Buch, das bisher nicht übersetzt wurde, weil 10.000–15.000 € zu viel waren, wird mit 8.000–10.000 € plötzlich rentabel. Das reicht oft, um ein einzelnes Buch ins Englische zu bringen, und wenn das gut läuft, auf fünf weitere Sprachen auszudehnen.

Messbarkeit: Einfach, vergleiche die Rechnungen „Volle Übersetzung hätte gekostet” mit „MT+PE hat gekostet”. Die Differenz ist dein ROI.

Drei typische Einstiegsfehler

1. Mit einem wichtigen Buch anfangen, und dann merken, dass die PE-Qualität zu schlecht ist.
Die Versuchung ist groß: mit einem Verkaufsschlager starten, weil der große Einnahmen bringt. Das Problem: Wenn die erste Erfahrung schlecht ist, weil die MT-Rohfassung für diesen Texttyp ungeeignet war oder der PE-Übersetzer nicht der richtige war, ist dein Vertrauen in den ganzen Ansatz hinüber. Was hilft: Mit einem mittleren, unkritischen Titel anfangen. Nach zwei, drei erfolgreichen Projekten mit kleineren Büchern kannst du deine Flaggschiffe übersetzen.

2. Glossar und Stilrichtlinien nicht vor dem Start klären.
MT arbeitet besser mit klarer Terminologie. Wenn in deinem Buch „Schlafzyklus” mal als „Zyklus des Schlafs”, mal als „Schlaf-Phase” auftaucht, bringt die MT das durcheinander, es sei denn, du hast ein Glossar, das sagt: „Schlafzyklus → sleep cycle (NICHT sleep rhythm)”. Viele Übersetzer bemerken ein fehlendes Glossar erst zur Mitte des Projekts, wenn es zu spät ist. Was hilft: Glossar und Stilrichtlinien VOR dem ersten Durchlauf erstellen, und nach dem dritten Buch eine Person (4 Stunden im Monat reichen) für Pflege, Duplikate und veraltete Einträge benennen.

3. Die PE-Kapazität überschätzen.
„Wir haben einen Übersetzer, der kann das Post-Editing machen.” Ja, aber wie lange? Ein Full-PE-Projekt dauert auch mit MT-Vorarbeit. Der häufigste Fehler: Ein Übersetzer bleibt im PE-Prozess stecken, weil er unterschätzt hat, wie lange „PE ist schneller” tatsächlich heißt. Was hilft: Ein PE-Projekt mit festen, realistischen Stundenbudgets planen. Wenn der erste Durchlauf zeigt, dass PE länger dauert als gehofft, sofort nachjustieren, nicht darauf hoffen, dass es beim nächsten Buch schneller wird.

Was mit der Einführung wirklich passiert, und was nicht

Niemand wird überflüssig. Das ist die erste Sorge von Übersetzern, wenn sie von „automatischer” Übersetzung hören, „Ersetze ich mich selbst?” Die Antwort: Nein. Was passiert: Die Rolle verschiebt sich. Aus „Übersetzerin, die von Grund auf übersetzt” wird „Übersetzer-Post-Editorin, die die Rohfassung veredelt”. Das ist teilweise sogar anspruchsvoller als vorher, weil sauberes Post-Editing ein Verständnis für Ausgangs- und Zielsprache erfordert, nicht nur intuitive Sprachkompetenz.

Das größere Problem beim Wandel ist nicht technisch, sondern kulturell: Verlage, die seit Jahrzehnten mit denselben wenigen Übersetzern arbeiten, schätzen das persönliche Verhältnis. MT+PE wirkt „kalt”. Das ist aber ein Kommunikationsproblem, kein technisches. Wenn du Übersetzern erklärst, dass sie mehr verdienen können, weil sie schneller arbeiten (PE ist pro Stunde besser honoriert als reine Übersetzung), wird daraus eine Chance für sie.

Hebel, die in der Praxis funktionieren:

• Eine Übersetzerin als „PE-Champion” einbinden, jemanden, der das neue System verstanden hat und anderen zeigt, wie es funktioniert
• Transparenz über die Kostenersparnis: Wenn Übersetzer wissen, dass sie dem Verlag damit ermöglichen, mehr Bücher zu übersetzen (und es also mehr PE-Arbeit gibt), steigt die Akzeptanz
• Eine Einstiegsphase mit 2–3 Pilotbüchern kommunizieren, nicht als „Umstellung für immer”

Realistischer Zeitplan mit Risikohinweisen

Das System wird besser, nicht am Start, sondern erst nach 2–3 Projekten. Der erste Durchlauf ist immer ein Pilotprojekt, auch wenn er produktiv ist.

Häufige Einwände, und was dahintersteckt

„Die KI-Übersetzung ist doch furchtbar, ich habe online davon gelesen.”
Das ist die Wahrheit von vor fünf Jahren. Neuronale Maschinenübersetzung (seit ca. 2016) ist um Größenordnungen besser als die statistische MT davor. Online findest du vor allem Horrorgeschichten über veraltete Systeme. Moderne Deep-Learning-Systeme (DeepL, Google Neural MT) sind bei sachlichen, gut strukturierten Texten überraschend gut. Nicht perfekt, aber 80–90 % der Übersetzung sitzen schon, was im Post-Editing enormen Aufwand spart.

„Das erfordert Spezialisierung, die wir nicht haben.”
Stimmt, aber es gibt Dienstleister, die genau das machen: Sie nehmen dein Buch, schicken es durch einen MT+PE-Arbeitsablauf und liefern dir die fertige Übersetzung. Du musst nur das Glossar schreiben, nicht die Technik verstehen. Das senkt dein Risiko, kostet aber etwas mehr (ca. 10–20 % Aufschlag auf die PE-Kosten).

„Was, wenn die MT-Rohfassung so schlecht ist, dass PE länger dauert als eine Neuübersetzung?”
Das kommt vor, aber nur bei sehr speziellen Textsorten. Belletristik mit viel Idiomatik, Lyrik, Juristendeutsch mit verschachtelten Sätzen, hier kann die MT-Rohfassung so weit weg sein, dass PE keinen Vorteil mehr bringt. Vorher testen: Mit einem kurzen Kapitel (5.000 Wörter) einen MT-Probelauf durchführen und abschätzen, ob PE lohnt. Die meisten Sachbücher und Publikumstitel sind ideale Fälle für MT+PE.

„Das gefährdet die Qualität unserer Publikationen.”
Nicht, wenn du mit professionellem PE arbeitest. Full Post-Editing mit einer erfahrenen Übersetzerin ist fast identisch mit klassischer Übersetzung, nur schneller und günstiger. Der einzige Unterschied: Sie arbeitet von einer Rohfassung aus, nicht vom leeren Blatt. Das ist ein Plus, kein Minus.

Woran du merkst, dass das zu dir passt

• Du hast 2–5 Titel pro Jahr, die international gehen könnten, aber die Übersetzungskosten halten dich zurück
• Deine Bücher liegen im Sachbuch-, Ratgeber- oder Popular-Science-Bereich, nicht reine Belletristik
• Du hast einen oder mehrere verlässliche Übersetzer, die bereit sind, PE zu machen, wichtiger als die beste MT-Engine
• Mehrsprachigkeit ist für dich Wachstumspotenzial, nicht Nebensache, du willst Englisch, vielleicht auch Spanisch oder Chinesisch
• Lange Übersetzungsvorlaufzeiten haben dir schon gut geplante Erscheinungstermine verhagelt
• Du hast Zeit in die Vereinheitlichung deines Verlagsstils gesteckt, das macht PE deutlich einfacher

Wann es sich (noch) nicht lohnt, drei harte Ausschlusskriterien:

1. Du veröffentlichst weniger als ein, zwei Bücher pro Jahr mehrsprachig. Dann amortisiert sich die Einrichtung von Glossar und Stilrichtlinien nicht. Eine Einzelübersetzung über eine klassische Agentur ist für dich vermutlich einfacher.

2. Deine Bücher sind hochgradig literarisch oder idiomatisch. Lyrik, Humor, kultursensible Erzählungen, hier hat MT echte Schwachstellen. PE wird zum Neuschreiben, nicht zum Redigieren. Unbedingt vor dem Start testen.

3. Du hast keine Übersetzer im Team oder Zugang zu verlässlichen PE-Spezialisten. MT ist nur die halbe Miete. Ohne gutes Post-Editing landest du bei schlechter Qualität und machst dir das System selbst madig.

Das kannst du heute noch tun

Öffne DeepL und lade die erste Seite deines nächsten Manuskripts hoch. Übersetze sie von Deutsch ins Englische. Lies die Rohfassung, laut, nicht nur im Kopf. Nimm dir 20 Minuten Zeit und zähle: Wie viele Fehler siehst du? Wie lange würde es dauern, das nachzubearbeiten? Das ist deine PE-Zeit.

Danach multiplizierst du mit 80, das ist deine grobe Schätzung für das ganze Buch. Dann der Vergleich: „Von Hand 40 Tage, Nachbearbeiten 20 Tage, Ersparnis 50 % Zeit, 45 % Kosten.” So bekommst du ein echtes Gefühl dafür, ob das für dich passt.

Hier ist ein Prompt, den du für Post-Editing-Tests nutzen kannst:

Quellen & Methodik

• Maschinelle Übersetzung + Post-Editing Kosten und Zeitersparnis: Cruz Communications, Toppan Digital, Schmieder Übersetzungen (2024). Benchmarks: 30–50 % Kostenersparnis vs. Vollübersetzung; 0,05–0,15 €/Wort für MT+PE vs. 0,15–0,35 € für Vollübersetzung (Stand April 2026).
• Publishing Industry Adoption: Bureau Works, Marshub, Mars Translation, 45 % der Publisher berichten 25–35 % Kostenreduktion durch MT (2024).
• CAT Tool Adoption: 88 % der professionellen Übersetzer nutzen CAT-Tools; 70 % der Sprachendienstleister in Europa nutzen MT teilweise (Stand 2024–2025).
• Post-Editing Rates: Artlangs, PoliLingua, Translated.com, Bayan Tech, Full MTPE: 0,08–0,15 €/Wort; Light MTPE: 0,03–0,08 €/Wort (April 2026).
• SDL Trados Preise: Offizielle SDL-Website (April 2026); DeepL API Dokumentation (April 2026); Google Translate API Pricing (April 2026).