Erfahrungen mit DeepL und anderen KI-Übersetzern

KI-Übersetzer wie DeepL haben zweifellos die Art und Weise, wie wir mit fremden Sprachen umgehen, revolutioniert. Doch was, wenn wir uns vorstellen, dass diese Technologie in naher Zukunft nicht nur Texte übersetzt, sondern auch kulturelle Nuancen erkennt und einfließen lässt? Die Idee, dass ein Übersetzer nicht nur Wörter, sondern auch deren Kontext und Bedeutung erfasst, könnte die Kommunikation auf ein ganz neues Level heben. Vielleicht stehen wir am Anfang einer Ära, in der KI-Übersetzer nicht nur Werkzeuge, sondern echte Brücken zwischen Kulturen werden.

Kennt ihr dieses Gefühl, wenn man DeepL einen Text reinschmeißt und beim Rauskopieren denkt: „Wow, das klingt tatsächlich fast menschlich (außer der eine Satz, der klingt wie Google Translate 2010 auf Koffein)?“ Ich hab neulich ein Rezept für französische Macarons übersetzt – englisch auf deutsch. Die Anleitung wollte plötzlich, dass ich „die Eier leicht einschüchtere“. Keine Ahnung, ob das jetzt ein spezieller Backtrick ist oder einfach DeepL im Halloween-Modus war... 👻

Was mich immer wieder fasziniert (und nein, ich hab kein tieferes Bedürfnis, einen Übersetzer zu heiraten), sind so diese subtilen Fails – also wenn der Ton komplett ins Bürokratische kippt oder ein Schimpfwort aus dem Originaltext mit einem halben Satz entschärft wird. "You screwed that up" wird auf einmal zu "Das haben Sie leider unvorteilhaft gestaltet". Sogar meine Oma würde sich da an den Kopf fassen.

So richtig ins Schwitzen kommt DeepL ja bei Slang und Wortspielen. Letztens in einem Tech-Forum in Spanien: Jemand schrieb „estás en la parra“ (bist neben der Spur). DeepL übersetzt: „Du bist auf dem Rebstock“... Klingt als hätte die Software ein Glas Rioja zu viel getrunken. Und dann gibt’s noch diese Momente, wo du denkst, der KI-Übersetzer nimmt dich auf den Arm. Im Japanischen zum Beispiel wird aus einer schlichten Entschuldigung manchmal ein Shakespeare-Drama.

Mal im Ernst: Ist ja alles nice für Alltag und E-Mails. Aber will ich einem KI-Übersetzer wirklich meine Liebesbriefe anvertrauen? Da steht dann am Ende „Ich empfinde tiefe Zuneigung für dich“, statt „Ich kann nicht aufhören, an dich zu denken“. Sehr romantisch, danke auch. Aber hey, vielleicht liegt’s auch einfach an mir… und am Algorithmus.

Was mich immer wieder stört, ist diese allgemeine Euphorie um DeepL & Co – klar, die sind schnell und oft erstaunlich gut, aber wenn man mal genau hinschaut… naja, richtig zuverlässig sind die bei komplexeren Texten selten. Ich hab’s öfter mit Fachtexten probiert (IT, Recht), und da fehlt manchmal komplett das Gespür für spezielle Begriffe oder auch für den Kontext. Also, ich frag mich ernsthaft, wie viel davon wirklich „Verstehen“ ist und wieviel einfach nur statistisches Raten auf Basis riesiger Textmengen. Vielleicht bin ich da zu kritisch, aber: Gibt’s überhaupt richtig belastbare Vergleiche mit echten Fachübersetzern? Bin mir da selbst nicht sicher...

Ich stolper immer wieder über dsa Problem, dass DeepL und Co. bei längeren, verschachtelten Sätzen irgendwie die Übersicht verlieren… Man merkt dann richtig, wo die KI noch mit Syntax jongliert, aber semantisch ein bisschen strauchelt. Besonders bei juristischen oder philosophischen Texten, wo Wortwahl und Kontext echt entscheidend sind, kommt oft irgendwas raus, das auf den ersten Blick korrekt wirkt, aber bei genauem Hinsehen völlig danebenliegt—so als würde man einen Ikea-Baukasten falsch zusammensetzen 😅

Bin mir selbst nicht sicher, ob das eher an fehlendem „echten“ Sprachverständnis der Systeme liegt oder einfach daran, dass Trainingdaten für Spezialgebiete fehlen. Würde mich interessieren: Habt ihr Beispiele, wo Übersetzungen trotz simpel wirkendem Text total schiefgehen? Und glaubt ihr, dass sich das rein durch mehr Daten lösen lässt, oder muss da architektonisch was Neues her?