All around the world – KI-Übersetzung als Bereicherung für den Kundensupport

Montag, 03.02.2025

Übersetzung mittels Künstlicher Intelligenz (KI) ist in aller Munde. Gerade im Kundensupport liegt hier ein großes Potenzial. Sei es, um in neue Märkte zu expandieren, fremdsprachige Arbeitskräfte aufgrund von Kapazitätsengpässen einzusetzen oder zur internen Kommunikation zwischen verschiedensprachigen Standorten.

Do you speak …?

Echtzeit-Übersetzung

Wenn Sprachbarrieren kein Problem mehr darstellen, ergeben sich innovative Möglichkeiten für den Kundensupport. So fällt eine Expansion des eigenen Unternehmens ins europäische Ausland deutlich leichter. Dank automatisierter KI-Übersetzung kann dabei der Sitz des Kundensupports in Deutschland verbleiben und die mühevolle Zusammenstellung eines multilingualen Teams fällt weg. Weiter stärkt eine Kommunikation mit dem Kunden in seiner Muttersprache die Kundenbindung. Der Service ist personalisiert, wodurch die Wertschätzung durch den Kunden ebenfalls steigt. Ein nicht zu vernachlässigender Faktor stellt auch die Kosteneffizienz dar. Der Betrieb eines mehrsprachigen Kundenservice ist durch mehrsprachige Mitarbeiter oder Outsourcing-Lösungen kostenintensiv. Durch den Einsatz von KI-basierten Übersetzungstools können Unternehmen diese Kosten erheblich senken. Auch eine Auslagerung des Kundenservice in Länder mit geringeren Lohnkosten ist denkbar.

Doch wie genau funktioniert die Übersetzung mittels KI?

Hinter den Kulissen

Training, Training, Training

Die Sprachübersetzung mithilfe von Künstlicher Intelligenz funktioniert durch den Einsatz von maschinellem Lernen. Das Training mit großen Datensätzen stellt dabei eine essenzielle Säule dar. KI-Modelle für die Sprachübersetzung, wie DeepL, Gemini oder ChatGPT, werden mit riesigen Mengen an zweisprachig vorliegenden Texten trainiert (z. B. Texte der Europäischen Union, Buchübersetzungen), um Muster und Zusammenhänge zwischen den Sprachen zu erkennen. Durch Finetuning wird das KI-Modell auf bestimmte Situationen (z. B. Kundensupport) sowie Fachbegriffe trainiert.

Auf Umwegen …

KI-Modelle können sich zweier Strategien zur Übersetzung bedienen, der direkten und der indirekten.

Bei der direkten Übersetzung wird die Ausgangssprache direkt und ohne Umwege in die Zielsprache übersetzt (z. B. Deutsch↔Italienisch). KI-Modelle können Übersetzungen zwischen zwei beliebigen Sprachen durchführen, solange genug Trainingsdaten für das Sprachpaar vorhanden sind. Die direkte Methode führt in der Regel zu präziseren Ergebnissen als die indirekte, da sie weniger Informationsverlust mit sich bringt. Die aktuellen KI-Modelle (DeepL, Gemini, ChatGPT) bedienen sich i. d. R. der direkten Übersetzung.

Bei der indirekten Übersetzung ist der Ausgangs- und Zielsprache eine sprachliche Brücke dazwischen geschaltet. In aller Regel handelt es sich bei dieser sogenannten Pivot-Sprache (engl. für Achse/ Drehpunkt) um Englisch, da die meisten Trainingsdaten für Englisch vorliegen. Bei wenig geläufigen Sprachkombinationen (wie Georgisch↔Slowakisch) fehlt es an Datensätzen und Trainingsmaterial, sodass nicht genügend Trainings durchgeführt werden können. Hier wird das System den georgischen Text zunächst ins Englische übersetzen und dann vom Englischen ins Slowakische. Auch wenn es äußerst praktisch ist, Sprachbarrieren in die entferntesten Orte der Welt zu überbrücken, ist bei der Nutzung von indirekten Übersetzungen Vorsicht angebracht. Mit jedem zusätzlichen Übersetzungsschritt werden sprachliche Nuancen und Details verloren gehen. Daraus können sich Fehler anhäufen. Die Folge ist ein Qualitätsverlust.

»Je ne comprend pas!«

Herausforderungen für DeepL, Gemini, ChatGPT & Co.

Wir sehen also: Seltene Sprachen – und dazu zählen auch Regionalsprachen und Dialekte – stellen eine große Herausforderung für Übersetzungen mittels KI dar. Die mangelnde Datenlage kann zu fehlerhaften Übersetzungen oder Verwirrung führen, insbesondere, wenn die KI in solch einer Situation zum freien Erfinden neigt.

Doch auch häufige Sprachen bringen Herausforderungen, vor allem durch die informelle Kommunikation wie per Chat, Whatsapp etc. („Mistprodukt. ich wil die Kohle zurück“) und bei der Konfrontation mit Redewendungen („… auf die lange Bank schieben“) oder Sarkasmus („Das haben Sie ja TOLL hinbekommen.“). Das KI-Modell wird es schwer haben, den Kontext richtig zu interpretieren, um die richtige Übersetzung zu liefern.

Achtung Fettnäpfchen!

Weitere Tücken lauern bei der Wort-für-Wort-Übersetzung von Markennamen, Slogans etc. So würde beispielsweise aus dem Eigennamen "Maverick Footwear" "Querdenker Schuhe" werden. Zweifellos führt solch eine Übersetzung zu Irritation, Belustigung oder Rufschädigung der Firma. Da eine KI bei der Übersetzung auf einen großen Pool an Textdaten zurückgreift, ist sie nicht für firmenspezifische Kommunikation trainiert. Vor Veröffentlichungen von v.a. Werbetexten bietet es sich an, zu prüfen, ob Übersetzungsfehler dem Firmenimage schaden könnten (z. B. würde ein Dienstleister für Videoüberwachung es vorziehen, den Begriff Sicherheit zu verwenden statt des negativ konnotierten Begriffs Überwachung).^[4]

Da manche Wörter mehrere Bedeutungen haben, kann auch an anderen Stellen schnell mal ein Fauxpas entstehen. So kann das Wort "Back" in einer Softwareanwendung statt "Zurück" (z. B. zur vorherigen Seite) in "Rücken" übersetzt werden. Ein weiteres Beispiel ist die Übersetzung vom englischen "Warranty" ins Deutsche (z. B. für eine Gebrauchsanleitung). Garantie und Gewährleistung sind zwei mögliche Übersetzungsoptionen. Aber Achtung! Den beiden Wörtern liegen unterschiedliche rechtliche Prinzipien zugrunde. Die KI müsste also ganz genau wissen, welcher Begriff in diesem Fall gewünscht ist. Ohne fachspezifisches Training oder Hintergrundinformationen, wird die KI hier schnell an ihre Grenzen stoßen und wahlweise Garantie und Gewährleistung verwenden, möglicherweise auch synonym.^[4]

Geschmackssache

Fachtexte vs. Kontextkommunikation

DeepL, ChatGPT & Co. liefern sich einen beständigen Wettstreit um den Platz 1 der KI-basierten Übersetzung. Für welchen KI-Übersetzer man sich am Ende entscheidet, hängt daher stark vom Einsatzgebiet und der Art und Weise der Übersetzung ab. So wurde beispielsweise DeepL explizit für Übersetzungen konzeptioniert, sodass das Tool Präzision und gleichbleibend hohe Qualität verspricht. Dies bietet sich für Texte an, deren Gültigkeit über den Moment hinaus geht, z. B. Handbücher. Gemini und ChatGPT sind dagegen für den universellen Einsatz konzipiert. Neben Text- und Bildgeneration können beide KIs auch übersetzen. Sie können vor allem bei alltäglichen und kontextbezogenen Übersetzungen stark sein. Also z. B. für Serviceanfragen, die keine lange Wirkdauer haben, sprich nach der zielführenden Beantwortung keine über den Tag hinausgehende Bedeutung haben.^[1,2,3]

Egal, welches Tool man benutzt, eines bleibt sicher: Die Qualität der KI-gestützten Übersetzungen wird beständig zunehmen und somit einen globalisierten, kundenorientierten und personalisierten Kundensupport bereichern können.

Quellen

[1] https://www.amperetranslations.com/blog/chatgpt-translation/

[2] https://www.cctv-services.com/is-chatgpt-better-at-translating-than-deepl-a-comprehensive-comparison/

[3] https://www.across.net/en/knowledge/blog/chatgpt-or-deepl-which-is-better-for-translation/

[4] https://milengo.com/de/knowledge-center/ki-uebersetzer-risiken/