Workshops Use Cases Architecture Projects Blog
About Contact Offers Talks
Start›KI-Technologien›Maschinelle ÜbersetzungEnglish

Maschinelle Übersetzung: Text von einer Sprache in eine andere

Neuronale maschinelle Übersetzung überträgt Text zwischen Sprachen zu einem festen Preis pro Zeichen und hält sich an ein Glossar Ihrer Begriffe.

Amazon TranslateAzure AI TranslatorCloud TranslationNLLB or Opus-MT
Kostenlosen 30-Min. Call buchen →KI-Konzept- und Prototyp-Workshops →

Was ist maschinelle Übersetzung?

Ein Übersetzungs-Service nimmt Text mit Quell- und Zielsprache und liefert die Übersetzung. Eigene Terminologie, ein Glossar Ihrer Produktnamen und festen Begriffe, ist der Teil, der sich zu pflegen lohnt: Deshalb überleben Ihre Namen die Übersetzung.

Es fühlt sich wie ein Modellproblem an und ist ein Produkt, das Sie aufrufen. Bei juristischen oder medizinischen Dokumenten ist maschinelle Übersetzung ein Entwurf, nie der fertige Text.

Rein gehtText, dazu Quell- und Zielsprache
Raus kommtDie Übersetzung, unter Beachtung Ihres Glossars
Typische EinsätzeSupport-Tickets, Produkttexte, Untertitel, interne Dokumente

Vier Wege, sie zu betreiben

Jede der großen Clouds bietet sie als verwalteten Service an, und Sie können sie auch selbst betreiben. Dieselbe Aufgabe, eine andere Rechnung und eine andere Konsole.

Amazon Translate
Verwaltet auf AWS

Amazon Translate[1]

Der verwaltete neuronale Übersetzungs-Service auf AWS, abgerechnet pro Zeichen, eigene Terminologie ohne Aufpreis.

Offizielle Dokumentation →
Azure AI Translator
Verwaltet auf Microsoft Azure

Azure AI Translator[2]

Der verwaltete Übersetzungs-Service auf Microsoft Azure, für Text und Dokumente.

Offizielle Dokumentation →
Cloud Translation
Verwaltet auf Google Cloud

Cloud Translation[3]

Die verwaltete Übersetzungs-API auf Google Cloud.

Offizielle Dokumentation →
NLLB oder Opus-MT
Selbst betreiben

NLLB oder Opus-MT[4]

Offene Übersetzungsmodelle im Eigenbetrieb. Prüfen Sie die Lizenz pro Modell: Metas NLLB-200 steht unter CC BY-NC 4.0, nicht kommerziell; Opus-MT-Modelle der Universität Helsinki erscheinen pro Sprachpaar, zum Beispiel unter Apache 2.0.

Projektseite →
Amazon Translate: Der verwaltete Service auf einer Seite, mit demselben Service auf den anderen Plattformen (Folie auf Englisch).
Der verwaltete Service auf einer Seite, mit demselben Service auf den anderen Plattformen (Folie auf Englisch).[5]

So sieht es in einer Architektur aus

Folien aus meiner Lehrveranstaltung zu KI-Architekturen an der FH Burgenland, aus echten Projekten (auf Englisch).

Fertige KI-Services haben dieselbe Form: ein trainiertes Modell, das Sie nie sehen, erreichbar über eine API.
Fertige KI-Services haben dieselbe Form: ein trainiertes Modell, das Sie nie sehen, erreichbar über eine API.[6]
Dieselbe Aufgabe auf AWS, Azure, Google Cloud und auf eigenem Grund.
Dieselbe Aufgabe auf AWS, Azure, Google Cloud und auf eigenem Grund.[5]

Wo ich es eingesetzt habe

Übersetzung ist nicht Teil meiner drei Referenzprojekte. Was ich oft sehe: Teams trainieren ein Modell für Übersetzung nach, wo ein verwalteter Service mit Glossar reichen würde.

Verwaltet und selbst betrieben zusammen: Hybrid

Bei einem fertigen Service verlässt der Aufruf Ihr Netzwerk. Die Hybrid-Entscheidung ist, was hinausgeht und in welchem Zustand: die ganze Datei, eine geschwärzte oder nur der Teil, der muss. Wo eine Datei gar nicht hinaus darf, läuft derselbe Schritt mit der Open-Source-Option in Ihrem Gebäude, und nur das Ergebnis, oder nichts, geht hinaus.[7]

Hybrid ist eine Entscheidung auf jeder Ebene. Bei Übersetzung ist die Frage, welcher Text hinaus darf.
Hybrid ist eine Entscheidung auf jeder Ebene. Bei Übersetzung ist die Frage, welcher Text hinaus darf.[8]

Was hilft Ihnen als Nächstes?

Entscheiden lernen

Der Kurs „From Managed to Hybrid“ zeigt, wo KI laufen sollte: was jede Ebene kostet, was Sie betreiben und wo Ihre Daten bleiben müssen. Er ist in Vorbereitung, mit einer kostenlosen Live-Session zum Start.

Auf die Kurs-Warteliste →
Linda MohamedLinda Mohamed
KI- und Cloud-Beraterin, AWS Community Hero, Wien

Gemeinsam bauen

Erzählen Sie mir, was Sie bauen wollen. In 30 Minuten prüfen wir, welcher der vier Wege zu Ihren Daten, Ihren Regeln und Ihrem Budget passt und ob AWS-Förderung für einen Proof of Concept einen Teil abdeckt. So funktioniert AWS-Förderung →

Kostenlosen 30-Min. Call buchen →15 Minuten für eine Frage

Sie wissen schon, was Sie brauchen

Buchen Sie direkt den Workshop:

ai-solutions.wiki

Mehr auf ai-solutions.wiki

Meine offene Wissensbasis, mit längeren Vergleichen, Preisnotizen und Quellen (auf Englisch).

Quellen

  1. Amazon Translate Dokumentation. https://docs.aws.amazon.com/translate/latest/dg/what-is.html
  2. Azure AI Translator Dokumentation. https://learn.microsoft.com/en-us/azure/ai-services/translator/overview
  3. Cloud Translation Dokumentation. https://cloud.google.com/translate/docs
  4. NLLB oder Opus-MT. https://huggingface.co/Helsinki-NLP/opus-mt-de-en
  5. Linda Mohamed, Kursfolien “The projects”, MASE-3, FH Burgenland, September 2026
  6. Linda Mohamed, Kursfolien “How to run AI, layer by layer”, MASE-3, FH Burgenland, September 2026
  7. NIST glossary: hybrid cloud. https://csrc.nist.gov/glossary/term/hybrid_cloud
  8. Linda Mohamed, Kursfolien “Start here”, MASE-3, FH Burgenland, September 2026
  9. Amazon Translate, ai-solutions.wiki. https://ai-solutions.wiki/tools/amazon-translate/
  10. Azure Translator, ai-solutions.wiki. https://ai-solutions.wiki/tools/azure-translator/
  11. Hugging Face, ai-solutions.wiki. https://ai-solutions.wiki/tools/huggingface/
  12. NLLB-200 model card, licence CC BY-NC 4.0. https://huggingface.co/facebook/nllb-200-distilled-600M

Links geprüft im September 2026. Produktnamen und Funktionen ändern sich: Prüfen Sie die verlinkten Seiten, bevor Sie entscheiden.