Neugestaltung
Lokalisierung
für das KI-Zeitalter

Die Rollen verändern sich. Manche Lokalisierungsverantwortliche wissen das bereits. Andere werden es bald herausfinden. Anna Schlegel – die die Lokalisierung zu einer strategischen Funktion in Fortune-500-Unternehmen ausgebaut und auf Ebene der nationalen Regierung gearbeitet hat – spricht aus, was die meisten Lokalisierungsverantwortlichen bereits ahnen, aber noch nicht vollständig verstanden haben: Die Messlatte wurde höher gelegt, die Erwartungen haben sich verschoben, und die Führungskräfte, die im Zeitalter der KI erfolgreich sein werden, werden diejenigen sein, die aufhören, Kosteneinsparungen zu verkaufen und anfangen, den Raum zu beherrschen. Die gute Nachricht ist, dass die Fähigkeiten, das kulturelle Verständnis und die funktionsübergreifende Reichweite, die Lokalisierungsleiter über Jahre aufgebaut haben, genau das sind, was das KI-Zeitalter am dringendsten braucht. Sie gehen mit einem klaren Bild davon, wohin sich die Rolle entwickelt, was erforderlich ist, um ihr einen Schritt voraus zu sein, und mit konkreten Handlungsempfehlungen – denn dieser Moment gehört den Führungskräften, die bereit dafür sind.

Jeder Anbieter behauptet, KI-gestützte Übersetzungen anzubieten. Nur wenige können zeigen, wie das in der Praxis bei der Produktion im Unternehmensmaßstab aussieht – mit einer Qualität, die man messen und der man vertrauen kann. Olga Beregovaya und Andrew Saxe, die KI- und Produktverantwortlichen von Smartling, erläutern, wohin sich die Übersetzungslandschaft entwickelt, was Smartling als Reaktion darauf entwickelt und warum die Qualität das schwierigste noch zu lösende Problem darstellt. Im Mittelpunkt der Session steht, was aktuell verfügbar ist und was in Zukunft kommt: von RAG- und Stilregeln für KI über neue Konnektoren, die Übersetzungen in die bereits verwendeten Tools integrieren, bis hin zu Smartlings Antwort auf die wachsende Kluft zwischen KI-Übersetzungsvolumen und Qualitätskontrolle.

Wie entscheidet man, welche Inhalte automatisiert werden sollen, welche Arbeitsabläufe mithilfe von KI neu gestaltet werden sollen und wo die KI noch an ihre Grenzen stößt? Das Lokalisierungsteam von SumUp beantwortet alle drei Fragen. In dieser Session erläutern sie die von ihnen entwickelte Inhaltsmatrix zur Steuerung von Übersetzungsentscheidungen, den vollautomatisierten Produktworkflow, der die Art und Weise, wie die Entwicklungsabteilung lokalisierte Inhalte bereitstellt, verändert hat, und die Fehler, die ihr neues KI-gesteuertes System geschärft haben. Sie erhalten konkrete Entscheidungen, reale Ergebnisse und ein Rahmenwerk für die Integration von KI in Ihre Lokalisierungsprozesse, das sich in der Praxis bewährt.

In allen Regionen und Branchen kämpfen Lokalisierungsmanager mit dem gleichen Problem: Sie werden zu spät hinzugezogen, haben Schwierigkeiten, den ROI gegenüber Stakeholdern nachzuweisen, die in anderen Kennzahlen denken, und müssen mitansehen, wie Führungskräfte standardmäßig auf generische KI-Tools zurückgreifen und dabei die Expertise ignorieren, die Lokalisierungsteams über Jahre aufgebaut haben. Dieses Panel bringt Praktiker zusammen, die von reaktivem zu proaktivem Handeln übergegangen sind – sie bauen starke Beziehungen zu Führungskräften auf, übersetzen die Auswirkungen der Lokalisierung in konkrete Zahlen und positionieren ihre Teams von einer Unterstützungsfunktion zu einem strategischen Treiber globalen Wachstums.

Künstliche Intelligenz ermöglicht es, mehr und schneller zu übersetzen – doch Geschwindigkeit ohne Struktur birgt ihre eigenen Probleme: inkonsistente Terminologie, Qualitätsverlust, fehlende Nachvollziehbarkeit und die Gefahr von Fehlinterpretationen. Diese Session ist ein praktischer Leitfaden, was KI-Governance im Lokalisierungskontext tatsächlich bedeutet: wie man TM- und Glossar-Assets mit der KI-Ebene verbindet, was kontinuierliche Qualitätsprüfungen vor der Auslieferung von Inhalten aufdecken und wie der LQA-Agent den Teams das fortlaufende Überwachungssignal liefert, das sie benötigen, um für die KI-Produktion verantwortlich zu bleiben.

Die meisten Marketingteams haben bereits KI-Übersetzungstools im Einsatz – und die meisten von ihnen denken, dass das ausreicht. Das ist es nicht. Dervilla O'Reilly, Lead Web Manager of Localization and International Operations bei Docusign, erklärt, wie sie Marketingteams darüber aufklärt, warum zentralisierte, markenspezifische Arbeitsabläufe existieren und wie die realen Risiken unkontrollierter KI in der Praxis aussehen. Das ist nur ein Teil der Geschichte. Die schwierigere Arbeit liegt im Vorfeld: Inhalte müssen angepasst werden, bevor KI überhaupt damit in Berührung kommt, und Hyperlokalisierung muss gleichzeitig auf mehreren Märkten im gesamten Web, in Kampagnen und Produktinhalten funktionieren. Hinzu kommt die Herausforderung, mit einem kleinen Team Glaubwürdigkeit und Sichtbarkeit des Programms auf Führungsebene aufzubauen – durch Beziehungen, kluge Priorisierung und einen Rahmen für die Geschäftsauswirkungen, der jede Lokalisierungsentscheidung nachvollziehbar macht – und man beginnt zu verstehen, was erstklassige Marketinglokalisierung tatsächlich erfordert.

Die meisten Produktteams betrachten die Lokalisierung als einen nachgelagerten Prozess – etwas, das erst nach den eigentlichen Produktentscheidungen stattfindet. Michelle Kerr, Director of Product Transformation bei IHG Hotels & Resorts, beschreibt, wie ihr Team diese Annahme von Grund auf neu gestaltet hat: durch die Verlagerung der Übersetzung in das CMS, den Aufbau einer Infrastruktur, die Inhalte in großem Umfang an die richtige Übersetzungsmethode weiterleitet, und die Ermöglichung, dass Inhalte in jeder beliebigen Sprache erstellt werden können, anstatt standardmäßig auf Englisch zu setzen. Sie erzählt auch, was geschah, als ein Beratungsunternehmen vorschlug, einfach eine generische LLM-Lösung zu verwenden, und was dieser Moment über die Grenzen generischer KI für komplexe, umfangreiche Content-Operationen offenbarte.

Das SkillsBuild-Programm von IBM musste schnellstmöglich Lernende in mehr Ländern erreichen. Doch vollautomatische KI-Übersetzung war nicht die Lösung: Die Inhalte waren technischer Natur, die Lernenden waren teilweise erst 14 Jahre alt, und die Qualität durfte nicht beeinträchtigt werden. Bruno Goncalves, Global Program Strategist und Learning Experience Global Head bei IBM, beschreibt, wie sein Team von einem manuellen Workflow aus Kopieren und Einfügen in Word-Dokumente zu einem skalierbaren System mit menschlicher Interaktion überging, das 2.000 Stunden übersetzter Inhalte in 13 Sprachen verarbeitet – und das mit einem halb so großen Team. Er beschreibt den SCORM/Rise/Storyline-Dateiverarbeitungsansatz, wie sie Translation Memory von Grund auf für L&D-Inhalte aufgebaut haben und wie sie die Unterstützung von Rechts-nach-links-Sprachen für Arabisch gelöst haben – eine Herausforderung, für die die Tools nicht von Haus aus ausgelegt waren.

Die größten Kostenfaktoren eines Lokalisierungsprogramms haben oft nichts mit der Übersetzung selbst zu tun. Stattdessen sind sie vorgelagert: eingereichte Aufträge mit Tippfehlern, fehlendem Kontext oder ohne Dokumentation, Inhalte, die den Übersetzungsspeicher verschmutzen, und Nachbearbeitungsschleifen, die die Bandbreite des Teams aufbrauchen. Rossella Barry von AllTrails und Verónica Celdrán von Taskrabbit berichten, wie sie diese Probleme direkt angegangen sind – von der Einführung der Erstgenehmigung als funktionsübergreifender KPI bis hin zur Durchsetzung von Einreichungsstandards in allen Teams – und wie sie diese Arbeit der Führungsebene sichtbar gemacht haben.

Der API-Aufruf ist der einfachste Teil (5 %) beim Aufbau eines Übersetzungssystems. Die übrigen 95 % – die TM-Integration, die Durchsetzung des Glossars, die Compliance-Kontrollen, die Wartung der Konnektoren und die umgehende Anpassung bei jeder Auslieferung eines neuen Modells – liegen dauerhaft in Ihrer Verantwortung. Chris Dell hat beide Seiten dieser Entscheidung im großen Maßstab erlebt und anderen dabei geholfen, diese Entscheidung zu treffen. In dieser Session erläutert er den Entscheidungsrahmen, den er zur Bewertung von Eigenentwicklung versus Kauf verwendet, wie er dazu beigetragen hat, intern Einigkeit über die Notwendigkeit einer dedizierten Lokalisierungsplattform zu erzielen, und was er über die wahren Kosten und die Komplexität einer selbst entwickelten Übersetzungsinfrastruktur gelernt hat, die erst sichtbar werden, wenn man bereits tief darin steckt.

Die KI entwickelt sich schneller, als die meisten Lokalisierungsteams sie bewerten können – und genau an der Kluft zwischen Experimentieren und tatsächlicher Skalierung scheitern die meisten Programme. In diesem offenen Expertenforum berichten führende Lokalisierungsexperten von Spotify, SAS, Rover.com und SumUp, was im großen Maßstab funktioniert, wo sie gescheitert sind und was sie daraus gelernt haben, und wie sie Technologieentscheidungen treffen, wenn sich die Rahmenbedingungen von Woche zu Woche ändern. Erwarten Sie konkrete Beispiele, ehrliche Einblicke in Misserfolge und eine offene Diskussion darüber, was es für die Rolle des Lokalisierungsteams tatsächlich bedeutet, wenn KI einen größeren Teil der Produktion übernimmt.