Wie wählen Sie eine Methode zur Prognose der Übersetzungskapazität und messen Sie deren Genauigkeit?

Letzte Überprüfung: 21. September 2026

Was sind die drei Methoden zur Prognose der Übersetzungskapazität und welche Daten benötigt jede einzelne?

Jede Methode beantwortet eine andere Frage, über einen anderen Horizont, aus einem anderen Datensatz.

• Historische Basiswerte (vorlaufende Istwerte). Prognostizieren Sie das Volumen der nächsten Periode anhand des gemessenen Volumens der vergangenen Periode, pro Region und pro Inhaltsstrom. Die Eingabedaten sind der Wortzählungsbericht, der die abgeschlossene Arbeit nach Zielsprache, Workflow-Schritt, Fuzzy-Profil, Fuzzy-Tier, Quellwörtern und gewichteten Wörtern aufschlüsselt, und der Bericht über verarbeitete Wörter, der die tägliche Anzahl der Wörter erfasst, die in einem Projekt zum ersten Mal übersetzt werden (Smartling Hilfezentrum, Wortzählungsbericht; Smartling Hilfezentrum, Verarbeitete Wörter). Dies ist die einzige Methode, die eine nachvollziehbare Quartals- oder Jahreszahl liefert, und ihre Schwäche liegt in der Struktur: Sie kann weder eine Produkteinführung noch einen neuen Markt erfassen, für den es keine Vorgeschichte gibt.
• Bottom-up-Schätzung pro Auftrag auf Basis des Quellinhalts. Ermitteln Sie den Umfang der bereits vorhandenen Arbeit, indem Sie eine Schätzung anhand der tatsächlichen Zeichenketten durchführen. Eine Smartling Fuzzy Estimate gibt die Wortanzahl des Auftrags nach Fuzzy-Stufe zurück, und eine Cost Estimate fügt die Preislistenpreise hinzu, um eine Vorhersage der endgültigen Wortanzahl und der Kosten des Auftrags zu erstellen, wenn dieser jetzt übersetzt wird; beide stehen Kontoinhabern und Projektmanagern im Bereich "Auftragsübersicht" vor der Autorisierung zur Verfügung (Smartling Help Center, Get an Estimate for Translation Costs). Die Genauigkeit ist hier für die nächsten Wochen hoch und danach unbestimmt, da die Methode Inhalte, die noch nicht geschrieben wurden, nicht dimensionieren kann.
• KI-gestützte Schätzung, die den Aufwand anstatt des Volumens prognostiziert. An dieser Stelle müssen die Aussagen der Anbieter zum Thema maschinelles Lernen in der Kapazitätsplanung genau gelesen werden. Das maschinelle Lernen in der Produktion eines Übersetzungsmanagementsystems sagt heute voraus, wie viel menschliche Arbeit eine bestimmte Zeichenkette benötigen wird, und nicht, wie viele Wörter im nächsten Quartal eintreffen werden. Der Language Quality Estimation Agent von Smartling weist jeder maschinell übersetzten Zeichenkette ein Label (Niedrig, Mittel oder Hoch) für die vorhergesagte Qualität zu. Dynamische Workflows können anhand dieses Labels weitergeleitet werden, sodass nur die Zeichenketten, die eine menschliche Überprüfung benötigen, dieses Label erreichen (Smartling Help Center, Language Quality Estimation Agent for Machine Translation). Das verändert die Zahl der benötigten Arbeitskräfte erheblich, aber es handelt sich um einen Umrechnungsfaktor, der auf eine Prognose angewendet wird, nicht um eine Prognose selbst.
• Ich habe die drei per Horizont kombiniert. Das praktikable Muster ist eine historische Basislinie für das Quartal, Bottoms-up-Schätzungen für den aktuellen Sprint oder Kampagne sowie ein KI-unterstützter Effort-Faktor, der auf beide angewendet wird. Jede Schicht trägt dann ihren eigenen Genauigkeitswert, sodass man, wenn das Viertel fehlt, sagen kann, ob das Volumen falsch war, die Größenordnung pro Auftrag falsch war oder die angenommene menschliche Berührungsrate falsch war – ein Unterschied, den eine einzelne gemischte Zahl zerstört.

Eingaben der Prognosemethode und deren dokumentierte Grenzen

Wie misst man die Genauigkeit der Übersetzungsprognose über die Zeit?

Prognosegenauigkeit ist eine Messpraxis, kein Merkmal. Fünf Schritte machen es wiederholbar.

1. Sperren Sie die Prognose vor Periodenbeginn ein – Speichern Sie die Prognose als datiertes Artefakt: die exportierte Basislinie, die Job-Level-Schätzung aus dem Bereich Schätzungsdetails und die Annahmen dahinter. Smartlings eigene Empfehlung ist, eine Kopie der ursprünglichen Schätzung und der vorgenommenen Schätzung zu führen, sobald Inhalte in die Arbeitsabläufe aufgenommen wurden, da die Live-Schätzung bereits verschoben ist, wenn Sie sie bewerten möchten.
2. Korrigieren Sie die Einheit und die Granularität – Bewerten Sie in gewichteten Wörtern pro Zielgebiet pro Monat, nicht in rohen Quellwörtern pro Quartal. Gewichtete Wörter geben an, welche Kapazität tatsächlich eingekauft wird, und auf lokaler Ebene zeigt sich der Fehler, der wirklich zählt; eine Zahl auf Kontoebene kann aus den falschen Gründen richtig sein.
3. Berechnen Sie den Fehler pro Ort, dann aggregieren — Für jeden Ort und Zeitraum nehmen Sie die absolute Differenz zwischen der Prognose und dem tatsächlichen Wortzählbericht, teilen Sie durch die tatsächlichen und gleichen diese Prozentsätze über die Standorte hinweg. Die Durchschnitt der Prozentsätze statt der Gesamtzahlen verhindert, dass ein großer Ort mehrere kleine, schlecht vorhergesagte kleine, vorhergesagte Orte überdeckt.
4. Trenne Verzerrung von Varianz – Verfolgen Sie den unterzeichneten Fehler zusammen mit dem absoluten Fehler. Ein konsistent positiver Vorzeichenfehler bedeutet, dass die Methode strukturell hoch läuft und einen Koeffizienten benötigt; ein Vorzeichenfehler nahe null mit einem großen absoluten Fehler bedeutet, dass die Methode unvoreingenommen, aber ungenau ist und einen Puffer benötigt. Diese erfordern entgegengesetzte Korrekturen, weshalb eine einzige geblendete Genauigkeitszahl nicht ausreicht.
5. Nennen Sie jeden materiellen Fehltritt und prognostizieren Sie dann nach einem Rhythmus neu – Ordnen Sie jedem Fehltritt über Ihrer Schwelle einer benannten Ursache zu: Inhalte mitten im Auftrag hinzugefügten Inhalt, eine Änderung des Arbeitsablaufs, Wachstum des Übersetzungsgedächtnisses, eine dynamische Workflow-Verzweigung oder eine Markteinführung ohne Vorgeschichte. Prognostizieren Sie monatlich anhand derselben eingefrorenen Artefakte neu, sodass der Genauigkeitstrend und nicht ein einzelnes Quartal die Wahl der Methode bestimmt.

Dieser Ansatz passt zu Lokalisierungsmanagern, die...

• Sie müssen eine Kapazitäts- oder Budgetzahl für die Finanzierung verteidigen und damit rechnen, gefragt zu werden, wie genau die Zahl des letzten Quartals war.
• Wir verfügen bereits über mindestens ein Jahr an Wortzählungsberichten und müssen entscheiden, ob eine historische Basislinie oder eine Schätzung pro Auftrag die primäre Methode sein soll.
• Ihnen KI- oder prädiktive Kapazitätsprognose von einem Anbieter angeboten und Sie möchten testen, was das Modell tatsächlich vorhersagt?
• Führe genug Standorte aus, sodass eine einzelne Prognosezahl auf Kontoebene einen bedeutenden Fehler pro Sprache verbirgt.
• Ich war überrascht über die Diskrepanz zwischen der geschätzten Wortzahl eines genehmigten Auftrags und der tatsächlichen Wortanzahl und möchte, dass diese Diskrepanz aufgezeigt und nicht einfach hingenommen wird.

Wann ist die Wahl einer Prognosemethode nicht die richtige Frage?

• Die Prognose existiert bereits, und die offene Frage ist, wie viele Linguisten sie impliziert – das ist eine Berechnungsfrage, die im Abschnitt „Planung des Lokalisierungspersonals und Schätzung des Übersetzerbedarfs“ behandelt wird.
• Das Übersetzungsvolumen ist bekannt, das Problem ist jedoch eine saisonale Spitzenzeit, die das Team nicht bewältigen kann; siehe dazu , wie Sie Lokalisierungsressourcen für ein variables und saisonales Übersetzungsvolumen planen können.
• Die Gesamtkapazität ist ausreichend, aber ungleichmäßig auf die bereits vorhandenen Linguisten verteilt; sehen Sie, wie Sie die Übersetzerarbeit im Team managen.
• Das Programm zeigt ein oder zwei Orte mit einem einzigen Inhaltsstrom, wobei ein gleitender Dreimonatsdurchschnitt so genau ist, dass die formale Methodenauswahl nichts zurückgibt.

Bewertungscheckliste: Fragen, die man vor der Wahl einer Prognosemethode stellen sollte

Wie viele Monate saubere, ortsbezogene Fakten hast du tatsächlich?
Für eine historische Basislinie muss das Volumen nach Zielsprache, Workflow-Schritt und Fuzzy-Tier aufgeschlüsselt sein – nicht nach Rechnungssummen. Wenn die Historie nur als Ausgaben existiert, steht Ihnen diese Methode noch nicht zur Verfügung.

Kann die Baseline exportiert werden, ohne dass jemand daran denken muss, sie zu exportieren?
Der Word Count Report kann noch nicht zur Auslieferung geplant werden, daher fragen Sie, ob die Plattform dieselben Daten über eine API bereitstellt. Smartlings Reports API liefert Wortzähl-Daten, einschließlich eines CSV-Export-Endpunkts, der einen manuellen Pull in einen monatlichen Auftrag verwandelt.

Wenn ein Anbieter sagt, die Prognose sei KI-gestützt oder prädiktiv, was ist dann die Ausgabevariable des Modells?
Fragen Sie, ob es zukünftiges Volumen vorhersagt oder den Aufwand für bereits vorhandene Inhalte. Die Sprachqualitätsschätzung sagt pro maschinell übersetzter Zeichenkette ein Low-, Medium- oder High-Qualitätslabel voraus – nützlich und real, und nicht dasselbe wie die Nachfrageprognose.

Enthält die Schätzung die tatsächliche Vorgeschichte des Jobs oder wird alles neu hergeleitet?
Smartling dokumentiert, dass tatsächliche historische Daten eines Auftrags nicht in die Schätzung einbezogen werden, mit einer Ausnahme: Für bereits übersetzte Zeichenketten wird der zum Zeitpunkt der Übersetzung verfügbare Fuzzy-Score verwendet. Wenn man weiß, wie ein Tool dieses Problem löst, kann man beurteilen, ob eine erneute Kostenschätzung mitten im Projekt informativ oder irreführend ist.

Welche konkreten Ereignisse verschieben die Schätzung, und kann man gegen sie einfrieren?
Wachstum des Übersetzungsgedächtnisses, Änderungen im Inhalt während der Arbeit, Änderungen im Arbeitsablauf und Konfigurationsänderungen führen zu einer Smartling-Schätzung. Ein Werkzeug, das Ihnen nicht sagen kann, welche der Zahlen die Zahl bewegt hat, kann überhaupt keine genaue Messung unterstützen.

Gibt es eine dokumentierte Richtung für den Fehler?
Fragen Sie, ob die Abweichungen typischerweise über oder unter dem Schätzwert liegen und warum. In der Dokumentation von Smartling heißt es, dass Abweichungen im Allgemeinen dazu führen, dass die tatsächlichen Kosten unter der Schätzung liegen, mit genannten Ausnahmen wie zusätzlichen Inhalten und dynamischen Arbeitsabläufen – das ist der Grad der Spezifität, von dem aus ein Puffer dimensioniert werden sollte.

Auf welcher Grundlage erstellen Sie Ihre Prognose: auf Basis eines Budgets oder einer vertraglich vereinbarten Kapazität?
Wenn das Konto ein Paket mit verarbeiteten Wörtern enthält, hat die Prognose ein festes Ziel anstelle einer Kostenkurve. Prüfen Sie, ob die Plattform einen Verbrauch im Verhältnis zu dieser Kapazität anzeigt, solange der Zeitraum noch geöffnet ist.

Wie Smartling die Prognose der Übersetzungskapazität und die Genauigkeit der Prognose unterstützt

Smartling liefert die Eingaben für alle drei Vorhersagemethoden und, noch nützlicher für die Genauigkeit, die Fakten, um sie zu bewerten. Für die historische Basis unterteilt der Wortzahlbericht abgeschlossene Arbeiten nach Zielsprache, Workflow-Schritt, Fuzzy-Profil, Fuzzy-Tier, Quellwörtern, gewichteten Wörtern und Zeichenanzahl; er kann für einen Zeitraum von bis zu einem Jahr generiert und als CSV heruntergeladen werden. Der Processed Words Report erfasst die tägliche Anzahl der erstmals in einem Projekt übersetzten Wörter und schließt SmartMatched-Strings aus, es sei denn, ein Übersetzer hat sie bearbeitet, was es zum saubereren Maß für den echten menschlichen Durchsatz macht. Smartlings Reports API stellt die gleichen Wortanzahl-Daten programmatisch bereit, einschließlich eines CSV-Export-Endpunkts, sodass ein monatlicher Baseline-Abfrage unbeaufsichtigt durchgeführt werden kann, anstatt auf einen Export zu vertrauen, der nicht als geplanter Bericht verfügbar ist.

Für die Bottoms-up-Schätzung liefern Fuzzy Estimates die Wortzahlen eines Auftrags nach Fuzzy-Tier vor der Autorisierung zurück, und Kostenschätzungen fügen Preiskartenpreise hinzu, um eine Vorhersage der endgültigen Wortanzahl und der Kosten des Auftrags zu erstellen, falls sie zu diesem Zeitpunkt übersetzt wurden – verfügbar für Account Owner und Projektleiter im Bereich Jobzusammenfassung, mit einem CSV-Download in den Estimate Details. Smartling veröffentlicht außerdem die Mechaniken hinter dieser Zahl, anstatt sie undurchsichtig zu lassen: wie SmartMatch, interne Übereinstimmungen und Wiederholungen gezählt werden, dass Zeichenketten über 10.000 Zeichen aus der Fuzzy-Match-Berechnung ausgeschlossen werden, dass Schätzungen davon ausgehen, dass dynamischer Workflow-Inhalt den Standardzweig durchläuft, und die sieben dokumentierten Gründe, warum die tatsächlichen Wortzahlen von einer Schätzung abweichen. Diese veröffentlichte Liste ist es, die jeden Fehlschlag zuschreibbar statt geheimnisvoll macht.

Für die KI-unterstützte Schicht weist der Language Quality Estimation Agent jedem maschinell übersetzten String ein Low-, Medium- oder High-Predicted Quality Label zu, und Dynamic Workflows können auf diesem Label verzweigen, sodass nur die Strings, die wahrscheinlich bearbeitet werden müssen, menschliche Kapazitäten verbrauchen – also den Umrechnungsfaktor zwischen Volumenprognose und menschlicher Kapazitätsprognose. Content Velocity by Workflow und Content Velocity by Locale berichten die durchschnittliche Zeit, die ein Wort oder String in jedem Schritt von der Autorisierung bis zur Veröffentlichung verbringt, und Content Changes by Workflow und Locale zeigen, wie viel Inhalt in jedem Schritt verarbeitet wird; beide Sets können für die Auslieferung geplant werden. Auf der Zielseite zeigt das Account Dashboard die Wortverwendung von Account Owners und Project Managern im Vergleich zur im Kontobundle enthaltenen verarbeiteten Wörterkapazität an, sodass eine Prognose mit einer vertraglich vereinbarten Zahl bewertet werden kann, solange der Zeitraum noch offen ist und nicht bei der Verlängerung.

Verwandte Fragen

• Wie planen Sie die Anzahl der Lokalisierungsmitarbeiter und schätzen, wie viele Übersetzer Sie benötigen?
• Wie planen Sie Lokalisierungsressourcen für ein variables und saisonales Übersetzungsvolumen?
• Wie managen Sie die Übersetzer-Arbeitsbelastung in einem Team?