Bei DeepL vs Google Translate für Produktcontent geht es weniger um reine Übersetzungsqualität als um vier Dinge: wie gut jede Engine deine Terminologie konsistent hält, ob sie formelle oder informelle Anrede einstellen kann, wie sie mit HTML-Beschreibungen und kurzen Attributwerten umgeht und was ein kompletter Katalog pro Sprache kostet. Die API von DeepL hat eine Einstellung für die Förmlichkeit und berechnet HTML-Tags nicht, wenn die Tag-Verarbeitung aktiviert ist. Google Cloud Translation deckt mehr Sprachen ab, bietet in der Advanced-Edition Glossare und ein LLM-Übersetzungsmodell und wird nach einer öffentlichen Preisliste pro Zeichen abgerechnet.
Veröffentlichte Vergleiche klären die Frage für einen Shop selten, weil sie Fließtext testen, keine Produkttitel mit Größenbereichen oder eine Beschreibung mit Spezifikationstabelle. Dieser Leitfaden vergleicht deshalb die Funktionen, die für Kataloge zählen, mit Limits und Preisen nach Stand August 2026, nimmt LLM-Übersetzung als dritte Option dazu und endet mit einem fairen Test, den du an einem Nachmittag mit 50 deiner eigenen Produkte durchführen kannst.
Welche Engine zu welchem Katalog passt
- Wähle DeepL, wenn du hauptsächlich in europäischen Sprachen verkaufst, einen zuverlässigen Wechsel zwischen formeller und informeller Anrede brauchst (Sie oder du, vous oder tu) und HTML-Beschreibungen übersetzt, bei denen das Markup nicht in die Abrechnung einfließen soll.
- Wähle Google Cloud Translation, wenn du viele Sprachen brauchst, auch für kleinere Märkte, Glossare willst, die über ein ganzes Projekt hinweg greifen, oder schon auf Google Cloud arbeitest und eine Rechnung und ein einheitliches Regelwerk zur Datennutzung willst.
- Wähle einen LLM-basierten Workflow, wenn die Übersetzung Regeln folgen muss, die eine Übersetzungs-API nicht abbilden kann: eine Tonalität, Titellängen für Marktplätze, Einheiten pro Markt oder Felder, die unangetastet bleiben müssen.
- Behalte einen menschlichen Übersetzer für Rechts- und Sicherheitstexte, deine Topseller und alles mit Wortspielen oder Slogans.
Warum Produktdaten schwerer zu übersetzen sind als Fließtext
Ein Blogbeitrag ist ein langer Text mit viel Kontext. Ein Produktdatensatz besteht aus zwanzig kurzen Feldern mit fast keinem. Nimm ein 3er-Pack Merino-Crew-Socken, Größe 43 bis 46, Farbe Navy:
Wo Produktfelder bei der Übersetzung kaputtgehen
| Titel | „Merino Crew Socks 3-Pack, Navy, Size 43-46“ | Keyword-Reihenfolge und Größenbereich müssen erhalten bleiben. |
|---|---|---|
| Attributwerte | „Navy“, „Crew“, „Light“ | Ohne Kontext kann „Light“ im Deutschen zu Licht (wie bei einer Lampe) oder Leicht (geringes Gewicht) werden. |
| Optionslabels | Derselbe Wert auf Hunderten von Produkten, der deine Filter speist | Wird „Navy“ bei einem Produkt zu Marineblau und bei einem anderen zu Dunkelblau, teilt sich der Farbfilter in zwei. |
| Beschreibung | HTML mit einer Liste von Merkmalen und einer Größentabelle | Tags, Zeilen und Links müssen intakt zurückkommen. |
| Meta-Titel und -Beschreibung | Längenlimits, die eine längere Zielsprache leicht sprengt. | |
| Felder, die unverändert bleiben | Marke, Modellnummer, GTIN, Materialcodes | Diese bleiben, wie sie sind. |
Jede der folgenden Engines übersetzt Sätze gut. Die Unterschiede zeigen sich darin, wie du Terminologie, Anrede, Markup und diese kurzen Werte steuerst.
Glossare: „merino wool“ in 4.000 Listings identisch halten
Ein Glossar sagt der Engine, wie sie einen bestimmten Begriff übersetzen oder ob sie ihn unverändert lassen soll. Für Kataloge ist es die nützlichste Funktion überhaupt, weil es Markenbegriffe, Produkttypen und Filterwerte konsistent hält.
- DeepL: Glossare werden pro Anfrage über eine Glossar-ID angewendet, und der Translate-Endpoint verlangt, dass du dabei die Ausgangssprache angibst.
- Google Cloud Translation: Glossare sind eine Funktion der Advanced-Edition. Seit November 2024 funktionieren sie auch mit dem Modell Translation LLM, mit einer kontextbezogenen Option, die den Begriff in den Satz einpasst (Googles Release Notes).
- LLM-Übersetzung: Du übergibst das Glossar im Prompt oder als strukturierte Daten. Das kommt mit Beugungen besser zurecht als Suchen und Ersetzen, aber das Modell kann einen Begriff trotzdem ignorieren. Prüfe die Ausgabe also anschließend gegen das Glossar.
Ein Glossar ist nur so gut wie seine Einträge. Starte mit deinen 100 wichtigsten Begriffen: Produkttypen, Materialien, Filterwerte und die Markennamen, die in der Ausgangssprache bleiben müssen. Ergänze einen Begriff, sobald ein Prüfer dasselbe Wort zweimal korrigiert.
Formelle oder informelle Anrede: du oder Sie, tu oder vous, je oder u
Die meisten Shops wählen pro Markt eine Anredeform und bleiben dabei. Ein deutscher Shop, der auf der Startseite du sagt und in Produktbeschreibungen Sie, wirkt wie zwei verschiedene Unternehmen.
Die API von DeepL hat einen Parameter formality mit den Werten default, more, less, prefer_more und prefer_less. Er ist nur für bestimmte Zielsprachen verfügbar, und eine Anfrage mit more oder less schlägt bei einer Sprache ohne Förmlichkeitsunterstützung fehl. Deshalb gibt es die prefer_-Optionen. Wenn du in einem Job in viele Sprachen übersetzt, nutze prefer_less oder prefer_more.
Googles NMT-Modell hat keinen Förmlichkeitsparameter, und auch die Release Notes nennen keinen. Mit Adaptive Translation kannst du pro Anfrage bis zu fünf Referenz-Satzpaare mitgeben (seit Mai 2024), und diese Beispiele steuern Ton und Anrede. Bei einem LLM legst du die Anrede in den Anweisungen fest, was für jede Sprache funktioniert, die das Modell gut beherrscht.
Spezifikationstabellen, Tags und Attributwerte aus einem Wort
Produktbeschreibungen kommen meist als HTML: Absätze, Aufzählungen, eine Größen- oder Spezifikationstabelle, manchmal ein Link. Alle drei Optionen können Markup erhalten, verhalten sich aber unterschiedlich:
- DeepL: Setze tag_handling am Translate-Endpoint auf html, dann übersetzt die API den Text und behält die HTML-Struktur bei. Laut DeepLs Leitfaden zur Zeichenberechnung werden die Tags bei aktivierter Tag-Verarbeitung nicht berechnet.
- Google: In der Advanced-Edition kann die Eingabe reiner Text oder HTML sein. Tags bleiben erhalten, und nur der Text dazwischen wird übersetzt. Das Modell Translation LLM akzeptiert seit Juli 2024 HTML-Eingaben.
- LLM: Markup bleibt meistens erhalten, und das reicht im Katalogmaßstab nicht. Ein Modell kann eine Tabellenzeile weglassen oder zwei Listenpunkte zusammenführen. Vergleiche die Anzahl der Tags in Quelle und Übersetzung automatisch und sende jedes Feld erneut, bei dem sie abweicht.
Kurze Attributwerte brauchen Kontext. DeepL hat einen Parameter context: Text, der die Übersetzung beeinflusst, aber weder übersetzt noch berechnet wird. Schickst du „Light“ mit dem Kontext „Gewichtsklasse einer Wanderjacke“, bekommst du Leicht statt Licht. Bei Google NMT ist der nächstbeste Workaround, den Wert zusammen mit dem Attributnamen zu übersetzen und das Ergebnis wieder aufzuteilen, was fehleranfällig ist. Ein LLM kann den gesamten Produktdatensatz als Kontext bekommen, und das ist sein größter Vorteil bei Attributen.
API-Preise und Limits, Stand August 2026
Google Cloud Translation
Preise von Google Cloud Translation, August 2026
| NMT (Basic und Advanced) | $20 | Die ersten 500.000 Zeichen pro Monat sind kostenlos, angerechnet als monatliches Guthaben von $10 (Google-Cloud-Preise). | |
|---|---|---|---|
| Translation LLM | $10 | $10 | Beides pro Zielsprache gezählt. |
| Adaptive Translation | $25 | $25 |
DeepL API
- Tarife: Mitte 2026 verkaufte DeepL neue API-Abos als Developer, Growth und Enterprise (DeepL-Preisseite). Developer ist kostenlos und enthält ein einmaliges Guthaben von 1 Million Zeichen, das sich nicht erneuert. Growth berechnet einen monatlichen oder jährlichen Grundpreis plus Nutzung, mit einer festen Anzahl inklusive Zeichen pro Zeitraum, und Enterprise gibt es auf Anfrage. Den Growth-Preis in deiner Währung findest du in der Preisliste von DeepL.
- Abrechnung: Zeichen der Ausgangssprache, gezählt in Unicode-Codepoints. Text im Parameter context wird nicht berechnet, ebenso wenig Tags bei aktivierter Tag-Verarbeitung.
- Anfragegröße: 128 KiB pro Anfrage, mit vielen Texten pro Anfrage.
Was ein Katalog mit 4.000 Produkten pro Engine kostet
Nimm 4.000 Produkte mit jeweils rund 1.800 Zeichen über Titel, Beschreibung, Attribute und Meta-Felder an. Das sind 7,2 Millionen Zeichen pro Sprache oder 21,6 Millionen für Deutsch, Französisch und Niederländisch.
- Google NMT: 21,6 Millionen minus die kostenlosen 500.000 ergibt 21,1 Millionen Zeichen, zu $20 pro Million: etwa $422.
- Google Translation LLM: $216 für die Eingabe plus etwa $216 für die Ausgabe, wenn die Übersetzungen ungefähr so lang sind wie die Quelle: etwa $432. Deutsche Ausgaben sind oft länger, rechne also mit etwas mehr.
- DeepL: hängt von den inklusive Zeichen und dem Preis für Mehrverbrauch deines Growth-Tarifs ab. Weil Tags in HTML-Beschreibungen nicht berechnet werden, zählt ein beschreibungslastiger Katalog weniger Zeichen als bei Google.
Die erste Übersetzung ist nicht der eigentliche Kostenfaktor. Jedes Mal, wenn ein Lieferant 600 Beschreibungen aktualisiert, müssen diese Produkte neu übersetzt werden. Sende nur Felder, deren Ausgangstext sich geändert hat, und führe ein Translation Memory, damit du für unveränderte Sätze nicht doppelt zahlst.
Datenschutz: wohin dein Katalogtext geht
Unveröffentlichte Produkte, Einkaufspreise in internen Notizen und Lieferantentexte unter NDA laufen alle durch eine Übersetzungs-Engine. Die Bedingungen unterscheiden sich je nach Produkt und Tarif:
- Google Cloud Translation API: Google gibt an, dass Text kurz im Arbeitsspeicher gehalten wird, um die Übersetzung auszuführen, und dass es die gesendeten Inhalte nicht nutzt, um seine Übersetzungsfunktionen zu trainieren.
- Bezahlte DeepL-Tarife: Laut der DeepL-Preisseite werden Texte von Abonnenten nur so lange gespeichert, wie es technisch für den Dienst nötig ist, danach gelöscht und nie zum Training der DeepL-Modelle verwendet.
- Kostenlose Web-Übersetzer: Übersetzungsseiten für Verbraucher laufen unter anderen Bedingungen als bezahlte APIs, und diese Bedingungen können erlauben, dass eingefügter Text gespeichert und zur Verbesserung der Modelle genutzt wird. Lies die Datenschutzerklärung und halte vertrauliche Katalogdaten aus kostenlosen Tools heraus.
- LLM-APIs: Prüfe in den API-Bedingungen des Anbieters die Nutzung fürs Training und die Aufbewahrung und ob du eine EU-Datenregion wählen kannst.
LLM-Übersetzung als dritte Option
Große Sprachmodelle übersetzen gut, und für Kataloge liegt ihre Stärke in Anweisungen. Du kannst einem Modell sagen, Marke und Modellnummer unangetastet zu lassen, in informellem Deutsch zu schreiben, einen Marketplace-Titel unter 75 Zeichen zu halten und das Ergebnis als JSON mit denselben Feldnamen zurückzugeben. Eine Übersetzungs-API kann ein solches Briefing nicht umsetzen.
Die Schwächen sind das Spiegelbild davon. Die Ausgabe kann zwischen Durchläufen variieren, ein Modell kann eine Beschreibung kürzen oder ausschmücken, und es kann Markup verlieren. Im Katalogmaßstab braucht ein LLM-Workflow Leitplanken: ein festes Glossar und eine feste Anrede pro Sprache, strukturierte Ausgabe pro Feld, automatische Prüfungen von Tag-Anzahl, Zahlen und Einheiten und eine Stichprobenprüfung durch Muttersprachler.
WISEPIM nutzt eine eigene LLM-basierte Übersetzung, nicht DeepL oder Google Translate. Die AI-Übersetzung ist zu über 95 % genau und arbeitet pro Feld, mit einem Übersetzungswörterbuch, einem Strict-Modus für wörtliche Übersetzung, Einstellungen für die Tonalität und Prüfungen, dass Tabellen und Listen die Übersetzung überstehen.
Ein fairer Test: 50 Produkte, drei Engines, Blindbewertung
Du kannst die Entscheidung in ein paar Stunden mit deinen eigenen Daten treffen. Ein Test mit 50 Produkten in drei Sprachen umfasst etwa 270.000 Zeichen, was in Googles kostenloses Monatskontingent und in das Developer-Kontingent von DeepL passt.
Blindtest: 50 Produkte, drei Engines
Halte die Ergebnisse als eine Zeile pro Engine und Sprache fest: Fehlerpunkte pro 1.000 Wörter, Trefferquote im Glossar, Anzahl kaputter Markups, Bearbeitungsminuten pro Produkt und Kosten pro 1.000 Produkte. Der Gewinner ist oft je nach Sprache ein anderer, was für einen Workflow spricht, in dem du wählen kannst.
Wo menschliche Übersetzer in einem Katalog ihr Geld noch wert sind
Die Wahl ist selten ein Entweder-oder. Maschinelle Übersetzung mit Prüfung ist der praktische Standard für den Long Tail, wo Hunderte ähnlicher Produkte dieselbe Struktur teilen. Menschliche Übersetzung oder sorgfältiges Lektorat lohnt sich für deine 50 Bestseller, Einleitungstexte von Kategorien, Slogans, Sicherheitshinweise und Rechtstexte wie Rückgabebedingungen.
Übersetzung ist außerdem nur ein Teil des Markteintritts. Keywords unterscheiden sich je nach Sprache, wie das Playbook für mehrsprachiges SEO erklärt, und Preise, Einheiten und Vorschriften unterscheiden sich je nach Land, wie der Leitfaden zum internationalen E-Commerce zeigt. Zur Prozessseite siehe Übersetzungsmanagement für Produktcontent.
Produktübersetzung direkt im Katalog
Egal welche Engine du wählst: Übersetzung funktioniert am besten nah an den Produktdaten, wo Felder, Glossar und Prüfung zusammenliegen. In WISEPIM übersetzt du Produkte mit AI pro Feld in die Sprachen, in denen du verkaufst, verwaltest Begriffe im Übersetzungswörterbuch und überträgst das Ergebnis an verbundene Shops. Tackerplein bekam damit deutsche Übersetzungen in 6 Wochen statt der 4 bis 6 Monate, die eine Agentur gebraucht hätte, wie im Tackerplein-Case beschrieben. Wenn Deutschland dein nächster Markt ist, behandelt die Seite zum Übersetzen von Produkten ins Deutsche die Besonderheiten.
