Post-Editing maschineller Übersetzung (MTPE) ist die Arbeit eines Menschen, der maschinell übersetzten Text prüft und korrigiert, bis er ein vereinbartes Qualitätsniveau erreicht. Es gibt zwei anerkannte Stufen: leichtes Post-Editing (Light Post-Editing), das Sinnfehler behebt, damit der Text korrekt und verständlich ist, und vollständiges Post-Editing (Full Post-Editing), das zusätzlich Stil, Terminologie und Lesefluss korrigiert, sodass das Ergebnis wie eine gute Humanübersetzung klingt.
Für einen Produktkatalog lautet die praktische Antwort: Teil die Arbeit nach Risiko auf. Übersetze alles mit KI unter einem Glossar und festen Regeln, gib Feldern, bei denen ein Fehler Geld kostet oder Haftung auslöst (Sicherheitshinweise, Rechtstexte, Titel von Bestsellern, Kategorietexte), ein vollständiges Post-Editing und prüfe den Long Tail mit strukturierten Stichproben, statt jede einzelne von 5.000 Beschreibungen zu lesen. Dieser Beitrag behandelt die zwei Stufen, worauf Prüfer bei Produktcontent achten sollten, und einen Stichproben-Workflow. Für alles rund um die Übersetzung, etwa Preise, MwSt.-Anzeige und marktspezifische Größen, lies den Leitfaden zur E-Commerce-Lokalisierung.
Leichtes und vollständiges Post-Editing nach ISO 18587
Die Referenznorm ist ISO 18587:2017, „Translation services, Post-editing of machine translation output, Requirements“. Laut ISO legt sie Anforderungen an den Prozess des vollständigen, menschlichen Post-Editings maschineller Übersetzungen und an die Kompetenzen von Post-Editoren fest und richtet sich an Übersetzungsdienstleister, ihre Kunden und Post-Editoren. Dienstleister können sich danach zertifizieren lassen, und eine Zusammenfassung der Association of Translation Companies hält fest, dass die Norm vollständiges Post-Editing als Erreichen einer mit Humanübersetzung vergleichbaren Qualität beschreibt und dabei zwischen leichtem und vollständigem Post-Editing unterscheidet.
Eine Überarbeitung läuft. ISO führt die Ausgabe von 2017 als „to be revised“ und erwartet, dass sie durch ISO/DIS 18587 ersetzt wird, umbenannt in „Post-editing of non-human translation output“, um KI- und LLM-Übersetzung einzubeziehen. In Deutschland läuft die öffentliche Umfrage des DIN zum Entwurf (ISO/DIS 18587:2026) bis zum 11. November 2026. Bis die neue Ausgabe erscheint, bleibt die Version von 2017 gültig. Laut der ATC-Zusammenfassung lässt der überarbeitete Text die Kundenvorgaben entscheiden, welche Stufe gilt, was der Arbeitsweise von Katalogteams bereits entspricht.
Branchenrichtlinien ziehen dieselbe Grenze in einfacheren Worten. Eine vergleichende Studie zu Post-Editing-Richtlinien von Hu und Cadwell hält fest, dass TAUS die zwei Stufen als „good enough“-Qualität und „human translation quality“ fasst und dass Richtlinien für leichtes Post-Editing auf die Richtigkeit der Botschaft zielen, während Grammatik, Syntax und Stil keine große Rolle spielen.
Leichtes vs. vollständiges Post-Editing für Produktcontent
| Ziel | Korrekt und verständlich | Liest sich wie eine gute Humanübersetzung |
|---|---|---|
| Korrigiert | Falsche Bedeutung, falsche Zahlen, fehlender Text, fehlerhafte Begriffe | Alles aus dem leichten Post-Editing, plus Stil, Ton, einheitliche Terminologie und Lesefluss |
| Lässt unberührt | Holprige, aber korrekte Formulierungen | Nichts, was einem Muttersprachler auffallen würde |
| Typischer Produktcontent | Long-Tail-Beschreibungen, Meta-Beschreibungen mit wenig Traffic | Sicherheits- und Rechtstexte, Bestsellertitel, Kategorietexte, Anzeigentexte |
| Wer es macht | Muttersprachler, der die Produkte kennt | Qualifizierter Übersetzer oder erfahrener muttersprachlicher Lektor |
| Aufwand pro Produkt | Gering | Fast eine neue Prüfung jedes Satzes |
Welche Katalogfelder welche Stufe bekommen
Die meisten Kataloge haben drei Ebenen. Schreib die Ebenen vor der Übersetzung auf, denn diese Entscheidung bestimmt Kosten und Durchlaufzeit stärker als die Engine.
- Vollständiges Post-Editing. Sicherheitshinweise, Anleitungen und Altersangaben; Garantie- und Rechtsformulierungen; Produktnamen und Titel deiner Topseller; Kategorie- und Landingpage-Texte; jede Aussage, auf die man dich festnageln könnte („wasserdicht bis 10.000 mm“, „spülmaschinenfest“). Nach der EU-Produktsicherheitsverordnung (GPSR) muss ein Online-Angebot Warnhinweise und Sicherheitsinformationen in einer für Verbraucher leicht verständlichen Sprache zeigen, die der Mitgliedstaat festlegt (Artikel 19, siehe den GPSR-Leitfaden). Dieser Text ist kein Ort für „gut genug“.
- Leichtes Post-Editing oder Stichprobenprüfung. Long-Tail-Beschreibungen, Kurzbeschreibungen und Meta-Beschreibungen von Produkten, die ein paar Stück im Jahr verkaufen. Fehler sind hier günstiger und seltener, sobald die Regeln stimmen, also zeigt dir eine Stichprobe, ob der Batch in Ordnung ist.
- Einmal übersetzen, vollständig prüfen. Attributwerte aus einer kontrollierten Liste: Farben, Materialien, Passformen, „maschinenwaschbar bei 30 °C“. Dieselben 200 Werte erscheinen bei Tausenden Produkten, eine geprüfte Übersetzung der Liste korrigiert sie also überall. Sie Produkt für Produkt zu prüfen, ist verschwendete Mühe.
- Nicht übersetzen, aber prüfen. GTINs, SKUs, Modellnummern, Markennamen und numerische Spezifikationen. Sie sollten unverändert durchgehen, und eine automatische Prüfung kann das bestätigen.
Suchbegriffe sind ein eigener Punkt. Eine korrekte Übersetzung kann trotzdem das falsche Wort für die Suche sein: Der Begriff, den Kunden auf Deutsch oder Niederländisch eintippen, kann sich von einer wörtlichen Übertragung des englischen Titels unterscheiden. Der Leitfaden zu mehrsprachigem SEO erklärt die Keyword-Recherche pro Sprache für Titel und Meta-Felder.
Glossare und Do-not-translate-Listen kommen vor dem ersten Durchlauf
Der meiste Post-Editing-Aufwand in Katalogen wiederholt dieselben paar Korrekturen: ein übersetzter Markenname, ein in Einzelwörter zerlegter Produktlinienname, ein Fachbegriff, der auf drei verschiedene Arten wiedergegeben wird. Jede davon gehört vor der Übersetzung in die Regeln, nicht danach in die Warteschlange des Lektors. Vier Listen decken das meiste ab:
- Begriffe, die bleiben, wie sie sind. Markennamen, Produktlinien- und Modellnamen, markengeschützte Materialien und Technologien sowie Namen von Zertifizierungen. Trag zuerst deine eigene Marke ein.
- Bevorzugte Übersetzungen. Begriffe mit genau einer freigegebenen Übersetzung pro Sprache, etwa „Merinowolle“ oder „Wassersäule“. Füg eine Kontextnotiz hinzu, wenn ein Begriff mehrdeutig ist: „case“ heißt im Zubehör Handyhülle und in deinem Großhandelssortiment ein Karton mit 12 Stück.
- Kategoriebezogene Begriffe. Dasselbe Ausgangswort, je nach Kategorie anders übersetzt. „Sleeve“ ist bei Bekleidung ein Ärmel und bei Elektronik eine Schutzhülle.
- Feldregeln. Zeichenlimits für Titel und Meta-Felder, ob Einheiten umgerechnet oder beibehalten werden, formelle oder informelle Anrede pro Sprache.
Der Vergleich DeepL vs. Google Translate erklärt, wie Glossare in beiden Engines funktionieren. Egal welches Tool: Die Quelle ist dieselbe, eine Tabelle mit Begriff, Kontext und freigegebener Übersetzung pro Sprache, gepflegt von jemandem, der dafür verantwortlich ist.
Was ein Post-Editor bei Produktcontent prüft
Allgemeine Post-Editing-Richtlinien sind für Fließtext geschrieben. Produktcontent scheitert auf spezifischere Weise, meist bei Zahlen, Namen und festen Texten. Gib Prüfern diese Liste statt „prüf die Übersetzung“.
Checkliste für die Prüfung von Produktübersetzungen
Lass Prüfer jede Korrektur einstufen, statt sie nur vorzunehmen: kritisch (falsche Zahl, fehlender Warnhinweis, falsche Produktbedeutung), schwerwiegend (falscher Begriff, kaputtes Markup, falsches Einheitenformat) oder geringfügig (Stil, Wortstellung). Die Einstufung zeigt dir, ob ein Batch durchgeht und welche Regel du ändern musst.
Ein Kinderhelm-Listing im leichten und im vollständigen Durchgang
Ein Beispiel zeigt, wo sich die beiden Stufen trennen. Der englische Ausgangstext für einen Kinderfahrradhelm lautet: „TrailBuddy Junior kids' bike helmet with LED rear light, size S (48 to 54 cm), 230 g. Adjust the fit with the dial at the back. Warning: do not use this helmet for climbing or other activities where a child could get caught.“ Eine erste KI-Übersetzung ins Niederländische kam mit vier Problemen zurück:
- Dem Warnhinweis fehlt „or other activities“, er erwähnt jetzt nur noch das Klettern. Kritisch: Ein Sicherheitssatz ist unvollständig.
- Aus „TrailBuddy Junior“ wurde „PadMaatje Junior“. Schwerwiegend: Ein Produktlinienname wurde übersetzt.
- Der Text spricht die Leser mit „u“ an, während der Shop überall sonst „je“ schreibt. Geringfügig für die Bedeutung, sichtbar für jeden niederländischen Kunden.
- Der Titel sagt „fietshelm voor kinderen“, wo niederländische Kunden nach „kinderfietshelm“ suchen. Geringfügig für die Bedeutung, relevant für die Suche.
Ein leichter Durchgang behebt die ersten beiden und hört auf: Der Warnhinweis ist vollständig und der Name stimmt, also ist der Text korrekt. Ein vollständiger Durchgang wechselt außerdem zu „je“, baut den Titel um den Begriff herum, den Kunden verwenden, und glättet die Wortstellung. Weil dieses Produkt in der Sicherheitsebene liegt, bekommt es den vollständigen Durchgang. Eine Socke im Long Tail mit nur dem dritten Problem ginge nach einem leichten Durchgang raus, und die Anrederegel würde in den Einstellungen korrigiert, damit sie im nächsten Batch stimmt.
Das nützlichere Ergebnis ist, was sich an den Regeln ändert. „TrailBuddy“ kommt auf die Liste der unveränderten Begriffe, „je“ wird zur Spracheinstellung für Niederländisch, und der fehlende Nebensatz löst eine Prüfung jedes Produkts mit Warnhinweis aus, nicht nur dieses Helms.
Ein Stichproben-Workflow für KI-übersetzte Kataloge
Jede übersetzte Beschreibung zu lesen, macht den Sinn maschineller Übersetzung zunichte, und keine zu lesen, sorgt dafür, dass eine falsche Einheit auf 800 Produkten landet. Eine Stichprobe liegt dazwischen: Prüfe eine kleine, bewusst gemischte Auswahl, bis sie sauber ist, übersetze dann den Rest unter denselben Regeln und prüf pro Batch weiter kleinere Stichproben.
Stichprobe, Regeln korrigieren, dann skalieren
- Wähl eine repräsentative Stichprobe pro Sprache. Misch Kategorien, Marken, Bestseller und Long-Tail-Artikel und nimm gezielt die schwierigen Fälle auf: Produkte mit Spezifikationstabellen, Sicherheitstext, vielen Einheiten, mehrdeutigen Begriffen und HTML-lastigen Beschreibungen.
- Übersetze die Stichprobe unter den finalen Regeln. Dasselbe Glossar, dieselben Feldeinstellungen, dieselbe Engine und derselbe Modus, die du für den vollen Durchlauf planst, sonst misst die Stichprobe das Falsche.
- Prüfe mit der Checkliste und stufe jede Korrektur ein. Halte Feld, Fehlertyp und Schweregrad fest. Eine Notiz des Prüfers, warum ein Begriff falsch ist, ist mehr wert als der korrigierte Text allein.
- Mach aus wiederholten Korrekturen Regeln. Ein zweimal korrigierter Begriff wird ein Glossareintrag; eine Beschwerde über den Ton wird eine Anweisung auf Sprachebene; ein Einheitenfehler wird eine Feldregel. Generiere dann neu und prüfe dieselbe Stichprobe noch einmal.
- Setz die Messlatte und skaliere. Übersetze den ganzen Katalog, sobald eine Stichprobe ohne kritische Fehler und nur mit den geringfügigen Fehlern zurückkommt, die du für diese Ebene akzeptierst. Gib den Feldern der Ebene 1 ihr vollständiges Post-Editing und prüfe aus jedem neuen Batch, jedem Lieferanten oder jeder Kategorie eine frische Zufallsstichprobe.
- Halte die Schleife am Laufen. Korrekturen nach der Veröffentlichung, vom Kundenservice oder einem Marktverantwortlichen, gehen in dasselbe Glossar und dieselben Regeln, damit sie nicht wiederkehren. Der Lexikoneintrag zum Übersetzungsmanagement für Produktcontent beschreibt die Rollen und Übergaben rund um diese Schleife.
Führe die Schleife für jede Zielsprache separat durch. Fehler werden selten geteilt: Deutsch tut sich mit zusammengesetzten Produktbegriffen und Titellänge schwer, Französisch mit der Genuskongruenz bei Attributwerten, Niederländisch mit der Anrede und mit englischen Lehnwörtern, die Kunden nutzen oder eben nicht. Eine Stichprobe, die in einer Sprache sauber ist, sagt nichts über die nächste, und die Regeln, die du ergänzt (Glossareinträge, Anrede, Feldlimits), gelten meist auch pro Sprache.
Die Stichprobenprüfung in WISEPIM durchführen
WISEPIM übersetzt Produktcontent mit LLM-basierter KI, mit 95 %+ Genauigkeit, unter Projektregeln: ein Wörterbuch mit freigegebenen und unveränderten Begriffen (bei Bedarf auf Kategorien beschränkt), Anweisungen und Längenlimits pro Feld, Sprach-Overrides für die Anrede und eine Einheiteneinstellung, die beibehält, umrechnet oder beides zeigt. Der Arbeitsbereich Translation samples (Übersetzungsbeispiele) übernimmt den Stichprobenschritt: Du wählst bis zu 50 Produkte (und höchstens 300 Kombinationen aus Produkt, Feld und Sprache), bis zu sechs Zielsprachen und die zu prüfenden Felder (Name, Beschreibungen, SEO-Titel, -Beschreibung und -Keywords), und Kandidaten werden in den Batch generiert, ohne den Live-Produktcontent anzufassen.
Automatische Prüfungen markieren die mechanischen Fehler aus der Checkliste: eine Zahl aus dem Ausgangstext, die in der Übersetzung fehlt, eine geänderte Maßeinheit, ein geschützter Begriff, der verschwunden ist, verändertes HTML, Text über dem Feldlimit, das falsche Schriftsystem und Terminologie, die das Wörterbuch ignoriert. Prüfer geben jede Zeile frei, fordern Änderungen an oder lehnen sie ab, und eine gespeicherte Korrektur schützt diese Zeile vor einer Neugenerierung. Wie die Ansicht selbst anmerkt, brauchen Lesefluss, Ton und sachliche Vollständigkeit weiterhin einen Menschen. Feedback eines externen Prüfers lässt sich als Datei über Ingest feedback (Feedback einlesen) hochladen und in vorgeschlagene Wörterbuch- und Einstellungsänderungen umwandeln. Die Seite zur KI-Produktübersetzung beschreibt den gesamten Übersetzungsworkflow.
