AI für mehrsprachigen Kundensupport: Echtzeitübersetzung und Lokalisierung

Von Linh Ngo · Aktualisiert am 11. Oktober 2026

AI für mehrsprachigen Kundensupport bedeutet, maschinelle Übersetzung und mehrsprachige Sprachmodelle einzusetzen, um Kundennachrichten in einer Sprache zu lesen und in einer anderen zu beantworten, sodass ein Team mit drei Sprachen dreißig bedienen kann. Das umfasst drei Aufgaben: eingehende Nachrichten für Ihre Mitarbeitenden übersetzen, ausgehende Antworten für Ihre Kunden übersetzen und die Hilfeinhalte lokalisieren, die Kunden selbstständig lesen. Was es nicht leistet, ist die Garantie, dass die Übersetzung stimmt. Genau darauf müssen Manager ihr Vorgehen auslegen.

Dieser Leitfaden richtet sich an Support-Verantwortliche, die entscheiden, wie weit sie AI-Übersetzung vertrauen, welche Sprachen sie zuerst öffnen und wo ein Mensch das Ergebnis prüfen muss. Er gehört in das größere Bild von AI im Kundenservice und stützt sich auf zwei Beiträge, die hier wichtig sind: wie AI über Support-Kanäle hinweg funktioniert und Support-Daten für AI vorbereiten.

Wichtige Fakten

• In der Verbraucherumfrage „Can't Read, Won't Buy“ von CSA Research aus dem Jahr 2020 (8.709 Verbraucher in 29 Ländern, veröffentlicht im Juli 2020) gaben 76% an, sich für ein Produkt mit Informationen in der eigenen Sprache zu entscheiden statt für ein ähnliches ohne, und 40% sagten, sie würden nie auf Websites in anderen Sprachen kaufen (CSA Research).
• Die allgemeine Aufgabe der Conference on Machine Translation 2024 verglich Systeme in 11 Sprachpaaren, darunter 8 Large Language Models und 4 Online-Übersetzungsanbieter, anhand von mehr als 57.000 Bewertungen von 108 menschlichen Annotatoren (WMT24 findings).
• Dieselbe Studie fand nahezu perfekte Übersetzungen von Englisch nach Spanisch in den getesteten Domänen, bezeichnete Sprache aber als anspruchsvolle Domäne, und ihr Titel sagt es deutlich: Maschinelle Übersetzung ist noch nicht gelöst (WMT24 findings).
• Der Post-Editing-Standard ISO 18587 sieht das „vollständige“ Post-Editing als Weg zu einer Qualität, die mit menschlicher Übersetzung vergleichbar ist, und die Zusammenfassung des Komitees betont, dass nur qualifizierte Post-Editoren eingebunden sein sollten (ATC ISO Committee).

Warum Sprachsupport eine Frage von Umsatz und Kundenbindung ist

Der Support ist oft die erste Stelle, an der die Sprachlücken eines Unternehmens sichtbar werden. Das Marketing übersetzt vielleicht die Startseite in vier Sprachen. Aber der Kunde, der Ihnen in einer Sprache schreiben muss, die er nicht gut liest, entscheidet darüber, ob er bleibt.

Die Daten von CSA Research betreffen das Kaufen, nicht den Support, also nutzen Sie sie mit Vorsicht. Sie zeigen, dass die Sprachpräferenz Kaufentscheidungen prägt: In der Ausgabe von 2020 bevorzugten 76% der Befragten Produkte mit Informationen in der eigenen Sprache, und 40% würden nicht auf Websites in anderen Sprachen kaufen (CSA Research). Es ist eine Umfrage zu geäußerten Präferenzen und sie bezieht sich auf das Kaufverhalten. Zitieren Sie sie also nicht als Beleg dafür, dass Support in der Muttersprache die Abwanderung senkt. Sie stützt aber eine engere Aussage: Wenn Kunden die Wahl haben, ist die Sprache Teil ihrer Einschätzung, ob ein Unternehmen zu ihnen passt. Support in ihrer Sprache gehört zu dieser Erfahrung.

Das praktische Problem ist die Personalplanung. Muttersprachliche Mitarbeitende für jede Sprache und jede Schicht einzustellen, funktioniert nur für Ihre größten Märkte. AI-Übersetzung schließt die Lücke beim Long Tail (seltene Anliegen): bei den Sprachen, in denen Sie zwanzig Tickets pro Woche bekommen, nicht zweitausend.

So funktioniert AI-Übersetzung im Support-Workflow

Hinter den Bezeichnungen der Anbieter stecken im Kern vier Mechanismen, und es hilft, sie zu benennen, denn sie scheitern auf unterschiedliche Weise.

Spracherkennung. Das System erkennt, in welcher Sprache eine Nachricht geschrieben ist. Übersetzungsdienste tun das in der Regel automatisch, wenn Sie keine Ausgangssprache angeben, wie es die Dokumentation von Google Cloud Translation für die Basis-API beschreibt (Google Cloud). Es klingt trivial. Das ist es nicht, wenn ein Kunde eine kurze Nachricht schreibt, zwei Sprachen mischt oder einen Produktcode einfügt.

Maschinelle Übersetzung. Ein Modell wandelt Text von der Ausgangs- in die Zielsprache um. Es gibt ältere neuronale Systeme für maschinelle Übersetzung und neuere Übersetzungsmodelle im Stil von LLMs. Die Dokumentation von Google beschreibt zum Beispiel ein neuronales Standardmodell als Voreinstellung und ein separates Übersetzungsmodell im LLM-Stil als Option, die Sie auswählen (Google Cloud). Die Wahl zwischen beiden ist eine Frage der Anbieterbewertung, nicht etwas, das sich in einem Blogbeitrag klären lässt.

Terminologiesteuerung. Ein Glossar legt fest, wie das System Ihre Produktnamen, Tarifnamen und Schlüsselbegriffe jedes Mal übersetzt. In der Umsetzung von Google überschreiben Glossareinträge die normale Übersetzung, die Zuordnung unterscheidet standardmäßig zwischen Groß- und Kleinschreibung, Begriffe umfassen meist weniger als fünf Wörter, und Glossare haben keine Versionskontrolle, sodass Sie die Quelldatei selbst aufbewahren (Google Cloud). Andere Plattformen unterscheiden sich im Detail, das Prinzip ist aber dasselbe: Sie entscheiden, was aus „Workspace“ oder „Sprint“ auf Deutsch wird, nicht das Modell.

Lokalisierung. Sie geht über Wörter hinaus. Datumsformate, Währungen, Einheiten, förmliche oder informelle Anrede, juristische Formulierungen und Tonalität unterscheiden sich von Markt zu Markt. Eine grammatikalisch perfekte Antwort kann trotzdem unhöflich, zu locker oder rechtlich falsch klingen. Wegen der Lokalisierung ergibt ein Übersetzungstool allein noch keine mehrsprachige Support-Funktion.

Im Sinne des ACE Framework liegt die Übersetzung vor allem bei Ingest (die Nachricht lesen), Analyze (Sprache und Intent erkennen) und Generate (die Antwort erzeugen). Eine übersetzte Antwort einem Kunden ohne menschliche Prüfung vorzulegen, ist in der Praxis ein Execute-Schritt, denn Sie versenden Worte im Namen Ihres Unternehmens.

Drei Wege, es einzusetzen

Die meisten Teams landen bei einem von drei Mustern, und das richtige hängt vom Risiko ab, nicht davon, wie gut die Übersetzung in einer Demo aussieht.

Beachten Sie, was fehlt: eine vierte Zeile für „alles automatisch übersetzen“. Das ist kein Muster, das ist das Fehlen einer Entscheidung. Die Frage automatisieren oder unterstützen gilt für die Übersetzung genauso wie für jeden anderen Teil des Supports.

Praxisbeispiele nach Funktion

Dieselbe Technologie sieht anders aus, je nachdem, wer sie nutzt.

Mitarbeitende an vorderster Front. Eine Support-Mitarbeiterin in Kuala Lumpur erhält ein Ticket auf Portugiesisch. Das Tool zeigt das Original und eine Übersetzung nebeneinander und entwirft eine Antwort, die die Mitarbeiterin zuerst auf Englisch bearbeitet, damit sie genau versteht, was gesendet wird. Der Entwurf wird zurückübersetzt und ihr angezeigt. Wenn die Rückübersetzung merkwürdig klingt, vereinfacht sie den Satz, statt ihm zu vertrauen.

Self-Service und Hilfecenter. Ein Unternehmen übersetzt seine 200 meistgelesenen Hilfeartikel per maschineller Übersetzung und lässt dann einen Muttersprachler die Top 20 stichprobenartig prüfen. Suchergebnisse und der Chatbot antworten in der Sprache des Kunden und greifen dabei auf die übersetzten Artikel zurück. Hier lässt sich am wirkungsvollsten beginnen, denn ein übersetzter Artikel erreicht Tausende Leser. Wenn Sie verbessern möchten, wie Kunden diese Artikel finden, behandelt der Beitrag zur AI-gestützten Hilfecenter-Suche die Suchseite.

Telefon und Live-Chat. Echtzeitübersetzung für den Chat ist inzwischen verbreitet, und die Sprachübersetzung wird besser, aber gesprochene Sprache ist schwieriger. Die Organisatoren von WMT24 beschrieben die Sprachdomäne als anspruchsvoll für Systeme der maschinellen Übersetzung (WMT24 findings). Wenn Ihr Telefonvolumen in einer Sprache nennenswert ist, schlägt ein zweisprachiger Mitarbeitender eine Live-Übersetzungsschicht bei allem, was über einfache Anfragen hinausgeht.

Recht, Finanzen und Compliance. Ein Streit um die Rückerstattungsrichtlinie, eine Anfrage zur Datenlöschung oder eine Mitteilung über eine Vertragsänderung gehen an einen qualifizierten Menschen in dieser Sprache. Ein falsches Wort kann hier eine Verpflichtung verändern. Hier lässt sich Ihre Grenze für „keine ungeprüfte AI“ am saubersten ziehen.

Was die Evidenz über die Qualität zeigt

Qualität ist keine einzelne Zahl. Sie ändert sich je nach Sprachpaar, Texttyp und Grad der Förmlichkeit des Inhalts. Die beste öffentliche Evidenz stammt von der jährlichen Conference on Machine Translation, die Systeme mithilfe professioneller menschlicher Bewerter vergleicht.

In der Ausgabe von 2024 sammelten die Organisatoren Übersetzungen von 8 Large Language Models und 4 Online-Anbietern, neben den Forschungssystemen, in 11 Sprachpaaren, und 108 Annotatoren steuerten mehr als 57.000 Bewertungen bei (WMT24 findings). Drei Erkenntnisse sind für Support-Manager wichtig:

1. Die Leistung schwankt stark je nach Sprachpaar. Die Studie berichtet von nahezu perfekten Ergebnissen für Englisch nach Spanisch in den getesteten Domänen, und der Titel der Studie sagt trotzdem, dass maschinelle Übersetzung nicht gelöst ist. Nehmen Sie nicht an, dass Ihre seltenste Sprache so gut abschneidet wie Ihre häufigste.
2. Die menschliche Bewertung hat das letzte Wort. Die Autoren stellten fest, dass das nach automatischen Metriken beste System in der menschlichen Bewertung nicht durchgängig gewann, und folgerten, dass die menschliche Bewertung über die Übersetzungsqualität letztlich entscheiden sollte (WMT24 findings). Für Sie heißt das: Der Qualitätswert eines Anbieters ist ein Ausgangspunkt. Testen Sie mit Ihren eigenen Tickets und einem zweisprachigen Prüfer.
3. Das Testmaterial waren keine Support-Tickets. Die Domänen waren Nachrichten, Social Media, gesprochene Sprache, literarische und Bildungstexte. Das ist eine Beobachtung dazu, was die Studie abdeckte, keine Kritik an ihr. Support-Nachrichten sind kurz, emotional, voller Produktjargon und oft fehlerhaft geschrieben, daher können Ihre Ergebnisse in beide Richtungen abweichen.

Prüfregeln, die die Übersetzung sicher halten

Qualitätsgrenzen lassen sich beherrschen, wenn Sie Regeln nach Risiko festlegen. Hier ein praxistauglicher Ausgangspunkt.

Nach Folgen abstufen. Sortieren Sie die Inhalte, die Sie übersetzen, in drei Gruppen. Geringes Risiko (Bestellstatus, Öffnungszeiten, Anleitungsschritte) kann mit Stichproben hinausgehen. Mittleres Risiko (Abrechnungserklärungen, Kontoänderungen, Fehlerbehebung, die zu Datenverlust führen könnte) braucht vor dem Versand einen zweisprachigen Prüfer. Hohes Risiko (Rechtsbedingungen, Rückerstattungen über einem Schwellenwert, Sicherheit, regulierte Themen) braucht einen qualifizierten Menschen, der die Antwort schreibt oder vollständig überarbeitet.

Die Unterscheidung des Post-Editing übernehmen. Die Übersetzungsbranche hat einen Standard für die Prüfung maschineller Ergebnisse, ISO 18587. Er unterscheidet leichtes von vollständigem Post-Editing und beschreibt das vollständige Post-Editing als Weg zu einer Qualität, die mit menschlicher Übersetzung vergleichbar ist, wobei die Stufe nach dem Bedarf des Kunden gewählt wird (ATC ISO Committee). Sie müssen nichts zertifizieren, um die Idee zu übernehmen. Für den internen Gebrauch genügt ein kurzes Lesen, etwa wenn ein Mitarbeitender ein übersetztes eingehendes Ticket überfliegt. Kundenseitige Texte zu folgenreichen Themen brauchen die volle Behandlung durch jemanden, der in dieser Sprache qualifiziert ist.

Zahlen, Namen und Verneinungen immer prüfen. Die Fehler, die echten Schaden anrichten, sind selten holprige Grammatik. Es sind ein falscher Betrag, ein vertauschtes Datum, ein ausgelassenes „nicht“ oder ein Produktname, der übersetzt wurde, obwohl er englisch bleiben sollte. Erstellen Sie eine kurze Checkliste und legen Sie sie den Prüfern vor.

Das Original sichtbar halten. Jede übersetzte Konversation sollte die Originalnachricht des Kunden und Ihre ursprüngliche Antwort speichern, damit ein Streitfall oder eine QA-Prüfung sehen kann, was tatsächlich gesagt wurde. Behandeln Sie eine Fehlübersetzung wie jede andere AI-Halluzination: flüssig, selbstsicher und gelegentlich falsch.

Menschen einen Ausweg geben. Bieten Sie eine sichtbare Möglichkeit, zu einem Menschen oder in eine andere Sprache zu wechseln. Das knüpft direkt an ein Thema aus Was Kunden von AI-Service erwarten an: Menschen tolerieren Automatisierung, wenn sie ihr entkommen können.

So führen Sie mehrsprachigen AI-Support Schritt für Schritt ein

1. Die Sprachverteilung aus Ihren Daten ziehen. Zählen Sie die Tickets der letzten sechs Monate nach Sprache, einschließlich der Sprachen, in denen Kunden schreiben, Sie aber derzeit auf Englisch antworten. Das ist Ihre Nachfragekurve.
2. Die ersten zwei oder drei Sprachen nach Volumen und Risiko wählen. Hohes Volumen mit risikoarmen Themen kommt zuerst. Öffnen Sie nicht acht Sprachen auf einmal.
3. Das Hilfecenter übersetzen, bevor Sie Konversationen übersetzen. Ein geprüfter Artikel erreicht Tausende Kunden. Beginnen Sie mit den Top-Artikeln nach Aufrufen und nach vermiedenen Tickets.
4. Das Glossar aufbauen. Listen Sie Produktnamen, Tarifnamen, Funktionsbezeichnungen und Formulierungen auf, die nie übersetzt werden sollen. Lassen Sie einen Muttersprachler die Begriffe der Zielsprache freigeben. Halten Sie die Quelldatei selbst unter Versionskontrolle.
5. Pro Sprache einen Styleguide schreiben. Förmliche oder informelle Anrede, Begrüßungsstil, wie Sie den Kunden ansprechen, Einheiten und Datumsformate. Zwei Seiten genügen.
6. Das Einsatzmuster pro Thema wählen. Nutzen Sie die Tabelle oben. Ordnen Sie jeden Kontaktgrund einem Muster zu: nur eingehend, Entwurf und Prüfung oder abgesicherte automatische Übersetzung.
7. Ihre Prüfer gewinnen. Zweisprachige Mitarbeitende, regionale Partner oder ein Übersetzungsdienstleister auf Abruf. Legen Sie fest, wie schnell eine Prüfung erfolgen muss, denn eine langsame Prüfung macht den Sinn von Echtzeit-Support zunichte.
8. Mit einer Baseline (Ausgangswert) pilotieren. Vergleichen Sie CSAT, erste Antwortzeit, Wiedereröffnungsrate und Eskalationsrate für die Pilotsprache mit denselben Werten vor dem Start.
9. Fehler wöchentlich auswerten. Lesen Sie die Verläufe, in denen der Kunde antwortete „Ich verstehe das nicht“ oder um einen Menschen bat. Korrigieren Sie das Glossar, den Styleguide oder die Themenregeln und erweitern Sie dann.

Die Qualität des Ausgangsmaterials ist ebenso wichtig wie die Übersetzung. Unordentliche Makros und veraltete Artikel werden in ein Dutzend Sprachen zu unordentlichen, veralteten Antworten übersetzt. Deshalb steht Support-Daten für AI vorbereiten vor jedem Rollout.

Fallstricke, die Sie vermeiden sollten

Übersetzung als Häkchen beim Launch behandeln. Zu sagen, Sie „unterstützen“ eine Sprache, weil ein Widget in sie übersetzt, heißt nicht, dass Sie diese Kunden gut bedienen. Messen Sie die Ergebnisse pro Sprache.

Mitarbeitende in einer Sprache antworten lassen, die sie nicht lesen können. Wenn jemand eine übersetzte Antwort sendet, die er nicht verstehen konnte, kann er weder einen Fehler erkennen noch eine Rückfrage beantworten. Nutzen Sie Rückübersetzung oder einen Prüfer.

Dinge übersetzen, die englisch bleiben sollten. Produktnamen, Fehlercodes, API-Begriffe und Schaltflächenbeschriftungen müssen oft mit dem übereinstimmen, was der Kunde in Ihrer Oberfläche sieht. Ein Glossar löst das meiste davon.

Dialekte und Sprachregister ignorieren. Spanisch für Mexiko, Spanien und Argentinien unterscheidet sich in Wortschatz und Ton, ebenso Portugiesisch für Brasilien und Portugal. Wählen Sie die Variante, die Ihre Kunden tatsächlich nutzen.

Die Prüfung von Daten und Datenschutz überspringen. Kundennachrichten an einen Übersetzungsdienst eines Drittanbieters zu senden, bedeutet, personenbezogene Daten zu übermitteln. Klären Sie, wo sie verarbeitet werden, was gespeichert wird und ob Ihre Verträge und lokalen Vorschriften es erlauben.

Was Sie messen sollten

• Qualität: Anteil der übersetzten Antworten, die Prüfer bearbeitet haben, und die in der Prüfung gefundenen Fehlerkategorien (Zahlen, Terminologie, Ton, Auslassungen).
• Ergebnis: CSAT, Erstlösungsquote und Wiedereröffnungsrate, aufgeteilt nach Sprache und nach übersetzten gegenüber muttersprachlichen Konversationen.
• Geschwindigkeit: erste Antwortzeit und Durchlaufzeit der Prüfung je Sprache.
• Abdeckung: Anteil des Ticketvolumens, der in der Sprache des Kunden beantwortet wird, und Anteil der Hilfeartikel, die in jeder Sprache verfügbar sind.
• Kontrolle: Eskalationsrate an zweisprachige Mitarbeitende und Wünsche, die Sprache zu wechseln oder mit einem Menschen zu sprechen.

Wie es weitergeht

Fangen Sie klein an. Nehmen Sie Ihre größte nicht englische Sprache, übersetzen Sie die wichtigsten Hilfeartikel und führen Sie Entwurf und Prüfung für Tickets zu einem risikoarmen Thema ein. Messen Sie einen Monat lang gegen eine Baseline (Ausgangswert). Entscheiden Sie dann, ob Sie eine Sprache hinzufügen oder die Prüfung für dieses Thema lockern. Wenn Sie abwägen, wie viel Sie der Maschine überlassen, liefert Ihnen der Leitfaden automatisieren oder unterstützen den Entscheidungsrahmen, und der zentrale Beitrag zu AI im Kundenservice zeigt, wo die Übersetzung unter den anderen Aufgaben einzuordnen ist. Für die menschliche Seite der Prüfung halten Sie überall dort einen Human-in-the-Loop bereit, wo ein falsches Wort etwas kostet.