Mehrsprachiger KI-Avatar, was vor der ersten Sprachfassung zu klären ist

Was gleich bleibt und was sich ändert

Bild aus einer Aufnahme, Ton je Sprache, Lippenbewegung nachgerechnet.

Eine Sprachfassung ist kein neues Video, sondern eine neue Tonspur zu einem bestehenden Bild. Aufgenommen wird die Person einmal. Für jede weitere Sprache entsteht eine Tonspur, und die Lippenbewegung im Bild wird zu dieser Tonspur nachgerechnet. Deshalb bleibt das Aussehen über alle Märkte gleich, und deshalb ist die fünfte Fassung erheblich weniger Arbeit als die erste.

Die letzten beiden Zeilen werden bei der Planung am häufigsten übersehen. Wer Schrift ins Bild legt, hat sie je Sprache neu zu setzen, und wer sie in arabischer oder hebräischer Fassung ausliefert, hat außerdem die Leserichtung gegen sich. Das ist kein technisches Problem, sondern eines des Bildaufbaus, und es lässt sich vermeiden, indem tragende Aussagen gesprochen und nicht geschrieben werden.

1:12

Das Video liegt bei Wistia. Erst beim Abspielen werden Daten dorthin übertragen, unter anderem Ihre IP-Adresse. Näheres in der Datenschutzerklärung.

Sprache ist nicht gleich Sprachraum

Portugiesisch für Brasilien oder Portugal ist eine Entscheidung.

Die erste Festlegung ist nicht die Zahl der Sprachen, sondern die Variante. Wer Portugiesisch bestellt, bekommt eine der beiden Fassungen, und für einen brasilianischen Markt klingt die europäische fremd. Dasselbe gilt für Spanisch, für Chinesisch und für das Verhältnis von britischem und amerikanischem Englisch. Die Auswahl gehört zum Vorhaben und nicht in die Produktion.

An der Variante hängen mehr als Wörter. Datumsangaben, Zahlformate, Maßeinheiten und Preisangaben mit oder ohne Steuer sind je Markt verschieden. Ein Video, das im deutschen Original einen Preis nennt, ist in vier Sprachfassungen ein Video mit vier Angaben, die je Markt richtig oder falsch sein können. Das ist einer der Gründe, verbindliche Zahlen nicht ins Bild zu nehmen.

Die Länge geht auseinander

Derselbe Inhalt braucht in jeder Sprache unterschiedlich viel Zeit.

Wer eine deutsche Fassung ins Englische bringt, bekommt einen kürzeren Text, und ins Französische einen längeren. Das ist keine Eigenart eines Werkzeugs, sondern eine Eigenschaft der Sprachen. Bei einem Werbefilm mit Musikbett und festen Schnittmarken entscheidet das über die Machbarkeit, bei einem Schulungsvideo ist es folgenlos.

Es gibt zwei Wege, und beide sind vertretbar. Der erste lässt die Fassungen unterschiedlich lang werden. Das ist der einfachere Weg und passt für Schulung, Einarbeitung und Produkterklärung. Der zweite hält die Länge fest und bringt den Text je Sprache darauf. Dann übersetzt niemand Satz für Satz, sondern schreibt die Aussage in der Zielsprache neu, mit dem Zeitfenster als Vorgabe. Das ist mehr Arbeit und braucht jemanden, der beides kann, die Sprache und den Inhalt.

Wer die Länge gleich halten will, bestellt keine Übersetzung, sondern eine Neufassung mit Zeitvorgabe. Das ist eine andere Leistung und gehört auch so beauftragt.

Der Prüfweg je Fassung

Hören statt lesen, und durch eine zweite Person.

Eine Sprachfassung wird nicht am Text abgenommen, sondern am fertigen Ton. Der Grund ist einfach: Fehler in der Aussprache stehen nicht im Text. Ein Firmenname, eine Abkürzung, eine Ziffernfolge, eine Produktbezeichnung mit englischem Ursprung in einem französischen Satz, all das liest sich richtig und klingt falsch.

1. Übersetzung anlegen, mit Glossar und mit der Fassung, die maßgeblich ist.
2. Revision durch eine zweite Person, die die Sprache spricht und das Fachgebiet kennt. ISO 17100 verlangt diese Trennung für die Konformität, und sie ist auch ohne Zertifikat der Grund, warum Fehler gefunden werden.
3. Tonspur erzeugen und anhören, mit Blick auf Namen, Zahlen, Abkürzungen und Fachbegriffe.
4. Bild mit nachgerechneter Lippenbewegung ansehen, bei Sprachen mit anderen Lautbildern genauer.
5. Untertitel gegen den gesprochenen Text prüfen, nicht gegen die Übersetzung.
6. Freigabe durch jemanden aus dem Zielmarkt, dokumentiert mit Datum und Stand.

Für maschinell übersetzte und danach nachbearbeitete Texte beschreibt ISO 18587 den Umfang dieser Nachbearbeitung und unterscheidet dabei zwischen vollständigem und leichtem Posteditieren. Diese Unterscheidung ist nützlich für die Beauftragung: Für ein Video, das ein Unternehmen nach außen vertritt, ist die leichte Fassung zu wenig.

Glossar vor der ersten Übersetzung

Fachbegriffe einmal festlegen, sonst entscheidet die Maschine jedes Mal neu.

Der häufigste Mangel in Sprachfassungen ist kein Fehler, sondern Unbeständigkeit. Derselbe Begriff heißt im ersten Video so und im dritten anders, weil zwischen beiden niemand festgelegt hat, wie er heißt. Bei Produktnamen, Rollenbezeichnungen und Fachbegriffen aus der eigenen Branche fällt das den Adressaten auf, und zwar bevor sie es benennen können.

Ein Glossar dagegen ist schnell gemacht und trägt über Jahre. Für den Anfang genügt eine Liste mit drei Spalten: der Begriff im Original, die verbindliche Entsprechung je Sprache, und eine Zeile dazu, was gemeint ist. Die dritte Spalte ist die wichtigste, weil sie verhindert, dass jemand später eine plausible falsche Entsprechung einträgt.

Die Anrede verdient eine eigene Bemerkung. Ein deutscher Text, der siezt, wird in einer Sprache ohne diese Unterscheidung neutral, und in einer anderen entscheidet der Übersetzer nach Gefühl. Wer in Deutschland förmlich auftritt und in der spanischen Fassung plötzlich duzt, sendet zwei verschiedene Botschaften über dasselbe Haus.

Die Stimme in einer Sprache, die die Person nicht spricht

Ein Stimmklon überträgt den Klang, nicht die Sprachkenntnis.

Wenn die Stimme der abgebildeten Person geklont wird, spricht sie in der fremden Sprache mit ihrem Klang, aber ohne ihre Sprechgewohnheiten in dieser Sprache. Für Muttersprachler klingt das je nach Sprachpaar zwischen unauffällig und fremd. Bei Sprachen mit Lauten, die im Deutschen nicht vorkommen, hört man es am ehesten.

Daraus ergibt sich eine Entscheidung, die weniger technisch ist, als sie aussieht: geklonte Stimme über alle Sprachen, oder je Sprache eine passende Stimme aus dem Bestand. Der Klon hält die Person zusammen, die Bestandsstimme klingt im Zielmarkt vertrauter. Bei einer Botschaft der Geschäftsführung überwiegt meist das erste, bei Schulungsvideos das zweite.

Kennzeichnung in der Sprache der Fassung

Ein deutscher Hinweis unter einem spanischen Video erreicht niemanden.

Artikel 50 der KI-Verordnung verlangt, dass erkennbar ist, wenn ein Inhalt künstlich erzeugt oder verändert wurde, und dass diese Offenlegung klar und unterscheidbar erfolgt. Beim Übersetzen bleibt dieser Hinweis regelmäßig stehen, wie er ist, weil er nicht im Sprechtext steht, sondern in der Beschreibung, im Abspann oder auf der Seite unter dem Video.

Damit ist die Pflicht in der Sache nicht erfüllt. Ein Hinweis, den der Adressat nicht lesen kann, erklärt ihm nichts. Wir führen deshalb den Kennzeichnungstext als eigenen Eintrag im Glossar und geben ihn je Fassung mit aus, an derselben Stelle wie im Original.

• Der Hinweis steht in der Sprache der Fassung.
• Er steht an derselben Stelle wie im Original, damit er nicht je Markt verschieden auffindbar ist.
• Er wird bei jeder Neuerzeugung mitgeprüft, weil er beim Austausch der Tonspur leicht verloren geht.
• Untertitel und Beschreibung gehören dazu, nicht nur der Abspann.

Dieselbe Überlegung gilt für Untertitel überhaupt. Sie sind keine Beigabe, sondern für einen Teil der Zuschauer die einzige Fassung, die ankommt: in Umgebungen ohne Ton, bei Hörbeeinträchtigung und bei Zuschauern, die die Sprache lesen, aber schlechter hören. Eine Untertiteldatei je Fassung gehört deshalb in den Lieferumfang und nicht in eine späthere Ausbaustufe.

Pflege, oder wie Fassungen auseinanderlaufen

Nach der dritten Änderung stimmt eine Fassung nicht mehr.

Der Vorteil erzeugter Videos liegt in der Änderung: Text anpassen, neu erzeugen, fertig. Bei mehreren Sprachen wird daraus die Hauptquelle für Fehler. Der deutsche Text wird geändert, weil jemand einen Fehler gemeldet hat. Die übrigen vier Fassungen bleiben, wie sie sind, weil sie nicht im Blick waren. Nach einem halben Jahr sagt das Unternehmen in fünf Sprachen fünf verschiedene Dinge.

Der dritte Punkt lohnt eine eigene Liste. Nicht jede Änderung rechtfertigt fünf neue Fassungen; eine geglättete Formulierung im deutschen Text tut es nicht. Angaben zu Preis, Frist, Leistungsumfang, Zuständigkeit und Rechtsfolgen hingegen schon, und diese Liste steht besser vorher fest als im Einzelfall.

Wer haftet für die dritte Fassung

Eine falsche Übersetzung ist nicht nur ein sprachlicher Mangel.

Sobald ein Video Angaben enthält, an denen jemand ein Interesse hat, wird die Übersetzung zur Rechtsfrage. Eine Frist, die in der deutschen Fassung vierzehn Tage lautet und in der italienischen dreißig, ist keine Nuance. Wer sich auf die Fassung in seiner Sprache verlässt, wird sich darauf berufen.

Drei Festlegungen halten das im Rahmen. Erstens: verbindliche Angaben gehören nicht ins Video, sondern auf die Seite darunter, wo sie ohne Neuerzeugung geändert werden können. Zweitens: die maßgebliche Fassung wird benannt, in der Beschreibung und im Vertrag. Drittens: die Freigabe je Markt wird dokumentiert, damit später nachvollziehbar ist, wer den Inhalt in dieser Sprache bestätigt hat.

Was im Video steht, ist in fünf Sprachen fünf Aussagen. Was auf der Seite darunter steht, ist eine Angabe, die sich korrigieren lässt.

Auch bei einem sprechenden Avatar, der antwortet statt vorzulesen, gilt das, und zwar verschärft: Dort entsteht der Satz erst im Gespräch, und niemand hat ihn vorher in dieser Sprache gelesen. Wie die Grenze zwischen Auskunft und Zusage zu ziehen ist, steht auf der Seite zum Kundendienst.

Reihenfolge, die Geld spart

Erst entscheiden, welche Sprachen kommen, dann aufnehmen.

Die Reihenfolge ist der Punkt, an dem sich der Aufwand entscheidet, und er wird meistens umgekehrt begangen: erst das deutsche Video, Monate später die Frage nach weiteren Sprachen. Dann steht der Text bereits im Bild, mit Formulierungen, die für eine Sprache geschrieben wurden.

1. Festlegen, welche Sprachen und Varianten in den nächsten zwölf Monaten kommen, auch wenn zunächst nur eine bestellt wird.
2. Den Sprechtext übersetzungsfähig schreiben: keine Wortspiele, keine Redewendungen, keine Vergleiche, die außerhalb des deutschsprachigen Raums nicht tragen.
3. Glossar anlegen, bevor die erste Übersetzung beginnt.
4. Entscheiden, ob die Länge je Fassung gleich bleiben muss.
5. Erst dann aufnehmen, mit Blick auf die Aufnahme, die alle Fassungen tragen muss.
6. Erste Fremdsprache als Probe behandeln, prüfen, und den Prüfweg danach für die übrigen festschreiben.

Nach der ersten Fassung liegt der Aufwand in der Sprache und nicht in der Technik. Er sinkt deshalb je Sprache, während die Prüfung gleich bleibt: sie ist der Posten, der nicht billiger wird. Die Zahlen dazu stehen auf der Preisseite.

Wann sich Sprachfassungen nicht lohnen

Drei Fälle, in denen wir davon abraten.

Nicht jedes Vorhaben wird durch weitere Sprachen besser. Drei Fälle sprechen dagegen, und in allen drei sagen wir es vorher.

• Der Inhalt ändert sich häufiger als vierteljährlich. Dann kostet die Pflege mehr, als die Fassungen einbringen, und die Fassungen stimmen im Zweifel nicht.
• Im Zielmarkt gibt es niemanden, der prüfen kann. Eine Fassung ohne Prüfung ist ein Risiko, das größer ist als der Gewinn an Reichweite.
• Die Zielgruppe arbeitet ohnehin auf Englisch. In vielen technischen Bereichen ist die englische Fassung die gelesene, und eine zusätzliche Landessprache verdoppelt nur die Pflege.

Der zweite Fall ist der häufigste und wird am seltensten benannt. Wer eine Sprache bestellt, für die im eigenen Haus niemand einstehen kann, verlagert die Verantwortung auf den Dienstleister, und der kann sie für den Inhalt nicht übernehmen. Wir schlagen dann vor, mit den Sprachen anzufangen, für die es eine prüfende Person gibt, und die übrigen später zu ergänzen.

Was Sie als Nächstes lesen sollten

Drei Seiten, die an dieser hängen.

Wer wissen will, wie die Lippenbewegung nachgerechnet wird und wo sie bricht, findet das auf der Seite zum Bewegtbild. Wer den Avatar antworten lassen will statt vorlesen, findet die Kette zwischen Frage und Antwort auf der Seite zum Avatar-Chatbot, und den Dienstbetrieb dazu auf der Seite zum Kundendienst.

Wer die Rechte der abgebildeten Person regeln will, insbesondere für den Stimmklon in fremden Sprachen, findet die Punkte für die Einwilligung auf der eigenen Seite dazu. Und wer noch vor der Grundsatzfrage steht, findet den Überblick über alle Schritte auf der Einstiegsseite.

Häufige Fragen zu mehrsprachigen Avataren