Einleitung
Elena Grau bekam die Absage an einem Dienstagvormittag. Die Agentur brauche weniger Übersetzung, mehr „Post-Editing“. Das Wort klang harmlos, fast sauber. Für Elena bedeutete es: weniger Aufträge, mehr Kontrolle über Texte, die eine Maschine schneller, aber nicht klüger gemacht hatte.
Sie lebt in Berlin und berät heute Organisationen, die KI-Übersetzung nutzen, ohne Verantwortung aus dem Prozess zu schieben. Ihr Fachgebiet ist der kleine Unterschied zwischen korrekt und passend.
Geschichte des Weges in die KI
Zuerst war Elena wütend. Maschinen übersetzten Kampagnentexte, Gesundheitsinformationen und interne Mails in einem Tempo, gegen das kein Mensch antreten konnte. Aber die Fehler waren nicht zufällig. Ein höflicher Hinweis wurde in einer Sprache zu streng, ein inklusiver Begriff klang plötzlich bürokratisch, eine Metapher wanderte als Unsinn weiter.
Statt nur gegen die Tools zu argumentieren, sammelte Elena ihre Schwächen. Sie lernte Terminologiemanagement, Qualitätsmetriken und den Umgang mit Sprachmodellen. Ihr erstes Projekt war ein Prüfworkflow für eine gemeinnützige Organisation, die Informationsmaterial in mehreren Sprachen herausgab. Die KI durfte Rohfassungen liefern, aber jede heikle Stelle wurde markiert: Ton, Register, kultureller Bezug, mögliche Missverständnisse. Einmal übersetzte das System einen neutralen Gesundheitshinweis so, als würde es eine Anweisung erteilen. Elena zeigte dem Team, warum Grammatik allein nicht reicht.
Aktuelle Arbeit
Heute baut Elena Lokalisierungsprozesse für Vereine, Verwaltungen und kleine Unternehmen. Bei einem Flyer zu Beratungsgesprächen ließ sie die Maschine drei Varianten vorschlagen. Danach prüfte eine Muttersprachlerin den Ton, eine Fachperson den Inhalt und Elena die Konsistenz der Begriffe. Dieser Ablauf dauert länger als ein Klick, aber deutlich kürzer als ein kompletter Neustart nach einer misslungenen Veröffentlichung.
Elena sieht ihre Arbeit nicht als Rettung eines alten Berufsbilds. Übersetzung verschiebt sich: weniger erste Fassung, mehr Kontextprüfung, Terminologie, Risikoabwägung. Wer das verschweigt, macht Übersetzerinnen klein. Wer es sauber gestaltet, gibt ihrem Wissen einen neuen Platz.
Persönlicher Rat
„Dein Fachwissen verschwindet nicht, es sitzt nur an einer anderen Stelle im Ablauf“, sagt Elena. Ihr Rat: Nicht jedes Tool bekämpfen, aber jeden automatischen Text fragen, für wen er klingt, als sei er geschrieben worden.
Schlüsselfakten
Alter und Ort: 39, Berlin.
Hintergrund: Übersetzung, Arbeitslosigkeit, berufliche Neuverhandlung.
Einstieg in KI: Prüfworkflow für mehrsprachige Informationsmaterialien.
Schwerpunkt heute: KI-Lokalisierung mit menschlicher Qualitätskontrolle.
Typische Werkzeuge: maschinelle Übersetzung, Terminologiedatenbanken, Qualitätsmetriken.