DeepL vs ChatGPT beim Übersetzen: zwei Bauarten
Diese beiden werden verglichen, als lösten sie dieselbe Aufgabe. Tatsächlich ist das eine ein Übersetzungsdienst mit stabiler Ausgabe und das andere ein Sprachmodell, das jedes Mal neu formuliert. Dieser Beitrag zeigt, wofür jede Bauart taugt und wo die Entscheidung tatsächlich fällt.
Vom Team von KI Alternativen
Der Vergleich beginnt sinnvoll nicht bei der Qualität, sondern bei einer Eigenschaft, die selten genannt wird: Reproduzierbarkeit. Ein spezialisierter Übersetzungsdienst liefert bei gleicher Eingabe zweimal dieselbe Ausgabe. Ein Sprachmodell liefert zweimal eine ähnliche. Diese eine Eigenschaft entscheidet die meisten Anwendungsfälle, bevor irgendjemand eine Formulierung bewertet.
Die Gegenüberstellung
Keiner dieser fünf Punkte ist eine Wertung. Sie beschreiben, was die beiden Bauarten unterschiedlich machen, und die Gewichtung hängt daran, was du übersetzt.
- Stabilität: DeepL liefert bei gleicher Eingabe reproduzierbare Ergebnisse. ChatGPT formuliert bei jedem Durchgang neu.
- Anweisbarkeit: DeepL nimmt Vorgaben nur in engem Rahmen entgegen. ChatGPT lässt sich anweisen, Anrede, Fachbegriffe, Zielgruppe und Textsorte zu beachten.
- Zusatzwissen: DeepL übersetzt den vorgelegten Text. ChatGPT kann mitgegebene Zusatzinformationen berücksichtigen, etwa ein Glossar oder eine bestehende Übersetzung.
- Dateien mit Layout: DeepL ist auf Office-Formate mit Formaterhalt ausgelegt. Bei einem Sprachmodell baust du diesen Weg selbst.
- Herkunft: DeepL kommt von der DeepL SE mit Sitz in Köln, gegründet 2017. Das ist keine Qualitätsaussage, aber für manche Beschaffung ein Kriterium.
Wann die stabile Ausgabe gewinnt
Immer, wenn eine Übersetzung zu etwas passen muss, das bereits existiert. Produktkataloge, Oberflächentexte einer Software, Formulare, wiederkehrende Vertragsbausteine: Dort ist eine schönere, aber abweichende Formulierung kein Gewinn, sondern ein Fehler.
Ebenso dort, wo mehrere Personen dieselbe Quelle übersetzen. Zwei Menschen, die dasselbe Sprachmodell fragen, bekommen zwei verschiedene Ergebnisse, und die Zusammenführung kostet mehr Zeit als beide Übersetzungen zusammen.
Wann das Sprachmodell gewinnt
Bei allem, was mehr ist als eine Übersetzung. Ein englischer Blogtext, der auf Deutsch nicht übersetzt, sondern angepasst gehört. Eine Kundenmail, die in der Zielsprache eine andere Höflichkeitsstufe braucht. Ein Fachtext, bei dem du dein eigenes Glossar mitgeben willst.
Der Test dafür ist einfach: Wenn du beim Lesen der Übersetzung Änderungen vornehmen würdest, die mit dem Ausgangstext nichts zu tun haben, brauchst du kein Übersetzungswerkzeug, sondern ein Schreibwerkzeug.
Der Fehler, der beide Wege ruiniert
Beides parallel zu benutzen, ohne festzulegen wofür. Dann liegen von demselben Ausgangstext zwei Übersetzungen vor, die sich unterscheiden, und niemand weiß mehr, welche die gültige ist. In Teams ist das der häufigste Grund, warum Übersetzungsabläufe nach ein paar Monaten zerfallen.
Die Lösung ist eine Zeile in eurer Arbeitsanweisung: Diese Textsorten laufen über den Übersetzungsdienst, jene über das Sprachmodell. Welche Zuordnung ihr wählt, ist zweitrangig; dass es eine gibt, ist der ganze Gewinn.