Der KI-Nachbesserer für Übersetzungen — ein zweiter Durchgang, der maschinelle Übersetzung im Kontext korrigiert

Maschinelle Übersetzung arbeitet Batch für Batch, schnell, und sie legt sich bei jeder Zeile auf die erste plausible Lesart fest. Bei einer einfachen Zeile ist das kein Problem. Bei einer schwierigen — ein weggelassenes Subjekt, eine Redewendung, ein Wortspiel, eine Zeile, deren Bedeutung an der vorherigen hängt — fällt diese erste Vermutung steif aus, oder wörtlich, oder schlicht falsch. Und meist merkst du es erst, wenn du das Ergebnis Stunden später im Spiel liest.

Der KI-Nachbesserer ist ein zweiter Durchgang, der genau das abfängt, bevor es ausgeliefert wird. Nachdem eine Zeile übersetzt wurde, liest ein KI-Modell sie erneut — neben dem japanischen Original und den umliegenden Zeilen — und formuliert sie dann neu: Es behebt Fehlübersetzungen, glättet wörtliche Formulierungen, trifft den Ton und hält die Terminologie innerhalb einer Szene konsistent. Und das läuft, während der Rest der Übersetzung noch weitergeht, sodass du nicht zwei volle Durchgänge nacheinander abwarten musst.

Was der Nachbesserer tatsächlich tut

Es ist keine Neuübersetzung von Grund auf. Für jede Zeile erhält der Nachbesserer drei Dinge:

• Die Quelle — das japanische Original, als Referenz dafür, was die Zeile bedeuten soll.
• Die aktuelle Übersetzung — das, was der Anbieter im ersten Durchgang erzeugt hat. Genau das verbessert der Nachbesserer.
• Die umliegenden Zeilen — der Rest des Batches. Da Zeilen in Extraktionsreihenfolge verarbeitet werden, ist ein Batch ein zusammenhängender Textabschnitt — meist dieselbe Szene oder Datei —, sodass das Modell etwa zwei Dutzend benachbarte Zeilen an Kontext gratis dazubekommt.

Genau dieser Kontext ist der springende Punkt. Damit kann der Nachbesserer Dinge auflösen, die ein zeilenweise arbeitender Anbieter schlicht nicht kann:

• Weggelassene Subjekte. Das Japanische lässt regelmäßig weg, wer die Handlung ausführt. Die umliegenden Zeilen machen es oft eindeutig; der Nachbesserer kann das richtige Pronomen wieder einsetzen.
• Mehrdeutige Bezüge. Worauf それ („das“) verweist, ob eine Zeile eine Frage oder ein Ausruf ist, wer mit wem spricht.
• Ton und Register. Eine beiläufige Wegwerfzeile, die als steifes, förmliches Englisch wiedergegeben wird, oder die Drohung eines Bösewichts, übersetzt wie eine Kundenservice-E-Mail.
• Wörtliche Redewendungen und Lautmalerei, die der erste Durchgang Wort für Wort statt sinngemäß übersetzt hat.
• Terminologie-Drift innerhalb einer Szene — derselbe Begriff drei Zeilen später auf zwei verschiedene Arten wiedergegeben.

Er läuft nebenläufig — du übersetzt nicht zweimal

Wenn du einen Übersetzungslauf startest, fragt ein Popup, ob auch der Nachbesserer laufen soll. Sagst du Ja, arbeitet er pro Batch: In dem Moment, in dem ein Batch übersetzt ist, wird er an den Nachbesserer übergeben, während der nächste Batch noch übersetzt wird. Da mehrere Worker gleichzeitig laufen, überlappen sich Nachbessern und Übersetzen — den Nachbesserer einzuschalten kostet also weit weniger reale Zeit, als anschließend einen kompletten zweiten Durchgang zu fahren.

Er arbeitet außerdem nach dem Best-Effort-Prinzip. Die Zeile war schon übersetzt, bevor der Nachbesserer sie angefasst hat — schlägt ein Nachbesserungsaufruf also fehl oder brichst du den Lauf ab, bleibt einfach die Übersetzung aus dem ersten Durchgang erhalten. Eine Zeile geht nie verloren, nur weil die Nachbesserung stockt.

Du kannst dabei zusehen: Ein eigener Fortschrittsbalken für den Nachbesserer verfolgt die nachgebesserten Zeilen neben dem Haupt-Übersetzungsbalken, und die Zusammenfassung am Ende des Laufs zeigt dir genau, wie viele Zeilen der Nachbesserer verbessert hat.

Wähle ein beliebiges LLM, tippe das Modell ein

Nachbessern braucht ein anweisbares Modell, daher läuft der Nachbesserer über einen LLM-Anbieter: OpenAI, Anthropic, einen OpenAI-kompatiblen Endpunkt (OpenRouter, NanoGPT und Co.) oder ein lokales Modell via Ollama / LM Studio. Du wählst den Anbieter im Popup und tippst den genauen Modellnamen ein, den du möchtest — gpt-4o, ein claude--Modell, eine lokale Modell-ID, was auch immer, wofür du einen Key hast. Die schnellen statistischen Anbieter (Google, DeepL) eignen sich hervorragend für den ersten Durchgang, können aber nicht der Nachbesserer sein — sie nehmen keine Anweisungen an.

Deine Wahl wird als Standard für das nächste Mal gemerkt, und ein Schalter immer nachbessern überspringt das Popup komplett, falls du es bei jedem Lauf haben willst.

Die kostenclevere Kombi: günstiger erster Durchgang, kluge Nachbesserung

Am stärksten ist der Nachbesserer als zweite Hälfte einer Zwei-Anbieter-Strategie. Übersetze den ersten Durchgang mit dem kostenlosen Google oder DeepL und bessere dann mit Claude oder GPT-4o nach. Du bekommst am Ende Ausgaben in LLM-Qualität, zahlst aber nur für einen einzigen LLM-Durchgang — der kostenlose Durchgang hat die Hauptarbeit erledigt, und das LLM liest darüber nur noch Korrektur und poliert. Für die meisten Projekte ist das der ideale Kompromiss zwischen Kosten und Qualität.

Mit demselben LLM nachzubessern, mit dem du übersetzt hast, hilft ebenfalls — der Nachbesserungsdurchgang sieht den vollen Batch-Kontext und eine ausdrückliche „Verbessere das“-Anweisung, die der erste Durchgang nicht hatte —, verdoppelt aber ungefähr deine Token-Ausgaben bei diesem Anbieter. Heb dir die Nachbesserung mit demselben Anbieter für Projekte auf, bei denen jede Zeile zählt.

So oder so, plane es ein: Jede nachgebesserte Zeile ist ein zusätzlicher (gebündelter) Modellaufruf. Die gute Nachricht ist, dass Translation-Memory-Cache-Treffer übersprungen werden (dazu unten mehr), sodass erneute Läufe günstig bleiben.

Er ist für alle kostenlos

Translation Memory, Anbieter-Routing und das Glossar sind Supporter-Funktionen. Der Nachbesserer ist es nicht. Er läuft vollständig über deinen eigenen API-Key — oder dein eigenes lokales Modell —, kostet uns also nichts im Angebot, und jede Stufe bekommt ihn, kostenlos inklusive. Das Einzige, was du zahlst, sind die Token deines Anbieters.

Passe den Nachbesserer-Prompt an

Der Nachbesserer hat seinen eigenen Prompt, getrennt vom Übersetzungs-Prompt, unter Einstellungen → Übersetzung. Der Standard weist das Modell bereits an, Natürlichkeit und Genauigkeit zu verbessern, jeden Platzhalter und Tag zu erhalten, etablierte Terminologie beizubehalten und niemals Japanisch auszugeben. Überschreibe ihn, um einen Hausstil durchzusetzen — ein Register, den Umgang mit Anreden (Honorifics), eine Altersfreigabe, eine Zielgruppe:

Nur die aktuelle Übersetzung wird maskiert und wiederhergestellt, sodass deine Engine-Tags (RPG Maker-Steuercodes, KAG-Tags, Ren'Py-Interpolationen) und alle Glossarbegriffe den Nachbesserungs-Roundtrip unangetastet überstehen. Das Modell sieht nur dieselben undurchsichtigen Platzhalter im [[T0]]-Stil wie schon der erste Durchgang.

Was er nicht anfasst

• Translation-Memory-Treffer. Zeilen, die aus deinem TM kommen, sind Übersetzungen, die du bereits gewählt oder von Hand bearbeitet hast; der Nachbesserer lässt sie in Ruhe und arbeitet nur an frisch maschinell übersetzten Zeilen.
• Platzhalter und Engine-Tags. Sie werden durch den Nachbesserungsdurchgang genauso maskiert wie bei der normalen Übersetzung, sodass Steuercodes, Ruby-Text und Interpolationen intakt zurückkommen.
• Fehlgeschlagene Zeilen. Der Nachbesserer verbessert eine vorhandene Übersetzung; er ist kein eigenständiger Übersetzer. Eine Zeile, die im ersten Durchgang fehlschlug (z. B. ein Anbieter, der das Japanische unverändert zurückgab), wird nicht auf magische Weise repariert — wechsle den Anbieter und lasse diese erneut laufen.

So verwendest du ihn

1. Starte einen Übersetzungslauf wie gewohnt und wähle deinen Anbieter für den ersten Durchgang (das kostenlose Google / DeepL ist hier eine hervorragende Wahl).
2. Wähle im Popup Auch nachbessern, wähle einen LLM-Anbieter und tippe das Modell ein. Aktiviere immer nachbessern, wenn du dies beim nächsten Mal überspringen willst.
3. Beobachte die beiden Fortschrittsbalken — Übersetzung plus den eigenen Nachbesserer-Balken.
4. Prüfe das Ergebnis; die Lauf-Zusammenfassung zeigt, wie viele Zeilen der Nachbesserer verbessert hat.
5. Willst du einen bestimmten Stil? Bearbeite den Nachbesserer-Prompt unter Einstellungen → Übersetzung und lass erneut laufen — nur ausstehende und geänderte Zeilen werden erneut verarbeitet.

Zum Schluss

Eine maschinelle Übersetzung im ersten Durchgang bringt dich bis „lesbar“. Der Nachbesserer ist der günstigste Weg, darüber hinauszukommen — ein zweites Modell, das jede Zeile im Kontext gegen das Original liest und die Dinge behebt, die ein kurzsichtiger erster Durchgang falsch macht. Kombiniere ihn mit einem günstigen Anbieter für den ersten Durchgang und einem starken Nachbesserungsmodell und einem Glossar für Namen, und deine Ausgabe landet punktgenau im Bereich „als Fan-Übersetzung mit leichter Handnachbearbeitung veröffentlichbar“.

Lade RuneTranslate herunter und probiere den Nachbesserer an einem echten Projekt aus — er ist auf jeder Stufe kostenlos, mit deinem eigenen API-Key oder lokalen Modell.