Terminologie und Glossare für lokalisierte Inhalte verwalten

Kurz gefasst

Konsistente Terminologie entscheidet über die Qualität lokalisierter Inhalte: Wer denselben Begriff in jeder Sprache anders nennt, verliert Vertrauen, Zeit und Reichweite. Dieser Leitfaden zeigt Aufbau, Durchsetzung und Pflege mehrsprachiger Glossare, speziell für Video-, Audio- und Kursinhalte.

Inhaltsverzeichnis

• Warum konsistente Terminologie über Sprachen hinweg entscheidend ist
• Glossar oder Terminologiedatenbank: Die Grundlagen
• Was in einen guten Glossareintrag gehört
• Terminologie in Übersetzungs- und KI-Workflows durchsetzen
• Besonderheiten bei Video, Audio und Kursinhalten
• Pflege und Governance: Terminologie am Leben halten
• Praktischer Fahrplan in fünf Schritten
• Häufige Fragen
• Quellen

Das Wichtigste

• Sprache ist ein Kaufkriterium: Inhalte in der Sprache der Zielgruppe entscheiden über Kaufbereitschaft und Kundenbindung.
• Ein Glossar legt fest, welche Benennung verwendet wird; eine Terminologiedatenbank verwaltet zusätzlich Definitionen, Kontexte und Freigaben.
• Glossare steuern maschinelle Übersetzung gezielt, vorausgesetzt jeder Quellbegriff hat genau eine Zielbenennung und die Liste ist frei von Duplikaten und Tippfehlern.
• Do-not-translate-Einträge schützen Produkt- und Markennamen vor Fehlübersetzungen in Untertiteln, Synchrontexten und Kursen.
• Pflege braucht klare Rollen: Produktmanager definieren Begriffe, Linguisten validieren, ein Verantwortlicher gibt frei und markiert Veraltetes.

Warum konsistente Terminologie über Sprachen hinweg entscheidend ist

Sprache ist kein Kompromiss am Rande, sondern ein Kaufkriterium. In seiner Studie ‚Can't Read, Won't Buy‘ befragte CSA Research gemeinsam mit Kantar 8.709 Verbraucher in 29 Ländern in Europa, Asien, Nord- und Südamerika: 76 Prozent wählen bei zwei ähnlichen Produkten dasjenige mit Informationen in ihrer eigenen Sprache, und 40 Prozent kaufen überhaupt nicht auf Websites in einer anderen Sprache.[1] 75 Prozent der Befragten kaufen eher erneut bei derselben Marke, wenn der Kundenservice in ihrer Sprache stattfindet.[1] Wer Inhalte also nur in einer Sprache ausstrahlt, verliert messbar Kaufbereitschaft und Kundenbindung, selbst wenn das Produkt selbst überzeugt.

Für Studios, Medienhäuser und Kursanbieter kommt ein zweites Problem hinzu: Das Volumen wächst schneller als die Kontrolle darüber. Podcasts, Videolektionen und Kursmodule werden in Dutzende Sprachen lokalisiert, oft mit Unterstützung maschineller Übersetzung und generativer KI. Ohne verbindliche Begriffslisten erzeugt jedes System und jede beteiligte Person eigene Varianten für denselben Fachbegriff. Die Terminologie driftet auseinander, und zwar mit jeder neuen Sprache, jeder neuen Episode und jedem neuen Dienstleister im Prozess.

• Supportlast: Wer denselben Begriff in jeder Lektion anders nennt, erzeugt Rückfragen, die vermeidbar wären.
• Marke: Ein Feature, das im deutschen Video anders heißt als im spanischen Kurs, verwässert die Markenstimme.
• Effizienz: Inkonsistente Begriffe führen zu Nachbearbeitung, Korrekturschleifen und verzögerten Markteinführungen.[2]
• Vertrauen: Fachlich präzise, einheitliche Benennungen wirken professionell; wechselnde Begriffe wirken nachlässig.

Der Gegenpol zu dieser Drift ist ein gepflegtes Terminologiesystem: eine zentrale Sammlung der Begriffe, die das Unternehmen und seine Produkte definieren, mit klaren Regeln, wie sie in jeder Sprache lauten. Genau darum geht es im Rest dieses Artikels, von den Werkzeugen über den Aufbau belastbarer Einträge bis zur Durchsetzung in KI-Workflows.

Glossar oder Terminologiedatenbank: Die Grundlagen

Beide Begriffe werden oft synonym verwendet, beschreiben aber zwei unterschiedliche Werkzeuge. Ein Glossar ist eine einfache, meist tabellarische Liste: Es legt fest, welche Benennung für einen Quellbegriff in der Zielsprache verwendet werden soll, typischerweise als Begriffspaar ohne weitere Metadaten. Eine Terminologiedatenbank, oft Termbase genannt, dokumentiert zusätzlich, warum, wo und in welchem Kontext eine Benennung verwendet wird: mit Definitionen, Kontexten, Varianten, Freigabestatus und Metadaten.[2]

Merkmal	Glossar	Terminologiedatenbank
Struktur	Einfache Begriffspaare, z. B. Excel oder CSV	Strukturierte Einträge mit Metadaten auf Konzept- und Sprachebene
Inhalt	Zuordnung Quellbegriff zu Zielbenennung	Zusätzlich Definitionen, Kontexte, Varianten, Status, Autor, Datum
Pflegeaufwand	Gering, Einstieg für kleine Bestände	Höher, dafür kontrollierte Freigabe- und Änderungsprozesse
Hauptfunktion	Durchsetzung von Benennungen in Übersetzungs- und KI-Systemen	Zentrale Wissensbasis für Terminologiemanagement über Teams und Systeme hinweg

Die entscheidende Erkenntnis: Beide sind keine Alternativen, sondern ergänzen sich. Das Glossar ist das operative Werkzeug, das einem Übersetzungssystem vorgibt, welche Benennung in der Zielsprache zu verwenden ist. Die Terminologiedatenbank bildet die fachliche Grundlage dahinter und verwaltet, ob ein Synonym zulässig ist, welcher Begriff bevorzugt wird und in welchen Kontexten er gehört. Sobald mehrere Sprachen, Teams oder Standorte beteiligt sind, stößt ein bloßes Glossar an Grenzen, weil Freigaben und Änderungen nicht nachvollziehbar dokumentiert sind.[2]

In der Praxis bedeutet das für ein Studio oder einen Kursanbieter: Beginnen Sie mit einem schlanken Glossar für die wichtigsten Begriffe, und wachsen Sie in eine Termbase hinein, sobald mehrere Sprachen, externe Dienstleister oder automatisierte Workflows dazukommen.

Was in einen guten Glossareintrag gehört

Eine Liste von Wörtern und Übersetzungen ist ein Wörterbuch, kein Verwaltungswerkzeug. Damit ein Eintrag Konsistenz tatsächlich erzwingen kann, braucht er mehrere Pflichtfelder. Microsoft nennt für jeden Begriff die Definition als absolutes Minimum, dazu Quelle und Kontext, grammatische Angaben wie Wortart oder Genus, Nutzungsbeispiele und einen Status wie „freigegeben" oder „abgelehnt".[3]

• Definition: was der Begriff bezeichnet und was ausdrücklich nicht, als absolutes Minimum für jeden Eintrag.[3]
• Quelle und Kontext: woher der Begriff kommt und in welchem Zusammenhang er verwendet wird, plus Nutzungsbeispiele für Übersetzende.
• Grammatische Angaben: Wortart und Genus, entscheidend für Sprachen mit komplexer Grammatik.
• Status: zum Beispiel freigegeben oder abgelehnt, damit niemand einen ungeprüften Begriff übernimmt.
• Ausschlüsse: Schreibweisen und Synonyme, die nicht verwendet werden dürfen, sowie Kontexte, in denen der Begriff nicht passt.

Zwei Entscheidungen verdienen eigene Aufmerksamkeit. Erstens die Do-not-translate-Kennzeichnung: Produkt- und Markennamen sowie zentrale Features bleiben häufig in der Ausgangssprache, meist aus Branding-Gründen oder weil der Markt den Ausgangsbegriff bevorzugt, und genau das muss im Eintrag verbindlich festgehalten werden.[3] Zweitens die Grundsatzentscheidung pro Begriff: übersetzen, transliterieren oder den Quellbegriff beibehalten. Bei markenrechtlich geschützten Namen stellt sich sogar die Frage, ob eine übersetzte Entsprechung selbst geschützt werden muss.

Und schließlich das Timing: Stabilisieren Sie Quellbegriffe früh, bevor die Lokalisierung startet. Werden alle wichtigen Begriffe mit ihren Übersetzungen festgeschrieben, bevor das erste Video lokalisiert wird, legt nicht jede übersetzende Person ihre eigenen Varianten an.[3]

Terminologie in Übersetzungs- und KI-Workflows durchsetzen

Ein Glossar wirkt nur, wenn es technisch verankert ist. Bei maschineller Übersetzung läuft das so ab: Die Engine vergleicht den Quelltext mit dem angehängten Glossar, identifiziert Begriffe mit hinterlegter Übersetzung und ersetzt die Treffer durch die vorgegebene Benennung. Wichtig dabei: Das Glossar trainiert die Engine nicht neu, es überschreibt nur den passenden Begriff im Output.[4]

Derselbe Mechanismus gilt in CAT-Tools, die Übersetzende beim Arbeiten auf Glossartreffer hinweisen, und zunehmend in generativer KI. Sprachmodelle erzeugen Sprache nicht von selbst terminologisch konsistent: Ohne klare Vorgaben entstehen für denselben Sachverhalt unterschiedliche Benennungen. Glossare lassen sich deshalb über Prompts, RAG-Systeme oder direkte Schnittstellen an KI-Workflows anbinden, damit die definierten Begriffe auch dort verfügbar sind, wo Inhalte entstehen.[2]

Die Grenzen liegen in der Morphologie. Bei flektierenden Sprachen mit vielen Fällen und grammatischen Geschlechtern kann ein Glossar die Wortform oder Endung nicht an den Satzzusammenhang anpassen, und Verben lassen sich nicht korrekt nach Person, Numerus oder Tempus konjugieren. Für solche Begriffe ist der Nutzen begrenzt, am zuverlässigsten arbeiten Glossare mit zusammengesetzten Substantiven wie Produkt- und Firmennamen.[4]

• Klein halten: Kleine Glossare mit den wichtigsten Begriffen wirken besser als riesige Listen, die den Output sogar verschlechtern können.[4]
• Fehlerfrei und ohne Duplikate: Mehrfach vorhandene Begriffe verwirren die Engine, Tippfehler pflanzen sich fort.[4]
• Nur eindeutige Zuordnungen: Jeder Quellbegriff sollte genau eine Zielbenennung haben.[2]
• Post-Editing als letzte Stufe: Glossare verbessern die Qualität, ersetzen aber keine menschliche Prüfung des fertigen Outputs.[4]

Besonderheiten bei Video, Audio und Kursinhalten

Bei Texten wirkt sich ein Begriff daneben auf einer Seite aus. Bei Video und Audio spricht er im Ohr der Zuhörenden oder steht als Untertitel auf dem Bildschirm, und die Korrektur kostet eine erneute Produktionsrunde. Anbieter wie RWS binden deshalb das freigegebene Terminologieglossar direkt in die KI-gestützte Untertitelgenerierung ein, um Markenkonsistenz in jeder Sprache und jedem Video sicherzustellen.[5]

Für mehrsprachige Video-, Podcast- und Kursproduktionen ergeben sich daraus konkrete Anforderungen an die Terminologiepflege:

• Sprechernamen über Episoden und Kurse hinweg identisch halten, inklusive einheitlicher Transliteration in Sprachen mit anderem Schriftsystem.
• Produkt- und Feature-Namen in jeder Sprache exakt so verwenden, wie es das Glossar vorgibt, über alle Formate von der Untertitelung bis zur Synchronfassung.
• Fachbegriffe kursübergreifend konsistent halten, damit Lektion 12 denselben Begriff nutzt wie Lektion 2 und wie das zugehörige Handout.
• DNT-Einträge konsequent pflegen: Begriffe, die laut Termbase nicht übersetzt werden dürfen, sollen auch im Sprechtext und in der Untertitelzeile unverändert bleiben.[3]

Ein medienspezifischer Zusatzfaktor kommt bei Untertiteln hinzu: Zeichengrenzen pro Zeile und Lesegeschwindigkeit begrenzen den Raum für lange Begriffe. Wenn zwei zulässige Benennungen zur Wahl stehen, gewinnt im Untertitel oft die kürzere, und genau diese Abwägung gehört als Zusatzconstraint in die Begriffswahl, bevor die erste Lektion lokalisiert wird. Wer Untertitel, Voiceover und KI-Dubbing mischt, sollte die Entscheidung pro Begriff und Sprache zentral treffen, nicht pro Format.

Pflege und Governance: Terminologie am Leben halten

Terminologie ist kein Projekt mit Enddatum, sondern ein kontinuierlicher Prozess. Produkte ändern sich, neue Märkte kommen hinzu, Begriffe veralten. Entscheidend ist deshalb ein Freigabe-Workflow mit definierten Verantwortlichkeiten: Ein bewährtes Modell sieht vor, dass ein Produktmanager die Definition eines Begriffs besitzt, während ein Lead-Linguist für die Übersetzung verantwortlich zeichnet.[6]

Rolle	Verantwortung
Produktmanagement	Definitionen, Feature-Namen, fachliche Korrektheit der Begriffe
Lead-Linguist	Verbindliche Übersetzungen und sprachliche Qualität pro Zielsprache
In-Country-Reviewer	Kulturelle Passung und natürliche Verwendung im lokalen Markt
Terminologieverantwortlicher	Freigabeprozess, Änderungshistorie, Pflege des Gesamtsystems

Zwei Mechanismen halten das System aktuell. Erstens Feedback-Schleifen: Übersetzende, Reviewer und In-Country-Kräfte brauchen einen einfachen Weg, problematische Begriffe zu melden oder neue vorzuschlagen, damit Lücken auffallen, bevor sie im fertigen Inhalt landen.[6] Zweitens das konsequente Ausmustern: Wird ein Produktfeature eingestellt, wird der zugehörige Begriff als veraltet markiert, damit er nicht versehentlich in neuen Inhalten wiederauftaucht.[6]

Damit sich der Aufwand rechtfertigen lässt, machen Sie die Wirkung messbar. Zwei Kennzahlen eignen sich dafür: die Fehler pro tausend Wörtern (Errors Per Thousand), gemessen über linguistische Qualitätsprüfungen, und die Time to Edit, also die durchschnittliche Zeit, die eine übersetzende Person braucht, um ein maschinell übersetztes Segment auf menschliches Qualitätsniveau zu bringen. Sinken beide Werte, arbeitet die Terminologiestrategie.[6]

Praktischer Fahrplan in fünf Schritten

Aus den vorangegangenen Abschnitten lässt sich ein Ablauf ableiten, der sich in wenigen Wochen aufsetzen lässt und mit jedem neuen Markt mitwächst:

1. Kernbegriffe extrahieren und priorisieren: Markennamen, Produkt- und Feature-Namen, zentrale Fachbegriffe und UI-Formulierungen, nicht jedes gewöhnliche Wort.[6]
2. Einträge mit Definition, Kontextbeispiel, Wortart, Status und verbotenen Synonymen anlegen, DNT-Kennzeichnung für Namen inklusive.[3]
3. Freigabeprozess und Rollen festlegen: Wer definiert, wer übersetzt, wer reviewt im Zielmarkt, wer gibt frei.[6]
4. Glossar an Übersetzungs- und KI-Workflows anbinden, damit freigegebene Begriffe in CAT-Tools, MT-Engines und generativen Workflows automatisch greifen.[4]
5. Regelmäßig pflegen: veraltete Begriffe als deprecated markieren, Feedback aus den Sprachteams einarbeiten und das Glossar bei jedem neuen Produkt oder Markt erweitern.[6]

Der häufigste Scheiternpunkt ist nicht der Aufbau, sondern die Zersplitterung: Das Glossar liegt in einer Tabelle, die Untertitel entstehen in einem Tool, die Synchronfassung in einem anderen, und niemand prüft, ob beides noch zusammenpasst. Eine zentrale Content-Plattform wie ContentHub Studio von Dictem führt Glossar und mehrsprachige Video-, Audio- und Kursinhalte an einem Ort zusammen, damit die freigegebenen Begriffe genau dort verfügbar sind, wo die Inhalte entstehen.

Häufige Fragen

Was ist der Unterschied zwischen einem Glossar und einer Terminologiedatenbank?

Kurz gefasst: Das Glossar schreibt vor, welche Benennung verwendet wird, die Terminologiedatenbank dokumentiert das Wissen dahinter. Beide sind keine Alternativen, sondern greifen ineinander. Die Details, inklusive Vergleichstabelle, stehen im Abschnitt „Glossar oder Terminologiedatenbank“.

Welche Begriffe gehören in ein Glossar für lokalisierte Inhalte?

Konzentrieren Sie sich auf Begriffe mit hoher Wirkung: Produkt- und Markennamen, Slogans und markenrechtlich geschützte Begriffe, technische Fachbegriffe, bei denen Präzision zählt, Benutzeroberflächen-Elemente sowie zentrale SEO-Keywords. Nicht jedes häufige Wort gehört hinein. Als Faustregel gilt: Aufnehmen, was falsch übersetzt tatsächlich Schaden anrichtet.

Wie setzt man Terminologie in maschineller Übersetzung und KI durch?

Über ein angebundenes Glossar: Das System vergleicht den Quelltext mit der Begriffsliste und ersetzt Treffer durch die hinterlegte Zielbenennung, ohne das Engine-Training zu ändern. Das nennt man Terminologieforcierung. Welche Qualitätsregeln dafür gelten und wo die Ersetzen-Logik an Grenzen stößt, steht im Abschnitt „Terminologie in Übersetzungs- und KI-Workflows durchsetzen“.

Was bedeutet Do Not Translate (DNT)?

DNT kennzeichnet Begriffe, die in der Zielsprache bewusst nicht übersetzt werden dürfen, typischerweise Produkt- und Feature-Namen aus Branding-Gründen. Wie die Kennzeichnung im Eintrag festgehalten wird, beschreibt der Abschnitt „Was in einen guten Glossareintrag gehört“.

Wer sollte Terminologie in einem Team pflegen?

Eine gemischte Gruppe aus Fachbereich, Sprache und Recht: Marketing sichert die Wirkung von Slogans, die Rechtsabteilung prüft Marken und Pflichtformulierungen. Die übrigen Rollen und ihre Verantwortungen stehen in der Tabelle im Abschnitt „Pflege und Governance“.

Wie oft muss ein mehrsprachiges Glossar aktualisiert werden?

Planen Sie feste, terminierte Reviews ein statt anlassbezogener Korrekturen, und validieren Sie bei jedem neuen Markt Begriffe vorab mit lokalen Expertinnen und Experten. Warum Terminologie nie fertig ist und welche Mechanismen sie aktuell halten, beschreibt der Abschnitt „Pflege und Governance“.

Wie misst man den Erfolg von Terminologiemanagement?

Über zwei Kennzahlen: Errors Per Thousand (EPT) und Time to Edit (TTE). Wie beide definiert sind und was sinkende Werte bedeuten, beschreibt der Abschnitt „Pflege und Governance“.

Quellen

1. csa-research.com
2. transline.de
3. learn.microsoft.com
4. phrase.com
5. rws.com
6. translated.com