Lingo.dev v1.0 ist da

Jedes Lokalisierungsteam kennt das Muster. Übersetzer ohne Produktkontext verwenden Markenbegriffe falsch. LLM-Wrapper haben kein Gedächtnis über einzelne Anfragen hinaus. Nach ein paar Releases driftet die Terminologie – und niemand merkt es, weil ganzheitliche Qualitätswerte 0,95 anzeigen und weitergehen.

Wir haben diese Lücke gemessen. Das Einspeisen von Glossarkontext zur Inferenzzeit reduziert Terminologiefehler um 17–45 % – über fünf LLM-Anbieter und fünf europäische Sprachen hinweg. Wir nennen das Retrieval-Augmented Localization (RAL). LLMs haben die Qualitätsschwelle für produktive Übersetzungen erreicht – aber nur mit der richtigen Kontext-Pipeline. Ohne sie ist jede isolierte Anfrage eine neue Gelegenheit für Terminologiedrift. Bei Lingo.dev haben wir nach der Bereitstellung von Lokalisierungsinfrastruktur für mehr als 200 Mio. übersetzte Wörter für Kunden wie Mistral, Solana, SoSafe und Cal.com v1.0 darum herum gebaut.

Lokalisierungs-Engine#

Eine Lokalisierungs-Engine ist eine zustandsbehaftete Übersetzungs-API auf Lingo.dev – eine RAL-Implementierung, die Domänenkontext über jede Anfrage hinweg persistent hält. Einmal konfigurieren, überall aufrufen:

• Modelle – wählen Sie ein beliebiges Modell aus dem OpenRouter-Katalog. Ranken Sie Modelle pro Sprache mit Fallback-Ketten – ist das primäre Modell nicht verfügbar, routet die Engine automatisch zum nächsten weiter, ohne die Anfrage zu verwerfen.
• Glossar – ordnen Sie Quellbegriffe Zielübersetzungen pro Sprachpaar zu. Die Engine fügt passende Begriffe in jede Anfrage ein. Wenn die Engine von Cal.com auf „Workspace“ trifft, löst das Glossar den Begriff auf, bevor das LLM auch nur ein einziges Token generiert – ganz ohne Onboarding für Übersetzer.
• Markenstimme – definieren Sie Ton und Register pro Sprache. Formell für deutsche Rechtstexte, dialogorientiert für japanisches Marketing, technisch für englische Dokumentation.
• Anweisungen – legen Sie sprachspezifische Regeln für bestimmte Muster fest: französische Elisionsregeln, portugiesische Rechtschreibkonventionen, deutsche Anführungszeichen, italienische Präferenzen bei Anglizismen.

Die Engine ist zustandsbehaftet. Jeder Glossarbegriff, jede Regel zur Markenstimme, jede Anweisung bleibt über Anfragen hinweg erhalten. Die erste Übersetzung durch eine neue Engine profitiert noch von keinem Kontext. Die tausendste profitiert von allem, was das Team seit dem ersten Tag konfiguriert hat. In diff-basierten CI/CD-Workflows wird bei jedem Build nur das neu übersetzt, was sich geändert hat. Genau diese Zustandsbehaftung verhindert Terminologiedrift – dieselbe Drift, unter der sowohl menschliche Übersetzer als auch zustandslose LLM-Wrapper leiden.

Testen Sie Konfigurationen im Playground, bevor sie live gehen. Probieren Sie einen String aus, vergleichen Sie ihn über Sprachen hinweg und bringen Sie ihn in Produktion, wenn er passt.

So binden Sie es ein#

Drei Integrationswege. Dieselbe Engine, derselbe Kontext, dieselbe Qualität:

CLI – auf Ihr Repo zeigen und alle konfigurierten Sprachen mit einem Befehl übersetzen:

npx lingo.dev@latest run

CI/CD – die GitHub-Integration öffnet bei jedem Push einen Pull Request mit übersetzten Strings. Prüfen Sie die Übersetzungen im Diff und mergen Sie, wenn alles passt. Keine Übergaben. Kein Warten auf ein externes Team.

API – rufen Sie die Engine direkt aus dem Backend-Code auf:

curl -X POST https://api.lingo.dev/process/localize \
  -H "X-API-Key: $LINGO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "engineId": "eng_abc123",
    "sourceLocale": "en",
    "targetLocale": "es",
    "data": {
      "welcome": "Welcome to the future of payments",
      "cta": "Get started"
    }
  }'

Jede Anfrage wird protokolliert: verwendetes Modell, verbrauchte Tokens, Fallback-Status, angewendete Glossarbegriffe, passende Anweisungen. Das Reports-Dashboard zeigt Wortvolumen, Token-Verbrauch, Top-Sprachen, Glossarabdeckung und Änderungsraten – damit Sie genau sehen, welche Begriffe durchgesetzt werden und wo noch Abdeckungslücken bestehen.

Freie Modellwahl#

Terminologiekonsistenz sollte nicht davon abhängen, welchen LLM-Anbieter Sie gerade verwenden. RAL trennt die Konsistenzschicht – Glossar, Markenstimme, Anweisungen – von dem Modell, das die Übersetzung ausführt. Der angereicherte Kontext lenkt jedes Modell zu domänengenauen Ergebnissen. Tauschen Sie zwischen Releases GPT-5.4 gegen Claude Opus aus, ohne auch nur einen einzigen Glossarbegriff neu zu konfigurieren.

Diese Trennung beseitigt auch den Vendor Lock-in. Geschlossene Übersetzungs-APIs binden Glossar, Stilregeln und Terminologie an einen einzigen Anbieter. Eine Modellregression bedeutet ein Support-Ticket. Ein besseres Modell eines anderen Anbieters bleibt unerreichbar. Bei Lingo.dev ist das Modell ein Konfigurationsparameter – die Konsistenzschicht bleibt bestehen, unabhängig davon, welches Modell darunter läuft.

Als wir fünf Anbieter am EU AI Act getestet haben, kam Mistral mit einem Glossar aus 72 Begriffen (MQM 0,940, wobei 1,0 fehlerfrei bedeutet) an die Rohqualität von Google (0,938) heran. Der Kostenunterschied liegt bei einer Größenordnung. Ein gut aufgebautes Glossar reduziert, wie viel Intelligenz das Modell überhaupt braucht. Mit zunehmender Reife eines Glossars markiert die Plattform, wann ein günstigeres Modell dieselbe Qualitätsschwelle erreichen würde.

Qualitätsbewertung#

Terminologiedrift zu beheben ist nur die halbe Herausforderung. Die andere Hälfte: Standardmetriken für Qualität können sie nicht einmal erkennen. Unsere Forschung hat gezeigt, dass ganzheitliche Übersetzungsqualitätswerte – die Art von Metriken, die in Benchmarks und Bestenlisten verwendet werden – für rohe und glossar-angereicherte Übersetzungen identische Werte meldeten, während dimensionsbasierte Bewertung 17–45 % weniger Terminologiefehler zählte. Die Lücke, die RAL schließt, bleibt für genau die Metrik unsichtbar, mit der die Branche Übersetzungsqualität misst.

Ein Problem, das man nicht messen kann, kann man nicht beheben. Lingo.dev v1.0 kommt mit KI-Bewertern – automatisierten Qualitätsprüfungen, die jede Übersetzung nach Dimension bewerten statt anhand einer einzigen ganzheitlichen Zahl. Definieren Sie Kriterien in natürlicher Sprache: „Sind alle HTML-Tags erhalten?“ oder „Bewerten Sie die Natürlichkeit für einen Muttersprachler.“ Ein unabhängiges LLM bewertet das Ergebnis – wenn GPT-5.4 übersetzt, bewertet Claude Sonnet, wodurch der Bias der Selbstbewertung entfällt.

Modellübergreifende, dimensionsspezifische Bewertung erkennt, was ganzheitliche Werte übersehen: halluzinierte Begriffe, verschobenes Register, beschädigte Platzhalter und die Terminologiedrift, die sich über Releases hinweg unbemerkt ansammelt.

Was das bedeutet#

Wenn Sie Lingo.dev bereits verwenden – die CLI-, CI/CD- und MCP-Tools funktionieren weiter wie bisher. v1.0 erweitert die Engine-Konfiguration um Modellauswahl, Fallback-Ketten, Markenstimme, Glossare und Qualitätsbewertung. Alles pro Sprache. Alles aus dem Dashboard. Ohne Migration.

Wenn Sie neu bei Lingo.dev sind – erstellen Sie ein kostenloses Entwicklerkonto und erhalten Sie eine vorkonfigurierte Lokalisierungs-Engine. Der erste übersetzte Build in 4 Minuten mit der CLI – oder integrieren Sie über die API.

Ihr nächstes Release erscheint in jeder Sprache mit konsistenter Terminologie. Das Glossar, das Sie in Woche eins anlegen, setzt jeden Markenbegriff über alle Sprachen und Builds hinweg durch – die Konfigurationskosten fallen einmal vorab an, statt sich pro Übersetzung zu vervielfachen. Wenn ein Entwickler einen Absatz ändert, übersetzt die CI-Pipeline genau diesen Absatz neu – dieselbe Engine, dasselbe Glossar, dieselbe Qualitätsschwelle. Übersetzung ist keine Übergabe mehr. Sie wird zum Build-Schritt.

Lingo.dev v1.0 wurde gezielt für Engineering-Teams, Lokalisierungsmanager und Produktverantwortliche entwickelt, die möchten, dass Lokalisierung wie Infrastruktur funktioniert. Teams, die lieber menschliche Übersetzer über manuelle Prüfungsrunden koordinieren, sind mit traditionellen Lokalisierungsplattformen möglicherweise besser bedient.

Erstellen Sie ein kostenloses Entwicklerkonto, um loszulegen, oder buchen Sie eine Demo.

RAL ist für Lokalisierung das, was RAG für Generierung ist. Lingo.dev v1.0 ist der Ort, an dem Sie es ausführen.

Nächste Schritte#