Vor 2010 bedeutete Online-Zahlungen zu akzeptieren, zunächst ein Händlerkonto bei einer Bank zu beantragen. Wochen voller Papierkram. Bonitätsprüfungen. Mindestumsätze. Danach band man ein Zahlungs-Gateway über eine XML-API an, deren Testumgebung mit der Produktion kaum etwas gemeinsam hatte. Um PCI-Compliance musste man sich selbst kümmern – Kartennummern speichern, Verschlüsselungsschlüssel verwalten, Sicherheitsaudits bestehen.
Heute fügt ein Entwickler ein paar Zeilen Code in eine Checkout-Seite ein. Compliance, Betrugserkennung, Währungsumrechnung, Auszahlungen – alles läuft hinter der API. Der Entwickler bekommt von der Komplexität nichts mit. Die Komplexität ist nicht verschwunden. Sie wurde gekapselt.
Das passiert immer wieder. Eine Kategorie professioneller Arbeit – früher nur mit Spezialisten, Dienstleistern und monatelanger Koordination zu stemmen – wird in einen API-Aufruf verdichtet. Der Aufruf ist einfach. Was dahinter läuft, ist es nicht.
Professionelle Lokalisierung vor der API#
Ein Produkt in mehrere Sprachen zu lokalisieren bedeutete, einen Übersetzungsdienstleister zu beauftragen. Der Dienstleister stellte Übersetzer bereit – oft ohne tiefe Vertrautheit mit dem Produkt, der Domäne oder der vorhandenen Terminologie. Man schickte einen Terminologieleitfaden. Der Übersetzer las ihn, mehr oder weniger. Die Übersetzungen kamen nach 5–10 Werktagen zurück. Drei Begriffe waren falsch. Also schickte man alles zur Überarbeitung zurück. Noch einmal 3 Tage.
Gleichzeitig musste jemand das Glossar pflegen, nachverfolgen, welche Strings sich seit dem letzten Batch geändert hatten, prüfen, ob die deutschen Übersetzungen die richtigen Anführungszeichen verwendeten, und sicherstellen, dass die portugiesische Ausgabe europäische statt brasilianische Rechtschreibung nutzte. Diese Koordination lief über Tabellen, E-Mails und Slack-Threads.
Für Teams, die mit LLMs automatisieren wollten, war die Übersetzung zwar schnell, die Qualitätssicherung aber nicht. Jede Anfrage begann bei null. Keine Erinnerung an freigegebene Begriffe. Kein Gespür für die Markenstimme. Keine Prüfung, ob die Ausgabe den Terminologiekonventionen der Domäne entsprach.
Dann überschritten LLMs die Qualitätsschwelle für produktive Übersetzungen. Nicht, weil sie sprachlich besser wurden — sondern weil es möglich wurde, Domänenkontext zur Inferenzzeit einzuspeisen und konsistente, terminologisch präzise Ergebnisse zu erhalten. Das fehlende Puzzleteil war die Kontext-Pipeline rund um das Modell.
Professionelle Lokalisierung hinter der API#
Ein POST. Die Ergebnisse kommen per Webhook, sobald jede Sprache fertig ist.
curl -X POST https://api.lingo.dev/jobs/localization \
-H "X-API-Key: $LINGO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"sourceLocale": "en",
"targetLocales": ["de", "fr", "ja", "ko", "pt-BR",
"es", "it", "zh-Hans", "nl", "sv", "pl", "tr", "ar", "th"],
"data": {
"title": "Introduction to Machine Learning",
"steps": [
{ "heading": "What is ML?", "body": "Machine learning is a subset of artificial intelligence." },
{ "heading": "Supervised Learning", "body": "Training a model with labeled data." }
]
},
"callbackUrl": "https://your-app.com/webhooks/translations"
}'202 in Millisekunden zurück. Der Aufrufer kann direkt weitermachen. Jede Sprache wird unabhängig durch die Lokalisierungs-Engine verarbeitet. Deutsch kommt in 4 Sekunden. Japanisch in 6. Arabisch in 8. Jedes Ergebnis landet in deinem Webhook, sobald es bereit ist. Für Fortschritt in Echtzeit in deiner UI verbindest du einen WebSocket mit der Auftragsgruppe – „3 von 16 Sprachen bereit“ aktualisiert sich live.
Der Entwickler muss die Komplexität nie selbst managen. Die Komplexität ist nicht verschwunden. Sie wurde gekapselt – genau wie bei Zahlungen.
Was hinter der API abläuft#
Sobald ein Lokalisierungsauftrag startet, führt die Plattform anhand der Konfiguration der Engine eine mehrstufige Pipeline aus. Sechs Schritte, von denen jeder einen spezifischen Fehlermodus adressiert, der entsteht, wenn man ihn auslässt.
Quellenoptimierung
Ein KI-Agent überarbeitet den Quelltext, bevor die Übersetzung beginnt. Mehrdeutige Formulierungen, inkonsistente Terminologie, kulturell aufgeladene Redewendungen – werden für bessere Übersetzbarkeit umgeschrieben. So wird das Garbage-in-garbage-out-Problem beseitigt, das jeden nachgelagerten Schritt verschlechtert.
Kontextanreicherung
Die Engine ruft das Glossar, die Markenstimme und sprachspezifische Anweisungen ab, die für dieses Sprachenpaar konfiguriert sind. Passende Glossarbegriffe werden in das Kontextfenster des LLM eingespeist. Das Modell sieht die korrekte Begriffszuordnung, bevor es auch nur ein einziges Token erzeugt. Das ist retrieval augmented localization – der Schritt, der Terminologiefehler providerübergreifend um 17–45 % reduziert.
LLM-Übersetzung
Die Engine wählt für dieses Sprachenpaar das Modell mit der höchsten Priorität aus der konfigurierten Fallback-Kette. Fällt das primäre Modell aus, leitet die Engine automatisch an das nächsthöher eingestufte Modell weiter. Der Aufrufer bekommt vom Failover nichts mit.
Menschliche Nachbearbeitung
Optional. Ein qualifizierter Übersetzer prüft und korrigiert den von der KI erzeugten Entwurf – mit Fokus auf das, was das Modell falsch gemacht hat, statt von Grund auf neu zu übersetzen. Die Plattform übernimmt die Vermittlung der Übersetzer und das Matching zur Inhaltsdomäne; die Ergebnisse kommen über denselben Webhook. Kein Dienstleister-Management, kein Freigabeschritt in der UI. Durchlaufzeit: Stunden, nicht Wochen.
Enterprise
Menschliche Nachbearbeitung ist als private Beta in Enterprise-Plänen verfügbar. Kontaktiere uns, um sie für deine Engines zu aktivieren.
KI-Nachbearbeitung
Optional. Nach der menschlichen Bearbeitung führt ein KI-Agent einen abschließenden Konsistenzcheck durch. Formatvalidierung, erneute Glossarprüfung, Tonabgleich mit der Markenstimme – unter Wahrung der Intention des menschlichen Übersetzers und gleichzeitiger Durchsetzung engineweiter Standards. Der Mensch verbessert die Genauigkeit. Die KI sorgt für Konsistenz.
Enterprise
KI-Nachbearbeitung ist als private Beta in Enterprise-Plänen verfügbar. Kontaktiere uns, um sie zu aktivieren.
Rückübersetzungsprüfung
Optional. Ein unabhängiges Modell übersetzt die Ausgabe zurück in die Ausgangssprache. Der Agent vergleicht die Rückübersetzung mit dem ursprünglichen Quelltext, markiert semantische Abweichungen und passt Segmente an, bei denen sich die Bedeutung während der Übersetzung verschoben hat. So werden Fehler erkannt, die eine reine Vorwärtsbewertung übersieht.
Enterprise
Die Rückübersetzungsprüfung ist als private Beta in Enterprise-Plänen verfügbar. Kontaktiere uns, um sie zu aktivieren.
Jeder Schritt ist pro Engine konfigurierbar. Quellenoptimierung, menschliche Nachbearbeitung, KI-Nachbearbeitung und Rückübersetzung können unabhängig voneinander aktiviert oder deaktiviert werden. Kontextanreicherung und LLM-Übersetzung sind immer aktiv – sie bilden den Kern der Engine.
Ein Team, das Marketingtexte lokalisiert, könnte alle sechs Schritte aktivieren. Ein Team, das interne Dokumentation lokalisiert, könnte nur Kontextanreicherung und LLM-Übersetzung nutzen. Der API-Aufruf ist in beiden Fällen derselbe. Die Pipeline passt sich an.
Auslieferung#
Die Ergebnisse kommen über den von dir konfigurierten Kanal – ganz ohne Polling.
Webhooks – jede Sprache wird in dem Moment ausgeliefert, in dem sie fertig ist. Eine deutsche Übersetzung, die in 4 Sekunden abgeschlossen ist, kommt sofort an, ohne auf die japanische zu warten, die 6 Sekunden braucht. Jeder Webhook enthält eine kryptografische Signatur gemäß der Standard Webhooks-Spezifikation. Fehlgeschlagene Zustellungen werden mit exponentiellem Backoff bis zu 5-mal wiederholt.
WebSocket – verbinde dich mit einer Auftragsgruppe für Fortschritt in Echtzeit. Jedes Ereignis enthält einen vollständigen Status-Snapshot: Gesamtzahl der Aufträge, abgeschlossene Aufträge, fehlgeschlagene Aufträge, Status pro Sprache. Dein Frontend hält nie lokalen Status vor – der Server pusht bei jedem Ereignis den aktuellen Stand.
Fehlerisolierung – wenn Japanisch fehlschlägt, aber Deutsch erfolgreich ist, wird die deutsche Übersetzung ganz normal ausgeliefert. Der fehlgeschlagene Auftrag erscheint mit einer Fehlermeldung. Der Gruppenstatus wird zu partial. Wiederholen kannst du den Vorgang, indem du eine neue Anfrage nur mit den fehlgeschlagenen Sprachen sendest.
Was das bedeutet#
Compliance, Terminologie-Governance, Domänenanpassung, menschliche Prüfung, Qualitätsbewertung – alles läuft hinter der API. Der Entwickler sendet Inhalte und Zielsprachen. Der Lokalisierungsmanager konfiguriert die Engine. Die Plattform führt den Workflow aus.
Die Koordination, die früher einen Projektmanager, eine Dienstleisterbeziehung und eine gemeinsame Tabelle erforderte, findet heute in einem robusten Hintergrund-Workflow mit Webhook-Auslieferung, Fehlerisolierung und Echtzeit-Fortschrittsstreaming statt.
Wenn dein Lokalisierungsbedarf in einer einmaligen Dokumentübersetzung ohne Konsistenzanforderungen über Releases hinweg besteht, ist die API für deine Anforderungen überdimensioniert. Der Wert der Engine steigt mit der Zeit – Glossarbegriffe sammeln sich an, die Markenstimme wird präziser, Qualitätsbewertungen entwickeln sich nach oben. Lingo.dev ist gezielt für Produkte gebaut, die kontinuierlich ausgeliefert werden, bei denen sich dieselben Inhalte in jedem Sprint ändern und Konsistenz über Sprachen hinweg nicht verhandelbar ist.
Lies die vollständige API-Referenz oder buche eine Demo, um die Pipeline in Aktion zu sehen.
