Eine Lokalisierungs-Engine ist eine zustandsbehaftete Übersetzungs-API, die Sie auf Lingo.dev erstellen und konfigurieren. Statt Strings an ein generisches LLM zu senden und zu hoffen, dass die Ausgabe Ihren Erwartungen entspricht, bauen Sie eine API, die genau die Übersetzungen liefert, die Sie erwarten – konsistent, in jeder Sprache und bei jeder Anfrage.
Was eine Lokalisierungs-Engine leistet#
Jede Engine vereint fünf konfigurierbare Ebenen. Sobald eine Übersetzungsanfrage eingeht, wendet die Engine sie automatisch an – kein Prompt Engineering pro Anfrage, kein manueller Eingriff.
| Ebene | Was sie steuert | Docs |
|---|---|---|
| LLM-Modelle | Welches Modell jedes Sprachpaar verarbeitet, inklusive priorisierter Fallback-Ketten | LLM-Modelle → |
| Markenstimme | Wie Ihr Produkt in jeder Sprache klingt – Tonalität, Formalität, Stil | Markenstimmen → |
| Anweisungen | Klare sprachliche Regeln für bestimmte Sprachen – einzeln testbar und debuggbar | Anweisungen → |
| Glossar | Exakte Begriffszuordnungen pro Sprache mit semantischem Matching – höchste Priorität in der Engine | Glossare → |
| KI-Bewerter | Automatisierte Auswertung mit einem unabhängigen LLM nach jeder Übersetzung | KI-Bewerter → |
So greifen die Ebenen ineinander#
Die Engine wendet die Ebenen in einer festgelegten Reihenfolge mit klarer Priorität an:
- Glossar – höchste Priorität. Wenn eine Glossarregel greift, übersteuert sie die Modellentscheidung.
- Anweisungen – mittlere Priorität. Sprachspezifische Regeln leiten das Modell.
- Markenstimme – setzt den übergeordneten Kontext. Tonalität, Formalität und Stil für die Sprache.
Die Modellkonfiguration legt fest, welches LLM die Anfrage verarbeitet, inklusive automatischem Fallback, falls das primäre Modell ausfällt. KI-Bewerter laufen asynchron, nachdem die Übersetzung abgeschlossen ist – sie blockieren die Antwort nie.
Ergänzend, nicht konkurrierend
Gestalten Sie Glossar, Anweisungen und Markenstimme so, dass sie sich gegenseitig ergänzen. Das Glossar kümmert sich um exakte Begriffe, Anweisungen um sprachspezifische Regeln, und die Markenstimme setzt den übergeordneten Ton. Wenn ein Glossareintrag mit einer Anweisung kollidiert, hat das Glossar Vorrang.
Aufträge, die über die Async Localization API eingereicht werden, können außerdem eine optionale Pipeline durchlaufen – KI-Pre-Edit des Ausgangstexts, menschliche Prüfung, KI-Post-Edit und eine Drift-Prüfung per Rückübersetzung.
Standards#
Wenn Sie eine neue Engine erstellen, ist sie bereits mit Standardwerten für Modelle vorkonfiguriert – primäre Modelle und Fallbacks, ausgewählt auf Basis von drei Jahren wöchentlicher Lokalisierungsforschung und optimiert für Qualität in gängigen ebenso wie in ressourcenarmen Sprachen. Die meisten Teams müssen daran nichts ändern.
Diese Standardwerte sind dafür gemacht, direkt ab Werk gut zu funktionieren. Sie können jede Modellkonfiguration anpassen, Anbieter wechseln, Fallbacks hinzufügen oder bestimmte Sprachpaare überschreiben – doch die Standards spiegeln bereits wider, was sich aus unserer Sicht über Hunderte von Sprachpaaren hinweg am besten bewährt hat. Markenstimme, Anweisungen und Glossar starten leer – Sie ergänzen sie, sobald Sie besser verstehen, was Ihr Produkt in jeder Sprache braucht.
Engines verwenden#
Engines sind über jede Lingo.dev-Integration verfügbar:
| Integration | So wird sie angebunden |
|---|---|
| CLI | Setzen Sie engineId in i18n.json – jede lingo.dev run läuft über Ihre Engine |
| API | Rufen Sie den localize-Endpunkt mit Ihrem API-Schlüssel auf – die Engine wendet automatisch alle Ebenen an |
| CI/CD | Dieselbe CLI-Konfiguration – Übersetzungen laufen bei jedem Pull Request durch Ihre Engine |
| MCP | KI-Coding-Assistenten können Engines direkt aus der Unterhaltung heraus konfigurieren und nutzen |
Wenn Sie engineId weglassen, wird die Standard-Engine Ihrer Organisation verwendet.
Observability#
Jede Übersetzungsanfrage wird protokolliert: verwendetes Modell, verbrauchte Tokens, ob ein Fallback übernommen hat und welche Glossareinträge sowie Anweisungen angewendet wurden. Behalten Sie die Engine-Performance in Reports und die Übersetzungsqualität in KI-Bewerter im Blick.
Testen Sie Engine-Konfigurationen im Playground, bevor sie live gehen – vergleichen Sie Ihre Engine mit einem Rohmodell oder zwei Engines direkt nebeneinander.
