KI-Lokalisierung: was es bedeutet, wenn dein Coding-Agent die Arbeit macht

KI-Lokalisierung ist der Einsatz von KI, um den gesamten Lokalisierungs-Workflow durchzuführen: hartcodierte Strings aus einer Codebase extrahieren, Übersetzungsschlüssel und Übersetzungsdateien generieren, mit Kontext übersetzen und jede Sprache aktuell halten, während sich das Produkt weiterentwickelt. globalize.now ist KI-gestützte Lokalisierungsinfrastruktur, die auf dieser Definition aufbaut und dafür entwickelt wurde, direkt in den Coding-Agents zu laufen, die Entwickler:innen bereits verwenden. Dieser Leitfaden erklärt, was der Begriff tatsächlich bedeutet, wie er sich von maschineller Übersetzung unterscheidet und was sich geändert hat, jetzt da Coding-Agents diese Arbeit übernehmen können.

Was ist KI-Lokalisierung?

KI-Lokalisierung ist Workflow-Automatisierung, kein cleverer Übersetzungsknopf. Die Übersetzung selbst war nie der schwierige Teil beim Ausliefern einer mehrsprachigen App. Der schwierige Teil war alles drumherum: jeden nutzersichtbaren String finden, Keys strukturieren, eine Datei pro Sprache verwalten, Übersetzer:innen über den Kontext briefen — und all das jedes Mal wiederholen, wenn sich das Produkt änderte.

Die Nachfrageseite hat sich nicht verändert: Die Umfrage von CSA Research unter 8.709 Konsumenten in 29 Ländern zeigt, dass 76 % lieber mit Informationen in ihrer eigenen Sprache kaufen, und 40 % überhaupt nicht in anderen Sprachen kaufen. Verändert hat sich die Kostenseite. Die breitere Sprachindustrie liegt laut Nimdzis Branchengrößenanalyse 2026 bei rund 72,6 Milliarden US-Dollar pro Jahr und ist nahezu stagniert, während die eigentliche Arbeit in Software wandert. KI-Lokalisierung ist der Name für diese Verschiebung.

Wie unterscheidet sich KI-Lokalisierung von maschineller Übersetzung?

Maschinelle Übersetzung erzeugt zielsprachlichen Text aus Quelltext. Das ist ein einzelner Schritt, den Engines wie DeepL oder ein LLM gut beherrschen. KI-Lokalisierung ist die Pipeline rund um diesen Schritt: Erkennung übersetzbarer Strings im Code, Generierung von Keys und Übersetzungsdateien, Kontext-Zusammenstellung (auf welchem Screen steht dieser String, welchen Ton verwendet diese Marke), Übersetzung, Umgang mit Pluralregeln und Rücksynchronisation ins Repository.

Diese Unterscheidung ist wichtig, wenn du Tools bewertest. Eine Engine für maschinelle Übersetzung mit einer schönen API überlässt dir trotzdem die manuelle Verwaltung von Extraktion und Dateien. Eine Auffrischung der Lokalisierungs-Glossar-Begriffe deckt die zugrunde liegenden Begriffe ab, aber kurz gesagt: Übersetzung ist eine Komponente, Lokalisierung ist das System.

Wie sah KI-Lokalisierung in klassischen Tools bisher aus?

Etablierte Lokalisierungsplattformen haben KI einfach als Feature in einen unveränderten Workflow gepackt. Lokalise, Crowdin und Smartling bieten heute alle KI-Übersetzungsvorschläge an, aber der Prozess drumherum setzt weiterhin ein Dashboard, eine Review-Queue und eine Localization-Managerin voraus, die die Arbeit dazwischen koordiniert. Die Preisgestaltung folgt derselben Logik: pro Sitzplatz, pro Sprache, pro Workflow-Stufe.

Dieses Modell passt zu Unternehmen mit eigenem Lokalisierungsteam. Es passt nicht zu einem Zwei-Personen-Startup, dessen Lokalisierungsteam aus einem Coding-Agent und einem Freitagnachmittag besteht. Slators Marktbericht 2026 beziffert den Markt für Language-AI-Lösungen auf rund 30 Milliarden US-Dollar mit weiterem Wachstum – und dieses Wachstum konzentriert sich genau dort, wo die alten Workflow-Annahmen nicht mehr tragen.

Was ändert sich, wenn ein Coding-Agent die Lokalisierung übernimmt?

Der Workflow wandert ins Repository und in den Agent – das Dashboard ist nicht mehr der Mittelpunkt. In einem agent-nativen Setup bringt ein Skill deinem Coding-Agent (Claude Code, Cursor, Codex oder Lovable) bei, wie er deine Codebase internationalisiert: Er findet hartcodierte Strings, bindet die i18n-Bibliothek ein und generiert die Übersetzungsdateien. Von da an löst jeder Git-Push die Übersetzung aus, und aktualisierte Sprachen kommen als Pull Request zurück, den du wie jede andere Code-Änderung prüfst.

Nichts, in das man sich neu einloggen müsste. Kein Export-Schritt, kein Import-Schritt, kein Kopieren von Strings in einen Web-Editor. Das Entwickler-Setup ist ein einziger Befehl, und Nicht-Entwickler:innen, die mit KI-Tools bauen bekommen denselben Ablauf über ihren App-Builder. Review findet dort statt, wo Engineers ohnehin reviewen: im Diff.

Wie richtest du KI-Lokalisierung mit einem Coding-Agent ein?

Der komplette Ablauf dauert bei einer typischen App nur wenige Minuten:

1. Verbinde das Repository auf globalize.now. Die Konvertierung läuft einmalig, direkt in der App. Bleibst du lieber in deinem Editor? Installiere stattdessen die Skills: npx skills add globalize-now/globalize-skills
2. Bitte deinen Agent, i18n einzurichten. Er prüft das Repo, zeigt dir einen Plan und wartet auf deine Freigabe, bevor er Code anfasst.
3. Verbinde das Repository mit globalize.now, damit Pushes die Übersetzung auslösen.
4. Push. Neue und geänderte Strings kommen übersetzt als Pull Request zurück.
5. Merge. Deine App läuft in jeder konfigurierten Sprache.

Schritt 2 ist der Punkt, an dem KI-Lokalisierung ihren Namen verdient: Der Agent übernimmt die Internationalisierungsarbeit, die früher eine Woche manuelles Refactoring gekostet hat, und die Infrastruktur übernimmt alles danach.

Ist die Übersetzungsqualität gut genug für den Produktiveinsatz?

Für UI-Strings und Produkttexte: ja – vorausgesetzt, das System liefert dem Modell den nötigen Kontext. Qualität entsteht in der Praxis aus vier Dingen: einem Glossar, das Produktnamen und Fachbegriffe festlegt, einem Style Guide, der das Register bestimmt (formelles Sie versus informelles Du im Deutschen ist der Klassiker unter den Fehlerquellen), korrekter ICU-Pluralbehandlung je Sprache und String-spezifischem Kontext dazu, wo der Text auftaucht. Generische maschinelle Übersetzung scheitert an Register und Terminologie, nicht an Grammatik.

Was Menschen bleibt, ist das Urteilsvermögen bei kritischen Oberflächen. Der praktische Unterschied zur alten Welt: Menschliche Review bedeutet jetzt, einen Diff mit echten Strings in einem Pull Request zu lesen – nicht, eine Queue in einem separaten Tool abzuarbeiten.

Worauf solltest du bei KI-Lokalisierungs-Tools achten?

Fünf Kriterien trennen agent-native Infrastruktur von KI-Features, die auf alte Workflows aufgesetzt wurden. Läuft es innerhalb des Coding-Agents, den du ohnehin schon nutzt? Übernimmt es die Internationalisierung, nicht nur die Übersetzung bestehender Dateien? Läuft die Synchronisation automatisch bei jedem Push, mit Änderungen als Pull Request? Kannst du die Qualität über Glossare und Style Guides steuern? Und ist die Preisgestaltung transparente Nutzung statt Sitzplätze und Pro-Sprache-Gebühren?

Scheitert ein Tool an den ersten drei Punkten, machst du die Koordinationsarbeit weiterhin selbst. Genau diese Koordinationsarbeit war das eigentliche Problem.

globalize.now übernimmt das alles. Einmal einrichten, und jeder Push kommt übersetzt zurück.