Das Wichtigste in Kürze
Um eine Sprachnachricht in einer fremden Sprache zu verstehen, braucht es zwei getrennte Schritte: Erst wird das Gesprochene in Text umgewandelt – und zwar in der Sprache, in der tatsächlich gesprochen wurde –, dann wird dieser Text übersetzt. Ihre Übersetzungs-App kann erst loslegen, wenn der erste Schritt erledigt ist, denn sie erwartet eingetippten Text. Die Qualität entscheidet sich bei der Transkription: Ein Fehler an dieser Stelle wird anschließend brav mitübersetzt und sieht am Ende gar nicht mehr wie ein Fehler aus. Wer beide Schritte selbst erledigt, muss die Nachricht niemand anderem vorspielen.
Eine Sprachnachricht kommt herein – von einem Verwandten, einem Lieferanten, dem Vermieter. Sie verstehen ein paar Brocken, genug um zu wissen, dass es wichtig ist, aber nicht genug um zu wissen, worum es geht. Der naheliegende Griff ist die Übersetzungs-App, die ohnehin schon auf dem Handy liegt – und der naheliegende Griff funktioniert nicht, weil die App auf Text wartet und man nicht eintippen kann, was man nicht versteht.
Der zweite naheliegende Schritt ist, die Nachricht an jemanden weiterzuleiten, der die Sprache spricht. Das funktioniert, kostet aber etwas, das man vielleicht nicht zahlen möchte. In diesem Artikel geht es darum, wie es auch ohne beides klappt, was die Maschine dabei richtig macht – und an welchen konkreten Stellen sie danebenliegt, was sich sogar erkennen lässt, wenn man die Sprache selbst nie gelesen hat.
Warum die Übersetzungs-App, die Sie schon haben, gar nicht erst starten kann
Eine gesprochene Nachricht zu übersetzen sind eigentlich zwei Vorgänge, die sich einen Namen teilen. Der erste ist die Transkription: Ton wird in geschriebene Worte verwandelt, und zwar in der Sprache, die die sprechende Person verwendet hat. Der zweite ist die Übersetzung: Diese geschriebenen Worte werden in eine Sprache übertragen, die Sie lesen können. Das sind zwei getrennte Maschinerien, sie scheitern auf unterschiedliche Weise, und die meisten Werkzeuge, zu denen man greift, können nur den zweiten Schritt.
Genau deshalb tut die App auf Ihrem Handy nichts Sinnvolles. Sie ist um ein Textfeld herum gebaut. Text kommt hinein, Text kommt heraus. Bekommt sie eine Audiodatei vorgesetzt, hat sie nichts, mit dem sie arbeiten kann. Manche Tools nehmen gesprochene Sprache über ein Mikrofon an, was hilft, wenn Sie selbst sprechen und sich notfalls wiederholen können – und viel weniger hilft, wenn es sich um die Aufnahme einer fremden Person handelt, die schnell spricht und dazu noch eine schlechte Verbindung hat.
Sobald man die Reihenfolge der Schritte verstanden hat, verändert sich das Problem. Sie suchen keinen Übersetzer. Sie suchen etwas, das Ihnen eine schriftliche Fassung der Nachricht in der Originalsprache liefert – danach funktionieren Ihre gewohnten Übersetzungsgewohnheiten genauso wie immer. Was auch immer Sie schon für Text verwenden, reicht für die zweite Hälfte völlig aus. Die erste Hälfte ist das, was Sie eigentlich lösen müssen.
Das erklärt auch etwas, das viele verwundert: warum eine Nachricht als flüssiges, selbstbewusstes und völlig falsches Deutsch zurückkommen kann. Die Übersetzung hat ihren Job gemacht. Sie hat nur schlechten Input bekommen und ihn wunderbar wiedergegeben.
Der Preis dafür, jemanden zum Zuhören zu bitten
Die Nachricht an eine zweisprachige Freundin, einen Cousin oder eine Kollegin weiterzuleiten, die die Sprache zufällig spricht, ist schnell und meistens zutreffend. Es bedeutet aber auch, dieser Person den Inhalt eines privaten Gesprächs vollständig zu übergeben, inklusive Tonfall.
Bei einer Nachricht über einen Liefertermin ist das niemandem wichtig. Bei Nachrichten über Geld, Gesundheit oder Familie sieht die Rechnung anders aus. Eine Sprachnachricht eines Verwandten über einen Befund möchte man nicht von einer Kollegin vorlesen lassen. Die Nachricht des Vermieters über Mietrückstände möchte man nicht erst einer Freundin erklären, bevor man selbst weiß, was man davon halten soll. Genauso wenig die Nachricht eines Lieferanten über eine Zahlung, bei der vielleicht ein Fehler passiert ist.
Was dann passiert: Die Nachricht bleibt ungeöffnet liegen. Nicht weil sie unwichtig ist, sondern weil man dafür jemanden einbeziehen müsste, und das Einbeziehen hat einen sozialen Preis, der schon fällig wird, bevor man überhaupt weiß, worum es geht. Genau deshalb liegen Sprachnachrichten oft tagelang unangetastet. Ausgerechnet die Nachricht, die man nicht lesen kann, ist die, die am wenigsten laut vorgelesen werden soll.
Das ist ein handfester Grund, beide Schritte selbst zu erledigen, und man sollte das offen so sagen, statt Privatsphäre nur als netten Nebeneffekt zu behandeln. Es geht nicht darum, dass maschinelle Transkription besser wäre als der Cousin. Der Cousin ist wahrscheinlich besser. Es geht darum, dass Sie die Sache zuerst allein lesen können und danach entscheiden, ob überhaupt jemand anderes davon wissen muss.
Der erste Schritt entscheidet über die Qualität des zweiten
Wie brauchbar das Ergebnis ist, hängt vollständig vom Transkript in der Originalsprache ab. Stimmt das, ist die Übersetzung ein Routineproblem. Stimmt es nicht, wandert der Fehler mit.
Und genau das macht es gefährlich. Enthält ein Transkript in der Originalsprache einen Fehler und Sie können diese Sprache nicht lesen, werden Sie den Fehler nie sehen. Er geht in den Übersetzungsschritt, wird treu in eine Sprache übertragen, die Sie lesen können, und kommt dort als ganz normaler Satz an. Es gibt keine Bruchstelle. Nichts schlägt Alarm. Ein falsches Wort, das die Übersetzung überlebt, sieht genauso aus wie ein richtiges.
Vergleichen Sie das mit einem Transkript in einer Sprache, die Sie sprechen, wo sich ein Fehler von selbst zeigt. Sie lesen einen Satz, er ergibt keinen Sinn, Sie spielen die Aufnahme noch einmal ab. Diese Kontrollschleife steht Ihnen hier nicht zur Verfügung. Sie lesen das Ergebnis eines Vorgangs, den Sie nicht überprüfen können.
Die praktische Konsequenz: Misstrauen Sie eher dem Transkript als der Übersetzung. Wirkt etwas in Ihrer Sprache seltsam, liegt der Fehler fast nie in der Übersetzung. Fast immer hat die Transkription an dieser Stelle ein Wort falsch verstanden, und die richtige Reaktion ist, sich den Text in der Originalsprache an dieser Stelle anzusehen und diesen Moment der Aufnahme noch einmal abzuspielen, auch ohne die Sprache zu verstehen. Schon zu hören, dass die sprechende Person ein kurzes Wort gesagt hat, wo im Transkript ein langes steht, sagt Ihnen etwas.
Die Sprache erkennen lassen – und die Angabe prüfen
Ein praktisches Hindernis taucht sofort auf: Manche Tools verlangen, dass Sie die Ausgangssprache vorher aus einer Liste auswählen. Können Sie die Sprache nicht sicher benennen – und viele Menschen können eng verwandte Sprachen am Klang kaum unterscheiden –, raten Sie bei genau der Einstellung, die das ganze Ergebnis bestimmt.
Wird die Sprache direkt aus der Aufnahme erkannt, entfällt dieser Schritt. Die SozAI-Erweiterung für WhatsApp Web ermittelt die Sprache aus der Aufnahme selbst, statt Sie zur Auswahl zu zwingen, und zeigt am Ergebnis eine Markierung, welche Sprache erkannt wurde. Genau diese Markierung ist das Nützliche daran, denn so erkennen Sie eine Fehlerkennung sofort: Wird eine Sprache genannt, die der Absender nachweislich nicht spricht, lohnt es sich nicht, das Transkript darunter zu lesen – und das wissen Sie auf den ersten Blick, statt erst nach zwei verwirrenden Absätzen.
Eine Sache, auf die Sie sich einstellen sollten: Die Zusammenfassung kommt in derselben Sprache zurück, in der die Nachricht gesprochen wurde. Das ist für den ersten Schritt genau richtig, bedeutet aber auch: Eine Nachricht, die Sie nicht lesen konnten, können Sie danach immer noch nicht lesen. Sie haben ein Audioproblem in ein Textproblem verwandelt, und genau darum geht es – aber den Übersetzungsschritt müssen Sie danach noch selbst erledigen.
Ausgerechnet die wichtigen Stellen sind am ehesten falsch
Automatische Transkripte sind bei normaler, zusammenhängender Sprache am stärksten und bei genau drei Dingen am schwächsten: Personennamen, Ortsnamen und Zahlen. Ein gewöhnliches Wort lässt sich aus dem Zusammenhang erschließen. Ein Nachname nicht. Ein Straßenname nicht. Eine Zahl nicht.
Und schauen Sie sich an, worum es in Sprachnachrichten meistens geht: Wo man sich trifft. Wie viel geschuldet wird. An welchem Tag. Wer wem was gesagt hat. Genau die Information, die Sie eigentlich brauchen, konzentriert sich in den Teilen des Transkripts, die am unsichersten sind – und bei einer Nachricht über eine Adresse oder einen Betrag sind das keine Nebensächlichkeiten, das ist die eigentliche Nachricht.
Lesen Sie das Transkript deshalb in zwei Durchgängen. Der erste gibt Ihnen die grobe Form: Wer spricht, worum geht es, muss heute noch geantwortet werden. Dem können Sie vertrauen. Der zweite Durchgang gilt nur den Details, und dort sollten Sie prüfen statt vertrauen.
- Spielen Sie die paar Sekunden Audio rund um jede Zahl noch einmal ab und achten Sie auf die Ziffern – die sind oft auch in einer fremden Sprache erkennbar.
- Prüfen Sie Namen anhand Ihrer eigenen Kontakte oder früherer Nachrichten, nicht anhand des Transkripts.
- Vergleichen Sie eine Adresse mit einer, die Sie bereits für diese Person oder dieses Unternehmen gespeichert haben.
- Wenn ein Betrag über Ihr weiteres Vorgehen entscheidet, lassen Sie ihn sich schriftlich bestätigen, bevor Sie handeln.
Den Absender zu bitten, eine Zahl noch einmal schriftlich zu bestätigen, ist kein Zugeständnis, dass Sie etwas nicht verstanden haben. Genau das würden Sie auch bei einer Zahl tun, die Sie über eine schlechte Telefonverbindung in Ihrer eigenen Sprache gehört haben.
Was das nicht für Sie erledigt
Es liefert Ihnen die Nachricht nicht in einem einzigen Schritt in Ihrer Sprache. Zwei Schritte bedeuten zwei Schritte, und das Transkript kommt in der Sprache zurück, in der gesprochen wurde. Wenn Sie das fertige Ergebnis direkt in Ihrer eigenen Sprache wollen, ohne den Übersetzungsschritt getrennt selbst zu machen, ist das eine andere Aufgabe als reine Transkription – dafür ist die Übersetzung zwischen Sprachen die richtige Anlaufstelle. Dasselbe gilt für Audio, das Sie als Datei vorliegen haben statt als WhatsApp-Nachricht – eine Aufnahme, ein weitergeleiteter Anhang, etwas vom Handy Gespeichertes –, das die Transkriptions-App übernimmt, eine Browser-Erweiterung für WhatsApp Web aber nicht.
Es sagt Ihnen nichts über den Tonfall. Ein kurzes Transkript einer langen Nachricht lässt Zögern, Wärme, Verärgerung und die Pause vor dem wichtigen Satz weg. Wenn Sie herausfinden wollen, wie besorgt ein Verwandter tatsächlich ist, reichen die Worte allein nicht aus – hören Sie sich die Aufnahme mit dem Transkript vor Augen noch einmal an.
Bei schlecht aufgenommenem Audio ist es nicht zuverlässig. Wind, Lautsprecher im Auto, zwei Personen, die gleichzeitig sprechen, eine Sprachnachricht, die im Treppenhaus aufgenommen wurde. Schlechter Input erzeugt ein selbstbewusst falsches Transkript statt eines offensichtlichen Fehlschlags – und das ist schlimmer, weil es fertig aussieht.
Und es ersetzt den Cousin nicht, wenn die Nachricht wirklich mehrdeutig ist. Was es Ihnen ermöglicht, ist herauszufinden, ob die Nachricht mehrdeutig ist, bevor sie sonst jemand hört. Meistens lautet die Antwort Nein, und Sie kommen allein zurecht. Lautet sie Ja, wissen Sie jetzt wenigstens, nach welchen dreißig Sekunden Sie fragen müssen, statt die ganze Aufnahme weiterzugeben.
