Kundenspezifischer Glossar-Speicher für freiberufliche Übersetzer mit KI

Die 45 Minuten, die Sie jeden Montagmorgen verlieren

Jeder freiberufliche Übersetzer beginnt den Montag auf dieselbe Weise. Das CAT-Tool öffnen. Den Projektordner der letzten Woche öffnen. Das Stilrichtlinien-PDF des Kunden heraussuchen. Die Glossar-Tabelle aufrufen. Sich daran erinnern, dass Kunde A „utilisateur" bevorzugt, Kunde B aber auf „utilisatrice" als neutrale Form besteht. Sich daran erinnern, dass die Markenstimme von Kunde C formelles Französisch ohne Verkürzungen ist, während Kunde D informelles Voseo verwendet. Sich daran erinnern, dass im Gaming-Projekt „weapon" auf Englisch bleibt, während „armor" übersetzt wird. Sich erinnern.

Bis Sie tatsächlich bereit sind zu übersetzen, haben Sie 45 Minuten allein damit verbracht, Ihren mentalen Zustand neu zu laden. Multiplizieren Sie das mit vier oder fünf Kunden in einer normalen Freelancer-Woche, und Sie kommen auf drei Stunden reine Kontext-Ladezeit, bevor Sie auch nur einen Cent berechnen.

Die wirkliche Lösung ist nicht noch eine weitere Glossar-Tabelle, noch eine Terminologiedatenbank oder noch ein memoQ-Termbank-Export. Die wirkliche Lösung ist ein KI-Agent, der den kundenspezifischen Kontext für Sie speichert und von überall aus zugänglich ist, wo Sie arbeiten. Ein Hermes Agent auf Telegram mit kundenspezifischen Glossar-Skills ist heute der günstigste Weg, das zu erreichen, und er amortisiert sich am ersten Montag, an dem Sie das 45-minütige Aufwärmen auslassen.

Was der Kunden-Speicher tatsächlich enthalten sollte

Die meisten Übersetzer kennen die Theorie bereits. In der Praxis muss der kundenspezifische Speicher eine Handvoll konkreter Dinge enthalten:

Terminologie-Glossar mit Ausgangsterm, bevorzugtem Zielterm und etwaigen Nicht-übersetzen-Regeln.
Stilpräferenzen. Formelles oder informelles Register, Verkürzungen erlaubt oder nicht, Toleranz bei der Satzlänge, Großschreibung von Überschriften.
Tonalität. Markenstimme in einfacher Sprache beschrieben, mit drei oder vier Beispielsätzen.
Frühere Entscheidungen. „Wir haben besprochen und uns nach einem Telefonat im September darauf geeinigt, ‚sustainability' als ‚sostenibilità' und nicht als ‚durabilità' zu übersetzen."
Kunden-Eigenheiten. „Verwenden Sie für diesen Kunden immer das Oxford-Komma. Sie schicken Dateien ohne es zurück."
Bereits gelieferte Referenzdateien, damit der Agent frühere Formulierungen heranziehen kann.
Nicht-übersetzen-Liste. Markennamen, Produktnamen, bestimmte Akronyme.

Das sind sieben Kategorien pro Kunde. Sie über 5 bis 20 Kunden hinweg manuell zu pflegen, ist der Grund, warum die meisten Übersetzer eine halb aktualisierte Termbank und ein Google Doc mit Notizen haben, das nie geöffnet wird.

Wie ein KI-Agent das Ritual ersetzt

Ein KI-Agent auf Telegram mit kundenspezifischen Skills verändert das Ritual von „Kontext manuell laden" zu „den Agenten fragen". Beispiele für tatsächliche Anfragen, die ein arbeitender Übersetzer im Laufe des Tages an den Agenten schickt:

„Wie übersetzen wir für Kunde A ‚user experience'?"
„In welcher Tonalität schreibe ich für Kunde C, zeig mir Beispiele."
„Wird ‚Platform' in den Lieferdokumenten von Kunde B großgeschrieben?"
„Ich habe gerade diesen String von Kunde D bekommen, vergleiche ihn mit ihrer Stilrichtlinie und markiere alles, was abweicht."
„Füge ‚geofencing' zum Glossar von Kunde A hinzu, Zielterm ist ‚geolocalizzazione' laut heutiger Kunden-E-Mail."
„Zeig mir die letzten drei Male, die ich ‚onboarding' für Kunde B übersetzt habe."
„Kunde E hat ein neues, zweiseitiges Stil-Update geschickt, analysiere es und füge die Änderungen ihrem Speicher hinzu."

Der Agent antwortet in Sekunden aus dem Speicher. Sie öffnen nie das PDF. Sie durchsuchen nie die Tabelle. Sie fragen, Sie bekommen, Sie übersetzen.

Wie das Glossar aufgebaut wird

Ein Abend pro Kunde. Das ist die ganze Einrichtung.

Schritt 1: vorhandene Materialien einfügen. Ihre aktuelle Glossar-CSV, das Stilrichtlinien-PDF des Kunden, frühere gelieferte Dateien, falls Sie welche haben. Der Agent liest alles und normalisiert es in seinen eigenen kundenspezifischen Skill.

Schritt 2: ein kurzes Freitext-Briefing verfassen. Zwei Absätze über die Stimme des Kunden und alle Eigenheiten, die es nie in die offiziellen Dokumente schaffen. „Sie akzeptieren in Marketingtexten nie Passivkonstruktionen, in der Dokumentation sind sie damit einverstanden. Sie haben einen Running Gag darüber, das Wort ‚leverage' niemals zu verwenden. Verwenden Sie es nicht."

Schritt 3: dem Agenten Ihren Workflow mitteilen. „Wenn ich auf Telegram nach Kunde A frage, lade immer dessen Glossar-Skill. Wenn ich ein Ausgangssegment mit ‚#A" am Anfang einfüge, behandle es als zu Kunde A gehörig."

Das ist alles. Sie wiederholen das für jeden aktiven Kunden. Über ein paar Wochen wächst das Glossar organisch aus Ihren tatsächlichen täglichen Anfragen.

Tatsächliche tägliche Nutzung in einem CAT-Tool-Workflow

Sie arbeiten weiterhin in Trados, memoQ, Wordfast oder Phrase. Der Agent ersetzt das CAT-Tool nicht. Er sitzt daneben in einer anderen App auf Ihrem zweiten Bildschirm oder auf Ihrem Smartphone.

9:00 Uhr. Sie öffnen das Montagsprojekt für Kunde A. Bevor Sie beginnen, tippen Sie in Telegram: „#A wie ist unser aktueller Glossar-Stand?" Der Agent antwortet mit den 20 wichtigsten Begriffen und allen Änderungen seit letztem Montag.

9:17 Uhr. Das Ausgangssegment lautet „implement the new geofencing feature." Sie sind nicht sicher, ob geofencing festgelegt wurde. Sie tippen „#A geofencing." Der Agent: „Letzten Donnerstag als ‚geolocalizzazione' festgelegt, Quell-E-Mail angehängt. Der Kunde hat ‚geofencing' als englisches Lehnwort ausdrücklich abgelehnt."

9:45 Uhr. Sie stoßen auf ein Segment, bei dessen Tonalität Sie unsicher sind. Sie fügen es in Telegram ein: „#A passt das zu ihrer Stimme?" Der Agent liest das Segment, vergleicht es mit der Stilrichtlinie und gibt zurück: „Etwas zu formell. Erwägen Sie ‚ti aiutiamo a' statt ‚vi permettiamo di'. Passt zu ihrer Tonalität aus dem März-Newsletter."

11:30 Uhr. Der Kunde schickt per E-Mail einen überarbeiteten Begriff. Sie leiten die E-Mail an den Agenten weiter: „#A füge das zum Glossar hinzu." Der Agent liest, aktualisiert, bestätigt. Keine zusätzliche Bearbeitung der Tabelle.

Samstagnachmittag. Sie sind mitten in einem neuen Projekt für Kunde A. Mitten in der Sitzung merken Sie, dass Ihnen ein Begriff bekannt vorkommt. Sie tippen „#A haben wir ‚predictive scheduling' schon mal gesehen?" Der Agent: „Ja, Projekt vom 14. März. Sie haben es als ‚pianificazione predittiva' übersetzt. Quell-E-Mail und finales geliefertes Segment angehängt."

Warum das eine geteilte Termbank schlägt

Geteilte Termbanken und Tools wie QTerm von memoQ oder MultiTerm von Trados existieren für genau dieses Problem. Sie funktionieren. Sie sind aber auch starr. Drei Dinge, die sie nicht tun, ein Agent aber schon.

In einfacher Sprache fragen. Sie fragen memoQ nicht in normaler Sprache ab. Sie klicken sich durch einen Dialog. Ein Agent nimmt „wie ist die Tonalität für Kunde C" und gibt Ihnen einen Absatz als Antwort. Marginal schneller, Dutzende Male am Tag.

Das Warum erklären. Eine Termbank nennt Ihnen den Begriff. Ein Agent nennt Ihnen den Begriff plus den Grund: „Kunde B verlangt ‚platform' kleingeschrieben, weil ihre Markenleitung es so im Stil-Update von 2024 geschrieben hat." Das Warum ist wichtig, wenn Sie eine Entscheidung verteidigen müssen.

Sich an Entscheidungen erinnern, die es nie in die Termbank geschafft haben. Die meisten Übersetzer tragen nicht jede Entscheidung in ihre Termbank ein, weil es Reibung erzeugt. Sie schicken aber Telegram-Nachrichten an sich selbst. Ein Agent mit persistentem Speicher auf Telegram erfasst diese Entscheidungen kostenlos, weil sie in dem Kanal passieren, den der Agent ohnehin schon besitzt.

Was der Agent nicht ersetzt

Drei Dinge bleiben bei Ihnen.

Das CAT-Tool selbst. Segmentierung, TM-Matching, QA-Prüfungen, Lieferformat: Dafür sind CAT-Tools gemacht. Nutzen Sie sie.

Kundenbeziehungen. Das fünfminütige Telefonat, um einen kniffligen Begriff festzulegen, die E-Mail, die erklärt, warum Sie eine Formulierung gewählt haben. Diese sind menschlich und werden es immer sein.

Das abschließende Urteil. Die Glossar-Empfehlungen des Agenten sind ein Ausgangspunkt. Wenn ein Segment erfordert, eine Regel zu brechen, dann brechen Sie sie. Sie sind der Übersetzer.

Die Wirtschaftlichkeit für einen arbeitenden Freelancer

Zahlen, die zählen. Ein freiberuflicher Vollzeit-Übersetzer, der 6 Stunden am Tag mit tatsächlicher Übersetzung plus 2 Stunden mit Kontext-Laden, QA, Verwaltung und Kundenkommunikation arbeitet, lässt 2 bezahlte Stunden pro Tag liegen. Reduziert man das Kontext-Laden durch kundenspezifischen Speicher auch nur um 30 Minuten am Tag, gewinnt man Zeit im Wert von rund 150 Euro oder Dollar bei einem durchschnittlichen Satz von 0,10 bis 0,12 pro Wort und normaler Geschwindigkeit.

Ein Hermes Agent auf Hermify kostet 12 Dollar pro Monat plus Ihre eigene LLM-API-Nutzung, in der Regel ein paar Dollar pro Monat für diese Art von Nutzung. Eine zurückgewonnene Stunde pro Woche bezahlt das ganze Jahr. Zehn zurückgewonnene Stunden pro Monat bezahlen einen schönen Urlaub.

Der Teil über die Vertraulichkeit

Übersetzungsarbeit ist oft mit NDAs verbunden. Ein berechtigtes Anliegen. Hermes Agent läuft mit Ihrem eigenen LLM-API-Schlüssel, was bedeutet, dass API-Aufrufe direkt von Ihrem Agenten an Ihren Anbieter gehen, nicht über eine SaaS-Lösung eines Dritten. Ihre Kundendaten bleiben zwischen Ihnen, Ihrem Agenten und Ihrem LLM-Anbieter (OpenAI, Anthropic usw.) gemäß deren eigenen Datenrichtlinien. Wenn Sie mit Kunden arbeiten, die ausdrücklich lokale Modelle verlangen, können Sie Hermes mit einem offenen Modell und einem selbst gehosteten Endpunkt betreiben, was eine aufwändigere Einrichtung ist, aber möglich.

So oder so haben Sie am Ende eine sauberere Datenschutz-Geschichte als „Ich habe das Kundendokument in ChatGPT eingefügt, um eine Frage zu stellen", was die meisten Freelancer im Stillen tun.

Dieses Wochenende einrichten

Starten Sie einen Hermes Agent auf Hermify. Sechzig Sekunden.
Wählen Sie Ihre wichtigsten 3 Kunden aus. Laden Sie deren Glossar, Stilrichtlinie, Stimmen-Beispiele und etwaige Eigenheiten.
Richten Sie das Hashtag-Kürzel ein. „#A", „#B", „#C" für schnelles Kontext-Wechseln.
Nutzen Sie den Agenten eine volle Arbeitswoche lang. Sehen Sie sich am Ende der Woche an, wonach Sie den Agenten am häufigsten gefragt haben. Diese Themen werden zu neuen Skills oder Glossar-Einträgen.
Fügen Sie die übrigen Kunden in den nächsten zwei Wochen hinzu. Tun Sie es entspannt: Ein Kunde wird hinzugefügt, wenn sein nächstes Projekt hereinkommt, nicht in einem vorab erstellten Stapel.

Innerhalb eines Monats werden Sie sich nicht mehr erinnern, wie Sie ohne ihn gearbeitet haben.