Was die KI über dich denkt: Versteckter Bias in KI-Übersetzungen

KI-Übersetzungen versprechen die perfekte Überbrückung von Sprachbarrieren. Doch die Ergebnisse enthalten oft verstecken Bias. Ohne einen menschlichen Beitrag kann der Output Bedeutung verzerren und Meinungen marginalisieren. Die dringliche Frage, die sich deshalb stellt, ist, wer eigentlich gehört wird, wenn Maschinen für uns sprechen.

KI-Übersetzungstools beruhen auf riesigen Datenmengen und komplexen Algorithmen. Die zugrundeliegenden Datensätze werden meist ungeprüft aus dem Internet gezogen, also einem Ort, an dem kulturell dominierende Gruppen überrepräsentiert sind. So kann es passieren, dass maschinell erstellte Übersetzungen schädliche Stereotypen, diskriminierende Sprache und kulturell verzerrte Perspektiven wiedergeben.

Das schwache Geschlecht

Geschlechterdiskriminierung in der KI-Übersetzung ist eine Reflexion sozialer Stereotype – und verstärkt diese. Besonders deutlich wird das bei der Übersetzung vom Englischen in Sprachen mit grammatikalischem Geschlecht. Bei der Übersetzung ins Deutsche „bedenkt“ die KI nicht, dass es mehrere mögliche Übersetzungen gibt, also dass „doctor“ ebenso eine „Ärztin“ sein kann, und „nurse“ auch ein „Krankenpfleger“.   Im Französischen, Spanischen und Italienischen wird die Entsprechung für das Wort „alle“ ebenfalls gegendert. Wenn „alle“ sich auf eine Gruppe von Frauen bezieht, wäre das dann „todas“ im Spanischen. Auch hier wählt die KI die häufigste Variante des Wortes, also die männliche.  

Versteckte Zugehörigkeit

Bias gibt es nicht nur in Bezug auf das Geschlecht, sondern auch in Bezug auf die Geopolitik. Die Art und Weise, wie übersetzt wird, kann eine tiefere politische und kulturelle Bedeutung haben. Ob die KI „Kyjiw“ oder „Kiew“ schreibt, ist politisch relevant. Besonders seit dem Russischen Angriff auf die Ukraine ist die Schreibweise „Kyjiw“ ein Ausdruck der Unabhängigkeit von Russland, da es sich bei „Kiew“ um eine Transliteration aus der russischen Sprache handelt. Im chinesischen KI-System DeepSeek wird geopolitischer Bias noch offensichtlicher: Hier wird Taiwan als zu China gehörig bezeichnet, und bei der Suche nach Tiananmen Square wurde mir von DeepSeek ein Systemfehler angezeigt, danach wurde mir der Zugang zum System verweigert. Diese Beispiele zeigen, dass KI-Modelle immer durch die politischen und kulturellen Einstellungen derjenigen geprägt sind, die sie geschaffen haben. Im Gegensatz zu menschlichen Übersetzern, die entsprechende stilistische oder ethische Entscheidungen bewusst treffen, haben Laien nur wenig Möglichkeit, die KI zu beeinflussen.

Dialekt als Hürde

KI-Übersetzung hat erhebliche Schwierigkeiten mit der Übersetzung regionaler Dialekte und übersetzt einen im Dialekt geschriebenen Text in eine gebrochene oder fehlerhafte Sprache. Damit geht der Respekt gegenüber einzigartiger sprachlicher Varietäten verloren. Es impliziert, dass Sprecher*innen von Dialekten fehlerhaft sprechen, statt widerzuspiegeln, dass sie eine regionale Identität zum Ausdruck bringen. 

KI versteht Dialekte und deren kulturellen Kontext nicht wirklich und gefährdet damit den Reichtum und die Identität regionaler Sprachvaerietäten oder bringt einfach sinnfreie Übersetzungen hervor.

Viele Menschen vertrauen darauf, dass gerade KI neutrale und objektive Übersetzungen erstellt. Jedoch ist Sprache nie neutral, sondern immer von Kultur, Machverhältnissen und Kontext geprägt. Bias in KI-Übersetzungen zeigt sich darin, dass KI-Systeme nicht nur übersetzen, sondern Bedeutung interpretieren, filtern und verändern, und dabei kulturelle und institutionelle Machtverhältnisse reproduzieren. Sprachliche Inklusivität erfordert Bewusstsein, menschliche Kontrolle und ein Verständnis der sozialen und politischen Implikationen von Sprache. Übersetzungen sollten mit der Sorgfalt und dem Verständnis bearbeitet werden, die nur menschliche Intelligenz mit sich bringt. Peschel Communications liefert seit über 25 Jahren von qualifizierten Muttersprachler*innen erstellte Fachübersetzungen, die sprachliches Feingefühl und kulturelle Kontextsensibilität vereinen.