Wenn man ChatGPT eine komplexe Frage auf Englisch stellt, kommt recht häufig eine korrekte, gut formulierte und zum Kontext passende Antwort. Wer dasselbe auf Hindi, Bengali oder Yoruba versucht, bekommt nicht selten eine kürzere, weniger genaue und gelegentlich auch unsinnige Aussage. Auf Deutsch, Französisch oder Spanisch sind die Antworten zwar treffender – erreichen aber weder die inhaltliche noch die sprachliche Qualität einer englischen Aussage.

Generative KI hat ein klares Sprachproblem. Und das wirkt sich nicht nur auf seltene oder gefährdete Sprachen aus, sondern auch auf durchaus gängige Idiome. Das Brookings Institute beschreibt das Qualitätsgefälle als Kontinuum: von Englisch über europäische Sprachen wie Deutsch, Französisch und Spanisch bis hin zu den weltweit rund 7.000 Sprachen, von denen nur etwa 20 als „datenreich“ gelten – mit dramatisch wachsendem Abstand. Mit diesem Problem kämpfen wir immer wieder, wenn wir GenAI-Projekte durchführen. Gerade deutsche Systeme haben Probleme mit der Sprache, sind ungenauer und halluzinieren häufiger, erfinden also Inhalte, die es gar nicht gibt.

„Wenn Sprachtechnologie für Menschen in ihrer eigenen Sprache nicht funktioniert, bleibt diesen Gemeinschaften der Technologieschub verwehrt, von dem andere profitieren.“

Sanmi Koyejo, Stanford University, 2025

Das Grundproblem: Die Systeme werden in Englisch konzipiert

Diese Beobachtungen sind nicht die Folge eines einfach korrigierbaren Fehlers, sondern die Auswirkung eines strukturellen Problems, das tief in der Architektur praktisch aller Sprachmodelle verankert ist. Das Training von Language Models spiegelt die Realität dieser Welt. Die Mehrzahl aller öffentlich verfügbaren Dokumente liegt in englischer Sprache vor. Der Common-Crawl-Datensatz, die wichtigste Quelle für das Training großer Sprachmodelle, besteht zu über 40% aus englischsprachigen Inhalten – und keine andere Sprache erreicht einen Anteil von mehr als 7%. Mit anderen Worten: Die Modelle lernen aus dem, was sie sehen – und das meiste davon ist Englisch.

Die Folge: Komplexe Anfragen im nicht-englischen Kontext können weniger präzise beantwortet werden, was sich insbesondere in fachsprachlichen Kontexten, wie zum Beispiel bei Rechts- oder Verwaltungstexten, auswirkt. Und auch wenn Deutsch als relativ „datenreiche“ Sprache vergleichsweise privilegiert ist, teilt es die strukturellen Grundprobleme in abgeschwächter Form. Doch es gibt auch Auswirkungen sekundärer Natur: Anweisungen zur Filterung von problematischen Inhalten – z.B. Hasskommentare oder Aussagen, die auf schwere psychische Probleme hindeuten – werden primär in Englisch konzipiert und trainiert. Entsprechend verlieren sie ihre Präzision in anderen Sprachen. Dadurch werden derartige Aussagen häufiger übersehen oder auch zu Unrecht herausgefiltert.

Diese Probleme akzentuieren sich noch bei der Verwendung von kleineren Modellen (sogenannte Small and Medium Language Models mit unter 15 bzw. 100 Mrd. Parametern). Diese Modelle, die vor allem auch für Retrieval-getriebene Lösungen (RAG) im Standalone-Betrieb geeignet sind und damit auch die vielen Datenschutzprobleme mit Cloudanbindungen umschiffen, sind im Nicht-Englischen noch ungelenker als die großen Modelle. In einigen Fällen gibt es spezifische Erweiterungen, wie die Embeddings der Berliner Firma Jina für die kleinen Gemma-Sprachmodelle, aber auch diese lösen das Grundproblem nicht vollständig. Selbst Mistral, die europäische LLM-Alternative aus Frankreich, performt auf Englisch besser als in den eigentlichen Zielsprachen Deutsch und Englisch. In den Standard-Benchmarks wirkt sich das noch nicht gravierend aus.

Zusammenfassung: Deutsch ist aufwändiger

Das Brookings Institut nutzte ein noch immer sehr zutreffendes Zitat als Ausgangspunkt seiner Analyse der KI-Sprachlücke 2024:

"Die Grenzen meiner Sprache bedeuten die Grenzen meiner Welt."

Ludwig Wittgenstein (1889-1951), Philosoph

Die Sprache, in der man arbeitet, bestimmt nachweislich, was KI leisten kann. Für Menschen, die kein Englisch sprechen, bedeutet das einen handfesten Nachteil – in einer Welt, in der dialogorientierte KI zunehmend zum nützlichen Werkzeug für Problemlösung und Texterstellung wird.

Aus geschäftlicher Sicht überrascht es daher nicht, dass nicht-englischsprachige Conversational-AI-Projekte regelmäßig hinter den Erwartungen zurückbleiben und oft schon am Prototyp scheitern. Konsequent unterschätzt wird der Mehraufwand: Grundlagentraining des Modells für die sprachlichen Muster der Anwendung, eine gut konzipierte RAG-Pipeline und sorgfältiges Fine-Tuning der Sprachgenerierung. All das macht eine gute KI-Umsetzung in nicht-englischsprachigen Umgebungen teurer.

Das kostet Zeit, Geld und ein bewusstes Bekenntnis zu sprachlicher Vielfalt im Entwicklungsprozess. Der erste Schritt ist aber, die Lücke überhaupt anzuerkennen. Wer sie ignoriert, zahlt den Preis: eine KI-Anwendung, die wenig – oder schlimmer: negativen – Wert liefert.