Wenn Übersetzung aufhört, eine Aufgabe zu sein
Am Anfang ist es einfach „noch eine Sprache“. Ein doppelter Eintrag. Ein paar kopierte Felder. Jemand prüft die Beziehungen doppelt. Jemand anderes behebt die Formatierung. Es ist lästig, aber handhabbar.
Dann wachsen die Inhalte weiter.
Mehr Seiten. Mehr Komponenten. Mehr dynamische Zonen. Mehr Personen, die dieselben Einträge bearbeiten. Plötzlich ist Übersetzung keine Aufgabe mehr — es ist ein Prozess. Und dieser Prozess verliert Zeit, Vertrauen und Konsistenz an Stellen, die schwer zu erklären, aber leicht zu spüren sind.
Was das verschlimmert: technisch ist nichts kaputt. Seiten werden veröffentlicht. Inhalte existieren. Dennoch erhöht jeder neue Locale die Reibung. Jede Aktualisierung fühlt sich riskant an. Jeder manuelle Schritt wird zu einem weiteren Ort, an dem stillschweigend etwas schiefgehen kann.
An diesem Punkt streiten Teams normalerweise über Tools, Kosten oder Personalstärke.
Das ist das falsche Gespräch.
Das eigentliche Problem ist nicht die Sprache. Es ist die Skalierung. Und Skalierung kümmert sich nicht darum, wie vorsichtig Sie sind — sie reagiert nur auf Systeme.
Diese Fallstudie untersucht, was passiert, wenn Übersetzung nicht als Feature, nicht als Button, sondern als Infrastruktur behandelt wird.
Warum nicht Strapis eingebaute KI-Übersetzung verwenden?
Er ist nicht automatisiert, bietet begrenzte Unterstützung für Massenübersetzungen und erfordert weiterhin manuelle Arbeit, um Relationen einzurichten, Seiten zu veröffentlichen und Bilder zu verwalten. Sobald Sie mehr als 10 Sprachen mit einem kleinen Team betreuen, ist das manuelle Vorgehen nicht mehr realistisch.
Lösungsarchitektur und Datenfluss
Eine benutzerdefinierte Übersetzungserweiterung für Strapi CMS, die Übersetzungen als Hintergrundjobs mit Echtzeit-Fortschrittsanzeige verarbeitet, komplexe verschachtelte Inhaltsstrukturen wie Komponenten, dynamische Zonen und Blöcke handhabt und HTML, Markdown, URLs, Platzhalter sowie andere spezielle Formatierungen bewahrt.
Sie unterstützt außerdem Job-Abbruch, Wiederholungslogik und robuste Fehlerbehebung und bietet eine ausgereifte Admin-Benutzeroberfläche, die es Nutzern ermöglicht, Modelle auszuwählen und Übersetzungseinstellungen einfach zu konfigurieren.
Hauptmerkmale
Hintergrund-Job-System
Übersetzungen werden als Hintergrundjobs verarbeitet, die von einem dedizierten Job-Manager verwaltet werden. Das ermöglicht langlaufende Operationen, Echtzeit-Fortschrittsverfolgung, Abbruch- und Wiederholungsverhalten, ohne die Strapi-Admin-Oberfläche zu blockieren.
Intelligente Inhaltsextraktion
Ein Inhaltsextraktor durchläuft Strapi-Einträge, Komponenten und dynamische Zonen, um übersetzbare Felder zu finden und dabei nicht-übersetzbare Strukturen wie IDs, Beziehungen und Medienreferenzen zu erhalten.
Multi-Model-Unterstützung
Der Übersetzer unterstützt mehrere OpenAI-GPT-Modelle, sodass Teams Kosten, Geschwindigkeit und Qualität je nach Projekt und Ziel-Locale ausbalancieren können.
Intelligentes Batchen
Felder werden zu Chargen gruppiert, um die Token-Nutzung effizient zu halten und innerhalb der Rate-Limits zu bleiben. Dieses Batchen ist entscheidend, um über 1000 Seiten innerhalb eines 24-Stunden-Fensters zu erreichen.
Einstellungen für Übersetzungsverhalten
Admins können konfigurieren, wie wörtlich oder frei Inhalte übersetzt werden sollen, ob Markentermini erhalten werden sollen und wie Platzhalter, HTML und Markdown behandelt werden sollen.
An GPT-Modelle gesendete Prompts sind konfigurierbar, so dass es möglich ist, Tonfall, Formalitätsgrad und lokalspezifische Präferenzen pro Projekt zu justieren.
Relationsverwaltung
Das System respektiert und rekonstruiert Beziehungen zwischen Einträgen nach der Übersetzung, sodass lokalisierte Inhalte korrekt über Lokale hinweg verknüpft bleiben.
Durchsatz und Schätzung für 1000 Seiten
Unter der Annahme von durchschnittlich 50 übersetzbaren Feldern pro Seite und 5 Zielsprachen:
1000 Seiten × 50 Felder = 50.000 Felder zu übersetzen
50.000 Felder ÷ 20 Batch-Größe = 2.500 API-Aufrufe
2.500 Aufrufe × 5 Sekunden im Schnitt = 12.500 Sekunden =
~3,5 Stunden pro Sprache
5 Sprachen × 3,5 Stunden = ~17,5 Stunden insgesamt
+ Overhead (Extraktion, Speicherung, Relationen) = ~20–24 StundenWas als Nächstes kommt
Sobald Inhalte eine gewisse Größe erreichen, skaliert der Aufwand nicht mehr linear.
Was bei zehn Seiten funktioniert, bricht bei hundert stillschweigend zusammen. Was in einer Sprache handhabbar erscheint, wird über zehn hinweg fragil. Nicht weil Menschen aufhören sich zu kümmern — sondern weil manuelle Prozesse dem Wachstum nicht standhalten.
Die teuersten Fehler sind selten offensichtlich. Sie zeigen sich als Zögern beim Bearbeiten von Inhalten, Angst vor dem Veröffentlichen oder Workflows, denen niemand mehr vollständig vertraut. Wenn diese Probleme sichtbar werden, bestehen sie meist schon seit einiger Zeit.
Diese Erkenntnis hat uns hierher geführt.
Dieses Übersetzungssystem begann nicht als Produkt oder Feature — es entstand als Antwort auf reale Beschränkungen in einer Produktionsumgebung. Und schnell wurde deutlich, dass dieses Problem nicht auf ein Team oder ein Projekt beschränkt ist.
Also machen wir es zugänglich.
Wir bereiten vor, das gesamte System als Open Source zu veröffentlichen — nicht eine Demo, kein vereinfachtes Beispiel, sondern die tatsächliche Infrastruktur, die diese Pipeline in Produktion betreibt. Das Job-System, die Logik zur Inhaltsverarbeitung, die Batching-Strategien, die Sicherheitsmechanismen — alles, was es im großen Maßstab funktionsfähig macht.
Wir finalisieren derzeit die Dokumentation und beseitigen die letzten Unebenheiten, bevor wir das Repository veröffentlichen.
Wenn Sie wissen möchten, wann es live geht, frühzeitigen Zugang erhalten oder verfolgen wollen, wie sich das in der Offenheit entwickelt, abonnieren Sie.
Ich teile auch praktische Erkenntnisse aus dem Aufbau und Betrieb solcher Systeme — Skalierung von CMS, KI in der Produktion und die Kompromisse, die in Tutorials nicht auftauchen.
Kein Hype. Kein Schnickschnack. Nur Dinge, die funktionieren.
Wenn das nützlich klingt, wissen Sie, was zu tun ist.
