Wenn Übersetzung keine Aufgabe mehr ist
Zuerst ist es nur „noch eine Sprache“. Ein doppelter Eintrag. Ein paar kopierte Felder. Jemand überprüft Relationen noch einmal. Jemand anderes korrigiert die Formatierung. Es ist nervig, aber handhabbar.
Dann wächst der Inhalt weiter.
Mehr Seiten. Mehr Komponenten. Mehr dynamische Zonen. Mehr Personen, die an denselben Einträgen arbeiten. Plötzlich ist Übersetzung keine Aufgabe mehr — sie ist ein Prozess. Und dieser Prozess beginnt, Zeit, Vertrauen und Konsistenz an Stellen zu verlieren, die schwer zu erklären, aber leicht zu spüren sind.
Verschärfend kommt hinzu, dass technisch nichts kaputt ist. Seiten werden veröffentlicht. Inhalte existieren. Dennoch erhöht jede neue Sprache die Reibung. Jedes Update fühlt sich riskant an. Jeder manuelle Schritt wird zu einer weiteren Stelle, an der stillschweigend etwas schiefgehen kann.
An diesem Punkt streiten Teams normalerweise über Tools, Kosten oder Mitarbeiterzahl.
Das ist die falsche Diskussion.
Das eigentliche Problem ist nicht die Sprache. Es ist die Skalierung. Und Skalierung kümmert sich nicht darum, wie vorsichtig man ist — sie reagiert nur auf Systeme.
Diese Fallstudie zeigt, was passiert, wenn Übersetzung nicht als Feature, nicht als Schaltfläche, sondern als Infrastruktur betrachtet wird.
Warum nicht Strapis integrierten KI-Übersetzer verwenden?
Er ist nicht automatisiert, bietet nur eingeschränkte Unterstützung für Massenübersetzungen und erfordert weiterhin manuelle Arbeit, um Relationen einzurichten, Seiten zu veröffentlichen und Bilder zu verwalten. Sobald man mehr als 10 Sprachen mit einem kleinen Team verwaltet, ist Handarbeit nicht mehr realistisch.
Lösungsarchitektur und Datenfluss
Eine kundenspezifische 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 und andere spezielle Formatierungen bewahrt.
Sie unterstützt zudem Job-Abbruch, Wiederholungslogik und robuste Fehlerwiederherstellung und stellt eine ausgereifte Admin-Oberfläche bereit, mit der Benutzer Modelle auswählen und Übersetzungseinstellungen mühelos konfigurieren können.
Hauptfunktionen
System für Hintergrundjobs
Übersetzungen werden als Hintergrundjobs verarbeitet, die von einem eigenen Job-Manager verwaltet werden. Dadurch sind lang laufende Vorgänge, Echtzeit-Fortschrittsanzeige, Abbruch- und Wiederholungsfunktionen möglich, ohne die Strapi-Admin-Oberfläche zu blockieren.
Intelligente Inhaltsextraktion
Ein Inhaltsextraktor durchsucht Strapi-Einträge, Komponenten und Dynamic Zones, um übersetzbare Felder zu finden, wobei nicht übersetzbare Strukturen wie IDs, Beziehungen und Medienreferenzen erhalten bleiben.
Unterstützung mehrerer Modelle
Der Übersetzer unterstützt mehrere OpenAI-GPT-Modelle, sodass Teams Kosten, Geschwindigkeit und Qualität je nach Projekt und Zielsprache ausbalancieren können.
Intelligentes Batching
Felder werden in Batches gruppiert, um den Tokenverbrauch effizient zu halten und gleichzeitig innerhalb der Ratenbegrenzungen zu bleiben. Dieses Batching ist entscheidend, um 1000+ Seiten innerhalb eines 24-Stunden-Zeitraums zu erreichen.
Einstellungen zum Übersetzungsverhalten
Admins können konfigurieren, wie wörtlich oder frei Inhalte übersetzt werden sollen, ob Markenbegriffe beibehalten werden sollen und wie Platzhalter, HTML und Markdown behandelt werden.
An GPT-Modelle gesendete Prompts sind konfigurierbar, sodass Tonfall, Formalitätsgrad und lokalabhängige Präferenzen pro Projekt angepasst werden können.
Beziehungsverwaltung
Das System respektiert und stellt Beziehungen zwischen Einträgen nach der Übersetzung wieder her, sodass lokalisierte Inhalte in allen Locales korrekt verlinkt bleiben.
Durchsatz und Schätzung für 1000 Seiten
Bei Annahme von durchschnittlich 50 übersetzbaren Feldern pro Seite und 5 Zielsprachen:
1000 Seiten × 50 Felder = 50.000 Felder, die übersetzt werden müssen
50.000 Felder ÷ 20 Batch-Größe = 2.500 API-Aufrufe
2.500 Aufrufe × 5 Sekunden im Durchschnitt = 12.500 Sekunden =
~3,5 Stunden pro Sprache
5 Sprachen × 3,5 Stunden = ~17,5 Stunden gesamt
+ Overhead (Extraktion, Speicherung, Beziehungen) = ~20–24 StundenWas kommt als Nächstes
Sobald Inhalte eine bestimmte Größe erreichen, skaliert der Aufwand nicht mehr linear.
Was bei zehn Seiten funktioniert, bricht bei hundert stillschweigend zusammen. Was in einer Sprache noch handhabbar erscheint, wird über zehn Sprachen hinweg fragil. Nicht weil Menschen das Interesse verlieren — sondern weil manuelle Prozesse Wachstum nicht überstehen.
Die kostspieligsten Fehler sind selten offensichtlich. Sie zeigen sich als Zögern beim Bearbeiten von Inhalten, Angst vor der Veröffentlichung oder als Workflows, denen niemand mehr voll vertraut. Wenn diese Probleme sichtbar werden, bestehen sie meist schon eine Weile.
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 es wurde schnell klar, dass dieses Problem nicht auf ein Team oder ein Projekt beschränkt ist.
Deshalb öffnen wir es.
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 der Produktion betreibt. Das Job-System, die Logik zur Inhaltsverarbeitung, die Batching-Strategien, die Schutzmechanismen — alles, was dafür sorgt, dass es in großem Maßstab funktioniert.
Wir finalisieren derzeit die Dokumentation und beseitigen die letzten Unschönheiten, bevor wir das Repository veröffentlichen.
Wenn du wissen willst, wann es live geht, frühzeitigen Zugang erhalten möchtest oder verfolgen willst, wie sich das offen weiterentwickelt, abonnier.
Ich teile außerdem 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 hilfreich klingt, weißt du, was zu tun ist.