Fremdsprachige Produktdaten

14 Retouren, ein Muster

14 Retouren aus dem US-Shop in einer Woche, alle mit derselben Begründung: "Wrong size." Retourenkosten: über 600 Dollar, und noch 66 Artikel sind ungeprüft live. Donnerstagvormittag, 11:30 Uhr im Produktdaten-Management. Du sollst 120 Artikel für den französischen Shop lokalisieren und öffnest vorher die US-Produktseite, die per DeepL übersetzt und direkt freigeschaltet wurde. Drei Fehler fallen auf:

1. Maßeinheiten nicht umgerechnet: "45 cm" statt 17.7 inches. US-Kundschaft rechnet in Zoll.
2. Fachbegriff falsch: "Viskose" wurde zu "viscosity" (Zähflüssigkeit) statt "viscose" (Textilstoff).
3. Währung nicht angepasst: Preise in Euro statt US-Dollar.

Die deutschen Produktbeschreibungen mit emotionalem Einstieg und FAQ-Block waren sauber formuliert. Ohne Anpassung an den Zielmarkt wird daraus ein teurer Fehler. Was hätte zwischen Übersetzung und Freischaltung passieren müssen?

Lokalisierung heißt mehr als Übersetzen

Lokalisierung passt alle marktspezifischen Angaben an, nicht nur die Sprache. Drei Kategorien prüfst du bei jedem Artikel:

• Der US-Markt verlangt inches und pounds. Frankreich nutzt metrische Einheiten, aber Konfektionsgrößen unterscheiden sich (deutsche 38 = französische 40).
• Preise müssen in der Zielwährung stehen: US-Dollar für die USA, Euro bleibt für Frankreich.
• Datumsformate variieren: "03/04/2025" ist in den USA der 4. März, in Frankreich der 3. April.

🤔 Frage dich: Worin liegt der Unterschied zwischen Lokalisierung für den US-Markt und den französischen Markt - wo ist das Fehlerrisiko jeweils am größten?

Drei Schritte statt Direktfreischaltung

Die 14 Retouren wären vermeidbar gewesen. Eine Person hat 80 Artikel übersetzt und direkt freigeschaltet - kein zweiter Blick, keine Prüfung. Ein sicherer Workflow hat drei Stufen:

1. DeepL liefert die Vorübersetzung als Rohentwurf. Das spart Zeit, ersetzt aber keine Prüfung.
2. Eine Person mit Produktkenntnis prüft im Lektorat Fachbegriffe, Maßeinheiten und Größen. Hier wäre "viscosity" zu "viscose" korrigiert worden.
3. Eine zweite Person gibt im Vier-Augen-Prinzip den Artikel frei. Erst dann geht er live.

Drei Qualitätskriterien entscheiden über die Freigabe: Ist die Fachterminologie im Zielmarkt korrekt? Sind Einheiten und Größen marktgerecht umgerechnet? Sind rechtliche Pflichtangaben in der Zielsprache vorhanden?

Rein maschinelle Übersetzung scheitert an allen drei Punkten. Der dreistufige Workflow kostet pro Artikel wenige Minuten mehr. Die 14 Retouren haben über 600 Dollar gekostet.

Dein nächster Schritt: der französische Shop

Jetzt sitzt du vor den 120 Artikeln für Frankreich. Du kennst die drei Stufen und die Fehler aus dem US-Shop. Für den französischen Markt kommen eigene Stolperfallen dazu: andere Konfektionsgrößen, französische Textilkennzeichnung und Fachbegriffe, die DeepL aus dem Deutschen anders übersetzt als aus dem Englischen.

🧑‍🏫 Erkläre es im Kopf: Stell dir vor, du erklärst einer neuen Person im Team in drei Sätzen, warum rein maschinelle Übersetzung für den Onlineshop nicht reicht und welche drei Schritte stattdessen nötig sind. Wie formulierst du das?