Prolegomena zu einer an Embodiment orientierten Fachkommunikationswissenschaft

2.1 Die ergänzende Kommunikationshandlung im Integrativen Modell der Fachkommunikation

Das Integrative Modell der Fachkommunikation (Schubert 2007:243–326) baut auf einer Diskussion der Fachdiskurse von Fachsprachenforschung und Translationswissenschaft auf und geht aus deren Zusammenführung in Form der interdisziplinären Fachkommunikationswissenschaft hervor (ebd.:345–249): Im Wesentlichen zeichnet es sich durch die drei Akteure Auftraggeber – Produzent – Rezipient aus, deren entscheidungsbasiertes fachkommunikatives Handeln durch die Vorkommunikationshandlung und die anschließende Fachkommunikationshandlung geprägt sind (s. Abbildung 1).

Abb. 1

Die Fachkommunikationshandlung mit Vorkommunikationshandlung sowie ergänzender und paralleler Kommunikationshandlung (Schubert 2007:258).

Zwischen diesen Akteuren finden Lenkungsprozesse statt, sozusagen Einflussnahmen und Prägungen, die der kommunikativen Optimierung von Kommunikationsprodukten und -prozessen dienen. Diese Lenkungsprozesse wirken sich auf die Akteure und deren kognitiven Zustände aus – bei der Herausbildung von Konventionen auch auf einer mikro- und einer makrokulturellen Ebene (ebd.:324). An dieser Stelle verliere ich mich nicht darin, die Komplexität des Modells in seiner Gänze darzulegen, sondern fokussiere den Modellaspekt,^[8] der für das Forschungsanliegen dieses Artikels relevant ist – die ergänzende Kommunikationshandlung (s. Abbildung 1):

Unter der ergänzenden Kommunikationshandlung verstehe ich alle Dokumente, E-Mails, mündlichen Auskünfte und so weiter, die technische Redakteure sich im Rahmen der Informationsrecherche verschaffen. Dies ist ein notwendiger Arbeitsschritt im Prozess der technischen Redaktion. Ich subsumiere hier der Einfachheit halber auch Information, die der Produzent selbst erzeugt, also nicht durch Kommunikation gewinnt, sondern durch nichtsemiotische Interaktion (Roelcke 1994: 9) oder durch eigene Erfahrung. Bei eigener Erfahrung ist insbesondere an Aufträge in der technischen Redaktion zu denken, bei denen die Produzenten angewiesen werden, ein Gerät, ein Softwaresystem oder ein anderes Produkt selbst in Augenschein zu nehmen undanhand einer Praxiserkundung beispielsweise eine Betriebsanleitung zu schreiben. ... Ergänzende Kommunikationshandlungen sind nicht auf die Textproduktion der technischen Redaktion beschränkt. Sie kommen zwar nicht zwingend, wohl aber sehr häufig auch beim Fachübersetzen vor. (Schubert 2007:258; Kursive im Original; Fettdruck AH)

Nichtsemiotische Interaktion ist als Interaktion zu verstehen, die nicht auf Zeichen basiert. Für den herangezogenen Begriff der Interaktion betont Schubert (2007:211), dass er sich insoweit vom Kommunikationsbegriff im Wesentlichen dadurch unterscheide, jeglicher Intentionalität zu entbehren. Obige Definition von ergänzender Kommunikationshandlung thematisiert noch nicht explizit Körperlichkeit. So kann das Gewinnen von Erfahrung zum technischen Produkt wie auch das In-Augenschein-Nehmen eigene körperliche Interaktion mit dem technischen Produkt ausschließen. Allerdings verstehe ich die zusätzliche Nennung von Praxiserfahrung als Implikatur, dass der Technische Redakteur mit dem technischen Produkt körperlich interagiert. Hervorzuheben ist an der Definition zudem, dass die ergänzende Kommunikationshandlung auch Teil von Translationsprozessen ist. Im Folgenden erläutere ich, wie das Modell Automatisierter Wissenskommunikation an das integrative Modell der Fachkommunikation anschließt und den Aspekt der körperlichen Interaktion mit dem technischen Produkt anlegt.

2.2 Nonverbale Interaktion zwischen Körper und Gerät im Modell Automatisierter Wissenskommunikation

Das Modell Automatisierter Wissenskommunikation geht aus der Diskussion von fachkommunikationswissenschaftlichen Modellen und von Modellen der Kybernetik sowie der Techniksoziologie hervor (Holste 2024:122). Das Modell Automatisierter Wissenskommunikation orientiert sich an mehreren Stellen am Integrativen Modell der Fachkommunikation. Auch an dieser Stelle soll nur ein Aspekt aus dem Modell behandelt werden, der für das Forschungsanliegen dieses Artikels relevant ist.^[9] Im Zentrum der Modellbildung steht das sogenannte Interaktionsdreieck, in dem ein Wissensakteur mittels eines Kommunikats oder Translats mit einer Maschine innerhalb einer Situation interagiert (ebd.:255–276; s. Abbildung 2):

1. Bei Wissensakteuren handelt es sich ausschließlich um Menschen, die intentional handeln und über Fachwissen verfügen, das sie mittels Interaktion bzw. vermittelter Kommunikation^[10] konstruieren. Der situierte Wissensakteur konstruiert Fachwissen innerhalb einer Situation.

2. Die Maschine kann bezüglich Algorithmus und Korpus verschiedene Ausprägungen annehmen, beispielsweise ein regelbasiertes System, ein LLM, eine NMÜ sein (ebd.:72–93). Die Maschine ist also vor allem als Softwaresystem aufzufassen (ebd.:45), kann aber auch eine Software in Verbindung mit einem Gerät wie ein Roboter, ein Fahrzeug, eine Fertigungsstraße etc. (ebd.:58–60, 65–67) sein. Das Gerät stellt in diesem Fall das Unterelement der Maschine dar, das innerhalb der Situation haptisch interagiert (ebd.:45).

3. Das Kommunikat/Translat wird durch verschiedene Ausdrucksmittel (A) wie Schrift, Gesprochenes, Ton, Bilder usw. innerhalb eines technischen Mediums (M) wie Papier, Dateien, Datenbanken o. Ä. realisiert. Das Kommunikat kann auch ein Display, eine Tonausgabe einer Maschine o. Ä. sein. In diesem Fall sind das Gerät als Unterelement der Maschine und das Kommunikat zwar nicht räumlich, aber analytisch zu trennen.

Im Zentrum des Modells steht der Prozess, wie der situierte Wissensakteur im Zusammenspiel interner Instanzen (s. Abbildung 2), dem interiorisierten Kommunikat und weiteren Sinneseindrücken in der Situation (nonverbale Interaktion mit dem Gerät, lokale Umgebung) über einen mentalen Text situiert-emotives Fachwissen (ebd:261–262) konstruiert.^[11]

Abb. 2

‚Interaktionsdreieck‘ mit Modellelementen und deren Relationierungen (Holste 2024:271).

Für den Forschungsfokus des Artikels ist insbesondere relevant, dass

[...] der ‚Situierte Wissensakteur – WA (S)‘ sowohl ‚Kompetenz‘ als auch ‚(Fach-/Vor-)Wissen‘ in einer Situation also indirekt konstruieren [kann], indem er durch das Unterelement ‚Körper‘ Erfahrungen sammelt. Diese Körpererfahrungen können sich entweder aus dem Modellprozess ‚Nonverbale Interaktion‘ mit dem Modellelement ‚Maschine – MAS (S/E)‘, Unterelement ‚Gerät‘ (s. Abbildung 4–5) ergeben oder aus Umweltreizen, die weder vom ‚Kommunikat/Translat‘ noch von der ‚Maschine – MAS (S/E)‘ ausgehen. (Holste 2024:263)

Die nonverbale Interaktion ist dabei an die nichtsemiotische Interaktion des Integrativen Modells der Fachkommunikation angelehnt, wobei semiotische Interaktion im Modell Automatisierter Wissenskommunikation ausschließlich über das Kommunikat/Translat erfolgt. Eine Limitation des Modells besteht darin, dass es ausschließlich Interaktion erfasst, die von Sprachrealisaten dominiert oder zumindest begleitet wird, sodass ausschließlich nonverbale Interaktion als Gegenstand des Modells ausgeklammert wird (ebd.:337). Die Interaktion kann beispielsweise die Bewegung eines Maschinenteils am Gerät darstellen, die der situierte Wissensakteur wahrnimmt oder auch vornimmt. Festzuhalten bleibt auch, dass die Interaktion zwischen Gerät und Körper reziprok angelegt ist, da die Maschine Körperbewegungen oder Proxemik vom Körper des situierten Wissensakteurs mittels Sensoren registrieren kann. Das parallele Interiorisieren des von der Maschine erzeugten Kommunikats/Translats und ein anschließendes Exteriorisieren eines Kommunikats/Translats durch den situierten Wissensakteur erfasst auch Prozesse des Post-Editings der ein- und mehrsprachigen Technikdokumentation.

Mit diesen Modellelementen und -prozessen bietet das Modell Automatisierter Wissenskommunikation die Grundlage, um die Produkterkundung als Form des Embodiments für Post-Editing-Prozesse zu modellieren. Allerdings ist dieses Modell global angelegt und wird durch das feiner granulare Modell Mikroprozesse der Bediensituation für Produkterkundungen präzisiert und modifiziert. Zudem kann die Maschine im Modell Automatisierter Wissenskommunikation sowohl eine Sprachtechnologie sein, die Technische Redakteure/-innen zur Erstellung eines Informationsprodukts nutzen, als auch Teil eines technischen Produkts, das Gegenstand dieses Informationsprodukts ist. Das Modell Mikroprozesse der Bediensituation grenzt das Element Maschine ein.

2.3 Nutzerkopplung im Modell Mikroprozesse der Bediensituation

Das Modell Mikroprozesse der Bediensituation basiert auf einer Besprechung ausgewählter fachkommunikationswissenschaftlicher und techniksoziologischer Modelle, baut im Wesentlichen auf dem Modell Automatisierter Wissenskommunikation auf und modifiziert Elemente daraus (Schenda 2024:200). Dabei weist das Modell Mikroprozesse der Bediensituation eine höhere Granularität auf, um empirische Situationen zu erfassen (ebd.:226). Zu guter Letzt beschränke ich mich auch bei der Beschreibung dieses Modells auf die Kerngedanken,^[12] um das für den Forschungsfokus dieses Artikels Relevante nachvollziehbar zu machen (s. Abbildung 3; ebd.:200–217): Im Interaktionsdreieck (ID) interagieren innerhalb einer Situation ein Produktbenutzer (PB), ein technisches Produkt (P) und die Dokumentation (D) zum Produkt, also ein Informationsprodukt wie beispielsweise eine Bedienungsanleitung. Während die Maschine im Modell Automatisierter Wissenskommunikation sowohl Sprachtechnologie des Redaktionsprozesses als auch Teil des technischen Produkts sein kann, begrenzt das Modell Mikroprozesse der Bediensituation den Gegenstandsbereich ausschließlich auf das technische Produkt.

Abb. 3

Gesamtdarstellung Modell Mikroprozesse der Bediensituation (Schenda 2024:215).

Um ein Informationsprodukt wie eine Bedienungsanleitung zu erstellen, begeben sich Technische Redakteure/-innen in die Rolle der Nutzenden und erkunden das technische Produkt – hier bezieht sich Schenda (2024:140) auch auf die ergänzende Kommunikationshandlung Schuberts. Dabei können drei Formen der Nutzerkopplung zwischen Produktbenutzer und technischem Produkt auftreten: die körpernahe Kopplung (z. B. Nutzung eines Bohrhammers, einer elektrischen Zahnbürste etc.), die getrennte Kopplung (z. B. Nutzung einer Waschmaschine, eines Herds etc.) und die umgebende Kopplung (z. B. Nutzung eines Fahrzeugs, einer Sonnenbank etc.). Dabei können die Vorgänge der Nutzung unterschiedlich stabil sein. Wie das Beispiel Fahrzeug zeigt, kann das technische Produkt selbst auch Sprachtechnologie nutzen, um mit den Nutzenden zu interagieren.

Tritt eine Störung bei der Nutzung auf, haben die Nutzer drei Möglichkeiten, Prozesswissen für die Fehlerbehebung zu erlangen: eigenes Erkunden des technischen Produkts, Informationsentnahme aus dem Dokument, beispielsweise der Bedienungsanleitung, und Informationserhalt durch Dritte. Die drei Formen der Nutzerkopplung und die drei Formen der Störung exemplifiziert Schenda (2024:217–224) anhand einer Störung, die bei drei Haushaltsgeräten auftritt (Stabmixer, Kaffeevollautomat und Audiosystem).

Das Modell Mikroprozesse der Bediensituation behandelt zwar weder Translationsprozesse im Speziellen noch die Texterstellung im Allgemeinen. Aber das Modell differenziert die körperbasierte Erkundung eines technischen Produkts als Teil von Technikdokumentation erheblich aus.

Die Darstellung der drei Modelle hat gezeigt, dass diese entsprechend ihrem Publikationszeitpunkt Bezug aufeinander nehmen und Einzelaspekte ausdifferenzieren. Festzuhalten bleibt, dass die Produkterkundung als Embodiment im Sinne von intentionaler Handlung mittels des eigenen Körpers aufgefasst werden kann (s. Tabelle 1, Kommunikationslevel 2). Des Weiteren kann Produkterkundung durch die verschiedenen Formen der Nutzerkopplung und die verschiedenen Möglichkeiten der Fehlerbehebung ausdifferenziert werden. Differenziert werden darüber hinaus eine Sprachtechnologie als Teil des Redaktionsprozesses – beispielsweise ein LLM, eine NMÜ, ein hybrides System – einerseits und das technische Produkt in der Bediensituation andererseits, das durchaus auch sprachverarbeitende Technologie enthalten kann (z. B. die Sprachsteuerung innerhalb eines Fahrzeugs). Zudem findet diese Produkterkundung als Form reziproker Interaktion zwischen dem Körper des Nutzers und dem Gerät als sensorische Registrierung und nonverbale Interaktion statt. Die Produkterkundung erfolgt vorgelagert oder parallel zum Textproduktionsprozess, der auch ein Post-Editing eines maschinell erzeugten Translats darstellen kann. Im Folgenden veranschaulichen zwei Beispiele die Produkterkundung als Voraussetzung für das Post-Editing beim Übersetzen eines Informationsprodukts zum technischen Vorgang „Laufrad zentrieren“.

3.1 Aufbau hybrider Systeme und aktuelle Trends

Aktuell werben Softwarehersteller in der Techniktranslationsbranche mit ihren hybriden Produkten. Beispielsweise wirbt (Quanos 2025) mit einem Effizienzversprechen: „Mit Hilfe des bekannten KI-Übersetzungsdiensts DeepL bietet AITranslator eine automatische Vorübersetzung Ihrer Inhalte, die Effizienz steigert und Zeit spart.“ Ähnlich wirbt Phrase (2025) für die Integration von KI-Schnittstellen in sein bereits lange existierendes CAT-Tool mit Kostensenkung und Qualitätssteigerung: „Language AI revolutionizes machine translation, automatically selecting the best translation engine for each scenario to provide unmatched quality and reduced translation costs.“ Auch Kaleidoscope (2025) hebt die positiven Aspekte hervor, mit einer KI-Schnittstelle sein lange auf dem Markt genutztes Terminologie-Tool „Kalcium“ aufzuhübschen:

Deshalb haben wir KI bereits an unsere Plattform Kalcium angebunden. So können Sie durch Prompts bestimmte Metadaten generieren, etwa Definitionen aber auch Zusatzinformationen wie Part of Speech, Fachgebiet, Grammatikinformationen usw. Darüber hinaus ist KI im Bereich Terminologieprüfung extrem mächtig und ermöglicht es, Texte mit korrekter Terminologie und grammatikalisch fehlerlos umzuschreiben.

Qualitätssteigerung, Effizienz, Kosten- und Zeitersparnis sowie extreme Mächtigkeit des Tools. Die O-Töne sind sicherlich der Textsorte Werbetext geschuldet. Gespräche mit Produktmanagern und Diskussionen zu tekom-Tagungsvorträgen zeigen aber eine Verunsicherung in der Branche, wie KI-Tools derart genutzt werden können, dass sie tatsächlich zu kommunikativer Optimierung (Schubert 2009) bzw. kommunikativer Effizienz (Holste 2025) führen können, anstatt nur ein Spielzeug zu sein, das dem allgemeinen Zeitgeist geschuldet – und in dieser Form – möglicherweise in einigen Jahren vergessen ist.

Der Trend von integrierter KI lässt sich an der Oberfläche von Oxygens „AI Positron Assistant“ zeigen (s. Abbildung 4):

Abb. 4

Ausschnitt Werbevideo „AI Positron Assistant“ (oxygenxml 2025 b:0:58 Min.).

Die Bildschirmoberfläche,^[13] das Frontend, zeigt den „AI Positron Assistant“, der in ein bestehendes Tool des Herstellers integriert ist. Tools wie der „Oxygen XML Editor“ sind vor allem im einsprachigen Bereich der Technikdokumentation verbreitet und werden für die Darstellung von Text im XML-Format und für die „modulare Erfassung von Informationen in ‘Topics’ und deren Wiederverwendung in Referenzstrukturen“ (Drewer/Ziegler 2014:383) entsprechend verwendet. D. h., Content wie Textbausteine und Bilder werden in diesem Content Management System (CMS) regelbasiert angelegt, verwaltet, ggf. überarbeitet und von dort aus in Informationsprodukte exportiert (Single-Source-Publishing). Die Modularisierung von Informationsprodukten erfolgt nach dem Standardisierungsformat DITA (Darwin Information Typing Architecture).

In dieses regelbasierte Tool, das seit vielen Jahren in der Branche genutzt wird, ist im Backend der Software eine API-Schnittstelle zu einem LLM eingerichtet. Dort werden Prompts, deren Formulierung durchaus umfangreich sein kann (s. Kapitel 3.2, Translationssituation 2), für häufig auftretende Arbeitsschritte in der Technikdokumentation hinterlegt, die im Frontend durch Buttons sichtbar werden (s. Abbildung 4) und durch das Klicken auf den jeweiligen Button eine Abfrage im verlinkten LLM ermöglichen. Die Qualität der Übersetzung, beispielsweise fürs Englische, entspricht der Übersetzungsqualität des verknüpften LLMs, da hier die Antwort auf den Prompt aus dem LLM übernommen wird. Der Vorteil des Assistenten liegt darin, Prompts nicht bei jeder wiederkehrenden Nutzung manuell eingeben zu müssen oder einen gespeicherten Prompt in die Oberfläche eines LLM eingeben und von der LLM-Oberfläche in den XML-Editor kopieren zu müssen. Der Nachteil besteht im fehlenden Nachprompten bzw. in der mangelnden Möglichkeit, den Prompt auch bei einem Standardarbeitsschritt zu modifizieren. Vergleichbar ist der noch in Entwicklung befindliche „ST4 AI Writer (Prototyp)“ angelegt, der als Standardprompts Zusammenfassungen, Erstellen von Warnhinweise, von Handlungsanweisungen, das Überführen von Tabellen in Listen, die Überführung des Genus Verbi (Passiv – Aktiv) eines Textes im Frontend bereithält (Oevermann/Göttel 2024:28).

Grundlage dieser Form von hybriden Systemen bleibt die Systemarchitektur des regelbasierten Systems, die je nach Aufgabe und Einsatzgebiet einem Modularisierungsansatz für die Informationsprodukte folgt (Drewer/Ziegler 2014:308–309). Möglich sind gerade für den Bereich der Techniktranslation Fine-Tuning-Ansätze (Krüger 2023: 294–297), bei denen regelbasierte Systeme nicht mehr die primäre Grundlage des Systems darstellen. Vielmehr verbessern (improve) Fachtextinformationen (specialized text data) den Output und Arbeitsprozesse eines LLM wie Übersetzungen, weitere Textproduktion usw., die auf grundlegenden Textdaten des LLM (general text data) basieren. Grundlegende Textdaten bieten dabei die Grundlage für maschinelles Lernen bezüglich Sprachstrukturen und Weltwissen (linguistic and world knowledge); Fachtextdaten (specialized text data) können mehrsprachige Fachtextkorpora (z. B. das Europarl-Korpus), wissenschaftliche Texte, Computercode usw. sein (ebd:296). Translate von oder mit hybriden Systemen benötigen insbesondere im Bereich der Fachtranslation Technik des Post-Editings durch Technische Redakteure/-innen.^[14] Das folgende Beispiel veranschaulicht die Relevanz von Produkterkundung für das Post-Editing KI-generierter Fachtranslate.

3.2 Beispiel: Produkterkundung „Laufrad zentrieren“ für produktsicheres Post-Editing einer LLM-/NMÜ-übersetzten Bedienungsanleitung (EN-DE)

Im Beispiel ist ein Ausschnitt aus dem Informationsprodukt Bedienungsanleitung vom Englischen (AE) ins Deutsche zu übersetzen. Gegenstand des Informationsprodukts ist das technische Produkt Laufrad als Teil eines E-Bikes, an dem der Nutzervorgang „Laufrad zentrieren“ vollzogen werden soll.^[15] Der vorliegende Artikel wählt einen einfachen technischen Vorgang, um nicht zu viel Aufwand für die Einführung in den Bedienvorgang betreiben zu müssen.^[16] Natürlich beschäftigt sich die Technikdokumentation häufig mit komplexeren Bedienvorgängen, beispielsweise für Industrieprodukte. Als Maschine wird in Translationssituation 1 das Tool „ST4 AI Translator“ des Herstellers Quanos verwendet, das eine Schnittstelle zur NMÜ DeepL Pro (2025) nutzt und durch weitere regelbasierte Funktionen als hybrides System einzuordnen ist. In Translationssituation 2 wird die Arbeit mit dem noch in Entwicklung befindlichen Tool „ST4 AI Writer (Prototyp)“ imitiert. Dazu wird eine Variante des OpenAI-Modells GPT-4o genutzt, für das in besagter Software eine Schnittstelle existiert.^[17]

Für Translationssituation 1 und 2 ist relevant, dass in der mehrsprachigen Technikdokumentation verschiedene Formen der Lokalisierung vorgenommen werden müssen (Hennig/Tjarks-Sobhani 2002): rechtliche, technische usw. Für eine rechtliche Lokalisierung des Informationsprodukts in Deutschland sind die rechtlichen Vorgaben zu beachten.^[18] Dies gilt auch für die entgegengesetzte Übersetzungsrichtung.^[19] D. h., das Informationsprodukt muss den rechtlichen Vorgaben^[20] des Ziellandes entsprechen. Selbiges gilt für die Empfehlungen zur Zielsprache – in der Regel in Form des regelbasierten Schreibens (tekom 2013).^[21] Des Weiteren ist auch eine technische Lokalisierung entsprechend den Technologiestandards im Zielland zu beachten, beispielsweise:

1. Gleichstrom oder Wechselstrom als Netzstrom (u. a. relevant für E-Bikes)

2. unterschiedliche Normung für Größenmaße von Schrauben/Schlüsselweiten (10er/10 mm, 8er/8 mm, ...; M1, M2, M3, ...; ohne unmittelbare Entsprechung; 0.74 in., 0.66 in., 0.39 in.) usw.

3. Einheiten von Temperatur (°Celsius, ° Fahrenheit)

4. weitere Einheiten entsprechend dem metrischen System usw.

Auch geografische Besonderheiten wie Staub in Wüstenregionen, Extremtemperaturen, hohe Luftfeuchtigkeit können für eine geografische Lokalisierung eines Informationsprodukts relevant sein, um vor Schäden beim Betrieb des technischen Produkts zu warnen.

Um den Fall in obige Modelldiskussion (Kapitel 2) einzuordnen: Das technische Produkt umfasst selbst keine sprachverarbeitende Technologie, stellt ein körpernahes Produkt dar und soll für den Fall der Fehlerbehebung dienen, in dem Produktnutzende auf die Anleitung (das Dokument sensu Schenda) zugreifen. Technische Redakteur/-innen nutzen als Maschine für das Post-Editing ein hybrides System aus regelbasiertem und selbstadaptivem Algorithmus.

Beim Bedienprozess handelt es sich um einen Wartungsprozess des technischen Produkts E-Bike, konkret um die Wartung des Laufrades. Aufgrund der öffentlichen Zugänglichkeit greife ich als Informationsprodukt auf den Ausschnitt einer Website des US-amerikanischen Fahrradwerkzeugherstellers „Parktool“ (2021) zurück. Zielgruppe dieses Informationsprodukts sind informierte Laien/-innen. Die Translation findet mit der Übersetzungsrichtung EN-DE statt. Der Wartungprozess besteht darin, das Laufrad zu zentrieren, also sogenannte Seitenschläge des Laufrads (s. Abbildung 5, linke Schemazeichnung) oder Höhenschläge des Laufrads (s. Abbildung 5, rechte Schemazeichnung) auszugleichen. Dazu werden die Speichen des Laufrads gespannt und/oder gelöst, indem die an der Felge befindlichen Speichennippel mittels eines Speichenschlüssels in die rechte oder die linke Richtung gedreht werden (s. Abbildung 6). Dabei ist das Laufrad in einen Zentrierständer eingespannt, der das Laufrad fixiert und als Messinstrument für die Ausrichtung der Felge dient.

Abb. 5

Schematische Darstellung des Laufrades (Parktool 2021).

Abb. 6

In Zentrierständer eingespanntes Laufrad mit Felge, Speichen, Speichennippeln und Speichenschlüssel (Parktool 2021).

Translationssituation 1: Post-editieren eines NMÜ-Translats mittels Produkterkundung

Wie in Kapitel 3.1 erläutert, wird in Translationssituation 1 ein hybrides System eingesetzt, konkret das Tool „ST4 AI Translator“, das mit einer API-Schnittstelle zu DeepL Pro arbeitet (Beispieloberfläche s. Abbildung 7):

Abb. 7

Beispieloberfläche „ST4 AI Translator“ (© Quanos 2025).

Im Folgenden wird aus Platzgründen auf die vollständige Gegenüberstellung von Ausgangs- und NMÜ-generiertem Zieltext verzichtet. Vielmehr greife ich den Teil der NMÜ-Übersetzung heraus, der durch die Produkterkundung korrigiert werden muss (s. Tabelle 2):

Tab. 2

Ausgangstext und NMÜ-generierter Zieltext.

Ausschnitt Ausgangstext (Parktool 2021)	Ausschnitt Zieltext (DeepL Pro/ST4 AI Translator)
We increase or decrease tension by turning the nipple, or the nut of the spoke system. This is done using a spoke wrench – see Spoke Wrench Selection for more information.	Wir erhöhen oder verringern die Spannung, indem wir den Nippel oder die Mutter des Speichensystems drehen. Dies geschieht mit einem Speichenschlüssel – siehe Auswahl des Speichenschlüssels für weitere Informationen. [Im Bild] Anziehen

Die vorgenommene Produkterkundung hat gezeigt, dass die Angabe, in die der Speichenschlüssel bewegt werden muss, um die Speiche zu spannen („anziehen“), nicht korrekt ist. Dabei wird die Bewegungsrichtung gegen den Uhrzeigersinn durch das nonverbale Mittel eines Richtungspfeils angezeigt, sodass der Fehler aus einer Text-Bild-Relation (Ballstaedt 2012:128–136; Holste 2019:167–175) entsteht, die für die NMÜ nicht erkennbar ist. Denn zum Spannen der Speiche muss der Speichenschlüssel im Uhrzeigersinn gedreht werden. Da Gewinderichtungen von Schrauben mit wenigen Ausnahme genormt sind,^[22] muss es sich um einen technischen Fehler im Ausgangstext handeln bzw. muss das Translat an dieser Stelle technisch lokalisiert werden. Dieses Beispiel veranschaulicht, dass der Zweck mehrsprachiger Technikdokumentation nicht ausschließlich in der Fachtranslation, sondern auch in der Korrektur des Ausgangstextes liegt, falls Letzterer in der Ausgangskultur verwendet wird. Weil das NMÜ weder über Weltwissen mittels genereller Textdaten noch über Bildverarbeitungsmöglichkeiten wie ein multimodales LLM verfügt, war es sehr unwahrscheinlich, dass die Richtungsangabe in der NMÜ-generierten Übersetzung korrigiert wurde. So hat die NMÜ die Richtungsangabe nicht geändert. Das Beispiel zeigt, dass eine Produkterkundung notwendig ist, um Schäden am Produkt, ggf. daraus resultierenden Verletzung von Nutzenden des E-Bikes und eine resultierende Haftung des Herstellers zu vermeiden.

Translationssituation 2: Post-Editieren eines LLM-Translats mittels Produkterkundung

In Translationssituation 2 imitiere ich als Maschine das hybride System „SCHEMA ST4“ (Quanos) in Kombination mit dem KI-basierten THKI GPT-Lab (TH Köln 2025a), deren Kombination in groben Zügen dem aktuell in Entwicklung befindlichen „ST4 AI Writer (Prototyp)“ entspricht (s. Kapitel 3.1). Bei dieser Imitation nutzen die Technische Redakteur/-innen noch keinen standardisierten Prompt, der mittels Knopfdrucks im Frontend des Systems eine Abfrage im LLM startet und dessen Antwort automatisch importiert. Vielmehr wird der Prompt an dieser Stelle noch manuell in der Weboberfläche des LLM vorgenommen. Auf dieser Grundlage post-editieren Technische Redakteure/-innen den KI-generierten Text, überführen diesen manuell in das Redaktionssystem und modularisieren ihn dort (vergleichbar mit der Beschreibung des Single-Source-Publishing mit DITA; s. Kapitel 3.1). Dazu wurde folgender Prompt genutzt:^[23]

#Setting#

Du bist mein Übersetzungsassistent für eine Fachübersetzung des Bereichs Technik von ENGLISCH nach DEUTSCH. Ein Fahrradhersteller aus den USA bietet seine Elektro-Fahrräder ab 2025 in Deutschland an. Dazu muss ein schriftliches Informationsprodukt für die Endkunden auf dem deutschen Markt erstellt werden.

#Textsorte# Bei dem zu übersetzenden Text handelt es sich um die Textsorte Bedienungsanleitung.

#Rezipienten# Endkunden (Laien)

#Deine Aufgaben:#

1. Prüfe zunächst den Ausgangstext auf inhaltliche Richtigkeit und korrigiere etwaige Fehler. Führe erst dann die Übersetzung durch.

2. Behalte das Sprachregister des Ausgangstextes bei.

3. Beachte kulturelle Unterschiede und spezifische Terminologien, die in DEUTSCH üblich sind, und passe die Übersetzung entsprechend an.

4. Orientiere dich bei Stil und grundlegender Struktur der Bedienungsanleitung an den tekom-Schreibregeln. Diese beinhalten klare und verständliche Sprache, konsistente Terminologie, eine logische Struktur sowie die Verwendung von Aufzählungen und Tabellen, wo sie sinnvoll sind.

5. Folgende Regeln des regelbasierten Schreibens (tekom 2013) sollen beachtet werden:

5.1 Pro Satz wird nur eine Handlung angegeben.

5.2 Das Verb steht bei Handlungsanweisungen am Satzanfang (Stirnposition).

5.3 Der Handlungsträger (Agens) des Satzes wird explizit gemacht, d. h. keine Passivformulierungen. Lesende werden bei Handlungsanweisungen explizit mit „Sie“ angesprochen.

5.4 In Satzgefügen werden Teilsätze mit Bedingungen für Handlungen (beispielsweise Wenn ..., dann ...) an den Satzanfang gesetzt.

6. Überprüfe die Übersetzung auf Kohärenz, Grammatik und Korrektheit.

7. Bitte lege offen, welche Kriterien du bei der Übersetzung angewendet hast.

8. Für die Übersetzung der Warnhinweise ist eine bestimmte Struktur wichtig. Die SAFE-Regelung für die Struktur der Warnhinweise umfasst vier wesentliche Elemente: Signalwort (Signal), Angabe der Gefahr (Alert), Folgen bei Nichtbeachtung (Follow) und Maßnahmen zur Gefahrenabwehr (Emergency)

Wenn Du Schwierigkeiten bei der Übersetzung hast, frage mich nach einer Lösung.

#Ausgangstext:#

An dieser Stelle wird ebenfalls auf die vollständige Gegenüberstellung von Ausgangs- und LLM-generiertem Zieltext verzichtet und lediglich der Satz herausgegriffen, für den die Produkterkundung relevant ist:

Tab. 3

Ausgangstext und LLM-generierter Zieltext.

Ausschnitt Ausgangstext (Parktool 2021)	Ausschnitt Zieltext (THKI GPT-Lab)
We increase or decrease tension by turning the nipple, or the nut of the spoke system. This is done using a spoke wrench – see Spoke Wrench Selection for more information.	Wir erhöhen oder verringern die Spannung, indem wir den Nippel oder die Mutter des Speichensystems drehen. Dies geschieht mit einem Speichenschlüssel – siehe Auswahl des Speichenschlüssels für weitere Informationen. [Im Bild] Festziehen

Beim Fehler handelt es sich um einen Fehler im Ausgangstext bzw. eine notwendige technische Lokalisierung. Da ein LLM auch Weltwissen mittels genereller Textdaten einbezieht, hätte beim LLM die Möglichkeit bestanden, dass die Richtungsangabe in der LLM-generierten Übersetzung korrigiert wurde. Allerdings ist fraglich, ob ein multimodales LLM die Text-Bild-Relation aus dem Wort Festziehen und Richtungspfeil erkannt hätte. Dies ist aber nicht der Fall. Auch dieses Beispiel zeigt, dass eine Produkterkundung notwendig ist, um Schäden am Produkt, ggf. daraus resultierende Verletzungen von Nutzenden des E-Bikes und eine resultierende Haftung des Herstellers zu vermeiden.