DeepL-Massenübersetzung: Grenzen, Dateiformate und Alternativen

DeepL ist für die meisten Teams das erste Tool, das sie ausprobieren, wenn sie einen Ordner voller zu übersetzender Dateien haben. Bei einem einzelnen Word-Dokument oder ein paar Absätzen europäischer Texte wird es diesem Ruf auch gerecht. Probleme entstehen, sobald du statt eines einzelnen Dokuments einen Lokalisierungs-Workflow für große Mengen einrichten willst: Produktkataloge in CSV oder Excel, Sprachdateien einer App für zehn Sprachen, Markdown-Dokumentation mit Frontmatter oder teilweise übersetzte Tabellen, in denen nur die neuen Zeilen bearbeitet werden müssen.

Ich habe AI Glot entwickelt, nachdem ich selbst genau an diese Grenzen gestoßen war. Zunächst dachte ich, maschinelle Übersetzung brauche nur eine Schnittstelle um ihre API. Als wir uns dann die offizielle Entwicklerdokumentation von DeepL genauer angesehen und mit Teams gesprochen hatten, die ihre Übersetzungsaufträge zu uns verlagerten, kristallisierten sich zwei getrennte Probleme heraus: strenge technische und abrechnungsbezogene Grenzen bei großen Dateien sowie ein Übersetzungsmechanismus, der Zeichenfolge für Zeichenfolge arbeitet und dabei den Kontext strukturierter Daten verliert.

DeepL Translator und DeepL API: zwei getrennte Produkte

Wer nach „DeepL-Massenübersetzung“ sucht, hat meist einen von zwei Workflows im Sinn: mehrere Dateien in die DeepL-App ziehen oder ein Skript mit der DeepL-API verbinden. Für diese beiden Wege gelten getrennte Abonnements und sie nutzen keine gemeinsamen Kontingente.

Bei den Web- und Desktop-Angeboten gelten für die kostenpflichtigen DeepL-Tarife (kürzlich von Starter, Advanced und Ultimate in Individual, Team und Business umbenannt) strenge monatliche Upload-Limits für Dateien pro Nutzer:

• Individual: 3 Dateiübersetzungen pro Monat (bis zu 300,000 Zeichen pro Monat).
• Team: 20 Dateiübersetzungen pro Monat (bis zu 1,000,000 Zeichen pro Monat).
• Business: 100 Dateiübersetzungen pro Monat.

Da jede Zielsprache als separate Dateiübersetzung zählt, verbrauchen 5 Dokumente in 6 Sprachen 30 Dateiübersetzungen. Damit ist das monatliche Kontingent eines Team-Sitzes sofort überschritten.

Um das monatliche Dateilimit aufzuheben, musst du ein separates DeepL API Pro-Abonnement abschließen ($5.49 monatliche Grundgebühr plus $25.00 pro Million Zeichen oder €4.99 plus €20.00 pro Million Zeichen in Europa). Die API bietet zwei Endpunkte:

1. POST /v2/translate: Nimmt ein Array mit unverarbeiteten Textzeichenfolgen entgegen (bis zu 50 Zeichenfolgen pro Aufruf, bei einem strikten Gesamtlimit von 128 KiB für den Anfrageinhalt). Du musst deine Dateien selbst parsen, die Struktur entfernen, die Zeichenfolgen in Stapel aufteilen und die Datei anschließend wieder zusammensetzen.
2. POST /v2/document: Nimmt eine ganze Datei für eine Zielsprache entgegen, reiht sie zur asynchronen Verarbeitung ein und stellt eine übersetzte Datei bereit, deren Status du abfragen und die du herunterladen kannst.

Welche Dateien DeepL tatsächlich im Stapel verarbeitet (und was fehlt oder noch in der Beta ist)

Wenn du /v2/document verwendest, damit du nicht für jedes Format einen eigenen Parser schreiben musst, ist deine Pipeline an die Größenbeschränkungen von DeepL für die einzelnen Formate und die Regeln für Alpha- und Beta-Funktionen gebunden.

Vier Details in dieser Tabelle überraschen Engineering- und Lokalisierungsteams:

• Keine native Übersetzung von CSV- oder TSV-Dokumenten. Wenn dein E-Commerce-Shop, PIM oder CMS eine CSV-Datei exportiert, weist /v2/document sie zurück. Du kannst entweder jede CSV-Datei manuell in .xlsx umwandeln (wodurch die Mindestabrechnung von 50,000 Zeichen pro Datei anfällt und alle Spalten unterschiedslos übersetzt werden) oder einen eigenen CSV-Parser für /v2/translate entwickeln.
• Limits von 1 MB und 150 KB für Entwicklerdateien und Untertitel. Auch mit einem kostenpflichtigen API Pro-Tarif sind .json-, .yaml-, .md-, .properties-, .strings- und .resx-Dateien auf 1 MB begrenzt. Für Untertiteldateien im Format .srt und .vtt gilt ein Limit von 150 KB. Eine einzelne Untertiteldatei in Spielfilmlänge oder eine umfangreiche JSON-Datei mit Gebietsschema überschreitet diese Limits regelmäßig.
• Markdown- und Lokalisierungsdateien sind noch in der Beta, mit einem bekannten Frontmatter-Fehler. DeepL weist in der Dokumentation ausdrücklich darauf hin, Beta-Funktionen nicht in Produktivpipelines einzusetzen. Konkret wird im DeepL-Leitfaden zu Dokumentübersetzungen ein bekannter Fehler bei .md-Dateien genannt: Die ----Trennzeichen am Anfang und Ende von YAML-Frontmatter-Blöcken werden aus der übersetzten Datei entfernt. Dadurch werden die Seitenmetadaten mit dem Einleitungsabsatz zusammengeführt. Wenn du eine Astro-, Next.js-, Hugo- oder Docusaurus-Website betreibst, schlägt der Build für jede übersetzte Seite fehl.
• Normale ZIP-Ordner werden abgelehnt. Die Dateiendung .zip wird in /v2/document nur für SCORM-E-Learning-Pakete akzeptiert, die im Stammverzeichnis eine imsmanifest.xml enthalten. Beim Hochladen eines gewöhnlichen ZIP-Archivs mit Lokalisierungsdateien erhältst du einen Fehler 400. Außerdem werden zentrale App-Formate wie gettext .po, Flutter .arb und Xcode-String-Kataloge im Format .xcstrings überhaupt nicht unterstützt.

Die Abrechnungsuntergrenze von 50,000 Zeichen für Excel, Word, PowerPoint und PDF

Bei $25 pro Million Zeichen scheint der angegebene API-Preis von DeepL $0.025 pro tausend Zeichen zu betragen. Diese Rechnung geht für /v2/translate auf, aber nicht für /v2/document, wenn du Office-Dateien stapelweise verarbeitest.

In der Dokumentation von DeepL werden für Uploads von .docx, .doc, .pptx, .xlsx und .pdf zwei Abrechnungsregeln genannt:

1. Für jedes eingereichte Dokument werden mindestens 50,000 Zeichen berechnet, unabhängig davon, wie wenige Zeichen die Datei tatsächlich enthält.
2. Alle Inhalte der hochgeladenen Datei zählen zu den abgerechneten Zeichen, auch Inhalte, die gar nicht übersetzt wurden.

Da /v2/document pro Anfrage eine Datei in eine Zielsprache übersetzt, gilt die Untergrenze von 50,000 Zeichen für jede Zielsprache erneut.

Stell dir folgendes Beispiel vor: Du hast 20 kleine Excel-Produktdatenblätter mit durchschnittlich 2,500 Zeichen pro Datei (etwa 400 Wörter pro Datei oder insgesamt 50,000 Zeichen für alle 20 Dateien) und benötigst sie in 5 Zielsprachen.

• Tatsächlich übersetzt du über diese fünf Sprachen hinweg 250,000 Zeichen. Bei $25 pro Million Zeichen würdest du mit Kosten von $6.25 rechnen.
• Da /v2/document 100 separate .xlsx-Uploads erfordert (20 Dateien × 5 Sprachen) und für jeden eine Untergrenze von 50,000 Zeichen ansetzt, berechnet DeepL 5,000,000 Zeichen. Das entspricht $125.00 und damit dem 20-Fachen des reinen Zeichenpreises.
• Selbst wenn deine .xlsx-Datei mehr als 50,000 Zeichen enthält, berechnet DeepL jedes Zeichen der Arbeitsmappe mit, darunter SKU-Spalten, URLs, interne Notizen und Zeilen, die bereits im letzten Monat übersetzt wurden.

Warum die Übersetzung ganzer Dateien Tabellen- und Lokalisierungsabläufe ausbremst

Die Kosten sind nur die eine Hälfte des Problems bei vollständigen Datei-Uploads. Das tiefer liegende Problem: /v2/document kennt keinen programmierbaren Geltungsbereich. Wenn du eine strukturierte Datei hochlädst, kannst du nicht festlegen, welche Teile übersetzbare Inhalte und welche Datenstruktur sind.

Bei echten Produktionsdateien zeigen sich sofort vier Lücken im Workflow:

1. Keine Auswahl von Spalten in Excel. Wenn du eine Excel-Arbeitsmappe zu DeepL hochlädst, werden alle Textzellen in sämtlichen Arbeitsblättern übersetzt. Produkt-Handles, Kategorie-Slugs, Lieferantennamen und Statuskennzeichnungen werden ebenso übersetzt wie Produktbeschreibungen. In der eigenen Dokumentation weist DeepL darauf hin, dass VLOOKUP-, MATCH- und INDEX-Formeln, die Zeichenfolgen vergleichen, nicht mehr funktionieren, wenn die referenzierte Tabelle übersetzt wird.
2. Keine inkrementelle Übersetzung fehlender Zeilen. Die meisten Kataloge und Lokalisierungsdateien sind teilweise übersetzt: 3,800 Zeilen wurden im März fertiggestellt, und diese Woche kamen 200 neue Produkte hinzu. DeepL kann nur die fehlenden Zeilen einer Tabelle übersetzen. Bei .xliff-Dateien warnt die Dokumentation außerdem, dass vorhandene <target>-Werte überschrieben werden. Daher musst du bereits übersetzte <trans-unit>-Knoten vor dem Upload aus der XML-Datei entfernen und danach wieder zusammenführen.
3. Eine Sprache pro Datei-Upload. Wenn deine Tabelle en, fr, de und es als nebeneinanderliegende Spalten in einer Datei enthält, kann DeepL die Zielspalten nicht direkt ausfüllen. Stattdessen gibt es für jede Sprache eine separate Datei zurück und überschreibt dabei die Quellzellen.
4. Kein überprüfbarer Plan vor der Kostenfreigabe. Ein POST /v2/document-Aufruf startet die Übersetzung und Abrechnung sofort. Es gibt keinen Probelauf, der vor deiner Freigabe anzeigt, welche Felder erkannt wurden, wie viele Wörter zum Übersetzungsumfang gehören und welche Kosten für den Auftrag anfallen.

Wo die Übersetzungsqualität von DeepL bei echten Inhalten an ihre Grenzen stößt

Niemand, der DeepL verwendet hat, würde behaupten, dass es einzelne Sätze schlecht übersetzt. Bei einem allgemeinen französischen, deutschen oder spanischen Textabsatz arbeitet die neuronale Übersetzungsengine schnell und flüssig.

Trotzdem wenden sich regelmäßig Kundinnen und Kunden an uns, nachdem sie ihre tatsächlichen Dateien sowohl mit DeepL als auch mit AI Glot übersetzt haben: DeepL blieb unter der Qualitätsanforderung, die sie für die Veröffentlichung auf ihrer Website hatten, während AI Glot sie erfüllte. Das ist eine Erfahrung aus der Praxis und kein formaler Benchmark. (Wir haben keinen synthetischen Vergleichstest mit DeepL durchgeführt, und Prozentangaben von Anbietern solltest du grundsätzlich skeptisch betrachten.) Der Grund dafür liegt im Verfahren, mit dem ein Übersetzungsauftrag ausgeführt wird.

1. Isolierte Zeichenfolgen vs. Verständnis von Dokumenten und Feldern

Wenn du ein Skript um den DeepL-Endpunkt /v2/translate herum entwickelst, um die Struktur deiner CSV- oder JSON-Datei zu erhalten, sendest du pro Anfrage ein Array mit bis zu 50 Zeichenfolgen. Die OpenAPI-Spezifikation von DeepL benennt die Einschränkung ausdrücklich: „Jeder Text im Array wird unabhängig übersetzt; die Texte teilen keinen Kontext miteinander.“

Wenn ein Übersetzungssystem die isolierte Zeichenfolge "Light" in einem Array sieht, kann es nicht erkennen, ob es sich um einen Beleuchtungskatalog, eine Tabelle mit Nahrungsergänzungsmitteln oder einen Theme-Schalter im Einstellungsmenü einer SaaS-App handelt. Selbst wenn du den optionalen DeepL-Parameter context für /v2/translate mitgibst (der für /v2/document nicht verfügbar ist), warnt DeepLs Anleitung zum Parameter context ausdrücklich: „Viele Nutzer versuchen, context wie System-Prompts von ChatGPT zu verwenden. Das funktioniert nicht zuverlässig … Der Kontext sollte aus reinem Text desselben Dokuments bestehen, nicht aus Anweisungen.“

2. Begriffsaustausch vs. ein Glossar, das die Bedeutung mitführt

DeepL unterstützt Glossare (v3/glossaries) für 26 Ausgangssprachen. Pro Eintrag sind höchstens 1,024 UTF-8-Bytes zulässig. Grundlegende Deklinations- und Konjugationsformen kann das System anpassen, doch ein maschinelles Übersetzungsglossar ist im Kern eine 1:1-Zuordnungstabelle: Wo der Ausgangsbegriff A vorkommt, wird er durch den Zielbegriff B ersetzt.

In der Praxis entscheidet die Anwendung eines Glossars darüber, ob ein Satz natürlich klingt:

• Eine einfache 1:1-Zuordnungstabelle kann weder verstehen, warum ein Begriff gesperrt ist, noch eine bedingte Regel anwenden wie „Lass ‚Pro‘ und ‚Workspace‘ auf Englisch, wenn es um unsere Tarife oder die Navigation in der Benutzeroberfläche geht. In allgemeinen Sätzen übersetzt du sie dagegen ganz normal.“
• DeepL hat vor Kurzem custom_instructions in seine API v3/style_rules aufgenommen. Die Funktion ist in einigen Zielsprachen für Pro- und Business-Tarife verfügbar. Allerdings ist jede Stilregel auf höchstens 10 benutzerdefinierte Anweisungen mit jeweils 300 Zeichen begrenzt, die Satz für Satz angewendet werden. Wie DeepL in seinem Leitfaden zu Stilregeln selbst erklärt, sind solche Regeln daher unzuverlässig, wenn sie von der Struktur des gesamten Dokuments abhängen.

DeepL im Vergleich zu Alternativen für umfangreiche Übersetzungen

Kein einzelnes Tool ist für jeden Übersetzungsauftrag die beste Wahl. So schlägt sich DeepL im Vergleich zu den wichtigsten Alternativen, wenn du große Datenmengen verarbeiten musst:

So läuft ein gezielter Übersetzungs-Workflow für große Datenmengen mit AI Glot ab

Wenn du einen umfangreichen Auftrag von DeepL zu AI Glot überträgst, ändern sich drei Dinge im Workflow: Du musst deine Datei nicht erst konvertieren, legst den Umfang des Auftrags in klarer Sprache fest und prüfst den Plan, bevor du auch nur einen Cent ausgibst.

1. Lade die Datei im Originalformat hoch. Lade einen CSV-Export, eine Excel-Arbeitsmappe, eine JSON-Sprachdatei, einen Markdown-Artikel (dessen ----YAML-Frontmatter erhalten bleibt), einen XLIFF-Export oder ein ZIP-Archiv mit bis zu 200 Dateien hoch.

2. Beschreibe in einem Satz, was passieren soll. Statt ein Python-Skript zu schreiben, das vor einem API-Aufruf Zeilen filtert und Spalten entfernt, formulierst du den Umfang in klarer Sprache:

Translate title_en and body_html into French and German.
Only translate rows where the target cell is empty.
Leave sku, handle, and vendor untouched.

AI Glot wandelt diesen Satz in ein deterministisches Programm um, das deine Datei verarbeitet und genau die relevanten Felder und Zeilen auswählt. Für Zeile 18,000 gilt exakt dieselbe Prüfung wie für Zeile 1.

3. Prüfe den kostenlosen Plan, bevor du ihn bestätigst. Bevor Guthaben verbraucht wird, zeigt dir der Plan die passenden Felder, die genaue Anzahl der Elemente und Wörter, eine Vorschau der Ausgabestruktur sowie die Kosten in Credits. Wenn deine Anweisung auch eine Spalte erfasst, die du auslassen wolltest, formulierst du den Satz um und erstellst kostenlos einen neuen Plan.

4. Wende dein Arbeitsbereichsglossar und die Anweisungen für den Auftrag an. Dein Markenglossar und deine Tonalitätsregeln werden bei jedem Auftrag an das Übersetzungsmodell übergeben. So fließen die Begriffe passend in die Satzgrammatik ein, statt nachträglich blind ersetzt zu werden.

5. Starte den Auftrag in der App, über die CLI oder mit deinem KI-Agenten. Du kannst den Auftrag im Browser starten, den Ablauf mit der aiglot-CLI in CI automatisieren oder AI Glot als MCP-Server anbinden, damit Claude Code oder Cursor die Sprachdateien deines Repositorys direkt übersetzen können.

Wann du DeepL behalten und wann du wechseln solltest

Behalte DeepL, wenn du einige einzelne Word-Dokumente oder Präsentationen übersetzt, in denen jede Textzeile übersetzt werden soll, oder wenn du für Live-Texte von Nutzer:innen in einem Chat-Widget eine neuronale maschinelle Übersetzungs-API mit einer Antwortzeit von unter einer Sekunde brauchst.

Wechsle zu einer dateibewussten Übersetzungs-Engine, sobald einer dieser Punkte zutrifft:

• Deine Daten liegen in CSV, TSV, PO, ARB, .xcstrings, TOML, Markdown mit Frontmatter oder einem ZIP-Ordner mit Lokalisierungsdateien.
• Du übersetzt viele kleine .xlsx- oder .docx-Dateien (oder in mehrere Zielsprachen) und möchtest nicht für jede Datei und jede Sprache DeepLs Mindestgebühr von 50,000 Zeichen bezahlen.
• Deine Datei enthält Spalten, Schlüssel oder bereits übersetzte Zeilen, die unverändert bleiben müssen, und du hast genug davon, rund um eine API Skripte für die Vor- und Nachbearbeitung zu schreiben.
• Du musst dein Glossar, Platzhalter und Markenbriefing mit vollem Kontext anwenden, damit das Ergebnis schon beim ersten Durchgang deinen Veröffentlichungsstandards entspricht.

Du kannst jedes Format ohne Konto mit unseren kostenlosen Dateiübersetzungstools testen oder ein kostenloses AI Glot-Konto erstellen. Für deine erste Datei erhältst du 5,000 Wörter kostenlos und kannst die Ergebnisse direkt anhand deiner eigenen Daten vergleichen. Informationen zu Kreditpaketen für große Mengen findest du unter Preise.

Alle in diesem Artikel genannten technischen Spezifikationen von DeepL, Dateigrößenbeschränkungen, Beta-Kennzeichnungen und Abrechnungsregeln stammen aus der offiziellen Entwicklerdokumentation von DeepL und der Referenz zu Nutzungslimits, Stand Oktober 2026. Die Berechnung für 20 Tabellen und die Zeilen in den Produktübersichten sind Beispiele zur Veranschaulichung, wie diese veröffentlichten Regeln angewendet werden.