Blending ist LingoBlends Kernidee: Füge einen beliebigen Text in deiner Sprache ein, und ein gewählter Prozentsatz seiner Wörter kommt in der Sprache zurück, die du lernst, eingewoben in Sätze, die du bereits verstehst – die Diglot-Weave-Methode, bei der eine KI das Weben übernimmt. Zwei Jahre lang erledigte ein einziger KI-Aufruf alles: Er las deinen Text, entschied, welche Wörter übersetzt werden, übersetzte sie und schrieb die gesamte Passage neu heraus. Das funktionierte – aber es bündelte drei sehr unterschiedliche Aufgaben in einer, und jede Aufgabe hätte einen besseren Spezialisten verdient.
Das Problem, wenn ein einziger KI-Durchgang alles erledigt#
Wenn eine einzige Modellausgabe den gesamten gemischten Text trägt, konkurrieren im Stillen drei Dinge miteinander:
Auswahl ist eine Grundsatzfrage, keine Sprachfrage. Welche Wörter gemischt werden sollten, hängt von Dingen ab, die die KI allein aus dem Text nicht wissen kann – welche Wörter du schon beherrschst, welche zur Wiederholung fällig sind, wie gleichmäßig sich der Blend über die Seite verteilen soll. Ein Sprachmodell rät; einer Auswahllogik, die wir selbst steuern, können wir es einfach sagen.
Den gesamten Text neu auszugeben, lädt zu Fehlern im ganzen Text ein. Wenn das Modell jedes Wort deines Dokuments neu schreibt, ist jedes Wort eine Gelegenheit für einen Fehler – ein ausgelassener Satz, eine doppelte Phrase, eine Übersetzung, die an der falschen Stelle klebt. Unsere alte Pipeline schleppte eine ganze Kette von Reparaturstufen mit sich, die größtenteils nur existierten, um Schäden zu beheben, die diese Architektur erst möglich gemacht hat.
Das Urteilsvermögen wird verwässert. Die eigentliche sprachliche Fähigkeit des Modells – zu wissen, dass „gave up“ eine einzige Bedeutungseinheit ist, dass „I would love“ zu me encantaría werden muss, mit umstrukturiertem Pronomen – ging für Verwaltungsarbeit drauf, die es nie hätte übernehmen sollen.
Die neue Arbeitsteilung#
Blend Engine v2 teilt die Aufgabe entlang ihrer natürlichen Nahtstelle auf:
| Aufgabe | Alte Engine | Neue Engine |
|---|---|---|
| Auswahl der zu mischenden Wörter | KI, im selben Durchgang | LingoBlends eigene Auswahllogik, gestützt auf den Vokabelgraphen und deine persönliche Beherrschung |
| Übersetzung im Kontext | KI | KI – mit dem vollständigen Text als Kontext, unverändert |
| Umgang mit Redewendungen & festen Ausdrücken | Implizit, uneinheitlich | Explizit: der ganze Ausdruck oder nichts |
| Zusammensetzen des endgültigen Textes | KI schreibt alles neu | Dein Originaltext bleibt intakt; nur die gewählten Wörter ändern sich |
| Fehler abfangen | Nachträgliche Reparaturen | Vor der Anzeige mit der Quelle abgeglichen |
Weil die Auswahl jetzt bei uns liegt, folgt sie Prinzipien, die wir tatsächlich formulieren und testen können: Wortschatz wählen, der sich wirklich lohnt, ihn über den ganzen Text verteilen, statt ihn im ersten Absatz zu häufen, und – mit Personalisierung – überspringen, was du schon beherrschst. Die Aufgabe der KI verengt sich auf das eine, worin sie wirklich gut ist: diese Wörter im Kontext deines vollständigen Textes korrekt zu übersetzen.
Warum eine kleinere Aufgabe die KI klüger gemacht hat#
Hier kommt der kontraintuitive Teil. Der KI eine engere Aufgabe zu geben, machte ihre Ausgabe besser, weil wir endlich explizit festlegen konnten, welches sprachliche Urteilsvermögen wir von ihr erwarten:
- Redewendungen und feste Ausdrücke kommen vollständig zurück. Steht ein gewähltes Wort innerhalb einer Redewendung, eines Phrasal Verbs oder eines festen Ausdrucks, wird der ganze Ausdruck übersetzt – „kicked“ innerhalb von „kicked the bucket“ kommt als vollständige Redewendung zurück, und ein Antippen im Reader speichert die Wörterbuchform der Redewendung, die tatsächlich zu lernen lohnt.
- Natürliche Übersetzungen behalten ihre Nachbarn. Wenn die richtige Übersetzung die Wörter drumherum verschluckt, gehen sie mit. „Write to me“ wird als eine Einheit zu Escríbeme – nie Escríbeme mit einem verwaisten „to me“ dahinter.
- Wörter, die sich nicht sauber übersetzen lassen, bleiben unangetastet. Ein Name, ein Wortspiel, ein Wort, dessen isolierte Übersetzung in die Irre führen würde – lieber unübersetzt als falsch. Ein unübersetztes Wort kostet nichts; eine falsche Übersetzung bringt dir etwas Falsches bei.
Im Benchmark, der uns am wichtigsten war – 93 Fallensätze mit Redewendungen, Phrasal Verbs und trennbaren Verben über alle 17 Ausgangssprachen hinweg – hat die neue Engine 65 davon korrekt als vollständigen Ausdruck übersetzt, gegenüber 21 bei der alten Engine. Sprachübergreifende Paare lieferten einige der besten Ergebnisse: Das französische posé un lapin wurde ins Deutsche als sitzen gelassen übertragen, während die alte Engine Kaninchen anbot – ein wörtliches Kaninchen.
Geprüft, bevor du es siehst#
Weil der endgültige Text nicht mehr von einem Modell neu geschrieben wird, können wir Eigenschaften garantieren, auf die die alte Engine nur hoffen konnte: Jedes Zeichen deines Originaltextes bleibt erhalten, jede Übersetzung landet genau dort, wo ihr Quellwort stand, und eine ganze Familie subtiler Fehler – echohafte oder wiederholte „Übersetzungen“, versehentlich doppelt markierte Grammatik über beide Sprachen hinweg – wird vor der Anzeige abgefangen. Scheitert ein Wort an der Prüfung, bleibt es einfach unübersetzt – der Fehlerfall ist unsichtbar statt peinlich.
Ein weiterer Vorteil fiel gratis dabei ab: Geschwindigkeit. Da die KI nicht mehr dein gesamtes Dokument generiert – nur noch die übersetzten Wörter –, sind Blends in etwa der Hälfte der Zeit fertig, wobei sich die langsamsten Fälle am meisten verbessern. Der Blend, auf den du früher ~6 Sekunden gewartet hast, kommt jetzt in ~3 an.
Alles andere, was du kennst, bleibt unverändert: Tippe ein gemischtes Wort an, um seinen Grammatikkontext zu sehen, und speichere die Grundform oder die genaue Form, der du begegnet bist; du kannst jeden Text mit einem neuen Prozentsatz neu mischen und liest weiterhin im selben paginierten Reader.