Prompting in verschiedenen Sprachen: Konsistente KI-Ergebnisse in jeder Sprache

Mehrsprachiges Prompting ist keine Übersetzung — es aktiviert einen anderen Teil der erlernten Verteilung des Modells. LLMs tokenisieren und repräsentieren Text in einem gemeinsamen Embedding-Raum, doch die Trainingsdaten sind stark verzerrt: CommonCrawl (zum Training der meisten LLMs verwendet) besteht zu ~46 % aus Englisch, ~6 % aus Deutsch, ~5 % aus Französisch, ~3 % aus Chinesisch. Sprachen mit einem Trainingsanteil von <1 % (z. B. die meisten afrikanischen Sprachen, viele südasiatische Sprachen) verhalten sich unvorhersehbar.

Wenn Sie auf Französisch prompten, stützt sich das Modell auf Muster aus französischen Trainingsdaten. Da Französisch nur ~5 % des Trainingskorpus ausmacht, hat das Modell im Vergleich zu englischen Prompts deutlich weniger erlernte Assoziationen. Dies äußert sich in: niedrigerer Reasoning-Genauigkeit, inkonsistenter Befolgung von Anweisungen, höheren Halluzinationsraten und unvorhersehbarer Ausgabequalität.

Eine ausführliche Erklärung, wie LLMs Sprachmuster erlernen, finden Sie unter Wie LLMs wirklich funktionieren.

Die Sprachperformance in LLMs folgt einer Vierstu­fen­hierarchie, die auf dem Trainingsanteil basiert. Ebene 1 (Englisch) erreicht nahezu perfekte Ergebnisse, Ebene 4 (ressourcenarme Sprachen) liefert unzuverlässige Ausgaben. Nutzen Sie die Ebenenzuordnung, um die richtige Strategie für Ihre Zielsprache festzulegen.

Derselbe 1.000-Wörter-Text kostet auf Arabisch 46 % mehr Token als auf Englisch und auf Russisch 31 % mehr — das wirkt sich direkt auf Ihre API-Rechnung aus. Die Token-Effizienz variiert stark je nach Schriftsystem und Sprachfamilie. Dies beeinflusst sowohl die API-Kosten als auch die Kontextfenster-Budgetierung.

Weitere Details finden Sie unter Tokens, Kosten und Limits.

Bei strukturierten und Reasoning-Aufgaben übertreffen englische System-Prompts zielsprachige System-Prompts in Ebene-2- und Ebene-3-Sprachen. Für Ton und Formalität sind zielsprachige Anweisungen überlegen. Dies ist die wichtigste Entscheidung im mehrsprachigen Prompting — ein Fehler hier verschlechtert alle Ausgaben.

Warum? Der Großteil der Instruction-Following-Fähigkeit von LLMs wurde auf englischen RLHF-Daten (Reinforcement Learning from Human Feedback) trainiert. Komplexe System-Anweisungen (Formatierungsregeln, Personas, Chain-of-Thought-Direktiven) werden zuverlässiger befolgt, wenn sie auf Englisch geschrieben sind. Englische Anweisungen sind Teil des zentralen Reasoning-Pfads des Modells.

Stil-Anweisungen (Formalitätsregister, kultureller Ton, Höflichkeitsniveau) funktionieren hingegen am besten in der Zielsprache, da sie ein Verständnis dafür erfordern, was „formales Deutsch" oder „höfliches Japanisch" für Muttersprachler tatsächlich bedeutet.

Entscheidungsbaum: Komplexe Reasoning-/Formatierungsregeln → englischer System-Prompt. Formalitätsregister (Sie-Form, Vous, Keigo) → Zielsprache. Persona-Definition → Englisch + ein Muster in der Zielsprache. Ausgabesprachen-Spezifikation → immer explizit im System-Prompt: „Respond in formal Japanese (丁寧語 / です・ます体)."

Ausführliche Erklärung: System-Prompt vs. Benutzer-Prompt.

Schlechter Prompt — geht davon aus, dass das Modell Sprache und Register erkennt:

"Fasse diesen deutschen Vertrag zusammen."

Ergebnis: Gemischte deutsch-englische Ausgabe, informelles Register, fehlende Rechtsterminologie.

Guter Prompt — explizite Sprache, Register und Reasoning-Pfad:

"You are a legal analyst. The following document is a German employment contract (Arbeitsvertrag). Summarise its key obligations in formal German (Sie-Form). Structure: Vertragsparteien, Vergütung, Kündigungsfristen, Besondere Klauseln. Maximum 200 words. Flag any clause that is unusual for standard German employment law with PRÜFEN."

Ergebnis: Strukturierte, formale deutsche Ausgabe mit domänenspezifischer Terminologie und markierten Auffälligkeiten.

Kein einzelnes Modell dominiert alle Sprachen. Mistral Large 2 führt bei romanischen Sprachen; Google Gemini 3.0 Pro bei ostasiatischen Sprachen; GPT-4o bei Arabisch und mehrsprachigen Reasoning-Aufgaben. Diese Tabelle aggregiert die Modellperformance aus dem Ahuja et al. (2023) MEGA-Benchmark.

Die Token-Kostenunterschiede schlagen sich direkt in Ihrer API-Rechnung nieder. Hier die reale Auswirkung basierend auf GPT-4o-Preisen (5 $ pro 1 Million Input-Token).

Für Ebene-3-Sprachen verbessert die Angabe der Chain-of-Thought-Anweisung auf Englisch — bei gleichzeitiger Anforderung der Endantwort in der Zielsprache — die Reasoning-Genauigkeit um 5–12 % (Shi et al., 2023). Diese sprachübergreifende CoT-Technik nutzt die englischen Reasoning-Stärken des Modells und erhält dabei die Ausgabequalität in der Zielsprache.

Wenn LLMs schrittweise denken, stützen sie sich auf Muster aus ihrem größten Trainingskorpus (Englisch). Wenn Sie das Reasoning vollständig in einer ressourcenarmen Sprache wie Japanisch oder Arabisch erzwingen, sinkt die Genauigkeit — das Modell hat in dieser Sprache weniger erlernte Reasoning-Muster. Der hybride Ansatz — englisches CoT, Ausgabe in der Zielsprache — kombiniert die Stärken beider Welten.

Vorlage: `Think through this step by step in English, then write your final answer in Japanese. Question: question`

Entscheidung: Englisches CoT verwenden, wenn → die Aufgabe mehrstufiges Reasoning erfordert, die Zielsprache Ebene 3+ ist, Genauigkeit wichtiger als Latenz ist. Natives CoT verwenden, wenn → Ton und Register wichtiger als Reasoning-Tiefe sind, die Zielsprache Ebene 1–2 ist.

Vertiefung: Chain-of-Thought-Prompting: Wie LLMs ihr Denken zeigen.

Few-Shot-Beispiele müssen in derselben Sprache wie die Aufgabe sein — sprachübergreifende Beispiele senken die Ausgabegenauigkeit in Ebene-2- und Ebene-3-Sprachen um 15–20 % (Shi et al., 2023). Few-Shot-Beispiele lehren das Modell Format, Ton und Muster. Wenn die Beispiele auf Englisch sind, die Aufgabe aber auf Französisch, erhält das Modell widersprüchliche Signale.

Zwei Strategien: (1) Native Few-Shot — alle Beispiele in der Zielsprache (beste Qualität). (2) Zero-Shot + explizite Anweisungen — keine Beispiele, aber klare Stil-/Formatregeln auf Englisch (beste Option, wenn keine nativen Beispiele verfügbar sind). Vermeiden Sie: Englische Beispiele + Französische Aufgabe = das Schlechteste beider Welten.

Entscheidungsrahmen: Few-Shot vs. Zero-Shot Prompting.

LLMs verwenden standardmäßig in den meisten Sprachen informelle Register. Falls Ihr Anwendungsfall formales Deutsch (Sie-Form), formales Japanisch (丁寧語) oder das französische Vous erfordert, müssen Sie das Register explizit im System-Prompt deklarieren — das Modell leitet es nicht aus dem Kontext ab. Dies wird häufig übersehen und führt zu Ausgaben, die für Muttersprachler falsch klingen.

Wenn Nutzer Sprachen mischen (z. B. deutsche Frage mit englischem Markennamen oder französischem Code-Kommentar), antworten die meisten Modelle in der dominanten Sprache der Anfrage — dies ist jedoch ohne explizite Anweisung unzuverlässig. Code-Switching ist in mehrsprachigen Arbeitsumgebungen verbreitet, in denen Fachbegriffe auf Englisch bleiben, der umgebende Text aber in einer anderen Sprache ist.

Empfohlenes Vorgehen: (1) Im System-Prompt: „Wenn der Nutzer Sprachen mischt, antworten Sie auf Zielsprache, es sei denn, die Frage ist explizit auf Englisch." (2) Sprache programmatisch erkennen (langdetect, FastText, lingua-rs), bevor Sie zum Modell routen — verlassen Sie sich nicht darauf, dass das Modell die Sprache erkennt. (3) Für produktive mehrsprachige Apps: Implementieren Sie einen Spracherkennungsschritt vor dem LLM-Aufruf, um zur richtigen Prompt-Vorlage zu routen.

Vier Vorlagen-Muster, die Sie für Ihre eigenen mehrsprachigen Workflows anpassen können. Ersetzen Sie die Platzhalter entsprechend Ihrem Anwendungsfall.

Europäische Union (DSGVO): Bei der Verarbeitung von deutsch-, französisch- oder anderer EU-sprachiger Daten muss Ihr LLM-API DSGVO-Artikel 28 (Auftragsverarbeitungsvertrag, AV-Vertrag) erfüllen. Mistral Large 2 und Claude Opus 4.7 bieten EU-konforme Deployments mit Datenspeicherung in Frankfurt oder Irland. GPT-4o erfordert Datenverarbeitungsbedingungen über OpenAIs AV-Vertrag. Übermitteln Sie niemals personenbezogene Daten (Namen, E-Mail-Adressen, Telefonnummern) ohne ausdrückliche Rechtsgrundlage und gültige AV-Vereinbarung.

Deutschland, Österreich, Schweiz (BSI-Grundschutz): Für Unternehmen im DACH-Raum sind die BSI-Grundschutz-Kataloge (IT-Grundschutz nach BSI-Standard 200-2) der maßgebliche Rahmen für den sicheren KI-Einsatz. Das Bundesamt für Sicherheit in der Informationstechnik (BSI) empfiehlt für Anwendungsfälle mit vertraulichen Daten lokale LLM-Deployments. Mistral Large 2 kann über Mistral La Plateforme mit EU-Datenspeicherung oder vollständig lokal via Ollama betrieben werden und erfüllt damit die BSI-Anforderungen zur Datensparsamkeit. GPT-4o und Claude Opus 4.7 sind für sensible Unternehmensdaten nur mit vollständigem AV-Vertrag und einer DSGVO-konformen Rechtsgrundlage zulässig.

Japan (APPI): Japanische Unternehmen, die mehrsprachige LLMs einsetzen, müssen das Act on Protection of Personal Information (APPI) einhalten. Gemini 3.0 Pro bietet Japan-Region-Deployment mit Datenspeicherung in Tokio. Für vollständige Datensouveränität empfiehlt sich der lokale Betrieb von Qwen 3 72B für japanische und chinesische Aufgaben.