Sprachtechnologie
Schweizerdeutsch ist eine gesprochene Sprache ohne verbindliche Schreibung. Wir zeigen, warum die automatische Übertragung aus dem Hochdeutschen technisch anspruchsvoll ist, wo moderne Sprachmodelle bereits überzeugen, welcher systematische Fehler immer wieder auftritt und mit welchen Verfahren sich das Ergebnis kontrollierbar machen lässt.
Schweizerdeutsch ist in erster Linie eine gesprochene Sprache. Es gibt keine verbindliche, amtlich festgelegte Orthografie, an der sich ein System orientieren könnte. Derselbe Satz lässt sich auf viele Arten korrekt niederschreiben, und keine dieser Schreibweisen ist objektiv falsch. Genau das unterscheidet die Aufgabe grundlegend von einer klassischen Übersetzung zwischen zwei standardisierten Schriftsprachen, bei der ein Zielergebnis eindeutiger definierbar ist.
Hinzu kommt die ausgeprägte regionale Variation. Zürich, Bern und Basel unterscheiden sich sowohl in der Aussprache als auch im Wortschatz. Ein System, das Mundart erzeugt, muss deshalb implizit eine Region wählen, denn ein neutrales Schweizerdeutsch, das überall gleich klingt, existiert nicht. Wer nur von einer Übersetzung ins Schweizerdeutsche spricht, unterschätzt, wie viele Entscheidungen zwischen Dialekten, Schreibkonventionen und Registern dabei getroffen werden.
Grosse Sprachmodelle wie GPT-5.5 sind beim Umformulieren von Hochdeutsch in Schweizerdeutsch überraschend gut. Sie erzeugen flüssige, natürlich klingende Mundart, treffen den Ton meist passend und lösen viele lexikalische Umschreibungen souverän, für die man früher Regeln von Hand hätte pflegen müssen. Für einen Grossteil alltäglicher Sätze ist das Ergebnis auf Anhieb brauchbar.
Dennoch treten zwei typische Schwächen wiederkehrend auf. Erstens bleiben die Modelle manchmal zu nah am Hochdeutschen und liefern eine oberflächlich dialektal eingefärbte, im Kern aber schriftdeutsche Formulierung. Zweitens, und das ist der interessantere Fall, überzeichnen sie die gesprochene Vokallänge und verdoppeln Vokale dort, wo keine etablierte Schreibung existiert. Beide Muster sind nicht zufällig, sondern systematisch, und das ist eine gute Nachricht.
Im gesprochenen Schweizerdeutsch werden viele Vokale lang gedehnt. Ein Sprachmodell, das aus riesigen, uneinheitlichen Textmengen gelernt hat, versucht diese Länge in der Schrift abzubilden und schreibt den Vokal dann kurzerhand doppelt. Das Resultat wirkt auf den ersten Blick authentisch, weicht aber von dem ab, was geübte Schreiberinnen und Schreiber tatsächlich verwenden, und wirkt schnell überzogen.
Weil dieser Fehler einer klaren Logik folgt, lässt er sich beschreiben, messen und gezielt beheben. Er ist damit kein prinzipielles Hindernis, sondern eine konkrete, benennbare Baustelle.
Der schnellste Weg zu kontrollierbaren Ergebnissen ist eine Nachbearbeitungsschicht hinter dem Sprachmodell. Da die typischen Fehler systematisch sind, lassen sie sich mit Normalisierungsregeln abfangen: Regeln korrigieren die Schreibung, reduzieren verdoppelte Vokale auf die verbreitete Form und glätten regionaltypische Muster in eine konsistente Zielvariante.
Dieser Ansatz kombiniert die sprachliche Stärke des Modells mit der Verlässlichkeit deterministischer Regeln. Das Modell übernimmt die kreative Umformulierung, die Regelschicht sorgt für Konsistenz und Reproduzierbarkeit. Für viele Anwendungen, etwa die Vertextung für eine Sprachausgabe, ist genau diese Mischung aus Flüssigkeit und Kontrolle entscheidend.
Statt ein allgemeines Sprachmodell mit Regeln nachzuschärfen, lässt sich ein eigenes Transformer-Modell gezielt für die Richtung Hochdeutsch zu Schweizerdeutsch trainieren. Ein solches spezialisiertes Modell ist kontrollierbarer und reproduzierbarer, weil es genau auf diese eine Aufgabe ausgerichtet ist und sich sein Verhalten enger steuern lässt.
Der Preis dafür ist Aufwand. Ein dediziertes Modell benötigt mehr Trainingsdaten und mehr Entwicklungsarbeit als ein Prompt an ein bestehendes Sprachmodell. Gerade bei Schweizerdeutsch, wo saubere Trainingsdaten knapp sind, ist das eine ernstzunehmende Hürde. In der Praxis ist deshalb oft ein hybrider Aufbau sinnvoll: ein Modell für die Umformulierung, eine Regelschicht für die Feinkorrektur.
Es gibt keinen einzig richtigen Weg. Die Entscheidung hängt davon ab, wie stark der Bedarf an Kontrolle und Reproduzierbarkeit gegenüber Geschwindigkeit und Abdeckung wiegt. Zur Orientierung:
Wer heute schnell brauchbare Mundart benötigt, fährt mit dem ersten Weg gut. Wer eine wiederholbare, prüfbare Ausgabe für ein Produkt braucht, sollte den Aufbau eines spezialisierten oder hybriden Systems einplanen.
Trainings- und Evaluationsdaten für Schweizerdeutsch sind vergleichsweise knapp. Weil die Sprache gesprochen und ohne verbindliche Schreibung geprägt ist, gibt es weniger konsistent annotiertes Material als für grosse Schriftsprachen. Das erschwert sowohl das Training dedizierter Modelle als auch die belastbare Bewertung von Ergebnissen.
Es existieren jedoch dokumentierte Korpora, darunter Sammlungen, die vom Verein SwissNLP (swissnlp.org) kuratiert werden, dem Schweizer Verein für Natural Language Processing. Solche Ressourcen sind der Ausgangspunkt für jedes ernsthafte Projekt in diesem Feld, denn ohne verlässliche Daten bleibt jede Bewertung der Qualität anekdotisch.
Unsere praktische Empfehlung ist klar: Beginne mit einem starken Sprachmodell für die Umformulierung und ergänze eine Regelschicht, die verdoppelte Vokale korrigiert, die Schreibung normalisiert und eine konsistente Zielvariante erzwingt. Dieser hybride Aufbau liefert am schnellsten flüssige und zugleich kontrollierbare Ergebnisse. Wo maximale Reproduzierbarkeit gefragt ist, lohnt der zusätzliche Schritt zu einem dedizierten Transformer-Modell.
ORO Solutions evaluiert beide Ansätze in einem Forschungs- und Proof-of-Concept-Projekt zur schweizerdeutschen Sprachausgabe, das die Umformulierung in Mundart mit Text-to-Speech verbindet. Das Ziel ist eine natürlich klingende, regional konsistente Sprachausgabe, die sich messen und reproduzieren lässt statt nur zufällig gut zu klingen.
FAQ
Nein. Schweizerdeutsch ist eine gesprochene Sprache ohne verbindliche, amtlich festgelegte Orthografie. Derselbe Satz lässt sich auf mehrere Arten korrekt niederschreiben, weshalb ein System immer eine Schreibkonvention und meist auch eine Region wählen muss.
Ja, Modelle wie GPT-5.5 erzeugen bereits flüssige und natürlich klingende Mundart. Sie neigen aber zu zwei systematischen Fehlern: Sie bleiben teils zu nah am Hochdeutschen oder verdoppeln Vokale, um die gesprochene Länge abzubilden. Beide Muster lassen sich gezielt korrigieren.
Sprachmodelle überzeichnen die gesprochene Vokallänge und schreiben Vokale doppelt, wo keine etablierte Schreibung dafür existiert. Der Fehler tritt oft inkonsistent auf und mischt regionale Muster. Weil er einer klaren Logik folgt, ist er messbar und mit Normalisierungsregeln behebbar.
Ein Sprachmodell mit Nachbearbeitung ist schnell startklar und deckt breit ab. Ein dediziertes Transformer-Modell ist kontrollierbarer und reproduzierbarer, benötigt aber deutlich mehr Trainingsdaten und Entwicklungsaufwand. In der Praxis ist ein Hybrid aus Modell und Regelschicht oft der beste Kompromiss.
Die Datenlage ist vergleichsweise knapp, weil die Sprache gesprochen und ohne feste Schreibung geprägt ist. Es existieren aber dokumentierte Korpora, unter anderem vom Verein SwissNLP (swissnlp.org). Diese Ressourcen sind die Grundlage für Training und belastbare Bewertung.
Weiterlesen
