Wie KI-Bildübersetzung funktioniert und was Sie am Ergebnis prüfen sollten
In einer JPG- oder PNG-Datei sind die Wörter Teil des Bildes: Buchstaben und Hintergrund teilen sich dasselbe Pixelraster, und nichts hält fest, was hinter den Buchstaben liegt. Um diesen Text zu übersetzen und das Layout zu behalten, muss ein Werkzeug den Text finden, lesen, übersetzen und die Übersetzung an dieselbe Stelle zeichnen, auf einen Hintergrund, den es erst wiederherstellen muss. Drei Arten von Werkzeugen lösen das auf unterschiedliche Weise. Sie liefern Unterschiedliches, scheitern an unterschiedlichen Stellen, und jede verlangt ihre eigenen Prüfungen, bevor Sie das Ergebnis veröffentlichen.
Kurz gesagt
- Kamera- und Overlay-Übersetzer wie Google Übersetzer, Google Lens oder die Übersetzen-App von Apple legen die Übersetzung über das Foto oder das Kamerabild. Sie sind zum Lesen vor Ort gedacht.
- Pipelines aus OCR, Inpainting und Neusatz erkennen den Text, löschen ihn, füllen die Lücke und setzen die Übersetzung. Pixel außerhalb der Textbereiche bleiben, wie sie waren, aber jeder Schritt kann Spuren hinterlassen.
- Generative Modelle mit einem einzigen Durchgang, die Methode von TranslateMyImage, zeichnen das ganze Bild mit dem übersetzten Text neu. Das Ergebnis kommt einem fertigen Design am nächsten, aber jeder Teil des Bildes kann sich ändern, deshalb prüfen Sie mehr als die Wörter.
Warum Text in einem Bild schwerer zu übersetzen ist als Text in einem Dokument
In einer Word-Datei oder auf einer Webseite ist der Text getrennt vom Layout gespeichert. Übersetzen Sie ihn, ordnet sich die Seite um die neuen Wörter herum neu an: Ein längerer Satz bricht in die nächste Zeile um, und der Hintergrund bewegt sich nicht.
Ein Bild hat keine Textebene, die man austauschen könnte, also müssen die Wörter zuerst an ihrer Form erkannt werden. Danach muss die Fläche, die sie verdeckt haben, neu gemalt werden, denn das Foto, der Verlauf oder das Muster hinter den Buchstaben wurde nie gespeichert. Und der Platz ist fest: Eine längere Übersetzung muss in dieselbe Fläche passen, kleiner gesetzt oder auf mehr Zeilen.
Texterkennung (OCR) allein löst nur den ersten Teil. Sie verwandelt das Bild in eine Zeichenkette und lässt das Layout zurück, und auf einer Seite mit Spalten, Bildunterschriften oder Sprechblasen kann sie auch die Lesereihenfolge verwechseln. Jede der folgenden Werkzeugarten ergänzt OCR um etwas oder ersetzt sie, um das Layout zurückzuholen.
1. Kamera- und Overlay-Übersetzer
Diese Werkzeuge sind kostenlos, auf dem Smartphone oder im Browser.
- Die Google-Übersetzer-App. Richten Sie die Kamera auf den Text, um ihn übersetzt zu sehen, tippen Sie auf den Auslöser, um das Bild anzuhalten, oder wählen Sie ein vorhandenes Foto. Die Kameraübersetzung funktioniert offline, sobald die Sprachen heruntergeladen sind (Google-Übersetzer-Hilfe).
- Die Google-Übersetzer-Website. Der Tab Bilder übersetzt ein hochgeladenes Bild, mit einer Schaltfläche zum Kopieren des übersetzten Textes und einer zum Herunterladen des übersetzten Bildes (Google-Übersetzer-Hilfe).
- Google Lens. Im Jahr 2022 kündigte Google an, dass Lens übersetzten Text in komplexe Bilder einfügen könne, mithilfe von Generative Adversarial Networks (GANs), der Technik hinter dem Magischen Radierer auf Pixel-Smartphones (Google).
- Die Übersetzen-App von Apple. Ihr Kameramodus zeigt eingeblendete Übersetzungen, die Sie antippen können, um sie zu kopieren, zu sichern oder anzuhören, und sie übersetzt auch Fotos aus Ihrer Mediathek (iPhone-Benutzerhandbuch).
Was Sie bekommen: die Übersetzung über dem Original auf Ihrem Bildschirm und in manchen Apps ein übersetztes Bild zum Speichern. Es geht darum, zu verstehen, was der Text sagt.
Wo sie scheitern: Googles Hilfeseiten warnen, dass kleiner, unscharfer oder stilisierter Text möglicherweise nicht genau übersetzt wird und dass die Genauigkeit davon abhängt, wie deutlich der Text ist. Bevor Sie ein gespeichertes übersetztes Bild weiterverwenden, prüfen Sie, ob jede Zeile übersetzt wurde und dass die Übersetzung keinen Teil des Bildes verdeckt.
Geeignet für: das Lesen eines Schildes, einer Speisekarte oder eines Briefes vor Ort. Unsere Anleitung, um ein Foto mit dem Handy zu übersetzen, erklärt jede App Schritt für Schritt.
2. Pipelines aus OCR, Inpainting und Neusatz
Das ist die klassische Methode. Sie teilt die Arbeit in getrennte Schritte auf, die jeweils ein eigenes Modell übernimmt:
- Erkennen. Ein Texterkennungsmodell markiert, wo sich Text befindet. Zwei veröffentlichte Beispiele sind CRAFT, das einzelne Zeichen und die Verbindungen zwischen ihnen findet (Baek et al., CVPR 2019), und DBNet (Liao et al., AAAI 2020). Das Ergebnis ist eine Maske: eine Karte der Pixel, die zu Buchstaben gehören.
- Lesen. OCR wandelt jeden erkannten Bereich in Zeichen um, und ein Layout-Schritt legt fest, in welcher Reihenfolge die Blöcke gelesen werden.
- Übersetzen. Jeder Textblock geht an eine maschinelle Übersetzung, meist als reiner Text, ohne das Bild.
- Löschen und füllen. Die maskierten Pixel werden entfernt, und ein Inpainting-Modell malt die Lücke anhand der Umgebung aus. Ältere Inpainting-Verfahren erzeugten oft verzerrte Strukturen oder verschwommene Texturen, was Yu et al. (CVPR 2018) angingen, indem das Modell Details aus entfernten Bildbereichen übernehmen durfte. LaMa (WACV 2022) wurde für große Masken entwickelt, und seine Autoren halten fest, dass Inpainting-Systeme weiterhin mit großen fehlenden Flächen, komplexen geometrischen Strukturen und hochauflösenden Bildern kämpfen.
- Setzen. Ein Renderer wählt Schrift, Größe, Farbe und Zeilenumbrüche und bringt die Übersetzung in der Fläche unter, die der Originaltext eingenommen hat.
Das Open-Source-Projekt manga-image-translator zeigt die ganze Kette: Sie wählen einen Textdetektor (CRAFT ist eine der Optionen), ein OCR-Modell, einen Übersetzer (DeepL, ChatGPT oder unter anderem ein Offline-Modell), ein Inpainting-Modell (LaMa-Varianten stehen zur Auswahl) und einen Renderer, der Text waagerecht oder senkrecht setzen kann.
Was Sie bekommen: eine übersetzte Bilddatei. In einer typischen Pipeline bleiben die Pixel außerhalb der Textmasken genau so, wie sie waren, und manche Werkzeuge behalten den übersetzten Text, damit Sie eine Zeile korrigieren und neu setzen lassen können.
Wo sie scheitert: Jeder Schritt gibt seine Fehler an den nächsten weiter.
- Text, den der Detektor übersieht (gebogen, stilisiert, senkrecht, kontrastarm oder sehr klein), bleibt in der Ausgangssprache.
- Eine zu enge Maske hinterlässt schwache Umrisse der alten Buchstaben; eine zu weite verschmiert die Details daneben.
- Inpainting ist auf einer einfarbigen Fläche leicht und auf Fotos, Verläufen, Gesichtern und feinen Mustern schwer, wo es eine unscharfe Stelle oder eine sich wiederholende Textur hinterlassen kann.
- Der Renderer greift womöglich auf eine Standardschrift zurück, verkleinert den Text, bis er schwer lesbar ist, oder bricht Zeilen an seltsamen Stellen um. Arabische Buchstaben müssen mit ihren Nachbarn verbunden werden, deshalb gibt ein Renderer ohne arabische Glyphenformung sie als einzelne Buchstaben aus.
- Die maschinelle Übersetzung bekommt das Bild nie zu sehen, also erhält ein Wort wie „Home“ auf einer Website-Schaltfläche dieselbe Übersetzung wie in einer Bildunterschrift über ein Haus.
3. Generative Neuerstellung in einem Durchgang
Das ist die Methode von TranslateMyImage. Ein Bildmodell erhält das Bild und eine Anweisung und erzeugt ein neues Bild, in dem der Text in der Zielsprache steht. Lesen, Übersetzen und Neuzeichnen geschehen im Modell, in einem einzigen Durchgang. Es gibt keine Maske und keine separate Schrift: Die Buchstaben und der Hintergrund dahinter werden zusammen gezeichnet, wie der Rest des Bildes.
Die Anweisung, die unser Übersetzer sendet, verlangt vom Modell, den gesamten sichtbaren Text in die gewählte Sprache zu übersetzen, Bedeutung und Ton zu bewahren, Layout, Hierarchie, Typografie, Farben und Design beizubehalten, die Länge des Textes nur dann zu ändern, wenn die optische Balance es erfordert, und nichts hinzuzufügen oder wegzulassen. Modi ergänzen Anweisungen für Marketingmotive, Manga und Comics oder technische Dokumentation, und ab dem Pro-Tarif kann eine eigene Anweisung mit bis zu 1.000 Zeichen Namen festlegen, die bleiben sollen, oder Begriffe, die zu verwenden sind.
Was Sie bekommen: eine neue Bilddatei ohne bearbeitbare Textebene. Ihre Pixelgröße kann vom Original abweichen.
Wo sie scheitert: Da das Modell das ganze Bild neu zeichnet, kann eine Änderung überall auftreten. Logos, Gesichter, Produktformen, Texturen und Kleingedrucktes können leicht verändert zurückkommen. Ziffern und Namen werden wie alle anderen Buchstaben neu gezeichnet, sie können also verändert oder umformatiert werden, Wörter können Tippfehler enthalten, und ein Teil des Textes kann in der Ausgangssprache bleiben. OpenAIs Leitfaden zu den eigenen GPT-Image-Modellen nennt dieselbe Art von Grenzen: Die Modelle haben weiterhin Mühe, Text präzise zu platzieren und scharf darzustellen, und Elemente in layoutabhängigen Kompositionen genau anzuordnen (OpenAI). Zwei Durchläufe mit demselben Bild können auch unterschiedliche Ergebnisse liefern.
Ein Beispiel: ein englisches Plakat, ins Arabische übersetzt
Dieses Beispiel von unserer Website wurde mit unserem Bildübersetzer erstellt, vom Englischen ins Arabische.


Was eine prüfende Person beim Vergleich der beiden sieht:
- Das Foto und das WWF-Logo sehen aus wie im Original. Die Datei kam mit 864 × 1232 Pixeln statt 600 × 848 zurück.
- Die zweizeilige Schlagzeile wurde zu zwei zentrierten arabischen Zeilen, von rechts nach links gelesen, mit dem Schlusspunkt am linken Ende.
- Die schmalen Großbuchstaben im Used-Look wurden durch eine klare, fette arabische Schrift ersetzt.
- Der Slogan „for a living planet“ blieb auf Englisch, und beim ersten i von „living“ fehlt der Punkt. Links vom Logo kam eine arabische Fassung hinzu, die das Original nicht hatte.
Solche Abweichungen sind typisch für ein neu erzeugtes Bild, und deshalb gehen die folgenden Prüfungen über die Wörter hinaus.
Prüfpunkte für ein übersetztes Bild
Unabhängig von der Methode: Vergleichen Sie das Ergebnis Seite an Seite mit dem Original, in voller Größe, Bereich für Bereich. Hier verstecken sich die Fehler.
- Namen und Marken. Personen, Orte, Produkte und Marken sollten so bleiben, wie sie geschrieben sind, es sei denn, Sie möchten sie übersetzen. Prüfen Sie, dass keiner wörtlich übersetzt oder transliteriert wurde. Bei TranslateMyImage kann eine eigene Anweisung im Pro-Tarif die Namen auflisten, die bleiben sollen.
- Zahlen, Preise, Daten und Einheiten. Vergleichen Sie jede Ziffer. Formate können sich mit der Sprache ändern: Aus 3.400 kann 3,400 werden, ein Währungszeichen kann die Position wechseln, eine Einheit kann anders abgekürzt sein. Entscheiden Sie für jede Änderung, ob es sich um eine korrekte Anpassung oder um einen Fehler handelt.
- Kleingedrucktes. Rechtliche Hinweise, Fußnoten, Beschriftungen in Diagrammen und Slogans werden als Erstes ausgelassen, verstümmelt oder in der Ausgangssprache belassen.
- Text, der länger wird. Das W3C zitiert in seinem Artikel über Textlängen bei Übersetzungen IBM-Durchschnittswerte für Englisch, das in europäische Sprachen übersetzt wird: Zeichenketten mit bis zu 10 Zeichen kommen auf 200 bis 300 % ihrer Länge, solche mit über 70 Zeichen auf etwa 130 %. Je kürzer der Text, desto stärker wächst er, und deutsche Komposita brechen unter Umständen gar nicht um. Achten Sie auf Text, der über seine Fläche hinausläuft, auf Schrift, die bis zur Unlesbarkeit verkleinert wurde, und auf Formulierungen, die so stark gekürzt sind, dass Information fehlt.
- Schriften von rechts nach links. Arabisch wird von rechts nach links geschrieben, die Buchstaben verbinden sich mit ihren Nachbarn, und Zahlen behalten innerhalb der Zeile die Richtung von links nach rechts (W3C, Arabic & Persian Layout Requirements). Auch Hebräisch läuft von rechts nach links. Prüfen Sie die Reihenfolge der Zeilen, ob die Buchstaben verbunden sind, ob die Satzzeichen am richtigen Ende stehen und ob Pfeile und nummerierte Schritte noch in einer sinnvollen Richtung zu lesen sind. Die Seite zum arabischen Bildübersetzer enthält eine ausführlichere Checkliste.
- Senkrechter Text. Japanisch kann in senkrechten Spalten gesetzt werden, die Zeichen von oben nach unten und die Zeilen von rechts nach links (W3C, Requirements for Japanese Text Layout). Manga-Dialoge sind oft so gesetzt. Prüfen Sie, ob die Sprechblasen in der richtigen Reihenfolge gelesen wurden, ob eine waagerechte Übersetzung in eine schmale Blase passt und ob die in die Zeichnung gemalten Soundeffekte so behandelt wurden, wie Sie es möchten. Mehr dazu auf der Seite zum Manga-Übersetzer.
- Alles, was kein Text ist. Bei einer generativen Methode sehen Sie sich Logos, Gesichter, Produktformen und den Hintergrund an. Scannen Sie jeden QR-Code und jeden Barcode: Ein neu gezeichneter Code lässt sich womöglich nicht mehr scannen.
- Überbleibsel. Suchen Sie nach Wörtern, die noch in der Ausgangssprache stehen, nach Spuren der alten Buchstaben und nach Text, der hinzugekommen ist.
Beginnen Sie mit der besten Datei, die Sie haben: der größten Version, ohne starke JPEG-Komprimierung. Unscharfer Text ist für jede Methode schwerer zu lesen. Ist das Design in Photoshop, Figma, Canva oder PowerPoint noch bearbeitbar, behalten Sie beim Übersetzen der Textebenen die exakten Schriften und einen Hintergrund, den niemand neu zeichnen muss; unsere Anleitungen für Canva und PowerPoint beschreiben diesen Weg.
Welche Methode für welche Aufgabe
| Ihr Ziel | Methode | Warum |
|---|---|---|
| Ein Schild, eine Speisekarte oder einen Brief lesen | Eine Kamera- oder Overlay-App | Kostenlos und sofort; Google Übersetzer funktioniert offline, sobald die Sprachen heruntergeladen sind |
| Den Text kopieren oder zitieren | OCR oder die Textkopie in Google Übersetzer | Sie erhalten Wörter, die Sie einfügen und bearbeiten können |
| Ein noch bearbeitbares Design übersetzen | Die Textebenen in Photoshop, Figma, Canva oder PowerPoint | Exakte Schriften, unberührter Hintergrund |
| Ein JPG oder PNG ohne Ebenen in einer anderen Sprache veröffentlichen | Ein Werkzeug mit OCR-Pipeline oder ein generativer Übersetzer, danach die Prüfungen oben | Sie erhalten eine fertige Bilddatei |
| Viele Bilder in mehrere Sprachen übersetzen | Ein Werkzeug mit Stapelverarbeitung oder API | Ein Durchlauf statt eines Uploads pro Bild und Sprache |
Zur letzten Zeile: Die Stapelübersetzung von TranslateMyImage nimmt ab dem Pro-Tarif bis zu 10 Bilder pro Durchlauf an, und die Bildübersetzungs-API gibt es in denselben Tarifen. Einen Vergleich von sieben Werkzeugen nach dem, was sie liefern, finden Sie unter die besten Bildübersetzer. ChatGPT kann sowohl Text als auch ein generiertes Bild liefern: siehe Kann ChatGPT Bilder übersetzen?
Übersetzen Sie ein Bild und prüfen Sie das Ergebnis
Laden Sie ein JPG-, PNG- oder WebP-Bild mit bis zu 10 MB hoch, wählen Sie eine Sprache und erhalten Sie ein neues Bild mit dem übersetzten Text im ursprünglichen Layout. Vergleichen Sie es danach mit dem Original.
Häufig gestellte Fragen
Wie übersetzt KI den Text in einem Bild?
Sie muss den Text finden, lesen, übersetzen und die Übersetzung wieder ins Bild zeichnen, auf einen rekonstruierten Hintergrund. Kamera-Apps wie Google Übersetzer zeigen die Übersetzung über dem Foto an. OCR-Pipelines löschen den Originaltext, füllen die Lücke mit einem Inpainting-Modell und setzen die Übersetzung neu. Generative Bildmodelle zeichnen das ganze Bild mit dem übersetzten Text in einem einzigen Durchgang neu.
Verwendet TranslateMyImage OCR?
Nicht als eigenen Schritt. Ein generatives KI-Bildmodell erhält das Bild mit der Anweisung, den gesamten sichtbaren Text in die Zielsprache zu übersetzen und Layout, Typografie und Farben beizubehalten, und gibt ein neues Bild zurück. Dabei entsteht keine Textdatei, also gibt es keinen übersetzten Text, den Sie nachträglich bearbeiten könnten: Sie prüfen das Bild selbst.
Was ist Inpainting bei der Bildübersetzung?
Inpainting füllt einen maskierten Bereich eines Bildes mit Pixeln, die zur Umgebung passen. OCR-basierte Übersetzer nutzen es, um den Hintergrund dort wiederherzustellen, wo der Originaltext gelöscht wurde, bevor sie die Übersetzung setzen. Auf einfarbigen Flächen funktioniert das gut; auf Fotos, Verläufen und feinen Mustern bleiben oft eine unscharfe Stelle oder schwache Spuren der alten Buchstaben zurück.
Warum sind Zahlen oder Namen in meinem übersetzten Bild anders?
Generative Modelle zeichnen jedes Zeichen neu, Ziffern eingeschlossen, und können auch Formate anpassen, etwa 3.400 in 3,400 umwandeln. OCR-Pipelines können eine Ziffer oder einen stilisierten Buchstaben falsch lesen. Vergleichen Sie vor der Veröffentlichung jeden Namen, Preis, jedes Datum und jede Einheit mit dem Original. Im Pro-Tarif von TranslateMyImage kann eine eigene Anweisung die Namen auflisten, die unverändert bleiben müssen.
Kommt ein Bildübersetzer mit Arabisch oder vertikalem Japanisch zurecht?
Oft ja, aber genau diese Ergebnisse sollten Sie zuerst prüfen. Arabisch läuft von rechts nach links, die Buchstaben werden verbunden, und Zahlen behalten die Richtung von links nach rechts. Japanisch wird oft in senkrechten Spalten gesetzt, die von rechts nach links gelesen werden. Prüfen Sie Lesereihenfolge, verbundene Buchstaben und Zeilenumbrüche. TranslateMyImage liest beide als Ausgangstext, und Arabisch ist eine seiner 45 Zielsprachen, über die Sprachseiten.
Ist es besser, die Quelldatei zu übersetzen statt des Bildes?
Ja, wenn Sie sie haben. Ist das Design in Photoshop, Figma, Canva oder PowerPoint noch bearbeitbar, behalten Sie beim Übersetzen der Textebenen die exakten Schriften, und der Hintergrund bleibt unberührt. Ein Bildübersetzer ist für den Fall gedacht, dass Sie nur das JPG oder PNG ohne Ebenen haben oder das Nachbauen jeder Datei von Hand zu lange dauern würde.
Über den Autor
Gründer und Entwickler von TranslateMyImage, einem KI-Bildübersetzer im Web. Er schreibt über die Übersetzung von Text in Bildern, OCR und E-Commerce-Lokalisierung.
Autorenprofil ansehenÄhnliche Artikel

Kann ChatGPT Bilder übersetzen?
Ja: Laden Sie ein Bild bei ChatGPT hoch und bitten Sie um eine Übersetzung – Sie erhalten Text. Ein übersetztes Bild ist eine andere Aufgabe. Prompts, Grenzen und Datenschutz.

So lokalisieren Sie Ihre Amazon-Listing-Bilder für neue Marktplätze
Welche Amazon-Listing-Bilder Sie für einen neuen Marktplatz übersetzen (Zusatzbilder, A+ Module, Größentabellen, nicht das Hauptbild), ein Ablauf für eine ASIN und was Sie vor dem Hochladen prüfen.

Die besten Bildübersetzer 2026: 7 Tools im Vergleich – nach dem, was sie liefern
Google Übersetzer, Apple Live Text, DeepL, Papago, Canva, ChatGPT und TranslateMyImage im Vergleich: Ergebnis, kostenlose Nutzung, Batch und API. Nur dokumentierte Funktionen.