BroadRouter

Mehrsprachige KI-Produkte gestalten: Arabisch, Englisch, Spanisch

Vom Team von BroadNet Inference · 7 Min. Lesezeit · Veröffentlicht

Speichern Sie zwei Einstellungen: die Locale der Oberfläche und die Sprache des Inhalts, und leiten Sie nie die eine aus der anderen ab. Setzen Sie die Richtung anhand der Locale, isolieren Sie Nutzer- und Modelltext mit dir="auto" oder bdi, formatieren Sie Zahlen und Daten mit der Locale, normalisieren Sie Ziffern bei der Eingabe, behandeln Sie die Spracherkennung als Hinweis und bewerten Sie Qualität und Kosten pro Sprache.

Eine KI-Funktion für arabisch-, englisch- und spanischsprachige Nutzer ist im Grunde drei Produkte mit einer gemeinsamen Codebasis. Für Arabisch muss der Bildschirm die Richtung wechseln. Nachrichten mischen Schriften in einer Zeile. Zahlen und Datumsangaben sehen je nach Region anders aus. Das Modell antwortet womöglich in der falschen Sprache, und jede Sprache kostet unterschiedlich viel. Die meisten dieser Probleme gehen auf einen einzigen Designfehler zurück: „die Sprache“ als eine einzige Einstellung zu behandeln.

Dieser Beitrag behandelt die Produkt- und Oberflächenseite. Wie Sie die Strings Ihrer eigenen App übersetzen (Platzhalter, Plurale, ICU-Nachrichten), steht in App-Strings mit einem LLM ins Arabische übersetzen; um die Formulierung von Prompts geht es in Prompt Engineering für Arabisch.

Warum sollte die Oberflächen-Locale von der Modellsprache getrennt sein?

Weil beide unterschiedliche Fragen beantworten. Die Oberflächen-Locale (ar-SA, en-US, es-MX) bestimmt die Layoutrichtung, die Sprache Ihrer Buttons und das Aussehen von Zahlen und Daten. Die Inhaltssprache ist die Sprache einer bestimmten Nachricht, eines Dokuments oder einer Aufnahme und bestimmt, worum Sie das Modell bitten.

Die beiden laufen ständig auseinander. Ein saudischer Nutzer mit arabischer Oberfläche fügt einen englischen Vertrag ein. Eine spanische Nutzerin lädt das Foto einer arabischen Rechnung hoch. Ein zweisprachiger Support-Mitarbeiter wechselt mitten im Gespräch die Sprache (Code-Switching). Schickt der Code „antworte auf Arabisch“, weil die Oberfläche arabisch ist, bekommt der englische Vertrag eine arabische Zusammenfassung, um die niemand gebeten hat.

Speichern Sie deshalb beides, pro Nutzer und pro Nachricht:

  • ui_locale: vom Nutzer gewählt, standardmäßig die Sprache des Browsers.
  • answer_language: eine ausdrückliche Wahl des Nutzers, falls vorhanden, sonst die erkannte Sprache der Nachricht.
  • Bei Audio audio_language: das, was Sie an das Transkriptionsmodell übergeben. Die API-Referenz von BroadNet sagt, bei einer Transkriptionsanfrage immer language mitzusenden, sonst kann Arabisch in lateinischen Buchstaben zurückkommen.

Mit drei Ebenen, gemäß den Empfehlungen des W3C:

  1. Seitenrichtung aus der Locale. Setzen Sie für Arabisch dir="rtl" und lang="ar" auf das html-Element. Das W3C rät davon ab, die Grundrichtung per CSS festzulegen, und empfiehlt für Margins, Padding und Ausrichtung logische Werte (start und end) statt links und rechts.
  2. Logisches CSS. margin-inline-start statt margin-left, text-align: start statt left. MDN beschreibt, dass logische Eigenschaften das Layout „through logical rather than physical direction“ (Übersetzung: „über logische statt physische Richtung“) steuern. Ein einziges Stylesheet bedient dann beide Richtungen.
  3. Fremden Text isolieren. Nutzernachrichten, Modellantworten, Produktnamen und Bestellnummern haben ihre eigene Richtung. Die Regel des W3C: Wenn Sie die Richtung von Text, der zur Laufzeit eingefügt wird, nicht kennen, setzen Sie dir="auto" auf das umschließende Element oder packen Sie ihn in ein bdi-Element. Ohne Isolierung kann eine englische Bestellnummer am Ende eines arabischen Satzes auf die falsche Seite springen, und Satzzeichen landen an seltsamen Stellen.

Für eine Chat-Oberfläche heißt das: dir="auto" auf jeder Sprechblase, denn jede Nachricht bestimmt ihre Richtung über ihr erstes starkes Zeichen, und bdi um Namen und Codes innerhalb Ihrer eigenen Oberflächen-Strings. Wo es kein Markup gibt (Push-Benachrichtigungen, SMS, CSV-Exporte), erledigen die Isolate des Unicode Bidirectional Algorithm dieselbe Aufgabe: U+2068 FIRST STRONG ISOLATE vor dem Text und U+2069 POP DIRECTIONAL ISOLATE danach.

Modellausgaben bringen noch einen Fall mit: Markdown. Ein Modell, das auf Arabisch antwortet, kann englischen Code, URLs oder Tabellenzellen enthalten. Rendern Sie Codeblöcke explizit mit dir="ltr" und geben Sie jedem Absatz und jeder Tabellenzelle dir="auto".

Wie sollten sich Zahlen und Daten je nach Locale unterscheiden?

Lassen Sie die Plattform formatieren und prüfen Sie, was dabei tatsächlich herauskommt. Wir haben Intl.NumberFormat und Intl.DateTimeFormat in Node 24.22.1 (ICU 78.3, CLDR 48) für 1234.5 und den 15. November 2026 ausgeführt:

Locale Zahl Datum (lang) Richtung
en-US 1,234.5 November 15, 2026 ltr
ar-SA ١٬٢٣٤٫٥ ١٥ نوفمبر ٢٠٢٦ rtl
ar-SA-u-nu-latn 1,234.5 15 نوفمبر 2026 rtl
ar-AE 1,234.5 15 نوفمبر 2026 rtl
es-ES 1234,5 15 de noviembre de 2026 ltr
es-MX 1,234.5 15 de noviembre de 2026 ltr

Vier Dinge fallen auf. Arabische Locales unterscheiden sich bei den Ziffern: Saudi-Arabien verwendet standardmäßig arabisch-indische, die VAE westliche Ziffern, und die Erweiterung -u-nu-latn (siehe numberingSystem bei MDN) stellt eine Locale auf westliche Ziffern um. Spanisch unterscheidet sich je nach Region: Spanien nutzt ein Dezimalkomma und bei vierstelligen Zahlen kein Tausendertrennzeichen; Mexiko nutzt einen Punkt. Auch die Monatsnamen variieren in der arabischen Welt: ar-MA gab für November نونبر aus, ar-SA dagegen نوفمبر. Und Browser liefern ihre eigenen ICU-Versionen mit, also führen Sie dieselben Prüfungen in Ihren Zielbrowsern aus.

Plurale folgen den CLDR-Regeln: Intl.PluralRules lieferte für ar bei 0, 1, 2, 3, 11 und 100 sechs Kategorien (zero, one, two, few, many, other), während Englisch und Spanisch für diese Zahlen nur one und other lieferten. Die String-Seite dieses Themas steht im Beitrag über App-Strings.

Akzeptieren Sie bei der Eingabe beide Ziffernformen. Ein Nutzer tippt vielleicht ١٢٣٤ in ein Mengenfeld; normalisieren Sie vor dem Parsen auf ASCII-Ziffern, und ebenso, bevor Sie Zahlen an ein Modell schicken, falls Ihre Prompts sie vergleichen.

Lässt sich die Sprache jeder Nachricht erkennen?

Teilweise. Arabische von lateinischer Schrift zu unterscheiden ist einfach und zuverlässig: Zählen Sie die Zeichen im arabischen Unicode-Block. Englisch von Spanisch zu unterscheiden oder sehr kurze Nachrichten zu deuten, erfordert ein trainiertes Modell. fastText veröffentlicht zwei Spracherkennungsmodelle für 176 Sprachen (lid.176.bin, 126 MB, und das komprimierte lid.176.ftz, 917 kB).

Hier ist ein kleines Hilfsmodul für die obigen Entscheidungen. Der Detektor ist absichtlich einfach gehalten, um zu zeigen, wo „einfach“ scheitert.

// UI locale and content language are separate values. Never derive one from the other silently.
const RTL = new Set(['ar', 'he', 'fa', 'ur']);

/** Rough script-based guess: enough to pick a direction and a prompt, not a language-ID model. */
export function guessLanguage(text) {
  const arabic = (text.match(/[؀-ۿݐ-ݿ]/g) || []).length;
  const latin = (text.match(/[A-Za-zÀ-ÿ]/g) || []).length;
  if (arabic + latin < 3) return 'und';
  if (arabic / (arabic + latin) > 0.6) return 'ar';
  if (arabic / (arabic + latin) > 0.2) return 'mixed';
  return /[ñ¿¡áéíóú]|\b(el|la|los|las|de|que|por|para|está|dónde)\b/i.test(text) ? 'es' : 'en';
}

/** Wrap user or model text for display inside UI text of either direction (W3C: bdi / dir="auto"). */
export const isolate = (s) => `<bdi>${s.replace(/[&<>"]/g, (c) => ({ '&': '&amp;', '<': '&lt;', '>': '&gt;', '"': '&quot;' })[c])}</bdi>`;

/** Plain-text equivalent for places with no markup (notifications, CSV, SMS): FSI ... PDI. */
export const isolateText = (s) => `⁨${s}⁩`;

export function formatters(uiLocale) {
  return {
    dir: RTL.has(new Intl.Locale(uiLocale).language) ? 'rtl' : 'ltr',
    number: new Intl.NumberFormat(uiLocale),
    date: new Intl.DateTimeFormat(uiLocale, { dateStyle: 'long', timeZone: 'UTC' }),
    plural: new Intl.PluralRules(uiLocale),
  };
}

/** Normalise digits a user typed before parsing: Arabic-Indic and Persian to ASCII. */
export const toAsciiDigits = (s) =>
  s.replace(/[٠-٩]/g, (d) => d.charCodeAt(0) - 0x0660).replace(/[۰-۹]/g, (d) => d.charCodeAt(0) - 0x06F0);

/** System prompt: the answer language comes from the content, or the user's explicit choice, not the UI. */
export function systemPrompt({ answerLanguage }) {
  const name = { ar: 'Arabic', en: 'English', es: 'Spanish' }[answerLanguage] ?? 'the language of the user\'s message';
  return `Answer in ${name}. Keep product names, code, URLs and numbers exactly as written.`;
}

Wir haben es in Node 24 ausgeführt. Es stufte وين طلبي؟ als ar ein, „¿Dónde está mi pedido?“ als es, „Where is my order?“ als en und einen arabischen Satz mit dem Code ORD-5521 als ar. „ok“ ergab und, was im Prompt korrekt auf „the language of the user’s message“ zurückfällt. Und „ana 3ayez a3raf el order fen“, ägyptisches Arabisch in lateinischen Buchstaben (Arabizi), ergab es, weil das Wort „el“ spanisch aussieht. Das ist das ehrliche Ergebnis einer Heuristik. Wenn Ihre Nutzer Arabizi schreiben, erkennen Sie es explizit und behandeln Sie es als Arabisch, wie in Arabizi im Umgang mit LLMs beschrieben, und lassen Sie Nutzer die Antwortsprache mit einem Tippen korrigieren.

Der Ziffern-Helfer machte aus ٢٠٢٦-١١-١٥ das Datum 2026-11-15, und isolate() hat HTML vor dem Umschließen maskiert, sodass ein Firmenname wie Acme <Ltd> kein Markup einschleusen kann.

Was ändert sich sonst noch, wenn die Sprache wechselt?

  • Textlänge. Übersetzte Oberflächentexte sind oft länger. Das W3C zitiert IBM-Richtlinien, nach denen englische Strings mit bis zu 10 Zeichen in europäischen Sprachen auf 200–300 % ihrer Länge anwachsen und Strings über 70 Zeichen auf etwa 130 %. Gestalten Sie Buttons und Labels so, dass sie umbrechen können, und testen Sie den spanischen Build bei schmalen Breiten.
  • Schriften. Wählen Sie eine Schriftfamilie mit passendem arabischem Schnitt und prüfen Sie die arabische Zeilenhöhe: Diakritika brauchen oben und unten Platz.
  • Suche und Abgleich. Arabischer Text muss vor dem Abgleich normalisiert werden (Diakritika, Alef-Formen, Tatweel). Der Arabic Text Normalizer zeigt jede Regel.
  • Sprache. Wählen Sie das Transkriptionsmodell nach der Sprache des Audios, nicht nach der Oberfläche. BroadNet listet ein arabisches Modell und ein Modell für 14 Sprachen, das Englisch, Spanisch und Arabisch abdeckt; auf der Seite des mehrsprachigen Modells steht, für arabisches Audio das arabische Modell zu wählen. Der Beitrag zu mehrsprachigem Speech-to-Text vergleicht die Optionen.
  • Dialekt. „Arabisch“ ist kein einzelnes Ziel. Nutzer in Riad, Kairo und Casablanca schreiben unterschiedlich; Golf- und ägyptische Dialekte beschreibt, was Sie testen sollten.

Wie bewertet und budgetiert man jede Sprache?

Getrennt. Ein gemeinsamer Score verdeckt eine schwache Sprache, und ein gemeinsames Budget verdeckt eine teure.

Bauen Sie pro Sprache ein kleines Evaluationsset aus echten Nachrichten, bei dem Muttersprachler die erwarteten Antworten labeln. Prüfen Sie, ob die Antwort in der angeforderten Sprache kommt, ob Namen, Zahlen und Codes unverändert bleiben und ob die Qualität für jeden Dialekt hält, den Sie bedienen. Führen Sie dasselbe Set aus, wenn Sie Modell oder Prompt ändern; die Methode steht in ein LLM vor dem Wechsel evaluieren.

Bei den Kosten unterscheiden sich die Token-Zahlen je nach Sprache und Tokenizer. Im gemessenen Datensatz von BroadRouter braucht derselbe Text in modernem Hocharabisch 1.31× (Qwen3.8 27B) bis 1.77× (GLM 5.3) der Tokens seiner englischen Übersetzung. Echte Kosten nach Sprache rechnet diese Zahlen pro Modell in Geld um, auch für Spanisch, und der Arabic Token Counter misst Ihren eigenen Text. Loggen Sie die Tokens pro Anfrage zusammen mit der Inhaltssprache, dann sehen Sie die Kosten pro Sprache und Nutzer, nicht nur pro Monat.

Holen Sie sich vor dem Launch schließlich ein Review von Muttersprachlern. Maschinelle Übersetzung und Modellausgaben erzeugen beide Arabisch und Spanisch, das grammatisch korrekt, aber für Ihr Publikum falsch ist. Jemand, der das Produkt in seiner eigenen Sprache nutzt, findet, was kein Test findet.

Wo BroadNet Inference ins Bild passt

BroadRouter ist die eigene Website von BroadNet. Die Modelle von BroadNet Inference passen gut zu einem Produkt für Arabisch, Englisch und Spanisch: BroadNet berichtet, Qwen3.8 27B auf Arabisch getestet zu haben, einschließlich des Verständnisses von Golf- und ägyptischem Dialekt; Gemma 4 VL 26B läuft mit dem Startguthaben von $5; und die Transkription deckt Arabisch (BroadNet Transcribe Arabic, $0.0042 pro Minute) sowie 14 Sprachen einschließlich Englisch und Spanisch ab (BroadNet Transcribe, $0.002 pro Minute). Inferenz-Inhalte werden nicht gespeichert; notwendige Konto-, Abrechnungs- und Sicherheitsmetadaten werden so aufbewahrt, wie es die Datenschutzerklärung von BroadNet beschreibt. Alles, was dieser Beitrag zu Layout, Richtung, Formatierung und Erkennung sagt, ist Aufgabe Ihrer Anwendung, egal welche API Sie nutzen.

Häufige Fragen

Soll die KI in der Sprache der Oberfläche oder in der Sprache des Nutzers antworten?

Standardmäßig in der Sprache der Nachricht, mit der Möglichkeit, das zu überschreiben. Die Oberflächen-Locale sagt Ihnen nur, wie der Bildschirm aufgebaut wird. Wer eine arabische Oberfläche nutzt und auf Englisch schreibt, will meist eine englische Antwort.

Wie zeige ich englischen Text in einer arabischen Chat-Sprechblase an?

Geben Sie jedem Nachrichtenelement dir="auto", damit der Browser die Richtung am ersten starken Zeichen festmacht, und packen Sie eingefügte Namen, Codes und URLs in ein bdi-Element. In reinem Text umschließen Sie sie mit U+2068 FIRST STRONG ISOLATE und U+2069 POP DIRECTIONAL ISOLATE.

Sollen arabische Nutzer arabisch-indische Ziffern sehen?

Das hängt von der Region und Ihren Nutzern ab. In unserem Test mit Node 24 waren für ar-SA und ar-EG arabisch-indische Ziffern voreingestellt, für ar-AE und ar-MA westliche Ziffern. Wählen Sie pro Locale, bieten Sie eine Einstellung an und akzeptieren Sie bei der Eingabe beide Formen, indem Sie die Ziffern vor dem Parsen normalisieren.

Wie erkenne ich die Sprache einer Chat-Nachricht?

Um arabische von lateinischer Schrift zu unterscheiden, reicht es, Zeichen im arabischen Unicode-Block zu zählen. Für Englisch gegen Spanisch oder für kurze oder gemischte Nachrichten brauchen Sie ein trainiertes Spracherkennungsmodell wie lid.176 von fastText, und auch dessen Ergebnis ist nur ein Hinweis.

Kostet Arabisch bei einer LLM-API mehr als Englisch?

Pro Nachricht oft ja, weil viele Tokenizer für denselben arabischen Inhalt mehr Tokens brauchen. Das Verhältnis hängt vom Tokenizer des Modells ab. Messen Sie es an Ihrem eigenen Text und budgetieren Sie jede Sprache getrennt.

Als Markdown lesenChatGPT fragenClaude fragenPerplexity fragen