DeepL Clone: Eine Open-Source-Alternative – Neuronale Übersetzungs-Engine mit Transformer-Modellen

Der Anruf, der alles änderte

Ein Kunde rief an – ziemlich frustriert. Sein Problem: Das Unternehmen hatte eine DeepL Enterprise-Lizenz für mehrere zehntausend Euro im Jahr, aber ein Team brauchte eine Übersetzungs-Lösung losgelöst von dieser Lizenz. Warum? Compliance, Budget-Trennung, interne Politik – die üblichen Unternehmens-Gründe.

Seine Frage: "Kannst du sowas wie DeepL nachbauen, aber mit Azure OpenAI? Wir haben ohnehin schon Azure, also wäre das günstiger."

Ich sagte: "Klar, kein Problem."

Zwei Wochen später hatte ich ein funktionierendes System – und er kaufte es sofort.

Warum Azure OpenAI statt DeepL?

DeepL ist fantastisch. Wirklich. Aber es gibt Szenarien, wo es einfach keinen Sinn macht:

Du hast schon Azure im Unternehmen – Warum eine separate Lizenz kaufen?
Intranet-only – Keine Daten sollen nach extern
Customization – Spezielle Tone-of-Voice-Anweisungen (förmlicher, freundlicher, technischer)
Statistiken & Kontrolle – Vollständige Nutzungs-Insights im eigenen Dashboard

Azure OpenAI bietet mit GPT-4 verdammt gute Übersetzungen – nicht ganz auf DeepL-Niveau bei sehr nuancierten Texten, aber für 95% der Fälle mehr als ausreichend. Und das zu einem Bruchteil der Kosten.

Was ist drin? Ein minimalistisches Übersetzungs-Tool

Das System ist bewusst schlicht gehalten – inspiriert vom puristischen Design von JAB Anstoetz. Kein Schnickschnack, nur das, was funktionieren muss:

Features

Echtzeit-Übersetzungen – Tippe links, rechts erscheint die Übersetzung
11 Sprachen – Deutsch, Englisch, Französisch, Spanisch, Italienisch, Niederländisch, Polnisch, Portugiesisch, Russisch, Japanisch, Chinesisch
Auto-Detect – Automatische Spracherkennung für Quelltext
Tone-of-Voice-Steuerung – Optionale Anweisungen wie "förmlicher", "freundlicher", "technischer"
Statistik-Dashboard – Sieh, wie viel übersetzt wurde, welche Sprachpaare am häufigsten genutzt werden
Keine Authentifizierung – Direkt nutzbar im Intranet (weil intern eh alle berechtigt sind)

Tech-Stack

Backend: FastAPI (Python) – Schnelles, asynchrones API
Frontend: React mit TailwindCSS – Minimalistisches UI
Azure OpenAI GPT-4 – Die eigentliche Übersetzungs-Engine
SQLite – Für Statistiken und Logging
Docker + docker-compose – Komplettes System startet mit einem Befehl

Der Verkauf: 2 Wochen von Idee zu Deal

Das Schöne an diesem Projekt? Es war ein Instant-Sale.

Normalerweise dauern Enterprise-Deals Monate. Requirements-Workshops, Proof-of-Concepts, Budgetfreigaben, Compliance-Checks. Hier nicht.

Der Kunde wollte eine Alternative zu DeepL, ich baute eine – fertig. Nach zwei Wochen Entwicklung:

Demo-Call – Ich zeigte das System live
Test-Deployment – Sie probierten es intern aus
Kaufentscheidung – Eine Woche später unterschrieben

Warum ging das so schnell? Der Kunde hatte Schmerzen – und ich löste sie sofort.

Design-Philosophie: JAB Anstoetz trifft DeepL

Ich bin kein Designer, aber ich weiß, was funktioniert: Weniger ist mehr.

Das UI orientiert sich am minimalistischen, puristischen Design von JAB Anstoetz:

Klare Geometrie – Konsistente Abstände, kein visuelles Rauschen
Monochromes Farbschema – Graustufen mit einem blauen Akzent
Fokus auf Funktion – Keine unnötigen Elemente

Und das Beste? Das Layout erinnert bewusst an DeepL. Warum? Weil DeepL-Nutzer sich sofort zurechtfinden sollen. Niemand will eine Lernkurve, wenn er nur einen Text übersetzen will.

Was ich gelernt habe

1. GPT-4 ist verdammt gut im Übersetzen

Ich war überrascht, wie präzise GPT-4 übersetzt – selbst bei idiomatischen Wendungen. Klar, DeepL hat bei sehr nuancierten Texten die Nase vorn, aber für Business-Kommunikation ist GPT-4 mehr als ausreichend.

2. Tone-of-Voice ist ein Game-Changer

Die Möglichkeit, zusätzliche Anweisungen zu geben ("Übersetze förmlicher", "Mach es freundlicher") war ein Feature, das der Kunde nicht mal angefordert hatte – aber sofort liebte. Das kann DeepL nicht.

3. Docker macht Deployment trivial

Der komplette Stack (Frontend + Backend + Datenbank) startet mit docker-compose up. Der Kunde konnte es ohne meine Hilfe in seinem Intranet deployen. Das war Gold wert.

Der Stand heute

Das System läuft seit Monaten produktiv im Intranet des Kunden. Die Nutzung:

~500 Übersetzungen pro Woche
Top-Sprachpaar: Deutsch ↔ Englisch (wenig überraschend)
Kosten: ~50€ pro Monat (Azure OpenAI Pay-as-you-go)

Vergleich zur DeepL Enterprise-Lizenz: Das System hat sich in 3 Monaten amortisiert.

Fazit: Build vs. Buy neu gedacht

Manchmal ist die beste Lösung nicht die mächtigste – sondern die, die genau das Problem löst.

DeepL ist großartig. Aber wenn du:

Schon Azure im Einsatz hast
Ein Intranet-Tool brauchst
Kontrolle über Daten und Kosten willst
Custom Features brauchst (Tone-of-Voice, etc.)

...dann macht eine eigene Lösung mit Azure OpenAI absolut Sinn.

Und das Beste: Der Kunde war glücklich, ich hatte einen Deal – Win-Win.

Quellen & weiterführende Links

Brauchst du eine maßgeschneiderte Übersetzungs-Lösung?

Du hast ähnliche Anforderungen? Oder willst eine Azure OpenAI-basierte Lösung für dein Unternehmen?

Lass uns reden.

Kontakt aufnehmen