Claude Platform Docs
MessagesModellfähigkeiten

Mehrsprachige Unterstützung

Claude überzeugt bei Aufgaben in zahlreichen Sprachen und behält im Vergleich zum Englischen eine starke sprachübergreifende Leistung bei.

Überblick

Claude verfügt über robuste mehrsprachige Fähigkeiten und zeigt eine besonders starke Leistung bei „zero-shot tasks“ (Aufgaben ohne vorherige Beispiele) über Sprachen hinweg.

Claude beherrscht viele weitere Sprachen über die in der folgenden Tabelle bewerteten hinaus. Teste mit allen Sprachen, die für deine spezifischen Anwendungsfälle relevant sind.

Leistungsdaten

Die folgende Tabelle zeigt Zero-Shot-Ergebnisse für Claude-Modelle auf Global-MMLU. Global-MMLU erweitert den Testsatz „Massive Multitask Language Understanding“ (umfassendes Multitask-Sprachverständnis), oder MMLU, auf 42 Sprachen. Jedes Ergebnis ist ein Prozentsatz des englischen Ergebnisses desselben Modells:

SpracheClaude Fable 5.2Claude Opus 5.5Claude Sonnet 5.5Claude Haiku 5.5
Englisch100 %100 %100 %100 %
Spanisch99,8 %99,3 %99,0 %98,1 %
Portugiesisch (Brasilien)99,4 %99,2 %98,7 %98,1 %
Italienisch99,5 %99,2 %98,4 %97,7 %
Französisch99,6 %99,3 %98,7 %97,7 %
Indonesisch99,4 %99,1 %98,6 %97,1 %
Deutsch99,5 %99,1 %98,5 %97,4 %
Arabisch99,6 %99,3 %98,3 %96,6 %
Chinesisch (vereinfacht)99,6 %99,3 %98,5 %97,7 %
Koreanisch99,6 %99,1 %98,3 %97,0 %
Japanisch99,5 %99,2 %98,4 %97,4 %
Hindi99,4 %99,2 %98,5 %96,6 %
Bengalisch99,2 %98,6 %97,2 %95,4 %
Swahili99,2 %98,3 %96,9 %94,0 %
Yoruba98,5 %96,3 %93,6 %87,0 %

Alle Ergebnisse verwenden „adaptive thinking“ (adaptives Nachdenken) beim Effort-Level max. Die Ergebnisse schließen Fragen aus, die von „safety classifiers“ (Sicherheitsklassifikatoren) blockiert wurden oder unbeantwortet blieben. Für jedes Ergebnis in der Tabelle werden höchstens 1,7 % der Fragen ausgeschlossen.


Die Antwortsprache festlegen

Claude leitet die Antwortsprache aus der Konversation ab, aber für Produktionsanwendungen solltest du die Zielsprache explizit angeben. Der zuverlässigste Ort dafür ist der „system prompt“ (System-Prompt), der die Anweisung über jeden Gesprächszug einer Konversation hinweg stabil hält.

client = anthropic.Anthropic()

message = client.messages.create(
    model="claude-opus-5-5",
    max_tokens=1024,
    system="Always respond in French, regardless of the language the user writes in.",
    messages=[{"role": "user", "content": "How do I reset my password?"}],
)

print(message.content)

Wenn deine Anwendung Nutzern erlaubt, zur Laufzeit eine Sprache auszuwählen, füge diese Auswahl in den System-Prompt ein, anstatt dich darauf zu verlassen, dass Claude sie aus der Nachricht des Nutzers ableitet. Um zwischen zwei bestimmten Sprachen zu übersetzen, nenne beide: Translate the user's message from German to Korean. Respond with only the translation.


Best Practices

Bei der Arbeit mit mehrsprachigen Inhalten:

  1. Gib einen klaren Sprachkontext an: Obwohl Claude die Zielsprache automatisch erkennen kann, verbessert die explizite Angabe der von dir gewünschten Eingabe- und Ausgabesprachen die Zuverlässigkeit. Für eine verbesserte Sprachgewandtheit kannst du Claude auffordern, „idiomatische Sprache wie ein Muttersprachler“ zu verwenden.
  2. Verwende native Schriftsysteme: Reiche Text in seiner nativen Schrift statt in Transliteration ein, um optimale Ergebnisse zu erzielen.
  3. Berücksichtige den kulturellen Kontext: Effektive Kommunikation erfordert oft kulturelles und regionales Bewusstsein, das über die reine Übersetzung hinausgeht.

Befolge außerdem die allgemeinen Hinweise im Überblick zum Prompt Engineering, um die Ausgabequalität weiter zu verbessern.


Überlegungen zur Sprachunterstützung

  • Claude verarbeitet Eingaben und generiert Ausgaben in den meisten Weltsprachen, die Standard-Unicode-Zeichen verwenden.
  • Die Leistung variiert je nach Sprache, mit besonders starken Fähigkeiten in weit verbreiteten Sprachen.
  • Selbst in Sprachen mit weniger digitalen Ressourcen behält Claude bedeutende Fähigkeiten bei.

Nächste Schritte

Wende allgemeine Prompting-Techniken an, um die Qualität mehrsprachiger Ausgaben zu verbessern.

Erstelle einen Chatbot für den Kundensupport. Ein einziger Chatbot kann Kunden in vielen Sprachen bedienen.

Vergleiche Modellstufen, um mehrsprachige Qualität gegen Kosten und Latenz abzuwägen.

Wende allgemeine Evaluierungsmethoden an, um die Ausgabequalität in jeder Sprache zu messen, die du unterstützt.

Verfügbarkeit

Mehrsprachige Unterstützung
APIs
  • Messages API
  • Managed Agents
Modelle
  • Alle Modelle

War diese Seite hilfreich?