PDF und Word lokal übersetzen, Layout bleibt: Werkzeuge, Modelle und GPUs

Dokumente lokal übersetzen und das Layout erhalten

Sie können PDF- und Word-Dateien offline auf Ihrer eigenen Workstation übersetzen und erhalten das Dokument in einer anderen Sprache mit seinen Tabellen, Bildern und dem Seitenlayout zurück; vertrauliche Dateien bleiben dabei im Unternehmen. Wie gut das Layout erhalten bleibt, hängt von der Datei ab, deshalb steht ein Test mit Ihren eigenen Dokumenten am Anfang. Bei PDFs schickt pdf2zh-next (die 2.x-Linie von PDFMathTranslate auf Basis von BabelDOC) den Text an ein Sprachmodell auf Ihrer eigenen GPU und schreibt die Übersetzung zurück in die Seite; Word-, PowerPoint- und ODF-Dateien übersetzt LibreTranslate als ganze Datei, und der Editor von ONLYOFFICE übersetzt mit einem lokalen Modell direkt auf der Seite. Nach unserer Regel für Nutzer pro Karte betreibt eine NVIDIA RTX PRO 4500 Blackwell (32 GB) in einer Workstation Qwen3.8-27B, ein Modell mit 27 Milliarden Parametern, für eine Abteilung.

Dieser Leitfaden richtet sich an Exportvertrieb, technische Dokumentation und Backoffice, die Verträge, Handbücher und Angebote heute an DeepL oder einen anderen Cloud-Dienst schicken und die Dateien künftig im Haus behalten möchten, und an die Person in der IT, die das einrichtet. Ein Sprachmodell ist hier das KI-Programm, das übersetzt; es läuft auf der Grafikkarte (GPU) der Workstation. Die Wahl der Übersetzungsmodelle, ihre Lizenzen und die Auslegung eines Servers nach Wörtern pro Tag stehen in unserem Leitfaden zur maschinellen Übersetzung On-Premise; hier geht es um die Dateien.

Drei Wege für drei Arten von Dateien

Jeder Weg erhält das Layout auf andere Weise. Ein Layout-Werkzeug liest die Seitenstruktur des PDFs und baut sie neu auf; ein Datei-Endpunkt ersetzt den Text in einer Word- oder ODF-Datei; ein Editor übersetzt den Text, den eine Person geöffnet hat.

GitHub-Repositories und READMEs, Release-Seiten auf PyPI, API-Referenz von LibreTranslate sowie Release-Blog und Hilfe-Center von ONLYOFFICE, gelesen am 30. Oktober 2026.

PDFMathTranslate, pdf2zh-next, BabelDOC und LibreTranslate stehen alle unter der AGPL-3.0. Diese Lizenz knüpft Bedingungen daran, eine veränderte Version Nutzern über ein Netzwerk anzubieten; das ist eine Frage für Ihre Rechtsabteilung, wenn Sie den Code ändern oder den Dienst außerhalb des Unternehmens anbieten.

Der Weg für PDFs: pdf2zh-next und BabelDOC

PDFMathTranslate begann als Übersetzer für wissenschaftliche Aufsätze, der die Formatierung erhält, so beschreibt es sich auf GitHub; am 30. Oktober 2026 hatte das Projekt 38,0k Sterne. Laut README ist Version 2.0 in ein neues Repository umgezogen, PDFMathTranslate-next, auf PyPI als pdf2zh-next veröffentlicht. Dieses Projekt nennt sich die offizielle Referenzimplementierung, um PDFs mit BabelDOC zu übersetzen. BabelDOC ist die Bibliothek, die das Seitenlayout analysiert und neu aufbaut; ihr README sagt, dass eine direkte Nutzung von BabelDOC nicht unterstützt wird und die Kommandozeile vor allem zur Fehlersuche dient. In der Praxis arbeiten Sie mit pdf2zh-next, über seine Weboberfläche, seine Kommandozeile oder ein Docker-Image mit der Weboberfläche auf Port 7860.

Für ein lokales Modell führt pdf2zh-next OpenAICompatible unter den offiziell unterstützten Diensten, und BabelDOC schreibt: „only OpenAI-compatible LLM is supported“. vLLM, die Serving-Engine, die unser Service Private AI/ML einsetzt, stellt genau einen solchen Endpunkt bereit, sodass das Werkzeug mit einem Modell auf derselben Workstation oder auf einem Server in Ihrem Netzwerk spricht. PDFMathTranslate 1.x nennt außerdem Ollama unter seinen Diensten.

Die Optionen, die für Geschäftsdokumente zählen, stehen auf der Seite mit den erweiterten Einstellungen von pdf2zh-next:

• --lang-in und --lang-out legen die Sprachen fest, --pages beschränkt den Auftrag auf Seitenbereiche wie 1,3,10-20.
• Das Werkzeug schreibt ein übersetztes und ein zweisprachiges PDF; --no-dual oder --no-mono lässt eines davon weg, und --use-alternating-pages-dual wechselt die Seiten ab, statt sie nebeneinander zu stellen.
• --glossaries nimmt CSV-Dateien mit den Spalten source, target und tgt_lng, und BabelDOC fügt die passenden Begriffe in die Prompts ein. Das Werkzeug zieht außerdem selbst Begriffe heraus; --save-auto-extracted-glossary speichert diese Liste zur Prüfung, --no-auto-extract-glossary schaltet das ab.
• --qps und --pool-max-workers legen fest, wie viele Anfragen gleichzeitig an das Modell gehen, und das bestimmt die Geschwindigkeit auf einer GPU.
• Der Standard-Wasserzeichenmodus von BabelDOC ist „watermarked“; --watermark-output-mode mit no_watermark schaltet ihn für Dokumente ab, die das Haus verlassen.

Die Grenzen stehen ebenso klar da. Das README von BabelDOC sagt: „Currently, this project mainly focuses on English-to-Chinese translation, and other scenarios have not been tested yet.“ Unter den bekannten Problemen steht „Large pages will be skipped“, und BabelDOC beschreibt sich als noch in einem frühen Entwicklungsstadium. Die Maintainer von pdf2zh-next erklären, dass sie keinerlei Hilfe bei der Nutzung oder Problemlösung leisten. Die Werkzeuge sind nutzbar; der unten beschriebene Test mit Ihren eigenen Dokumenten gehört zur Einrichtung, und jemand im Unternehmen muss für die Installation zuständig sein.

Sie können die Workstation allein bestellen, die Einrichtung von pdf2zh-next, LibreTranslate und einem lokalen Modell allein oder beides zusammen: die Workstation mit allem fertig installiert und eingerichtet; schreiben Sie uns, wir schlagen Ihnen die beste Lösung für Ihre Aufgaben und Ihr Budget vor.

Word, PowerPoint und der Editor von ONLYOFFICE

pdf2zh-next und BabelDOC nehmen nur PDFs an, eine Word-Datei kommt von ihnen also als PDF zurück. Muss das Ergebnis eine bearbeitbare Word-, PowerPoint- oder ODF-Datei bleiben, gibt es zwei dokumentierte Wege.

LibreTranslate, nach eigener Beschreibung selbst gehostet, offline nutzbar und leicht einzurichten, hat einen Endpunkt /translate_file, der eine Datei mit Quell- und Zielsprache annimmt und einen Link auf die übersetzte Datei zurückgibt. Die Dateiverarbeitung stammt aus der Bibliothek Argos Translate Files, die „.txt, .odt, .odp, .docx, .pptx, .epub, .html, .srt, .pdf“ auflistet. Die Übersetzung selbst liefern die neuronalen Übersetzungsmodelle der Bibliothek Argos Translate; ein LLM ist nicht beteiligt. Keines der beiden Projekte sagt, ob die Formatierung erhalten bleibt. Das Repository enthält eine docker-compose.cuda.yml für den Betrieb auf einer GPU.

ONLYOFFICE Docs 10.0, erschienen am 10. Oktober 2026, bringt KI-Werkzeuge in die Editoren, und der Release-Blog nennt für den Dokumenteditor „Translate text directly on the page“. Derselbe Blog sagt, dass die eingebaute KI aus den Open-Source-Versionen entfernt wurde und die KI-Werkzeuge separat installiert werden; Server-Versionen können jedes KI-Modell anbinden, auch lokale. Das Hilfe-Center nennt Ollama und LM Studio als lokale Anbieter, angebunden über eine Basis-URL, und verbindet standardmäßig kein Modell. Dieser Weg passt zu einer Person, die einen Vertrag oder ein Angebot nach dem anderen bearbeitet; für Stapelverarbeitung ist er nicht gedacht. Einrichtung und Grafikkarte für die KI im Editor beschreibt unser Leitfaden zu ONLYOFFICE-KI mit lokalem LLM.

Vertrauliche Dokumente ohne Cloud übersetzen

Zeigt pdf2zh-next auf einen vLLM-Server auf Ihrer eigenen Hardware, bleiben PDF, ausgelesener Text, Glossar und Übersetzung auf dieser Hardware. Zwei Einstellungen entscheiden darüber. Der Dienst muss auf OpenAICompatible mit Ihrer eigenen Basis-URL stehen, denn die Werkzeuge führen auch gehostete Dienste: PDFMathTranslate 1.x nutzt laut README standardmäßig Google, und die Liste von pdf2zh-next enthält mehrere gehostete Dienste, einer davon kostenlos. Und auf einer Workstation ohne Internetzugang braucht BabelDOC sein Offline-Asset-Paket mit den Modellen und Schriften, das laut README zuerst auf einem Rechner mit Internetzugang zu erzeugen ist. Prüfen Sie beim ersten Testlauf die ausgehenden Verbindungen.

Zum Vergleich: DeepLs Seite zum PDF-Übersetzer, gelesen am 30. Oktober 2026, sagt, dass hochgeladene PDF-Dokumente von Pro-Nutzern nach der Übersetzung gelöscht und nie gespeichert werden. Die Datei geht für die Übersetzung trotzdem zum Anbieter. Mit der lokalen Lösung verlässt sie Ihr Netzwerk nicht; das zählt bei vertraulichen Verträgen, Ausschreibungen und unveröffentlichter Produktdokumentation. Unser Leitfaden zu lokaler KI und DSGVO zeigt, was der Eigenbetrieb löst und was Ihre Pflicht bleibt.

Gescannte PDFs und OCR

Ein Scan ist ein Bild einer Seite, ohne Text, den das Werkzeug lesen kann, bis eine Texterkennung (OCR) gelaufen ist. BabelDOC hat einen OCR-Workaround, der die Übersetzung schwarz auf weißem Hintergrund schreibt, und laut README eignet er sich nur für Dokumente mit schwarzem Text auf weißem Hintergrund. --auto-enable-ocr-workaround schaltet ihn ein, wenn ein Dokument als stark gescannt erkannt wird. Scans mit farbigem Hintergrund, Stempeln oder Handschrift brauchen einen eigenen OCR-Schritt und einen Test des Ergebnisses. Unsere Leitfäden zum PDF-Parsing mit Docling und MinerU und zu Vision-Language-Modellen für Dokumenten-KI behandeln OCR und Dokumentmodelle auf GPUs.

Welches Modell übersetzt

Ein Layout-Werkzeug schickt Absätze mit Anweisungen, braucht also ein allgemeines Instruktionsmodell. TranslateGemma, das Übersetzungsmodell von Google, ist ein Sonderfall: Seine Modellkarte legt ein strenges Chat-Format fest, mit nur den Rollen User und Assistant, einem Inhaltseintrag pro Nachricht und Feldern für den Code der Quell- und Zielsprache, ohne System-Prompt. In der Dokumentation von pdf2zh-next und BabelDOC haben wir nichts gefunden, das dieses Format sendet; TranslateGemma passt also zu einer Pipeline, die dafür gebaut ist.

Modellkarten auf Hugging Face (EuroLLM-22B-Instruct-2512, TranslateGemma 12B, NVIDIA Qwen3.8-27B-NVFP4), gelesen am 30. Oktober 2026; Checkpoint-Größen wie in unseren Leitfäden zu Qwen3.8-27B auf der RTX PRO 4500, zu 30B-Modellen auf 24-GB-Karten und zur maschinellen Übersetzung; BF16 mit zwei Byte pro Parameter nach unserer Schätzung; kleinste Karte nach unserer Regel für Nutzer pro Karte.

EuroLLM-22B deckt 35 Sprachen ab, darunter alle 24 Amtssprachen der EU, mit einem Kontext von 32.768 Token, und seine Karte nennt 22,639 Milliarden Parameter. Die Karten von TranslateGemma nennen einen Eingabekontext von insgesamt 2K Token und 55 Sprachen, und der Zugang setzt voraus, dass Sie Googles Nutzungslizenz akzeptieren. NVIDIAs NVFP4-Version von Qwen3.8-27B, veröffentlicht im September 2026, steht unter Apache 2.0 und ist laut Karte für kommerzielle und nicht kommerzielle Nutzung bereit. Veröffentlichte Übersetzungsqualität für deutsche Verträge oder Handbücher haben wir für keines dieser Modelle gefunden; den Ausschlag gibt der Vergleich mit Ihren eigenen Texten.

Hardware: von der Workstation für eine Person bis zum Übersetzungsdienst

Der GPU-Speicher hält die Modellgewichte und einen Arbeitsbereich für die Absätze, die gerade bearbeitet werden. Unsere Regel für Nutzer pro Karte nimmt 90 Prozent des Speichers, den der Treiber meldet, zieht 3 GiB pro Karte und dann die Gewichte ab; so bleiben 18,5 GiB auf einer RTX PRO 4000 mit 24 GB, 25,7 GiB auf einer RTX PRO 4500 mit 32 GB, 40,0 GiB auf einer RTX PRO 5000 mit 48 GB, 61,5 GiB auf der Karte mit 72 GB und 83,0 GiB auf einer RTX PRO 6000 mit 96 GB.

Unsere Schätzung nach der Regel für Nutzer pro Karte mit den Gewichten aus der Modelltabelle (42,2 + 28,7 = 70,9 GiB von 83,0 GiB auf einer Karte mit 96 GB); Server-Auslegung nach Wörtern pro Tag wie in unserem Leitfaden zur maschinellen Übersetzung.

Auf der RTX PRO 4500 belegt NVIDIAs NVFP4-Version von Qwen3.8-27B 20,4 GiB und lässt etwa 5,3 GiB für die laufende Arbeit, wie unser Leitfaden zu Qwen3.8-27B auf der RTX PRO 4500 Server Edition zeigt. Übersetzungsanfragen sind kurz, ein Absatz mit seinen Anweisungen, das reicht also für viele Anfragen gleichzeitig. StorageReview hat in seinem Test vom 14. Oktober 2026 dieses Modell in NVFP4 mit vLLM 0.27.1 bei 512 Eingabe- und 512 Ausgabe-Token pro Anfrage gemessen. Bei 32 parallelen Anfragen lieferte die RTX PRO 4500 Server Edition 320 Ausgabe-Token pro Sekunde, und eine RTX PRO 6000 Workstation Edition mit 450-W-Grenze, die der Test stellvertretend für die Server-Karte einsetzte, 621. Mit jeweils einer Anfrage lag laut Test jede Karte zwischen 17 und 22 Token pro Sekunde. Die Workstation-Version der RTX PRO 4500 hat 896 GB/s und 200 W gegenüber 800 GB/s und 165 W der Server Edition; für sie wurde kein Wert veröffentlicht.

Ein Rechenbeispiel nach unserer Schätzung: Ein Handbuch mit 40 Seiten und 20.000 Wörtern braucht bei unserem Planungswert von 2 Token pro Wort etwa 40.000 Ausgabe-Token (ein Preprint vom Mai 2026 zählt für Deutsch im Mittel 1,76, wie unser Artikel zu Token pro Wort in europäischen Sprachen berichtet). Bei 320 Token pro Sekunde sind das etwa 2 Minuten Modellzeit; mit jeweils einer Anfrage, bei 17 bis 22 Token pro Sekunde, dauert es 30 bis 40 Minuten. Beide Werte setzen voraus, dass der Denkmodus aus ist: Qwen3.8-27B denkt laut Karte standardmäßig vor der Antwort, und laut Karte lässt sich das pro Anfrage mit enable_thinking auf false abschalten; prüfen Sie im Test, ob die Anfragen des Werkzeugs das tun, sonst wachsen Ausgabe und Zeit. Layout-Analyse und Neuaufbau des PDFs kommen hinzu, und für ihre Dauer auf diesen Karten gibt es keine veröffentlichten Werte; messen Sie deshalb eine Tagesprobe. Mehr parallele Anfragen, eingestellt mit --qps und --pool-max-workers, bringen den Auftrag vom zweiten Wert in Richtung des ersten.

Wir liefern die RTX PRO 4500 und die anderen RTX-PRO-Karten in Workstations, die wir auf Bestellung bauen; senden Sie uns einige Beispielseiten und Ihre Sprachpaare, wir schlagen Ihnen die beste Lösung für Ihre Aufgaben und Ihr Budget vor.

Test mit Ihren eigenen Dokumenten vor dem Einsatz

Weil BabelDOC für Englisch nach Chinesisch getestet wurde, gibt nur ein kurzer Test mit Ihren eigenen Dateien eine verlässliche Antwort für Deutsch und andere europäische Sprachen. Nehmen Sie zehn bis zwanzig echte Dokumente pro Typ, mit Tabellen, Kopf- und Fußzeilen, nummerierten Listen, Teilenummern und juristischen Formulierungen, und lassen Sie sie durch Werkzeug und Modell laufen.

1. Vergleichen Sie Seitenzahl und Layout jeder übersetzten Datei mit dem Original und notieren Sie Text, der nicht mehr in seinen Rahmen passt, und Tabellen, die umbrechen.
2. Prüfen Sie, ob jede Seite übersetzt wurde, denn BabelDOC führt übersprungene große Seiten als bekanntes Problem.
3. Prüfen Sie, ob Zahlen, Einheiten, Teilenummern und Namen unverändert sind.
4. Tragen Sie Ihre freigegebenen Begriffe in eine Glossar-CSV ein und prüfen Sie, ob sie durchgehend verwendet werden; sehen Sie die automatisch gezogenen Begriffe durch.
5. Lassen Sie eine Muttersprachlerin oder einen Muttersprachler Fehler in der zweisprachigen Ausgabe markieren, die Quelle und Übersetzung nebeneinander zeigt.
6. Messen Sie die Zeit pro Seite mit der Zahl paralleler Anfragen, die Sie planen, und legen Sie die Karte danach aus.

Unser Service Private AI/ML setzt offene Modelle mit vLLM oder Ollama On-Premise ein, sodass die Daten Ihr Netzwerk nicht verlassen.

FAQ