Spricht die KI Ersjanisch? Übersetzung ja, Stimme noch nicht

Vor einem Jahr, im Juli 2025, wurden das Ersjanische und das Mokschanische — die beiden finno-ugrischen Sprachen der Republik Mordwinien in Zentralrussland — in Yandex Translate aufgenommen, den führenden Übersetzungsdienst Russlands, als elfte und zwölfte Sprache der Völker des Landes. Das Parallelkorpus hinter dem Start, mehr als 220 000 Satzpaare, hatte die philologische Fakultät der Mordwinischen Staatlichen Ogarjow-Universität in Saransk vorbereitet. Der Jahrestag ist ein guter Anlass, das gesamte Feld zu vermessen: Wo verstehen neuronale Netze das Ersjanische bereits — und wo existiert die Sprache für sie schlicht nicht?

Der Weg zu Yandex war länger, als es scheint. Die rechnergestützte Infrastruktur des Ersjanischen entsteht seit den 2000er Jahren in Tromsø und Helsinki: Das Projekt Giellatekno und der finnische Sprachwissenschaftler Jack Rueter schufen den Morphologie-Analysator, elektronische Wörterbücher und Korpora, auf denen fast alle späteren Entwicklungen aufbauen. Den ersten neuronalen Übersetzer für das Ersjanische entwickelte 2022 der Forscher David Dale gemeinsam mit der ersjanischen Sprachgemeinschaft — Muttersprachler bewerteten damals mehr als die Hälfte der Maschinenübersetzungen als brauchbar. 2023 kamen Ersjanisch und Mokschanisch in Neurotõlge, die Übersetzungsmaschine der Universität Tartu mit 23 finno-ugrischen Sprachen; 2024 übersetzte dasselbe Team von Enthusiasten — Isai Gordejew, Sergej Kuldin und David Dale — den internationalen Referenztest FLORES+ ins Ersjanische und stellte die Ergebnisse auf der Konferenz WMT24 vor: Zum ersten Mal war das Ersjanische in das weltweite Bewertungssystem der maschinellen Übersetzung eingebunden.

Vor diesem Hintergrund fallen die Lücken umso mehr auf. Google Translate, das im Juni 2024 auf einen Schlag 110 Sprachen aufnahm — darunter Komi, Udmurtisch, Mari, Tschuwaschisch und Baschkirisch —, ließ Ersjanisch und Mokschanisch aus; auch in Metas Modell NLLB-200, das versprach, „keine Sprache zurückzulassen", fehlen beide. Für zwei Sprachen mit Hunderttausenden Sprechern fand sich in den globalen Diensten bislang kein Platz — an ihre Stelle treten offene, von der Gemeinschaft nachtrainierte Modelle.

Bei der gesprochenen Sprache ist der Abstand noch schärfer. Die einzigen öffentlich zugänglichen Systeme für Synthese und Erkennung ersjanischer Sprache sind Metas offene MMS-Modelle von 2023, trainiert größtenteils auf Aufnahmen der Bibel: eine einzige Stimme, kirchlicher Tonfall. Kommerzielle Dienste hören das Ersjanische überhaupt nicht: Es fehlt im Spracherkenner Whisper von OpenAI ebenso wie in den Sprachassistenten Alisa, Marusja und Siri, und selbst Yandex hat mit der Übersetzung keine Sprachfunktionen für das Ersjanische freigeschaltet — Stand Juli 2026 funktionieren Spracheingabe und Vorlesen dort für Tatarisch, Tschuwaschisch, Baschkirisch, Mari, Udmurtisch und Jakutisch. Ersjanischen Text können neuronale Netze inzwischen lesen; ersjanische Rede im Grunde noch nicht.

Die universellen Chatbots haben das Ersjanische zur Hälfte gelernt. Die Auswertungen der WMT24 zeigten, dass große Sprachmodelle das Ersjanische besser verstehen, als sie es schreiben: Claude übersetzte ersjanischen Text genauer ins Russische als jedes andere getestete System, unterlag in der Gegenrichtung jedoch dem von den Enthusiasten nachtrainierten Spezialmodell. Eine im Dezember 2025 auf dem Workshop für computergestützte Uralistik IWCLUL vorgestellte Studie fügte ein bezeichnendes Detail hinzu: GPT-Modelle verweigerten in 27 % der Fälle die Übersetzung ins Ersjanische ganz. Eine KI über das Ersjanische befragen kann man schon; eine korrekte ersjanische Antwort von ihr zu bekommen, ist eine andere Sache.

Daraus folgt ein einfacher Schluss: Eine Sprache existiert für die künstliche Intelligenz genau in dem Maße, in dem Korpora für sie gesammelt wurden. Die Daten für Yandex schuf eine Universität, den Referenztest drei Forscher mit einer Gemeinschaft, und die Sprachmodelle stützen sich auf eine Bibelübersetzung. Jeder digitalisierte Text und jede Stunde aufgezeichneter Rede — etwa im offenen Projekt Common Voice, das das Ersjanische schon 2022 aufgenommen hat — erweitert das Gebiet, auf dem die Sprache für Maschinen sichtbar ist. Und umgekehrt: Was nicht in den Daten steht, existiert für die neuronalen Netze nicht.

Valks sieht darin die unmittelbare Fortsetzung der eigenen Arbeit: Ein offenes Wörterbuch, Phraseologie, Texte und Audiomaterialien sind genau die Daten, aus denen morgen ersjanische Übersetzer, Sprachsynthesizer und Sprachassistenten erwachsen. Wir werden weiter verfolgen, wie die neuronalen Netze das Ersjanische erlernen — und erinnern daran: Einer Maschine das Ersjanische beibringen können nur jene, die es selbst sprechen.