KI sollte deine Sprache nicht falsch schreiben

Wenn deine Muttersprache Arabisch, Japanisch, Chinesisch, Englisch, Spanisch, Portugiesisch oder Deutsch ist, hätten wir gern deine Hilfe. KI-Bildmodelle schreiben inzwischen Text in all diesen Sprachen, und nur wenige, die sie wirklich lesen, prüfen das Ergebnis. Wir veröffentlichen jedes Bild und jede Bewertung in einem offenen Datensatz und brauchen Muttersprachler, die uns sagen, welche davon stimmen.

Ein Paket umfasst etwa 30 Bilder und dauert etwa 10 Minuten. Deine Antworten kommen unter dem Namen, den du wählst, in den Datensatz. Wenn du mitmachen willst, schreib an [email protected] und sag uns, welche Sprache deine Muttersprache ist.

Was KI falsch macht

KI schreibt inzwischen für die ganze Welt: Plakate, Schilder, Grußkarten, Folien, sogar arabische Kalligrafie. Wirklich geübt haben Bildmodelle aber nur wenige Schriften. In unserem Test von fünf Bildmodellen lag jedes Modell bei kurzen englischen, deutschen, spanischen, portugiesischen und chinesischen Wörtern über 90 %.

Bei Arabisch trennen sie sich. Von jeweils 57 bis 59 ersten Versuchen schrieb GPT Image 53 Wörter richtig, Nano Banana 55, Grok Imagine 42, Seedream 34 von 54 und Qwen-Image 8 von 59. Bei Japanisch ist der Abstand kleiner, aber drei der fünf Modelle verfehlten trotzdem 7 bis 14 von 59 Wörtern.

Die Fehler sind klein. Ein Punkt sitzt an der falschen Stelle, zwei Buchstaben sind falsch verbunden, ein Kana bekommt ein Dakuten zu viel (aus ばくはつ wird ばくばつ). Auf den ersten Blick sieht das Bild aus wie echte Schrift. Ein einziger Punkt kann aus einem arabischen Wort ein anderes machen, und das sieht nur, wer Arabisch liest.

Warum es Muttersprachler braucht

Jedes Bild in unserem Test liest zuerst ein KI-Prüfer, bei Arabisch, Chinesisch und Japanisch vergrößert. Dann geht ein Mensch die Bilder durch, bei denen eine Fehleinschätzung am wahrscheinlichsten ist, darunter jedes arabische Bild. Dieser Mensch gehört zu unserem Team, und die meisten dieser Sprachen sprechen wir nicht als Muttersprache.

Im November 2026 hat eine Person mit Arabisch als Muttersprache in Paket AR-001 alle 291 arabischen Erstversuche aus unserem Test geprüft. Zu sehen war jeweils das Wort, das das Modell schreiben sollte, aber weder der Modellname noch unser Urteil. Verglichen mit unserem eigenen Urteil (dem unserer prüfenden Person oder, wo niemand hingesehen hatte, dem der KI):

Bei 41 dieser Bilder waren sich unser KI-Prüfer und wir uneinig, deshalb hatten wir sie aus der Genauigkeitstabelle herausgelassen. Die muttersprachliche Prüfung hat 34 davon entschieden. Wo wir uns einig gewesen waren, hat die Person 5 der 243 Urteile gekippt, bei denen sie sich sicher war. Wo die Person sicher war, gilt jetzt ihr Urteil.

Die beiden Bilder unten zeigen, warum. Beide Modelle bekamen denselben Prompt für eine Azteken-Schrift und sollten شمس (Sonne) schreiben. Das erste Bild haben wir als richtig gewertet, das zweite als falsch. Die muttersprachliche Prüfung sah es genau umgekehrt.

Starke Stilisierung macht es noch schwerer. Bei einem Pichação-Tag an einer Wand haben beide unserer Prüfungen dieses ليل (Nacht) von Grok Imagine als falsch gewertet. Die muttersprachliche Prüfung las es als richtig.

Eine KI, die Arabisch schlecht liest, und ein Mensch, der es nicht als Muttersprache liest, machen dieselbe Art Fehler: Sie beurteilen die Formen, nicht das Wort. Wer die Sprache als Muttersprache liest, beurteilt das Wort. Das gilt genauso für jede andere Sprache auf der Liste.

Was deine Prüfung bewirkt

Wir testen eine Schrift nach der anderen und veröffentlichen jedes Bild und jede Bewertung im AIFont-Datensatz zur Textdarstellung auf GitHub, zusätzlich archiviert auf Zenodo, unter CC BY 4.0. Jeder Eintrag hält das Urteil jeder prüfenden Person getrennt fest, sodass alle sie selbst gewichten können. Die Genauigkeitstabelle wird aus dem Datensatz neu berechnet.

Modellentwickler bemerken diese Fehler selten selbst. Ein öffentlicher Nachweis, welches Modell welches Wort falsch geschrieben hat, geprüft von Menschen, die die Sprache lesen, gibt ihnen Belege, die sie sehen, nicht übergehen und beheben können.

Jede deiner Bewertungen spricht für alle, die deine Sprache teilen. Sie geht unter der Nennung ein, die du wählst: dein echter Name, ein Pseudonym oder anonym.

So läuft ein Prüfpaket ab

• Eine Sprache pro Paket, etwa 30 Bilder, etwa 10 Minuten. In AR-001 hat die prüfende Person im Schnitt 11 Sekunden pro Bild gebraucht.
• Zu jedem Bild siehst du das Wort, das das Modell schreiben sollte. Du beantwortest drei Fragen: Ist es richtig geschrieben; falls nicht, was ist falsch und was steht tatsächlich im Bild; ist der Text ein echtes Wort.
• Modellname und frühere Urteile sind ausgeblendet, damit dein Urteil unabhängig ist.
• Antworten werden laufend als Entwurf gespeichert. Nichts zählt, bevor du das Paket unterschreibst und einreichst.
• Mehrere Personen können dasselbe Paket unabhängig voneinander prüfen, damit sich die Antworten gegeneinander abgleichen lassen.

Pakete sind jetzt offen für Arabisch, Japanisch, Chinesisch, Englisch, Spanisch, Portugiesisch und Deutsch. Bei Arabisch warten die meisten Bilder. Alle können sie unter aifont.ai/native-review ansehen.

So machst du mit

Schreib an [email protected] und sag uns, welche Sprache deine Muttersprache ist. Wir richten dir ein Prüfkonto für diese Sprache ein, und du kannst jedes offene Paket darin übernehmen. Wir hoffen, dass du es als Beitrag machst; wenn du für deine Zeit bezahlt werden müsstest, sag es in derselben Mail, dann reden wir darüber.

Geprüft wird vorerst nur auf Einladung. Im Datensatz muss „Muttersprachler“ etwas bedeuten, deshalb nehmen wir jede prüfende Person von Hand auf.

Wenn du kein Konto willst, kannst du trotzdem ein einzelnes Bild korrigieren: Eröffne ein Issue im Repository des Datensatzes mit der ID des Eintrags und dem, was tatsächlich im Bild steht.

Wenn du jemanden kennst, der eine dieser Sprachen liest, schick diese Seite weiter. Schon eine prüfende Person pro Sprache macht einen Unterschied.