Sebastian Enderlein, Chief Technology Officer bei DeepL – Interview-Serie

Sebastian Enderlein, Chief Technology Officer bei DeepL, ist ein in Europa geborener Technologe mit über einem Jahrzehnt Erfahrung im Silicon Valley, wo er leitende Ingenieurspositionen bei Unternehmen wie Uber, Salesforce (CRM ) und Personio innehatte. Mit einer starken Ausbildung in Cloud-Infrastruktur, verteilten Systemen und dem Aufbau hochleistungsfähiger Ingenieurorganisationen hat er dazu beigetragen, einige der am schnellsten wachsenden Technologieunternehmen in den USA und Europa zu skalieren. Heute teilt er seine Zeit zwischen San Francisco und Europa, wo er als CTO bei DeepL tätig ist und auch Start-ups berät und investiert, mit dem Fokus auf die Lösung komplexer technischer Herausforderungen und die Unterstützung von Scale-ups auf ihrem Weg zum Unicorn-Status.

DeepL, das 2017 gegründet wurde, ist ein neuronales Maschinenübersetzungsdienst, der für die Lieferung hochgenauer und natürlicher Übersetzungen in über 30 Sprachen anerkannt ist. Durch den Einsatz fortschrittlicher neuronaler Netze und proprietärer KI-Verbesserungen übertrifft es seine Wettbewerber regelmäßig in Bezug auf Flüssigkeit und Präzision. Verfügbar über Web, Desktop- und Mobile-Apps, Browser-Erweiterungen und API bietet DeepL auch eine Pro-Version mit Unternehmensfunktionen, unbegrenzter Nutzung und erweiterter Sicherheit.

Sie haben Zeit damit verbracht, Ingenieursteams auf beiden Seiten des Atlantiks aufzubauen – im Silicon Valley und in Europa. Welche persönlichen Lektionen haben Ihre Herangehensweise an Führung und Innovation in diesen sehr unterschiedlichen Technologie-Ökosystemen geprägt?

Beide Ökosysteme haben ihre eigenen Stärken und Merkmale, und ich bin dankbar, dass ich tiefere Einblicke und Erfahrungen in beiden Kulturen gewonnen habe. Im Silicon Valley gibt es diese aufregende Start-up-Kultur mit hochmotivierten, global diversen Ingenieuren, die große Ideen verfolgen, unterstützt von einer Mentalität, die schnell agiert und mutige Risiken eingeht. Es gibt auch viel Druck, und das Tempo kann intensiv sein – Unternehmen haben oft ambitionierte Visionen, skalieren schnell und entweder erfolgreich oder schnell gescheitert. Meine Zeit dort hat mich viel über das Skalieren von Teams und Technologie gelehrt und wie man Ambitionen mit dem Druck, den das Tempo mit sich bringt, in Einklang bringt.

In Europa gibt es auch starkes Talent, Ideen und Innovationen mit Teams, die oft mehrsprachig und multikulturell sind, und es gibt einen klaren Schwerpunkt auf Sicherheit, Compliance und Präzision. Die Vielfalt des Kontinents kann eine Stärke sein, die reiche Perspektiven bringt, aber auch eine Herausforderung mit fragmentierten Märkten, unterschiedlichen Rechtssystemen und höheren Anforderungen an die Compliance. Ich habe auch festgestellt, dass Start-ups dort eher selbst finanzieren, was das Wachstum manchmal verlangsamen kann, aber auch Langfristigkeit und Widerstandsfähigkeit aufbaut. Für DeepL war es eine klare Stärke, unsere Wurzeln in Europa zu haben. Es hat unsere Fokussierung auf Präzision, Sicherheit und kulturelle Nuancen geprägt, was uns als Leader in der schnelllebigen KI-Landschaft abhebt.

Was hat Sie dazu bewogen, DeepL als CTO nach Ihrer Zeit bei Personio und Ihrer Erfahrung mit Unternehmen wie Uber und Salesforce beizutreten?

Als ich Jarek, den CEO und Gründer von DeepL, sowie das restliche Führungsteam traf, war ich sofort von ihrer Klarheit der Vision und ihrer Leidenschaft für die Lösung eines wirklich bedeutenden Problems mit KI angezogen. DeepL baut nicht nur coole KI-Technologie für die Innovation, sondern konzentriert sich darauf, Produkte zu entwickeln, die reale, alltägliche Probleme für Menschen und Unternehmen lösen – und sie sind leidenschaftlich daran interessiert. Diese Art von Zweck und Potenzial und die Kultur des Unternehmens, die so tief in praktischer Innovation und realer Weltwirkung verwurzelt ist, war ein wichtiger Motivator für mich und hat mich dazu gebracht, dem Team beizutreten. Ich habe den Einfluss von zielorientierten Teams während meiner Zeit bei Personio, Uber und Salesforce gesehen.

Als jemand, der viel Zeit auf beiden Seiten des Atlantiks verbringt, fiel mir auch die Mission von DeepL auf, Sprachbarrieren zu überwinden. DeepL löst eine sehr reale Herausforderung, der Menschen und Unternehmen überall gegenüberstehen; eine, die ich persönlich erlebt habe und auch selbst gesehen habe. Ob es darum geht, globale Teams effektiver zusammenarbeiten zu lassen oder Unternehmen, die in neue Märkte expandieren möchten, kann die Sprachbarriere alles verlangsamen. Ich war also auch begeistert von der Gelegenheit, dem Team beizutreten und diese Herausforderung auf eine bedeutende Weise anzugehen.

Lassen Sie uns über Clarify sprechen. Es ist nicht nur ein Übersetzer – es ist interaktiv, kontextuell und anpassbar. Was war der ursprüngliche Funke für die Entwicklung, und wie bringt es die Grenzen dessen, was Sprach-KI tun kann, voran?

Ein wichtiger Schwerpunkt für uns in diesem Jahr war die Überlegung, wie wir unsere Produkte durch unsere Language-AI-Plattform – von DeepL Translator bis hin zu unserer Echtzeit-Sprachübersetzungslösung Deepl Voice – so verbessern können, dass sie persönlicher, kollaborativer und intuitiver werden. Wir möchten, dass die DeepL-Erfahrung weniger wie traditionelle Software und mehr wie die Zusammenarbeit mit einem intelligenten Partner wirkt, und genau das bietet Clarify.

Sprachen sind unglaublich nuancenreich. Wörter und Sätze können mehrere Bedeutungen, kulturelle Implikationen oder grammatische Variationen haben, wie genusbezogene Substantive oder Idiome, die sich nicht sauber übersetzen lassen. Clarify, das über DeepL Translator verfügbar ist, wurde entwickelt, um unseren Kunden bei der Bewältigung dieser Komplexitäten zu helfen, indem es als interaktiver KI-Sprachexperte agiert, der direkt mit den Benutzern interagiert, um Mehrdeutigkeiten aufzuklären und tieferen Kontext zu offenbaren. Zum Beispiel hilft Clarify dabei, zu bestimmen, ob “Bank” in einem Satz auf eine Fluss- oder eine Finanzinstitution hinweist oder “der Professor” ohne Kenntnis des Geschlechts übersetzt.

Was Clarify so aufregend macht, ist, dass es den DeepL-Übersetzungsprozess von einem einseitigen Eingabe-Ausgabe-Modell in eine wahre Zusammenarbeit verwandelt. Anstatt passiv Ergebnisse zu erhalten, interagieren Benutzer mit Clarify während des gesamten Prozesses. Das Tool schlägt proaktiv Bearbeitungen und Vorschläge vor, sodass Sie gemeinsam zum genauesten Ergebnis gelangen.

Eines der faszinierendsten Elemente von Clarify ist seine Fähigkeit, Mehrdeutigkeiten zu erkennen und Benutzer um Klarstellung zu bitten. Wie definieren Sie technisch “Mehrdeutigkeit” auf eine Weise, die eine Maschine erkennen und darauf reagieren kann?

Es ist eine großartige Frage – Mehrdeutigkeit ist eine bekannte Herausforderung in der maschinellen Übersetzung, aber oft übersehen oder umgangen, weil das Verständnis der Benutzerabsicht in Echtzeit herausfordernd sein kann. Mehrdeutigkeit kann jedoch die Bedeutung einer Übersetzung vollständig ändern, abhängig von der Interpretation der Eingabe. Um dies anzugehen, haben unsere Forscher eng mit Sprachexperten zusammengearbeitet, um Fälle zu identifizieren, in denen dies passiert, und Systeme zu entwickeln, die entsprechend reagieren können.

DeepL hat einen Ruf für Präzision, aber jetzt bewegt es sich in Richtung Personalisierung und Zusammenarbeit. Wie balancieren Sie die Leistung des Modells mit der Benutzeroberfläche, um sicherzustellen, dass die KI nicht nur “eine” Übersetzung liefert, sondern die richtige für den Benutzer?

Wie Sie sagen, ist die “richtige” Übersetzung nicht immer universell. Sie hängt vom Kontext, der Sprachkombination und dem Anwendungsfall ab. Ein Unternehmen kann spezifische interne Terminologie erfordern, während ein anderes die Erfassung eines bestimmten Tons oder einer Nuance benötigt. Für uns sind Präzision und Personalisierung nicht getrennte Ziele, sondern arbeiten zusammen, um Qualität zu gewährleisten.

Bei DeepL denken wir, wenn wir über Qualität nachdenken, an die Bereitstellung von Übersetzungen und Ausgaben, die technisch genau und kontextuell angemessen sind, aber auch mit der Absicht des Benutzers übereinstimmen. Unsere Language-AI-Plattform spiegelt dies wider – wir kombinieren Spitzenleistungen in Modellleistung mit intelligenter Benutzeroberfläche, um sicherzustellen, dass unsere Kunden Übersetzungen erhalten, die wirklich ihren Bedürfnissen entsprechen.

Viele allgemeine Modelle kommen bei Sprachnuancen und kulturellem Kontext kurz. Was macht DeepLs Modelle anders, und warum ist Spezialisierung ein so kritischer Vorteil?

Die Modelle, die unsere Language-AI-Plattform antreiben, sind speziell für Übersetzung und Schreiben entwickelt. Diese Fokussierung gibt uns einen erheblichen Vorteil bei der Erfassung von Nuancen, Kontexten und Tönen über Sprachen hinweg, was in Geschäftsumgebungen, in denen Präzision von entscheidender Bedeutung ist, kritisch ist.

Im Gegensatz zu allgemeinen Modellen, die auf breiten Internetdaten trainiert werden, werden DeepLs proprietäre LLMs auf 7+ Jahren domänen-spezifischem Inhalt trainiert und von Tausenden professionellen Linguisten fein abgestimmt. Diese Spezialisierung ermöglicht es uns, konsistent höhere Qualität und Zuverlässigkeit zu liefern. In blinden Tests im Jahr 2024 fanden professionelle Übersetzer heraus, dass unser nächstes LLM 2-3-mal weniger Bearbeitungen benötigte als Google (GOOGL ) oder ChatGPT, um die gleiche Qualität zu erreichen. Deshalb vertrauen über 200.000 Geschäftskunden weltweit auf DeepL. In Bereichen wie Recht, Technologie, Gesundheitswesen und Marketing können sogar kleine Übersetzungsfehler schwerwiegende Konsequenzen haben. Qualität und Genauigkeit sind keine Optionen.

Aus Ihrer Zeit, in der Sie Cloud-Infrastruktur bei Uber geleitet haben, bis hin zu Ihrer Rolle als Leiter der Ingenieurabteilung bei Personio und jetzt DeepL, was war die größte ingenieurtechnische Herausforderung, der Sie gegenüberstanden – und was haben Sie daraus gelernt?

Aus der Perspektive der Menschen war die größte Herausforderung, Teams durch lange Phasen des Hyperwachstums zu führen, das richtige Gleichgewicht zwischen schnellem Vorankommen und Effizienz zu finden und sicherzustellen, dass neue Mitarbeiter gut eingearbeitet werden, die Mission des Unternehmens verstehen und Möglichkeiten zum Wachstum haben. Eine große Lektion, die ich dort gelernt habe, war, den Pendelschlag zwischen Extremen zu vermeiden. Sich schnell von “Wachstum um jeden Preis” zu “hoher Effizienz” zu bewegen, ist hart für eine Organisation, und das mehr als Verdoppeln eines Tech-Teams in einem Jahr erzeugt unweigerlich Anspannung – ich habe seitdem eine grobe Obergrenze von etwa gesetzt.

Aus technischer Sicht habe ich den größten Teil meiner Karriere damit verbracht, Technologie-Stacks in der Cloud und auf der ganzen Welt zu skalieren und komplexe Probleme im Bereich Konsistenz und Zuverlässigkeit für einige der beliebtesten Dienste auf dem Planeten zu lösen. Ich habe gelernt, dass Über-Engineering ein ernstes Problem ist und “Über-Plattformierung” eine Organisation lähmen und die Verantwortlichkeit für die Auswirkungen auf den Kunden erschweren kann. Mit der KI, die das Geschäftstempo noch mehr beschleunigt – Unternehmen können jetzt in weniger als einem Jahr 100 Millionen Dollar Umsatz erreichen, und Teams sehen unvergleichliche Produktivitätsgewinne – sind Fokus und Einfachheit wichtiger denn je.

DeepL dient jetzt über 200.000 Unternehmen und Regierungsbehörden. Wie bewahren Sie das Gleichgewicht zwischen Unternehmenszuverlässigkeit und Innovation bei Geschwindigkeit?

Es ist ein Gleichgewicht, über das wir ständig nachdenken. Unsere Geschäftskunden verlassen sich auf DeepL für kritische, hochriskante Kommunikation, sodass Zuverlässigkeit, Sicherheit und Vertrauen wirklich essentiell sind. Gleichzeitig wissen wir, dass Innovation nicht langsamer werden kann… die KI-Branche bewegt sich mit Lichtgeschwindigkeit! Der Schlüssel liegt in der Fokussierung. Wenn es um unsere Language-AI-Plattform geht, konzentrieren wir uns darauf, komplexe Sprachprobleme mit hoher Genauigkeit und Präzision zu lösen. Diese Fokussierung ermöglicht es uns, schnell voranzukommen, ohne die Qualität zu beeinträchtigen.

Wir sind auch sehr anpassungsfähig. Wir können neue Fähigkeiten oder Funktionen einführen, zukunftsorientierte Lösungen liefern, die die Branche vorantreiben, und gleichzeitig die unternehmensweite Qualität, Genauigkeit und Leistung aufrechterhalten, die unsere Kunden von uns erwarten und weiterhin erwarten. Ein gutes Beispiel dafür ist die jüngste Erweiterung von DeepL Voice: Wir haben gerade angekündigt, dass es jetzt Unterstützung für gesprochene Eingaben aus Mandarin, Ukrainisch und Rumänisch bietet, sowie verbesserte Produktivitätsfunktionen für Meetings und eine wichtige bevorstehende Integration mit Zoom-Meetings, was wirklich aufregend ist.

Schließlich, was glauben Sie, dass die Zukunft für Sprach-KI bringt?

Sprach-KI verändert bereits, wie wir als Unternehmen, Mitarbeiter und Menschen global kommunizieren, und ermöglicht tiefere Verbindungen und Zusammenarbeit über Unternehmen, Kulturen und Branchen hinweg. Wir bewegen uns in Richtung einer Zukunft, in der Unternehmen aller Größen international agieren und wachsen können, ohne durch Sprachbarrieren behindert zu werden, und öffnen damit die Tür zu einer vernetzteren, inklusiveren Welt und Wirtschaft.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten DeepL besuchen.