Heute geht es um ein ganz konkretes Projekt zur Visualiserung eines Glossarbestands. Ich habe selbst ausprobiert, wie ich entsprechende Mind-Map Exportschnittstellen programmieren kann. Hier ist ein Erfahrungsbericht (ausführliche Version des Artikels in [1]):
Self-Made Tools
Vibe-Coding bedeutet Softwareprogrammierung mit KI-Unterstützung. Anfang 2025 beschrieb Andrej Karpathy, (Mitbegründer OpenAI, ehemaliger KI-Leiter bei Tesla) Vibe-Coding als einen dialog-basierten Programmierungsansatz, bei dem Prompts für ein Large-Language-Model in natürlicher Sprache genutzt werden, um den für die Software erforderlichen Quellcode generieren zu lassen [2]. Die Schrittfolge ist dabei denkbar einfach: Ich formuliere im Prompt die Zielsetzung meines Tools; die KI liefert einen Quellcode; ich teste, ob alles funktioniert und behebe Fehler direkt im KI‑Dialog.
Selbstversuch
Testweise habe ich selbst mit der KI (Academic AI, lokale Version von ChatGPT-5 der Universität Innsbruck) zwei kleine Tools programmiert, die mir in meinem Vorbereitungsworkflow im Dolmetschen unter die Arme greifen: Glossar-Output als Mind-Map und ein Tool für die Dokumentenzusammenfassung, basierend auf meinen Markierungen. Ohne eigene Programmiererfahrung gab es zwar Hindernisse zu überwinden, aber beide Tools sind lauffähig.
Eines möchte ich hier vorstellen: Die Visualisierung meines Glossars als Mind-Map.
Schnittstelle programmieren
Mein Ziel war, eine Schnittstelle zu schaffen, mit der ich Inhalte aus der KI-gestützten Vorbereitung (Glossare, Termextraktion etc.) direkt in eine Mind-Map exportieren kann, ohne händisch Inhalte in ein entsprechendes Programm kopieren zu müssen. Nicht immer sind nämlich entsprechend vielfältige Schnittstellen für Chat-Exporte verfügbar [3:30]. Also habe ich die KI gebeten, mir einen auf mein Glossar zugeschnittenen Code für ein Grafikprogramm (GraphViz) zu schreiben, welches auf visuelle Wissensrepräsentation mit Mind-Maps spezialisiert ist. Mein Glossar wird durch den Code so aufbereitet, dass klar definiert ist, welche Spalten welche Rolle in der Mind-Map spielen.
| Glossarlayout | Beispiel | visualisiert als |
| Kontext (Themengebiet) | Beweismittel | Hauptäste mit dazugehörigem Kontextrahmen |
| Benennung (betreffendes Wort) | Ausweis-dokumente | runde Felder im jeweiligen Kontextrahmen |
| Kollokation (häufige Wörter davor und danach) | vorlegen, prüfen, anfordern | teils als Beschriftung der Pfeile verwendet |
Die KI hat hier sehr intuitiv erkannt, dass die neun verschiedenen „Kontexte“ meines Glossars jeweils Hauptknoten werden müssen, die dazugehörigen Benennungen räumlich nahe beieinander stehen müssen und Kollokationen sich eignen, die Verbindungspfeile zwischen den Knoten zu beschriften. Um auf Nummer sicher zu gehen, kann ich diese Spezifizierung auch in einem Prompt erklären.

Glossar als Mind-Map Output (Klick zum vergrößern) | © AKL
Visualisierung für die Dolmetschkabine
Die netzartige Struktur ist nicht für den Kabinengebrauch während des Simultandolmetschens geeignet, da sie das schnelle Auffinden von Einzelwörtern erschwert. Sie dient eher dem Verinnerlichen der Zusammenhänge, um Überblickswissen zu generieren (deshalb auch nur einsprachig). Daher habe ich noch ein zweites Dateiformat für die Glossarvisualisierung in der Kabine erschlossen: HTML. Diese Datei wird direkt im Browser angezeigt: Ich brauche keine Grafiksoftware, sondern speichere den Quellcode im Texteditor und führe ihn darüber aus. Im Browser wird eine lineare Map-Version angezeigt:

HTML-Export des Glossars | © AKL
Die grauen Felder/ Knoten sind wieder Einträge aus der Kontext-Spalte. Diese Map ist interaktiv programmiert: Klicke ich auf einen der Knoten, werden alle zugeordneten Benennungen ausgeklappt. Ist einer Benennung im Glossar eine Definition zugeordnet, kann ich diese ebenfalls mit Klick auf die umrandete Benennung ein- oder ausklappen. Über die Schaltflächen „Englisch“ bzw. „Französisch“ lasse ich mir meine Arbeitssprachen (einzeln) anzeigen. Je nachdem, welche Thematik gerade zu verdolmetschen ist, kann ich also zielgenau den dazugehörigen Kontext/ Knoten meines Glossars aktivieren.

interaktive Mind-Map mit aktivierten Funktionen (Klick zum vergrößern) | © AKL
Mit Vibe-Coding zu Visualisierungen
Mit Vibe-Coding können Visualisierungen erstellt werden, die mir ohne Programmierkenntnisse nicht zugänglich wären. Außerdem kann dabei viel Zeit gespart werden, was die Arbeit effizienter macht. Mit diesen Hilfsmitteln kann daher u.a. erreicht werden, dass visuelles Denken stärker in Lernprozesse eingebunden wird, da nicht mehr die aufwendige Erstellung im Mittelpunkt stehen muss, sondern der Nutzen bzw. die Anwendung der fertigen Übersichten in entsprechenen Lernkontexten. Insbesondere in der Dolmetschausbildung sollten verschiedene Lernstile ermöglicht werden; dazu gehört auch visuelles Lernen, zumal die Verarbeitung von visuellen Informationen während des Dolmetschens eine wichtige Kompetenz ist, die es zu erlernen gilt [4:138] Mit selbst oder durch Vibe-Coding erstellten Übersichten kann also in der Ausbildung viel erreicht werden. Vibe-Coding stellt damit eine Möglichkeit dar, den Unterricht und den Dolmetschworkflow zu bereichern und zu individualisieren, da ich zielgerichtet auf meine Bedürfnisse zugeschnittene Tools programmieren kann, die mir unter die Arme greifen mit den Funktionen, die ich brauche.
Fehlerbehebung
Jetzt kommt der Haken an der ganzen Sache: Natürlich ist Vibe-Coding, wie alles was die KI macht, nicht so perfekt, wie es scheint. Was mir deutlich wurde: Die Fehlerbehebung (Debugging) wird mit zunehmendem Funktionsumfang anspruchsvoller und mündet teilweise in eine Dauerschleife (sog. Debugging-Rabbithole) [5:Kap. 4.2.4]. Auch erfahrene Programmierer:innen verfangen sich mitunter darin [6:15]. Daher sollten keine Mammutprojekte in Angriff genommen werden, sondern schrittweise der Funktionsumfang erhöht werden. Mir hat die KI nach erfolgreichem Testdurchlauf immer Vorschläge für weitere Funktionen gemacht (obwohl diese teilweise das Tool unnötig aufblähten oder sofort in die nächste Debugging-Phase führten).
Hands-On für die Programmierung
Durch die dialogbasierte Weiterentwicklung bzw. Debugging entsteht auch ohne vorherige Programmierkenntnisse ein grundlegendes Verständnis über den Aufbau des Codes. Vibe-Coding kann also auch ein Hands‑On‑Approach für die Vermittlung grundlegender Programmierkenntnisse sein.
Ein Beispiel: Im Quellcode sind die Einzelaufgaben des Programms genau benannt als Function. Der Funktionsname beinhaltet eine minimalistische Beschreibung der jeweiligen Aufgabe. In einer Studie konnte beobachtet werden, dass ein Proband über sehr detaillierte Funktionsnamen zielgenaue Codeanforderungen an die KI weitergab, statt langwieriger beschreibender Prompts [6:19]. Über Funktionsnamen den KI-Output zu beeinflussen kann daher punktuelle Anpassung ermöglichen, ohne durch einen ungenauen oder falsch verarbeiteten Prompt den schon vorhandenen funktionsfähigen Code zu zerstören (sog. Software-Regression). Solche Tricks können auch unerfahrene Programmierer:innen schnell erlernen.
Ein weiterer solcher Trick ist die Nutzung von Vorlagen (Templates). Arbeitsroutinen von Translator:innen müssen reproduzierbar sein, um effizient eingesetzt werden zu können. Gerade diese Reproduzierbarkeit der Ergebnisse ist (trotz des identischen Prompts) bei KI‑Interaktionen nicht garantiert [7:Kap. 6, Abs. 3]: Die Mind-Map aus einem anderen Glossar sah dementsprechend ganz anders aus als im ersten Projekt; und zwar keinesfalls besser. Ich habe deshalb den Quellcode des ersten Projekts als Vorlage in den Chat eingefügt und genau spezifiziert, dass alles, was die grafische Gestaltung steuert, aus dem alten Code übernommen werden und nur der Inhalt auf das neue Glossar aktualisiert werden soll. Das hat sehr gut funktioniert. Vorlagen reduzieren dadurch auch den Debugging-Aufwand für neue Projekte.
Keine Grenzen für die Kreativität
Das Ziel sollte nicht in der Automatisierung gedanklicher Vorgänge, sondern nur der Ausführung liegen. Kleine Helfer können schon eine große Wirkung erzielen.
Der Trend, KI großflächig in Design-und Bilderstellungsprozesse einzubinden zeigt, wie groß das Potential auch für Wissensvisualisierung ist. Die Verbindung aus Vibe-Coding und professionellen Visualisierungsprogrammen ist hier besonders nutzbringend, da sie zur Erhöhung des Anwenderkreises für visuelle Methoden beiträgt. So können kreative Lösungen ersonnen werden, ohne inhaltlich zu viel Kontrolle an KI-Systeme auszulagern. Dadurch wird visuelles Denken auch unabhängiger von der oft empfundenen, aber nicht zwangsläufigen Notwendigkeit, selbst gut zeichnen zu können [8].
Dabei nicht vergessen: alle (funktionsfähigen) Tools lokal als Backup speichern. So behält man ein Versionsarchiv und verhindert, dass die KI bzw. die Unternehmen dahinter plötzlich zum Geiselnehmer der Daten werden.
Quellen
- Linzner, A-K. 2026. “The Interpreter is Vibing – Self-Made Tools für die Translation”. Universitas Fachmagazin für Dolmetschen und Übersetzen 4/2026. S. 22-25.
https://universitas.org/wp-content/uploads/Universitas_426_web.pdf - Andrej Karpathy, 2025 (@karpathy) on X. In: X (formerly Twitter). (x.com, abgerufen am 2. August 2026).
- Havelka, I. (2025). “ChatGPT & Co: AI Transforming Terminological Preparation in Interpreting”. Corpora in Language Learning, Translation and Research: Proceedings of the International Conference Corpora in Language Learning, Translation and Research held at the University of Zadar (22-33)
- Korpal, Paweł, und Katarzyna Stachowiak-Szymczak. 2020. „Combined Problem Triggers in Simultaneous Interpreting: Exploring the Effect of Delivery Rate on Processing and Rendering Numbers“. Perspectives Studies in Translation Theory and Practice 28 (1): 126–43.
https://doi.org/10.1080/0907676X.2019.1628285. - [5] Vaithilingam, P.; Zhang,T.; Glassman. E. 2022. „Expectation vs. Experience: Evaluating the Usability of Code Generation Tools Powered by Large Language Models“. CHI Conference on Human Factors in Computing Systems Extended Abstracts. https://doi.org/10.1145/3491101.3519665
- [6] Barke, S.; James, M.; Polikarpova, N. 2018. „Grounded Copilot: How Programmers Interact with Code-Generating Models“. Proc. ACM Program. Lang. 1, CONF, Article 1
https://doi.org/10.48550/arXiv.2206.15000 - [7] Sarkar, A.; Drosos, I. 2025. „Vibe coding: Programming through conversation with artificial intelligence“. Proceedings of the 36th Annual Conference of the Psychology of Programming Interest Group. https://dx.doi.org/10.48550/arxiv.2506.23253
- Rulf, Dana. 2023. “Visual Thinking: Was ist visuelles Denken und warum ist es so wertvoll?” Verband Frauenunternehmen.
https://frauenunternehmen.ch/mitglieder-news/visual-thinking-was-ist-visuelles-denken-und-warum-ist-es-so-wertvoll/
Nur der Text ist unter der Lizenz Creative Commons Namensnennung-Nicht kommerziell-Share Alike 4.0 International nutzbar. Alle anderen Elemente (Abbildungen, importierte Anhänge) sind „Alle Rechte vorbehalten“, sofern nicht anders angegeben.
OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Anna-Katharina Linzner (30. Oktober 2026). Vibe-Coding in der Translation. Dolmetschen trifft Design. Abgerufen am 14. November 2026 von https://doldes.hypotheses.org/581