ISLAS, 68 (213): e1618; enero-abril, 2026.

Recepción: 15/04/2026 Aceptación: 12/08/2026

Artículo científico

DeepL frente al traductor humano: traducir elementos culturales del alemán al español en obras literarias

_________________________________________________

DeepL vs. Human Translators: Translating Cultural Elements from German into Spanish in Literary Works

Pino Valero Cuadra

Universidad de Alicante, Alicante, España

ORCID: https://orcid.org/0000-0001-9749-8332

Correo electrónico: pino.valero@ua.es

RESUMEN

Introducción: En este trabajo se realiza una comparación entre la traducción humana de los elementos culturales que recorren un bestseller literario alemán con la traducción de los mismos, que arroja el motor de traducción automática DeepL. El objetivo es demostrar la supremacía de la traducción humana frente a la traducción automática, cuya calidad ha sido reciente objeto de múltiples estudios.

Metodología: Se realiza una comparación entre la traducción humana y la traducción automática de los elementos culturales que existen en un bestseller alemán fuertemente recorrido por dichos elementos culturales. Se trata de un análisis descriptivo de tipo cualitativo de las primeras 50 páginas del libro que parte de un trabajo previo y se apoya en diversos estudios sobre la traducción de culturemas y la calidad de los motores neuronales de TA.

Resultados: Las soluciones traductoras que arrojan la traducción humana y la TA al verter al español los elementos culturales que recorren la novela estudiada difieren de forma notable y confirman la hipótesis de partida: que la TA no consigue alcanzar un nivel de calidad equiparable al de la traducción humana en la traslación de culturemas en obras literarias, especialmente en el caso de una obra con una fuerte carga humorística.

Conclusiones: La fuerte carga humorística y cultural de la obra analizada requiere una serie de estrategias traslativas para resolver adecuadamente la mayor parte de los problemas traductológicos planteados que la máquina no posee, como se demuestra en la comparación de resultados en cada una de las categorías culturales examinadas.

PALABRAS CLAVE: traducción alemán-español; traducción creativa; elementos culturales; humor; traducción humana; traducción automática

ABSTRACT

Introduction: This paper compares human translations of the cultural elements found in a German literary bestseller with the translations produced by the DeepL machine translation engine. The aim is to demonstrate the superiority of human translation over machine translation, the quality of which has recently been the subject of numerous studies.

Methods: This study compares human translation with machine translation of the cultural elements found in a German bestseller that is heavily infused with these cultural references. It is a qualitative descriptive analysis of the first 50 pages of the book, building on previous research and drawing on various studies on the translation of cultural elements and the quality of neural machine translation engines.

Results: The results produced by human translation and machine translation when rendering the cultural elements found throughout the novel under study differ significantly and confirm the initial hypothesis that machine translation fails to achieve a level of quality comparable to that of human translation when conveying cultural elements in literary works, especially in the case of a work with a deep humorous tone.

Conclusions: The strong humorous and cultural elements present on the work under analysis require a series of interpretive strategies to adequately address most of the translation challenges it presents—strategies that machine translation lacks, as demonstrated by a close comparison of results across each of the cultural categories examined.

KEYWORDS: German-Spanish Translation; Creative Translation, Cultural Elements; Humor; Human Translation; Machine Translation

CONTRIBUCIÓN DE AUTORÍA

INTRODUCCIÓN

En este trabajo se analiza la traducción española de la primera obra de la trilogía sobre Miss Merkel del autor de bestseller alemán David Safier, Miss Merkel: Mord in der Uckermark, de 2021, que lleva por título Miss Merkel. El caso de la canciller jubilada en la versión española de M.ª José Díez Pérez, la traductora de las últimas novelas del autor y que fue publicada en 2022.

Como todas las novelas de este prolífico autor, se trata de una obra de corte humorístico que se encuentra plagada de elementos culturales con multitud de referencias a películas, novelas o canciones famosas, la mayoría relacionadas con la cultura alemana y otras de carácter más universal. Esta característica constituye el principal problema de traducción de la novela, por lo que, tras haber analizado en un trabajo anterior (Valero, 2023) la traducción de los culturemas que recorren la novela citada, el objetivo que se pretende con este estudio es comparar la traducción humana (TH) de dichos elementos culturales (EC) —es decir, la que llevó a cabo la traductora de la obra— con la traducción automática (TA) de esos EC que realiza el motor neuronal DeepL. La hipótesis de partida es que la TH sigue siendo imprescindible para garantizar la calidad y la adecuación creativa en la traducción de textos literarios, especialmente cuando la obra está fuertemente recorrida por culturemas que, además, son utilizados por el autor para crear un importante efecto humorístico.

De esta forma, tras presentar al autor y a la traductora de la novela estudiada, así como la novela objeto de estudio en el contexto del conjunto de la obra del autor, se desarrollará un análisis de la traducción humana de los elementos culturales de la novela a partir de una tipología de técnicas de traducción (Hurtado Albir, 2013), la clasificación de elementos culturales (Paula Igareda, 2011) y la división de problemas culturales de Albaladejo Martínez (2024) que permitan abordar su comparación con la traducción automática realizada por DeepL. Esto conducirá a constatar las deficiencias del motor neuronal en la traducción de esos marcadores culturales frente a la labor realizada por la traductora humana de la obra, por ello se fundamenta asimismo en diversos estudios acerca de la calidad del motor DeepL, objeto de recientes estudios por parte de Hidalgo-Ternero (2020) y Roiss/Zimmermann (2021) sobre textos no especializados, también sobre su aplicabilidad para la didáctica de la traducción, y de Noriega-Santiáñez (2020) y Ferragud (2023) para el caso de la traducción de EC en obras literarias, una calidad que debe ser el principal objetivo de cualquier proceso de traducción, como analiza Rico Pérez (2024).

El autor, su obra y dos traductoras

El autor de la obra, David Safier, es un novelista y guionista alemán, de gran éxito internacional, cuyas novelas han sido traducidas a varios idiomas y con millones de libros vendidos en todo el mundo, aunque formado profesionalmente en la radio y la televisión. Se han vendido cinco millones de ejemplares de sus obras en Alemania, y están publicadas en más de treinta países. Debido a su éxito en España por la obra Maldito karma, en 2011 obtuvo la Pluma de Plata de la Feria del Libro de Bilbao.

Su obra comprende las siguientes catorce obras, publicadas entre 2007 y 2024 y todas ellas traducidas al español y publicadas en la editorial Seix Barral entre 2008 y 2025. La última de ellas, la tercera novela de la trilogía sobre Miss Merkel, vio la luz en enero de este mismo año. Se trata de novelas con una fuerte carga cultural y humorística que permiten realizar interesantes estudios traductológicos:

Tabla 1. Listado de obras del autor de bestseller alemán David Safier

Fuente: Elaboración propia

Las versiones españolas son obra de dos traductoras diferentes: Lidia Delgado Grifoll, autora de las versiones españolas de las cuatro primeras novelas del autor y María José Díez Pérez, responsable de la versión española de las diez obras restantes. Esta última es la traductora de la novela objeto de estudio, reconocida además de por ser la responsable de las versiones en español de las últimas novelas de David Safier, por haber traducido del inglés, junto con Claudia Conde, obras tan relevantes como El código Da Vinci, de Dan Brown.

La obra estudiada

La novela estudiada, la primera de una trilogía que ha continuado en 2022 y 2023 con Miss Merkel: Mord auf dem Friedhof y Miss Merkel: Mord auf hoher See, está dedicada a la excanciller alemana Angela Merkel, ya retirada de la vida política de su país y un personaje que, a pesar de su fama como «canciller de hierro», también era conocida por su afabilidad. En la novela encarna a una provecta detective que decide resolver un misterioso caso de asesinato con el fin de no aburrirse tras su reciente jubilación. Para ello contará con la ayuda de dos fieles compañeros: su marido, Achim, y su mascota, el sabueso Putin, un nombre que, cuatro años después de publicarse la novela en alemán, ya ha dejado de despertar simpatías.

Esta primera novela de la trilogía sobre Miss Merkel detective, publicada en 2021 tras la jubilación de Angela Merkel, lleva por título Miss Merkel: Mord in der Uckermark. En su portada ya se destaca el gran éxito comercial de la obra —fue número uno en ventas en el ranking de Der Spiegel— y se observa una simpática imagen tipo cómic de la famosa ex canciller y el sabueso que la acompaña en la novela durante sus pesquisas: un perro carlino con nombre de dirigente ruso.

La traducción española, que vio la luz en 2022, lleva por título Miss Merkel. El caso de la canciller jubilada, título que hace hincapié en el hecho de que la protagonista sea la famosa política alemana jubilada, aunque en la portada se destaca claramente la figura del dulce perro carlino, también gran protagonista de la novela (aunque la imagen no se corresponde con la raza, como sí sucede en la portada alemana: perro con orejas, nariz y ojos negros):

Ilustración 1. Portada del original alemán	Ilustración 2. Portada de la traducción española
Fuente: Rowohlt E-book (2021)	Fuente: Seix Barral (2022)

METODOLOGÍA

Un bestseller alemán traducido al español: Miss Merkel: Mord in der Uckermark (2021)

Se presenta a continuación el marco teórico-metodológico utilizado para la comparación entre la traducción de los elementos culturales, por parte de la traductora de la obra, y el motor de traducción automática neuronal DeepL.

La traducción de elementos culturales

La traducción de los elementos culturales constituye uno de los aspectos más importantes del ámbito de la traductología, aplicados en este caso a una obra literaria de corte humorístico. En este estudio de Valero (2023) se analiza cómo, tras el impulso de Nida (1975) y, posteriormente, del funcionalismo (Nord, 1994), en los años 2000 volvió a revitalizarse el estudio de los culturemas. Se trata de marcadores que nunca encontramos fuera de contexto, sino que surgen en el seno de una transferencia entre dos culturas concretas y en ese sentido, no deben plantearse como elementos propios de una única cultura, habitualmente, la cultura de origen, sino como la consecuencia de ese trasvase cultural (Luque Nadal, 2009).

Dado que este trabajo se centra en el análisis de la traslación de los problemas culturales que presenta el texto original estudiado, será necesario distinguir entre aquellos culturemas que sean de naturaleza (intra)lingüística y los considerados extralingüísticos, pues ambos plantean tipos de soluciones distintas en su trasvase a la cultura meta, como señala Albaladejo Martínez (2024, p. 59):

Conviene señalar que se pueden diferenciar dos tipos de culturemas: aquellos que aluden a la realidad extralingüística (el entorno físico o sociocultural) y aquellos que son producto de una configuración lingüística particular (por ejemplo, los fraseologismos). Existen, pues, problemas (intra)lingüísticos (por diferencias sistemáticas del par de lenguas) y extralingüísticos. (Leppihalme, 2011, p. 126)

Además, para analizar la traducción de los elementos culturales de la novela se eligió el modelo de Newmark (Hurtado Albir, 2013, p. 613), según el cual existen doce técnicas recomendables para el uso de un traductor al efectuar una transferencia cultural de una lengua a otra: el préstamo —se integra una palabra o expresión de otra lengua—; el equivalente cultural; la neutralización —la explicación del referente (Hurtado Albir, 2013)—; la traducción literal; la naturalización —la adaptación a la pronunciación y ortografía de la lengua de llegada—; el análisis componencial o explicitación de los rasgos del referente cultural; la supresión; el doblete —la combinación de dos o más técnicas—; la traducción estándar aceptada y las paráfrasis, glosas y notas (Hurtado Albir, 2013, p. 269). Aquí las reduciremos a seis categorías, las cuales se renombran e incluyen la posibilidad del doblete:

• Conservación

• Neutralización/Explicación

• Adaptación

• Traducción literal

• Equivalente acuñado

• Omisión

Por último, para la distribución de los culturemas en categorías analíticas se utiliza una clasificación propia que parte de la propuesta de clasificación de Paula Igareda (2011, p. 10-12), que facilita su análisis desde un punto de vista traductológico. Además, se utilizan las subcategorías asociadas a ellas para clasificar los problemas culturales de traducción que se encuentran en este texto y elaborar así una tipología propia que se adapte a la naturaleza del propio fragmento (Valero, 2021; 2023, p. 65). Asimismo, se subdividen los EC en problemas lingüísticos y extralingüísticos, como plantea Albaladejo (2023), para terminar de elaborar el esquema general que seguirá este análisis en cuanto a la clasificación de los elementos culturales estudiados, que son exclusivamente los que se encuentran en el fragmento estudiado y que aparecen citados según el orden de aparición en el texto original. Hemos eliminado de esta categorización la ortotipografía (cursivas, comillas, etc.), que también es un elemento cultural, de tipo lingüístico, pero no aparece marcado en la traducción del motor neuronal DeepL, a excepción de las mayúsculas, que serán comentadas en cada caso concreto:

Extralingüísticos:

• Nombres propios: antropónimos y topónimos

• Instituciones y monumentos

• Gastronomía

• Películas, series, óperas y canciones

• Aspectos socioeconómicos

Lingüísticos:

• Juegos de palabras y humorísticos

• Neologismos

La calidad de la TA en la traducción de obras literarias

Antes de abordar el análisis comparativo de los elementos culturales traducidos por TH y TA, a partir de las categorizaciones arriba descritas, se mencionan a continuación algunos de los estudios que profundizan en una cuestión tan candente como es la capacidad de la IA para traducir con calidad suficiente los EC, también en obras literarias, que no parece haber alcanzado un nivel de adecuación suficiente ni siquiera tras la irrupción de la TA neuronal, como bien expresa Rico-Pérez (2024, p. 98):

El campo de la traducción automática de referentes culturales es un área aún carente de estudios, quizá porque hasta la llegada de los sistemas basados en inteligencia artificial no se habían conseguido resultados con suficiente calidad que justificaran debidamente su estudio. Estos nuevos desarrollos artificiales son capaces de generar traducciones que el propio ser humano interpreta como un acto comunicativo válido. […] El problema reside en que la máquina no tiene ninguna intención comunicativa por sí misma y que el hecho de que genere textos que se lean de manera fluida no garantiza, a priori, que la traducción se corresponda con el texto original.

Son varios los estudios recientes que han analizado la calidad de DeepL como motor de TA; es el caso de los realizados por Hidalgo-Ternero (2020) o Roiss/Zimmermann (2021) para los textos no especializados o los de Noriega-Santiáñez/Corpas (2023) y Ferragud (2023), que se centran en los textos creativos, también en lo referente a su aplicabilidad para la didáctica de la traducción, que se apoyan asimismo en los estudios pioneros de Antonio Tovar (2015, 2018) sobre la capacidad de la TA para traducir textos literarios.

Así, mientras Hidalgo-Ternero demostraba la eficacia de DeepL, entre otros motores neuronales, para traducir unidades fraseológicas, en su opinión, «the NMT systems Google Translate and DeepL have proved to deliver an overall high-quality performance in the detection and establishment of equivalences for idioms with high normalised frequencies» (2020, p. 173), Roiss y Zimmermann aplican su estudio a la enseñanza de la traducción inversa y concluyen que el programa de TA DeepL aunque una herramienta valiosa para la actividad traductora, «no es y nunca podrá ser el sustituto del trabajo realizado por la mente humana […]» (2021, p. 379-380), y que «mediante los objetivos concretos relacionados con el uso seguro de DeepL, el alumno ha ido profundizando en su capacidad de análisis crítico y ha llegado a la conclusión de que es precisamente esta capacidad la que distingue al traductor profesional humano de la máquina». Noriega-Santiáñez/Corpas (2023), por su parte, estudian la traducción de unidades fraseológicas en obras literarias, mientras que Ferragud (2023) compara la traducción automática de un texto literario con la traducción humana realizada por estudiantes de traducción y estas, posteriormente, con la TH publicada, pues parte del supuesto de que «la TA y las traducciones de textos literarios realizadas por alumnos divergen, de manera sustancial y compartida, de las traducciones humanas publicadas» (2023, p. 206-207). Con estas palabras expresa Farragud (2023, p. 185) la escasez de estudios sobre la calidad de la TA para traducir obras literarias:

Nos hallamos ante una línea de investigación incipiente, pues durante bastantes años se pensó que una de las fronteras de la TA era precisamente la literatura, puesto que los textos literarios son creativos y su traducción, idealmente, debe reproducir la experiencia lectora del original [aunque] la aparición del nuevo paradigma de TA, los motores neuronales, que han logrado traducciones más fluidas y menos literales que los paradigmas anteriores (los motores basados en reglas y los estadísticos), ha llevado a los investigadores a preguntarse hasta qué punto la tecnología actual de TA podría ser útil para asistir a los profesionales de la traducción literaria.

Eso mismo es lo que se va a comprobar a continuación a través del análisis de la traducción de los elementos culturales que recorren las primeras 50 páginas del bestseller alemán en la traducción española publicada en 2022.

RESULTADOS

La traducción al español de los elementos culturales en Miss Merkel. El caso de la canciller jubilada (2022): un análisis comparativo de TH y TA

Para realizar este análisis comparativo se muestra y analiza, a través de ocho tablas comentadas de cada una de las categorías de EC lingüísticos y extralingüísticos instituidas anteriormente (nombres propios; instituciones y monumentos; gastronomía; películas, series, óperas y canciones; aspectos socioeconómicos; juegos de palabras y humorísticos y neologismos), la calidad de la TH y la TA al traducir los elementos culturales que recorren la obra estudiada, siempre a partir de la propuesta de la traductora humana. Para ello la autora se apoyó en las técnicas de traducción derivadas de las constituidas por Hurtado Albir (2013) también establecidas anteriormente: conservación, neutralización/explicación, adaptación (también la ortográfica), traducción literal, equivalente acuñado y omisión. Además, cuando el motor los presente, se mostrarán las distintas alternativas de traducción que sugiere DeepL con el fin de valorar si mejoran o empeoran las primeras opciones que propone la máquina.

Nombres propios: antropónimos

Tabla 2. Tabla comparativa de la traducción con TH y TA de los antropónimos

Fuente: Elaboración propia

Nombres propios: topónimos

Tabla 3. Tabla comparativa de la traducción con TH y TA de los topónimos

Fuente: Elaboración propia

Instituciones y monumentos

Tabla 4. Tabla comparativa de la traducción con TH y TA de instituciones y monumentos

Fuente: Elaboración propia

Gastronomía

A partir de lo planteado por Rodríguez Abella (2008):

Tabla 5. Tabla comparativa de la traducción con TH y TA de gastronomía

Fuente: Elaboración propia

Películas, series, óperas y canciones

Tabla 6. Tabla comparativa de la traducción con TH y TA de películas, series, óperas y canciones

Fuente: Elaboración propia

Aspectos socioeconómicos

Tabla 7. Tabla comparativa de la traducción con TH y TA de aspectos socioeconómicos

Fuente: Elaboración propia

Juegos de palabras y humor

Tabla 8. Tabla comparativa de la traducción con TH y TA de juegos de palabras y humor

Fuente: Elaboración propia

Neologismos

El motor DeepL traduce los neologismos con más frecuencia que la traductora humana, como también analizan Noriega-Santiáñez y Corpas Pastor (2023).

Tabla 9. Tabla comparativa de la traducción con TH y TA de neologismos

Fuente: Elaboración propia

DISCUSIÓN

Como se ha podido comprobar, la TH y la TA difieren de forma notable en sus estrategias para traducir los elementos culturales que recorren la novela estudiada y sus soluciones traductoras confirman la hipótesis de partida: que la TA no consigue alcanzar un nivel de calidad equiparable al de la TH en la translación de esos numerosos culturemas, muchos de ellos con una fuerte carga humorística. Dicha carga y la fuerte especificidad cultural requieren un importante proceso de documentación para la resolución de los problemas de traducción que plantean, lo que impide a la máquina resolver adecuadamente la mayor parte de los casos descritos en el análisis práctico.

Se muestra a continuación el análisis de los resultados sobre dichas divergencias en cada una de las categorías culturales analizadas en el análisis práctico. Aunque la muestra no es amplia, permite deducir los errores en los que incurre la TA al traducir los EC.

Antropónimos (Tabla 2)

En el caso de los antropónimos, se encuentran dos estrategias traductológicas por parte de la TH: la conservación de los antropónimos alemanes, un recurso habitual en el caso de los nombres propios de personajes no históricos y que llevan a cabo correctamente tanto la TA como la TH —aunque la TA conserva de forma errónea la mayúscula del título nobiliario (‘barón’) y el cargo militar (‘general’)—, y la adaptación ortográfica de los nombres propios: el nombre del dalai lama, que la TA escribe incorrectamente con mayúsculas, el nombre de Putin, ya transcrito en alemán del ruso y del personaje literario universal del Arlequín, que tanto la TH como la TA adaptan correctamente en español. Ambas mantienen, sin embargo, el nombre de la figura de El Quijote, a pesar de que en alemán existe la adaptación ortográfica Don Quichotte. Por lo demás, llama la atención el caso de la futbolista estadounidense Alexa Morgen, que la TH conserva, pero la TA traduce al inglés e incluso propone traducir, como segunda propuesta, de forma absurda, como Alexia Mañana.

Este es el reparto de técnicas de traducción utilizadas en este apartado:

Gráfico 1. Gráfico sobre los resultados de la comparación TH/TA de la categoría antropónimos

—Traducción humana: 6 conservación 2 adaptación —Traducción automática 5 conservación 2 adaptación 1 traducción literal

Fuente: Elaboración propia

En el caso de esta categoría, en la que la TA apenas suele realizar errores, solo incurre en una traducción literal de un nombre que no reconoce y del que, como se comentó, ofrece varias alternativas erróneas.

Topónimos (Tabla 3)

Por lo que se refiere a los topónimos, se encontraron tres estrategias diferentes por parte de la TH para trasladarlos al español: la conservación de los topónimos alemanes por ser nombres propios (con la adaptación ortográfica de la tilde de Berlín), la adaptación de otros topónimos generales (Mozambique, Johannesburgo) y la conservación con una glosa intratextual explicativa en el caso de los nombres de accidentes geográficos que han sido inventados ad hoc para la novela, como es el caso del lago Dumpfsee o la pequeña ciudad de Klein-Freundenstadt. En este caso, la traductora humana podría haber contemplado la posibilidad de traducir los topónimos, dado que se trata de lugares inventados y con un significado humorístico en el seno de la novela. De hecho, es lo que hace DeepL al proponer traducir el lago Dumpfsee como Mar Apagado, aunque la máquina no haya podido hacer esa reflexión y su propuesta se pueda considerar más bien una traducción literal errónea del término. Es llamativo como error de TA el caso del topónimo Templin, en una segunda y tercera alternativas de traducción, DeepL propone traducir por ‘plantilla’ o incluso, ‘temple’, lo que sí constituye un flagrante error.

Este es el reparto de técnicas de traducción utilizadas en este apartado:

Gráfico 2. Gráfico sobre los resultados de la comparación TH/TA de la categoría topónimos