How to Create and Deliver Intelligent Information

Automatisch. Nahtlos. Gut. Was haben maschinelle Übersetzung und Schoko-Präsente gemein?

Künstliche Intelligenz gehört in der Übersetzungsbranche längst zum Alltag. Ist ja auch kein Wunder, verspricht sie doch Zeitgewinn und gesteigerte Effizienz. Anbieter werben mit automatisierten Prozessen, nahtlos integrierten Lösungen und gutem Output. Unsere Erfahrung hat jedoch gezeigt: Der maschinelle Output ist wie eine Schachtel Pralinen – man weiß nie, was man bekommt.

Maschinelle Übersetzung sinnvoll einsetzen – in 3 Schritten

Dir vorab zu überlegen, was für wen und zu welchem Zweck geeignet ist, ist nicht nur bei Schokolade ratsam. Folgende Vorüberlegungen machen Sinn – dann klappt’s auch mit dem maschinellen Übersetzen …

Schritt 1: Ist mein Text für MT geeignet?

Tatsächlich eignet sich nicht jede Textsorte gleichermaßen für Machine Translation. Den besten Output haben wir mit generischen Systemen bei folgenden Textsorten erzielt:

  • Verträge
  • technische Anleitungen
  • Softwaredokumentationen
  • Pressemeldungen
  • Newsletter

Gänzlich ungeeignet für maschinelle Übersetzungssysteme sind hingegen werbliche Texte, Wortspiele und stark verkürzte Texte, wie beispielsweise Displaytexte – da kann der Output schon mal so aussehen:

Ausgangstext Output
Luftvert.-Taste hi re Luftvert.-Taste hi liAir key hi re Air key hi li
Der arme Baum, besser nicht umfahren, sondern umfahren.The poor tree, better not to drive around it, but to drive around it.

Auch die Qualität deines Ausgangstextes beeinflusst den Output massiv: So haben Rechtschreibfehler im Quelltext mitunter fatale Folgen:

Ausgangstext Output
FarbtemperatureinsatellungColour temperature insatellite

Es zahlt sich also aus, den Ausgangstext einem „Pre-Editing“ zu unterziehen: Dabei kannst du vor allem solche Fehler ausbügeln, die sich unmittelbar auf den Output auswirken. Das ist weitaus weniger aufwändig und kostenintensiv als ein nachträgliches Post-Editing – womöglich in mehreren Sprachen.

Schritt 2: Welche Engine passt zu uns?

Gefühlt gibt es schon heute MT-Engines wie Sand am Meer, und fast monatlich kommen neue dazu. So vielfältig die Anzahl der Engines, so unterschiedlich sind ihre Eigenschaften:

  • Online-Dienste
  • online und kostenlos verfügbar
  • Ganzheitliche Lösungen für maschinelle Übersetzung
  • Komplexe Lösungen für maschinelle Übersetzung, die auf die Übersetzungsbranche zugeschnitten sind
  • Eigene Engine für maschinelle Übersetzung
  • Natürlich kannst du auch deine eigene Engine entwickeln und speziell mit deinen Daten füttern.

So weit, so gut. Aber welche Lösung passt für dein Unternehmen? Um diese Frage zu beantworten, solltest du Kriterien für die Auswahl aufstellen, z. B. Kosten, verfügbare Sprachen etc.

Wichtig dabei ist, dass die Kriterien auf dein Unternehmen zugeschnitten sind.

Schritt 3: Was muss ich beim Post-Editing beachten?

Der Output einer maschinellen Übersetzung ist unberechenbar, insbesondere, weil maschinelle Übersetzungssysteme ständig „dazulernen“. In der Regel erhältst du einen sehr flüssigen, gut lesbaren Text, der auf den ersten Blick keine Grammatik- oder Rechtschreibfehler aufweist. Falsche inhaltliche Bezüge fallen dagegen oft erst beim direkten Vergleich mit dem Ausgangstext auf, wie in diesem Beispiel:

Ausgangstext Output
Dieser Bereich wird zur Verhütung von Straftaten durch die Polizei videoüberwacht.This area is video-monitored to prevent criminal offences by the police.

Bei Texten, die veröffentlicht werden, ist also ein Post-Editing des Outputs durch einen humanen Sprachmittler unabdingbar.

Die Kür: Wie binden wir maschinelle Übersetzung in unseren Übersetzungsprozess ein?

Prozesse sind im Übersetzungsmanagement zu einem der wichtigsten Elemente geworden. Auch wenn das Einbinden maschineller Übersetzung nicht für alle Sprachen gleichermaßen möglich ist, ist eine reibungslose und effiziente Integration von Machine Translation in bestehende Prozesse durchaus gewinnbringend.

Wichtig ist dabei in erster Linie die Anbindung an dein CAT-Tool – so kannst du bereits im TM vorhandene Einträge anstelle des maschinellen Outputs für die Übersetzung verwenden. Auch Fuzzy-Matches, also fast identische Übersetzungen, können eingebunden werden: Für den Post-Editor sind sie oft wertvoller als der reine Output aus der Engine, da sie zwar inhaltlich angepasst werden müssen, aber dafür i.d.R. für Konsistenz sorgen.

Schließlich solltest du festlegen, ob und in welche Translation-Memory-Datenbank deine Übersetzungen gespeichert werden: Nach einem Full Post-Editing ist die Qualität der Übersetzung vergleichbar mit einer Humanübersetzung. Diese Einträge können daher in dasselbe TM gespeichert werden wie die Einträge aus der Humanübersetzung. Im Gegensatz dazu solltest du Einträge aus rein maschinell erstellten Übersetzungen oder aus maschineller Übersetzung mit Light Post-Editing nicht in das reguläre TM speichern, da diese dem höheren Qualitätsanspruch nicht gerecht werden.

Fazit

Maschinelle Übersetzungssysteme übersetzen automatisch, lassen sich in bestehende Prozesslandschaften meist nahtlos integrieren, liefern aber einen unberechenbaren Output. Um daraus einen guten Output zu machen, bedarf es der Urteilskraft des Menschen, der durch sein Fachwissen an den entsprechenden Stellschrauben im Ausgangstext ansetzt und im Zieltext die typischen Outputfehler schnell und sorgfältig korrigiert. So weißt du immer, was du bekommst. Und wie bei jedem Projekt gilt: Testen vor dem GoLive.

Dein Appetit auf dieses spannende Thema ist noch nicht gestillt?

Informiere dich auf der tekom-Jahrestagung 2019 beim Fachvortrag „Effizienz 4.0: Maschinelle Übersetzung und Post-Editing“ von Diana Winokur und Oksana Mikitisin so richtig satt! Deinen Informationshunger und Wissensdurst stillst du am Dienstag, den 12. November um 9:15 Uhr im Raum C5.2. Bon appetit!

Die Autorinnen

Diana Winokur

Consultant / Process Manager bei Transline.

Durch ihre Erfahrung in der Beratung von Industriekunden hat sie sich auf Prozessabläufe spezialisiert. Die Leistung der maschinellen Übersetzung hat sie sowohl bei Transline intern als auch kundenseitig erfolgreich aufgesetzt und implementiert.

Oksana Mikitisin

Team Leader Translation / Proofreading bei Transline Deutschland GmbH

Als Übersetzerin, Lektorin und Post-Editorin Technischer Dokumentationen weiß sie genau, worauf es beim Optimieren von Übersetzungsprozessen ankommt.

Lisa Mümmler

Lisa Mümmler

Onlineredakteurin & Bloggerin bei tekom
Lisa Mümmler hat Germanistik und Philosophie an der Ruprecht-Karls-Universität in Heidelberg studiert. Sie ist passionierte Onlineredakteurin, Social Media-Managerin und Bloggerin. Seit Oktober 2018 unterstützt sie das Marketingteam der tekom und betreut unter anderem den iiBlog.
Lisa Mümmler

Like it? Share it! Spread the Word...

Sag uns jetzt deine Meinung per Kommentar!