Terminologiearbeit ist seit jeher der Schlüssel zu konsistenten und qualitativ hochwertigen Übersetzungen. Mit dem Einzug von KI und Large Language Models (LLMs) verändern sich die Übersetzungsprozesse grundlegend. Doch gerade dadurch rückt die Terminologie noch stärker in den Mittelpunkt.

„KI übersetzt doch inzwischen alles perfekt – wozu also noch Terminologiemanagement?“
Diese Frage hören wir als Sprachdienstleister immer häufiger. Doch wer einmal erlebt hat, wie ein einziger falsch übersetzter Fachbegriff eine Produktbeschreibung, ein Handbuch oder eine Marketingbotschaft entstellt, weiß: Terminologie ist kein Nebenschauplatz – sie ist das Fundament qualitativ hochwertiger Übersetzung.

In Zeiten von LLMs und generativer KI verändert sich das Wie von Terminologiearbeit. Ihr Warum bleibt aber unverändert.

Warum Terminologie das Rückgrat jeder Übersetzung ist

Terminologie ist weit mehr als ein Wörterbuch. Sie definiert, wie ein Unternehmen über seine Produkte, Dienstleistungen und Werte spricht.

Ob „Controller“, „Control Module“ oder „Control Unit“: Der richtige Begriff sorgt für Wiedererkennung, Vertrauen und rechtliche Sicherheit.

Fehlt eine gepflegte Terminologie, entstehen Inkonsistenzen. In der Praxis führt das zu:

• abweichenden Übersetzungen für denselben Begriff,
• erhöhtem Korrekturaufwand,
• unnötigen Mehrkosten, multipliziert mit der Anzahl der Zielsprachen,
• uneinheitlicher Markenkommunikation,
• Missverständnissen bei Kunden oder Anwender*innen.

Gerade bei umfangreichem, mehrsprachigen Content aus den Bereichen technische Dokumentation oder Marketing ist ein durchgängiges Terminologiemanagement entscheidend, um Konsistenz und Präzision im Übersetzungsprozess zu gewährleisten.

Vom Glossar zur integrierten Lösung: Erfolgreicher Übersetzungsprozess dank Terminologie

Früher lag Terminologiearbeit oft außerhalb des eigentlichen Übersetzungsprozesses – in Form von Excel-Tabellen oder statischen Listen. Heute lässt sie sich nahtlos in Translation-Management-Systeme (TMS) integrieren.
Das ermöglicht:

• automatische Terminologievorschläge direkt im CAT-Tool,
• Terminologieprüfung während der Übersetzung,
• zentrale Pflege und Freigabeprozesse.

Damit wird Terminologie zu einem lebendigen Bestandteil des Workflows – und nicht zur nachträglichen Qualitätskontrolle.

Wie KI und LLMs Terminologiearbeit verändern

KI-Systeme und LLMs eröffnen neue Möglichkeiten, Terminologie dynamischer und intelligenter zu pflegen. Einige konkrete Anwendungen können sein:

• KI-Terminologieextraktion:
  KI kann mehrsprachige Texte schnell analysieren, um relevante Fachbegriffe automatisch zu erkennen und als Termkandidaten vorzuschlagen. Das spart Zeit in der Erstellungsphase und hilft, bisher unberücksichtigte Terminologie zu identifizieren. Die finale Validierung bleibt jedoch Aufgabe menschlicher Expert*innen.
  
• Aufbau Terminologie-Datenbank:
  Fehlen noch Übersetzungen oder eine definierte Struktur, kann generative KI den Aufbau einer Terminologiedatenbank unterstützen. Varianten und Synonyme lassen sich so effizient clustern, während Metadaten wie Kontext, grammatikalische Angaben oder Definitionsvorschläge automatisch generiert werden. Die finale Prüfung und Freigabe bleiben jedoch in menschlicher Hand.
  
• Terminologieprüfung durch KI:
  Terminologiefehler aus der regelbasierten Prüfung werden an die KI geschickt und dort im Gesamtkontext unter Beachtung der terminologischen Zusatzinformationen bewertet bzw. korrigiert.

Diese neuen Ansätze machen Terminologiearbeit schneller, skalierbarer und datengetriebener. Gleichzeitig bleibt sie auf die Validierung durch Menschen angewiesen – denn KI versteht nicht automatisch Unternehmenssprache oder Markenwerte.

Grenzen und Risiken: Wenn KI Begriffe „erfindet“

So leistungsfähig LLMs sind, sie bergen auch Risiken. Denn ein KI-Modell kann:

• Begriffe halluzinieren – also plausible, aber falsche Termini erzeugen.
• Kundenspezifische Vorgaben übersehen, wenn diese nicht eindeutig im Prompt oder System hinterlegt sind.
• Vertrauliche Terminologiedaten gefährden, wenn sie in öffentlich zugängliche Systeme eingespeist werden.

Daher gilt: KI kann unterstützen, aber nicht entscheiden. Für die Entscheidung, ob ein Begriff terminologisch korrekt, markenkonform und kontextgerecht ist, ist menschliche Expertise weiterhin unerlässlich.

Best Practices: So kombinieren wir menschliche Expertise mit KI-Power

Wir als Sprachdienstleister sehen den Mehrwert darin, Technologie sinnvoll einzusetzen – nicht blind zu automatisieren. Erfolgreiche Terminologiearbeit im KI-Zeitalter beruht auf fünf Prinzipien:

• Zentralisierung:
  Alle Terminologiedaten gehören in eine zentrale Datenbank – nicht in verstreute Listen.
• Integration:
  Terminologie muss direkt mit CAT-Tools verbunden sein, damit Übersetzer*innen live darauf zugreifen können.
• KI als Assistenz, nicht als Ersatz:
  KI-Tools unterstützen bei Recherche, Extraktion und Prüfung – die finale Freigabe bleibt menschlich.
• Sicherheitsbewusstsein:
  Sensible Terminologiedaten sollten ausschließlich in datenschutzkonformen, kontrollierten Systemen verarbeitet werden.

 

Terminologie bleibt strategisches Unternehmenswissen

Künstliche Intelligenz und große Sprachmodelle verändern grundlegend, wie wir mit Sprache arbeiten – doch sie ersetzen kein Terminologiemanagement. Richtig eingesetzt, machen sie es sogar effizienter und intelligenter. Denn Terminologie ist das Sprachgedächtnis eines Unternehmens.
Gerade im Zeitalter der generativen KI sind klare und gepflegte Begriffe entscheidend, damit Mensch und Maschine wirklich dieselbe Sprache sprechen.

Kontaktieren Sie uns, wenn Sie Ihre Terminologie effizient aufbauen, konsistent pflegen und KI-gestützt optimieren möchten – wir unterstützen Sie bei jedem Schritt.

Hier erfahren Sie mehr über unsere Services in Kombination mit KI für ein effizientes Terminologiemanagement.

KI – Gestartet als Buzzword, danach etabliert in der Alltagssprache, mittlerweile Grundanforderung für viele Anwendungen und Prozesse. Und auch vor der Sprachenindustrie macht die Technologie nicht Halt. Seit ChatGPT wissen wir: Übersetzen kann nun auch völlig interaktiv sein. Große Sprachmodelle (Large Language Models oder LLMs) in Chatbot-Form fluten mittlerweile den Markt. Gefühlt jede Woche erscheint ein neues Modell, das sich ankündigt, die Mitstreiter in puncto Effizienz, Qualität und Zuverlässigkeit zu überbieten. Die neuronale maschinelle Übersetzung (NMT) scheint noch gar nicht so alt zu sein – und nun diskutieren wir bereits darüber, wann diese Technologie vom Markt verschwunden sein und durch generative KI ersetzt werden wird.

Die zentrale Frage lautet: Effizienter übersetzen mit KI – aber wie?

KI für gezielte Optimierung der Übersetzungsqualität

Auch wenn die Technologie im Laufe der letzten fünf Jahre einen deutlichen Sprung nach vorn gemacht hat, sind die Ergebnisse der häufig verwendeten und etablierten NMT-Systeme nicht immer ausreichend gut. Das kann verschiedene Ursachen haben:

• Die gewünschte Sprachkombination wurde nicht mit ausreichend Material trainiert oder wird durch den Einsatz einer Relaissprache (oft Englisch) bedient. Dadurch kann es zu strukturellen Problemen oder Sinnfehlern kommen.
• Das MT-System kennt nicht die fachgebiets- oder kundenspezifische Terminologie.
• Das MT-System wurde für Inhalte verwendet, die einen hohen stilistischen Anspruch haben bzw. ein zielgruppenorientiertes Übersetzen erfordern.

Handbücher, Marketingtexte oder Inhalte mit hoher Kundensichtbarkeit erreichen durch eine reine maschinelle Übersetzung daher häufig nicht den gewünschten Qualitätsstandard. Die Optimierung der maschinellen Texte übernehmen dann Sprachprofis im Rahmen eines Post-Editings. Dabei werden maschinelle Übersetzungen genau geprüft, mit dem ausgangssprachlichen Text verglichen und bei Bedarf korrigiert.

Das CAT-Tool als zentrale Übersetzungsplattform ermöglicht ein effizientes Arbeiten und bietet durch zahlreiche Automatisierungsmöglichkeiten eine gezielte Unterstützung bei der Qualitätssicherung. Doch wo genau kommt hier KI zum Einsatz? LLMs wie ChatGPT von OpenAI sind durchaus in der Lage, Übersetzungen zu produzieren, die ähnlich wie DeepL oder Google Translate je nach Anwendungsfall einen guten Ausgangspunkt für die weitere Verarbeitung liefern.

Ein deutlicher Qualitätssprung lässt sich jedoch erreichen, wenn man die Übersetzungsanfragen durch den gezielten Einsatz von Prompts und die Zugabe von Referenzdateien verbessert. Grundvoraussetzung dafür sind aber neben einem durchdachten Prompt Engineering-Design auch validierte Übersetzungsressourcen in Form von Translation Memory- und Terminologiedatenbanken.

 

KI für bessere Übersetzungsressourcen

Häufig stellt man sich wie bei jeder neuen Technologie die Frage: Was kann die KI für mich tun?

Wenn Sie KI nachhaltig in Ihre Sprachprozesse integrieren möchten, sollten Sie sich aber zunächst fragen: Was kann ich für die KI tun?

Gut gepflegte Übersetzungsressourcen leisten einen entscheidenden Beitrag dazu, die Ergebnisse Ihrer KI-Lösung zu verbessern. Denken Sie zum Beispiel an das Thema Terminologie: Wenn Sie ein generisches System wie DeepL für Ihre Übersetzungsprozesse verwenden, erhalten Sie ohne die Integration eines Glossars Übersetzungen, die nicht mit Ihrer Firmenterminologie übereinstimmen.

Sie bauen Terminologie gerade erst auf und möchten nicht auf die Vorteile von MT verzichten? Nutzen Sie Sprachmodelle, um potenzielle Terminologie aus Ihren ein- oder mehrsprachigen Dokumenten zu extrahieren. Ebenso können Sie KI für die Prüfung Ihrer Translation Memory-Datenbanken einsetzen, um etwa inkonsistente Übersetzungen zu finden oder die Bereinigung bzw. Korrektur über große Datensätze hinweg zu automatisieren. Nutzen Sie dann konsequent diese Ressourcen, um die Übersetzungsqualität Ihres Sprachmodells zu erhöhen oder den Output von NMT-Systemen zu verbessern.

Co-Pilot KI? Sicher ans Ziel mit der neuen STAR-Webinar-Reihe

Sie sehen: Wir begeistern uns sehr für das Thema KI. Auch wenn wir nicht behaupten, dass sie alles neu macht. Die Technologie bietet aber viele Optimierungspotenziale, wenn man sie effizient und nachhaltig einsetzt.

Unsere Begeisterung möchten wir Ihnen natürlich nicht vorenthalten und Sie herzlich zu unserer im März startenden Webinar-Reihe „Co-Pilot KI: Neue Wege zu smarten Sprachprozessen“ einladen.

Wie genau funktioniert generative KI eigentlich? Welchen Vorteil bietet sie für die Übersetzung? Wie kann ich Sprachmodelle für die Erstellung von Produkttexten einsetzen? Kann ich meine eigene KI trainieren? Und was passiert eigentlich mit meinen Daten?

Diese und viele weiteren Fragen beantwortet unser Language Technology Consultant Julian Hamm und geht dabei auf die vielseitigen Einsatzzwecke generativer KI ein, darunter die Bereiche Übersetzung, Terminologiemanagement, Content-Erstellung oder Content Delivery. Im ersten Themenblock erwarten Sie folgende Inhalte:

• Was ist generative KI, und wofür kann ich sie einsetzen?
• Wie kann KI bei der Übersetzung unterstützen?
• Wie kann ich KI für die Terminologiearbeit einsetzen?
• Welche Vorteile bietet KI für die Content-Erstellung?

Weitere Informationen zu den Veranstaltungen sowie das Anmeldeformular finden Sie hier.

Wir freuen uns auf Ihre Teilnahme!

Schon wieder ist ein Jahr vorbei, und wir können selbst kaum fassen, wie schnell die Zeit verflogen ist. Ein guter Zeitpunkt, um alle wichtigen Entwicklungen aus dem KI-Jahr 2024 Revue passieren zu lassen und Ihnen einen Ausblick auf das kommende Jahr zu geben.

Seitdem OpenAI die Welt mit ChatGPT in Staunen versetzt hat, ist das Thema KI geradezu explodiert. Unternehmen drängen zunehmend darauf, KI überall dort einzusetzen, wo es möglich erscheint. Aus den zahlreichen Diskussionen und spannenden Kundenprojekten dieses Jahr haben wir zentrale Learnings und Trends in diesem Bereich erkannt.

Fünf wichtige Trends beim Einsatz von KI im Kontext der Übersetzung

• Die Erwartungen an generative KI sind nach wie vor sehr hoch.
  Dabei werden die die Einsatzmöglichkeiten gerade in Sprachprozessen jedoch immer differenzierter betrachtet: Von der Wunschvorstellung einer Wundermaschine, die Texte perfekt erstellt, übersetzt und optimiert, hin zu einem smarten Helferlein, das gezielt bei Aufgaben unterstützt, bei denen heutzutage manuelle Aufwände anfallen. Die immer stärkere Integration großer Sprachmodelle in die Übersetzungsprozesse macht genau das möglich, indem sie gezielt und modular unterstützt, sei es bei der zweisprachigen Extraktion von Terminologie, dem Post-Editing von maschinell erstellten Übersetzungen oder der Qualitätsbewertung von mehrsprachigen Dokumenten.
  
• Wer die Technologie effizient und nachhaltig einsetzen möchte, der benötigt auch qualitativ hochwertige, gut strukturierte Sprachressourcen, um die Sprachmodelle mit relevanten Informationen versorgen zu können.
  Das heißt, dass sich die jahrelange Arbeit mit Translation Memory- und Terminologieverwaltungssystemen nun gleich doppelt auszahlt. Werden diese Daten strukturiert und nachhaltig aufbereitet, können Sprachmodelle sie zur Optimierung von maschinellen Übersetzungen verwenden, etwa in Form der sogenannten Retrieval-Augmented Generation (RAG).
  
• Das Thema Datenschutz sorgt trotz der Verabschiedung des EU AI Act im Mai 2024 nach wie vor für große Unsicherheit.
  Viele Unternehmen suchen nach Wegen, wie KI auf möglichst sichere Weise eingesetzt werden kann, um ihre wertvollen Daten vor Missbrauch zu schützen.
  
• Viele Unternehmen sehen Schwierigkeiten bei der Skalierbarkeit von KI-Lösungen, sei es in Bezug auf die IT-Infrastruktur, finanzielle Ressourcen oder die Weiterbildung ihrer Mitarbeiter*innen.
  
• Human in the Cockpit – Menschen werden stärker ins Zentrum der KI-basierten Übersetzungsworkflows rücken.
  Waren Übersetzer*innen bisher in Form des Human in the Loop etwa für das Post-Editing vordefinierter maschineller Übersetzungen zuständig, soll der neue Human in the Cockpit moderne Sprachtechnologien selbst interaktiv einsetzen können, um individuell Einfluss auf den Output nehmen und Prozesse effizient gestalten zu können.
  Durch den technologischen Wandel ändern sich auch die Anforderungen an heutige und zukünftige Sprachexpert*innen. Diese Entwicklung erkennen auch die einschlägigen Hochschulen und passen ihre Studiengänge und Kursangebote entsprechend an. So sind Prompt Engineering, Sprachtechnologien oder Informationsmanagement wichtige Schwerpunkte, die wir künftig häufiger auf den Lehrplänen zu sehen bekommen werden.

Sie finden dieses Thema spannend? Dann freuen Sie sich auf unser für Anfang 2025 geplantes STAR-Webinar. Darin informieren wir Sie über aktuelle Trends und unsere neuesten technologischen Entwicklungen.

Kann die KI helfen, hochwertige Inhalte in jeder Sprache zu erstellen und dabei Unternehmenssprache und Besonderheiten einhalten?

Heute führen wir ein Interview mit David Heider, dem Inhaber eines STAR-Partner-Tonstudios in Tschechien, um diese spannende Frage zu beleuchten: Kann die künstliche Intelligenz im Bereich der Video- und Audio-Produktionen effizient eingesetzt werden?

STAR: David, seit wann bietet ihr professionelle Audioproduktionen an?

Unser Tonstudio bietet seine Dienste seit 1999 an, und wir haben uns auf das gesprochene Wort spezialisiert. Wir decken zwei verschiedene Bereiche ab: erstens die „Unternehmenswelt“ mit Aufzeichnungen von Material für interne Zwecke wie E-Learnings. Dazu gehört auch die Lokalisierung von unternehmensinternen Systemen und Software. Das können entweder Schulungsmaterial oder verschiedene webbasierte Plattformen mit Sprachausgabe sein oder automatische Operatoren auf Ihrem Telefon, Navi usw. – kurz gesagt, verschiedene Anwendungen, bei denen wir den Ton häufig wortweise oder sogar Silbe für Silbe schneiden müssen und wo anschließend alles von einem System zu Sätzen und ganzen Nachrichten zusammengesetzt wird.

Der zweite Bereich bewegt sich mehr im künstlerischen Umfeld und umfasst u.a. Werbung und Werbevideos. Dieser unterscheidet sich von der erwähnten „Unternehmenswelt“ dadurch, dass es nicht nur um die Vermittlung von Inhalten geht, sondern vielmehr um eine Form, die Zuhörende ansprechen und attraktiv auf sie wirken soll. Wir brauchen hier also Profis, die sich künstlerisch ausdrücken und ihre Stimme gekonnt einsetzen können. Zusammenfassend lässt sich sagen, dass unser erster Aktionsbereich vor allem der Information dient. Hier geht es um Inhalte, wo die Nutzenden, um es etwas deutlicher zu sagen, keine große Wahl haben, da sie in der Regel zuhören müssen. Dahingegen zielen die künstlerischen Produktionen darauf ab, das „Publikum“ in irgendeiner Weise zu verführen, und zwar nicht nur inhaltlich, sondern auch formal.

STAR: Dies führt mich zwangsläufig zur nächsten Frage: Kann KI bei eurer Arbeit eingesetzt werden?

Die KI ist ein erstaunliches Werkzeug und bietet zahlreiche Vorteile. Wir brauchen uns zum Beispiel nicht mit einem Sprecher oder einer Sprecherin in Verbindung setzen und einen Termin vereinbaren; die KI ist jederzeit erreichbar.

STAR: Setzt ihr bereits KI ein?

Ja. Für die Aufbereitung und Produktion von Audio-Material setzen wir z.T. KI ein. Das Ganze hat aber auch eine Kehrseite. In den meisten Sprachen wirkt die KI -Stimme künstlich oder langweilig, vor allem nach längerem Hören.

STAR: Kann KI nicht intonieren?

Intonieren an sich ist meist nicht das Problem, aber bei der KI passiert das leider stereotyp, was wirklich ungünstig ist. Oft wird die Kernbotschaft nicht unterstrichen, die ein Mensch ja im Normalfall durch besondere Betonung ausdrückt. Und wenn man sich eine KI-Aufnahme anhört, hat man dieses sich wiederholende Klischee im Ohr, das mit der Zeit beginnt zu nerven, da man das Gefühl nicht los wird, dass es eigentlich nur „Copy-Paste“ ist. In der englischen Sprache finde ich es im Vergleich deutlich besser als in anderen Sprachen, da kann die KI mit variabler Intonation arbeiten und die Stimme sehr natürlich und lebendig wirken lassen, aber bei allen anderen Sprachen haben wir noch einen weiten Weg vor uns, bis das passiert. Aktuell klingen die anderen Sprachen noch sehr „plastisch“.

STAR: Gibt es weitere Nachteile von KI-Stimmen?

Es gibt noch einen zweiten Punkt, der meiner Meinung nach schwerwiegender ist, insbesondere beim E-Learning. Wie bei jeder KI hängt die Qualität des Ergebnisses von der Qualität des Inputs ab. Auch bei der Stimme muss man immer den Inhalt richtig vorbereiten. Vielleicht liest die KI nicht alle Abkürzungen richtig, wie sie in einer bestimmten Unternehmenskultur gelesen werden. Jedes Unternehmen hat einen bestimmten Firmenjargon, und die KI wird dies nicht berücksichtigen. Dies gilt auch für unterschiedliche Produktnamen, Ortsnamen oder Fremdwörter. Wenn im Englischen zum Beispiel französische Namen auftauchen, stellt sich die Frage, ob sie auf Französisch oder Englisch gelesen werden.

STAR: Wie lässt sich das erklären?

Nur die Mitarbeitenden eines Unternehmens sind mit der Unternehmenssprache wirklich vertraut und wissen, weshalb manchmal aus unternehmensinternen oder Marketing-Gründen von einer Sprachregel abgewichen wird. Die Hörenden sind Insider, d. h. sie wissen in der Regel Bescheid. Und die Unternehmen müssen konsequent sein, denn sonst klingt es in ihren Ohren fremd. Manchmal kann ein Begriff oder eine Abkürzung natürlich falsch verstanden werden, entweder phonetisch oder in Bezug auf den Namen, aber das ist einfach die Art und Weise, wie es in dem Unternehmen gemacht wird, und wir sollten es respektieren. 

STAR:  Welche weiteren Herausforderungen gibt es?

Abkürzungen und andere Besonderheiten sind eine große Herausforderung für die KI. Sie erfordern meistens viele Anpassungen und Korrekturen, was dazu führen kann, dass der Endpreis ähnlich hoch ist wie bei einem klassischen Voice-Over. Wir müssen einen Aussprachehinweis erstellen oder den Text so bearbeiten, dass er für die KI gut lesbar ist. Dies ist sehr zeitaufwendig, daher ist KI für ein einmaliges Projekt wenig sinnvoll. Darüber hinaus führen wir nach der KI zusätzlich ein Proof-Listening durch, d. h. ein Check-Listening.  

STAR: Macht ihr bei menschlichen Sprecher*innen kein Proof-Listening?

Wenn wir bei der Aufnahme zusätzlich zum Sprecher oder zur Sprecherin zu zweit sind, machen wir das nicht mehr, weil wir während dieser Aufnahme alles hören und prüfen können. Die Ausnahme bilden Sprachen, die wir nicht verstehen, wie z. B. asiatische Sprachen. Aber im Falle der KI wissen wir nicht im Voraus, was sie weiß und lesen kann. Ich gebe Ihnen ein Beispiel: Nehmen Sie die Einheit „Megapascal“, abgekürzt mit „MPa“. Die KI kann sie als „em-pee-ah“ lesen, was für eine*n Techniker*in völliger Unsinn ist. Wir müssen also herausfinden, wie wir sie dazu bringen können, es richtig als „Megapascal“ zu lesen.

Manchmal kommt es vor, dass wir die Aufnahme durchgehen, sie uns richtig erscheint, aber dann findet der Kunde etwas, das nicht zu seiner Unternehmenskultur passt. Deshalb denke ich, dass KI zwar in bestimmten informativen Texten ein nützliches Werkzeug ist, das die Arbeit schneller und billiger machen kann, und ich empfehle es gerne, aber in den Händen eines unerfahrenen Benutzenden kann sich die KI sich unvorhersehbar verhalten, und das Endprodukt wird mehr Enttäuschung als Begeisterung über die eingesparten Ressourcen hervorrufen.

STAR: Gibt es einen finanziellen Unterschied?

Ja, durch den Einsatz von KI sinkt das Budget auf etwa die Hälfte oder zwei Drittel, da die Arbeit hauptsächlich von einer Maschine erledigt wird und keine Sprechprofis in den Prozess eingebunden sind. 

STAR: Wie geht ihr vor, wenn eine Aufnahme nicht für KI geeignet ist?

Wir sind der Garant für Qualität, und wenn wir ernsthafte und berechtigte Zweifel daran haben, dass KI zum richtigen Ergebnis führt, informieren wir den Kunden. Kunden möchten aber auch persönliche Erfahrungen machen. Ich versuche dann zunächst, darauf hinzuweisen, nach dem Motto: „Seien Sie nicht enttäuscht, aber ich denke, dass KI für dieses spezielle Projekt nicht geeignet ist.“ Wenn ich das Gefühl habe, dass ich alles beschrieben habe, überlasse ich ihnen die Entscheidung. Aber in manchen Fällen ist sich der Kunde selbst unsicher und nimmt unsere Unterstützung dankbar an.

STAR: Vielen Dank, David, für diese äußerst interessante Diskussion über KI bei Audioaufnahmen.

KI-Stimmen sind noch nicht perfekt, und die menschlichen Stimmen gewinnen immer noch das Rennen. Sie sind in der Lage, Gefühle zu vermitteln und einen starken Eindruck zu hinterlassen. KI-Stimmen sind allerdings eine günstige Alternative. Lassen Sie sich gerne von uns beraten.

David Heider,
Inhaber eines STAR-Partner-Tonstudios in Tschechien

In der schnelllebigen Welt der Übersetzungs- und Lokalisierungsindustrie ist Effizienz der Schlüssel zum Erfolg. Eine Lösung, die dabei eine wichtige Rolle spielen kann, ist der Common Translation Interface (COTI) Standard, insbesondere in seiner hochentwickelten Form als COTI Level 3. Aber was genau verbirgt sich hinter diesem Standard und wie kann er Übersetzungsprozesse beschleunigen?

Was ist der COTI-Standard?

Der Common Translation Interface (COTI) Standard wurde speziell für die Übersetzungs- und Lokalisierungsindustrie entwickelt, um die Interoperabilität zwischen verschiedenen Softwaretools und Systemen zu verbessern. Der COTI-Standard definiert ein herstellerunabhängiges Format für den Austausch von Daten zwischen Translation Memory Systemen (TMS) und Redaktionssystemen, wie Content Management Systemen (CMS) und anderen Tools, die in der Branche verwendet werden.

Höherer COTI-Level, höhere Automatisierung

COTI Levels bauen aufeinander auf und bieten verschiedene Stufen der Integration und Automatisierung:

• Level 1 – Core Features: Übersetzungsdaten werden in einer definierten Struktur gespeichert, als ZIP-Datei mit der Endung .coti komprimiert und mit Meta-Informationen angereichert. Der Datenaustausch erfolgt manuell, doch durch die Meta-Informationen und fixe Struktur lassen sich die Pakete vom empfangenden System leicht interpretieren.
• Level 2 – Extended Features: Hier wird der Transfer der COTI-Datenpakete automatisiert. Das Redaktionssystem erzeugt ein Paket, das automatisch von einem TMS erkannt und importiert wird, sobald es in einen gemeinsamen Austauschordner (Hotfolder) gelegt wird, der permanent überwacht wird. Meta-Informationen ermöglichen dem empfangenden System beispielsweise eine automatisierte Auftrags-Anlage.
• Level 3 – Expert Features: Die höchste Stufe der Integration bietet eine vollautomatisierte Datenübertragung zwischen den Systemen. Es ist keine manuelle Erstellung oder Überwachung von Paketen mehr nötig. Stattdessen erfolgt der Austausch von Übersetzungsdaten und Meta-Informationen über eine API-Schnittstelle zwischen Redaktionssystem und TMS. Neben den Übersetzungsdaten können so auch Statusinformationen wie z.B. der Übersetzungsfortschritt übermittelt werden.

 

Vorteile der Vollautomatisierung mit COTI Level 3

Die Implementierung von COTI Level 3 bringt zahlreiche Vorteile mit sich, die den Übersetzungsprozess erheblich verbessern können:

• Schneller Datenaustausch: Durch die vollautomatisierte API-Schnittstelle werden Übersetzungsdaten nahtlos und ohne Verzögerungen zwischen Systemen ausgetauscht.
• Effizienzsteigerung: Große und komplexe Übersetzungsprojekte können effizienter bearbeitet werden, da keine manuellen Schritte mehr erforderlich sind.
• Rund-um-die-Uhr-Betrieb: Die Automatisierung ermöglicht einen kontinuierlichen Betrieb ohne menschliche Intervention, was zu einer rund-um-die-Uhr-Verfügbarkeit der Übersetzungsdaten führt.
• Sicherheit: Durch die Eliminierung manueller Schritte wird das Risiko menschlicher Fehler minimiert, was einen sichereren Datenaustausch gewährleistet.
• Zeit- und Kostenersparnis: Die Vollautomatisierung führt zu einer signifikanten Zeitersparnis und reduziert gleichzeitig den operativen Aufwand und die Kosten für Übersetzungsprojekte.

Fazit

Die Einführung von COTI Level 3 markierte einen bedeutenden Fortschritt in der Übersetzungsbranche, der nicht nur die Effizienz steigert, sondern auch die Qualität und Zuverlässigkeit der Übersetzungsprozesse verbessert. Durch die nahtlose Integration und automatisierte Datenübertragung können Unternehmen ihre globale Reichweite erweitern und gleichzeitig Zeit und Ressourcen sparen.

Aktuell können folgende Redaktionssyteme COTI-Pakete verschiedenster Levels ausspielen:

• Schema ST4 – Quanos
• TIM – Fischer
• COSIMA – DOCUFY
• docuglobe und XR – gds
• Smart Media Creator – EC Systems
• AEM – Adobe
• GRIPS – STAR
• uvm

Mit dem Translation Memory-System STAR Transit ^NXT und unserer Workflow-Lösung STAR CLM bieten wir Ihnen Anbindungen auf allen 3 Levels, um optimal, sicher und schnell Daten auszutauschen und Übersetzungsprozesse zu beschleunigen.

Wir verarbeiten Ihre COTI-Pakete automatisiert mittels STAR CLM! 

Lassen Sie sich beraten – nehmen Sie Kontakt auf.

Die sog. Large Language Models (LLMs) könnten zu einem starken Bindeglied zwischen Mensch und Maschine im Rahmen von Sprachprozessen werden.
Doch wo genau liegen die Vorteile dieser Technologie?

Dieser und weiteren wichtigen Fragen geht unser MT-Experte Julian Hamm im Rahmen des TechTalks „LLM Use Cases in Language Services“ von lingo systems nach und gewährt Einblicke in die Welt der Sprachtechnologien und CAT-Tool-Entwicklung.
Neugierig geworden?

STAR und lingo systems laden zum TechTalk ein

Sichern Sie sich jetzt Ihr kostenloses Ticket und seien Sie am 13.03.24 von 15 bis 16.30 Uhr live dabei. Der TechTalk findet auf Englisch statt.

Wir freuen uns auf Sie!