30. Mrz 2022

MT, PE, QA, auweh? Qualitäts­sicherung im Umgang mit
maschineller Übersetzung

Übersetzen mit Stift und Block? Wörterbücher schleppen und Terminologie-Listen ausdrucken? Wer sich bei diesem Gedanken ein wenig in die Studienzeit vor der Jahrtausendwende zurückversetzt fühlt, wird wahrscheinlich umso mehr spüren, wie sich der Übersetzungsprozess durch den Einsatz moderner Technologien bis dato verändert hat.

Die erste große Revolution stellten die immer potenter werdende Computerhardware und die damit einhergehenden Forschungen an automatisierten Übersetzungsworkflows dar. Der branchenweite Einsatz sogenannter CAT-Tools (Computer-Aided Translation), also Software, bei der bereits zuvor übersetzte Texte intelligent für Folgeprojekte wiederverwertet werden können, ließ nicht lange auf sich warten.

Mit der maschinellen Übersetzung wurde die zweite große Revolution eingeläutet. Grund also nun, den Menschen vor dem Computer nach Hause zu schicken und die Translatio ex machina zum Wundermittel zu erklären?

Wir meinen: Nein!

Denn wer maschinelle Übersetzung nachhaltig und effizient in bestehende Prozesse einbauen möchte, benötigt ein durchdachtes Qualitätssicherungskonzept, das nicht zuletzt die Arbeit unserer talentierten Sprachexpertinnen miteinschließt.

Beifall statt Unfall – wir zeigen Ihnen, worauf es ankommt!

Maschinelle Übersetzung (MT) im Arbeitsalltag

Der Einfluss von MT-Technologien auf das heutige Leben ist nicht zu leugnen. Mal ganz subtil im Hintergrund beim Scrollen durch ein Supportdokument, mal aktiv bei der Verwendung von Übersetzungssoftware zum Überwinden von Sprachbarrieren. Tagtäglich wachsen der Bedarf an Übersetzungen durch die zunehmende Globalisierung und das Bedürfnis der Menschen, Inhalte in ihrer eigenen Sprache zu konsumieren.

Dabei ergibt sich eine Vielzahl an Use Cases mit teilweise ganz unterschiedlichen Anforderungen – von der einfachen Informationsweitergabe zwischen Kolleginnen bis hin zu sprachlich und inhaltlich aufwendigen Texten für Zielmärkte mit anspruchsvoller Klientel.

Die Anforderungen an MT-Systeme sind hoch: mehr Content in weniger Zeit zu besseren Konditionen. Um hier mithalten zu können, ist gutes und nachhaltiges Training notwendig!

Artificial intelligence, machine learning and deep learning development infographic with icons and timeline

Gut trainiert ist halb gewonnen

Die Geschichte der MT geht zwar schon auf das 20. Jahrhundert zurück, doch erst in den letzten Jahren konnte sich durch die Fortschritte im Bereich der Sprachverarbeitung und des Deep Learning eine Technologie herauskristallisieren, die mit einer enormen Flexibilität und einem deutlichen Qualitätsvorsprung im Vergleich zu früheren Ansätzen aufwartet.

Bei diesen sogenannten neuronalen MT-Engines (NMT) werden zwei- oder mehrsprachige Textkorpora, die verifizierte Übersetzungen beinhalten, gesammelt, bereinigt und dann mit Hilfe von Deep-Learning-Algorithmen sprachliche Strukturen definiert. Durch mehrere Trainingsläufe werden die Ergebnisse überprüft und weiter perfektioniert. Dabei findet bei der NMT sogar eine Kontextualisierung der Informationen in Form von Wortclustern statt, über die das System entscheiden kann, mit welcher Wahrscheinlichkeit bestimmte Wortkombinationen in Erscheinung treten.

Verblüffend, nicht wahr? Aber auch nicht fehlerfrei!

Denn nicht zuletzt entscheidet vor allem die Qualität des verwendeten Trainingsmaterials über den MT-Output.

Enthalten Ihre Texte falsche Terminologie, Inkonsistenzen oder Bezugsfehler? Dann wird die MT-Engine diese Fehler mit großer Wahrscheinlichkeit ebenfalls produzieren.

Checkliste

Wir führen Sie Schritt für Schritt durch die wichtigsten Fragestellungen in Bezug auf die Einführung einer MT-Lösung.

Download Checkliste

Whitepaper

Möchten Sie maschinelle Übersetzung effizient und nachhaltig einsetzen?
Erfahren Sie mehr in unserem Whitepaper. Wir unterstützen Sie bei der Implementierung der passenden Lösung.

Mehr Informationen zum Thema Maschinelle Übersetzung

Maschinelle Übersetzung

23. Nov 2020

STAR proudly presents: Unsere Kolleginnen Birgit M. Hoppe und Birgitta Geischberg tragen mit ihrem Artikel „Quality of terminology processes in corporate contexts / Agreeing and harmonizing terminology” zum soeben erschienenen Werk von Jean-Marc Dalla-Zuanna und Dr. Christopher Kurz bei.

11. Feb 2020

Ab sofort steht die standardisierte und herstellerübergreifende Referenzterminologie für die Automotive-Branche bereit. Sie entstand im Rahmen eines EU-Projekts mit dem Ziel, so genannten „berechtigten Dritten“ (unabhängigen Werkstätten, Prüfinstituten usw.) den Zugang zu Reparatur- und Wartungsinformationen (RMI) der Fahrzeughersteller zu erleichtern (Norm EN ISO 18542).

Newsletter Anmeldung

Erhalten Sie regelmäßig Informationen über STAR Produkte, Dienstleistungen, Neuheiten und vieles Mehr.