Maschinelle Übersetzung erklärt: Typen, Anwendungsfälle und bewährte Praktiken

Die Verwendung von Computern zur Übersetzung von Texten von einer Sprache in eine andere ist seit langem ein Traum der Informatik. Dennoch ist es erst im letzten Jahrzehnt, dass maschinelle Übersetzung (MT) zu einem praktikablen Produktivitätswerkzeug in breiterem Einsatz geworden ist. Fortschritte in der Verarbeitung natürlicher Sprache, künstliche Intelligenz (KI) und Rechenleistung tragen alle zu dieser zunehmend nützlichen Technologie bei.

Um Ihnen zu helfen, die Vor- und Nachteile besser zu verstehen, wird dieser Leitfaden die maschinelle Übersetzung definieren und ihre Typen und Vorteile mit vielen Beispielen und Tipps erklären. Sie werden auch lernen, wie man MT in bestehende Übersetzungs- und Lokalisierungsabläufe integriert. Schließlich wird umrissen, was die beste Software für maschinelle Übersetzung ausmacht, um Ihre Arbeitsabläufe zu unterstützen und Wachstum für Ihr globales Geschäft voranzutreiben.

Was ist maschinelle Übersetzung?

Maschinelle Übersetzung ist der Prozess der automatischen Übersetzung von Texten von einer natürlichen Sprache in eine andere mithilfe einer Computeranwendung. Das bedeutet, dass Sie Text zu Software für maschinelle Übersetzung in der Ausgangssprache hinzufügen und das Tool den Text automatisch in die ausgewählte Zielsprache überträgt.

Die Anfänge der maschinellen Übersetzung

Übersetzung war eine der ersten Anwendungen der Rechenleistung, die in den 1950er Jahren mit dem berühmten Georgtown-IBMExperiment begann. Dennoch war die Komplexität der Aufgabe weit höher als die Schätzungen der frühen Informatiker—es erforderte enorme Datenverarbeitungsleistung und Speicher, die weit über die Fähigkeiten der frühen Maschinen hinausgingen.

Erst in den frühen 2000er Jahren wurden die Software, die Daten und die erforderliche Hardware fähig, grundlegende maschinelle Sprachübersetzungen durchzuführen. Frühe Entwickler verwendeten statistische Datenbanken von Sprachen, um Computern das Übersetzen von Texten „beizubringen“. Das Training dieser Maschinen erforderte viel manuelle Arbeit, und jede hinzugefügte Sprache erforderte einen Neuanfang mit der Entwicklung für diese Sprache.

Maschinelle Übersetzung heute

Im Jahr 2016 implementierte Google eine Schlüsselinnovation in der MT-Technologie, indem es zu einem neuronalen Lernmodell wechselte, das auf Forschungen aus dem Jahr 2014 basierte. Dieser Ansatz beinhaltete das Training der MT-Engines mit KI und erwies sich als weitaus effizienter und schneller als Googles Hauptstatistik-MT-Engine. Es zeigte auch bemerkenswerte Verbesserungen der Übersetzungsqualität, als es verwendet wurde.

Neurale maschinelle Übersetzung erwies sich als so effektiv, dass Google den Kurs änderte und es als sein primäres Entwicklungsmodell übernahm. Andere große Anbieter, darunter Microsoft und Amazon, folgten bald und die ständig steigende Qualität steigerte den Wert von MT als Ergänzung zur Übersetzungstechnologie.

Viele Lösungen für Übersetzungs- und Lokalisierungstechnologien haben jetzt integrierte Funktionen für maschinelle Sprachübersetzung, um Unternehmen zu helfen, den ständig wachsenden Bedarf zu decken, Sprachbarrieren auf dem globalen Markt zu überwinden. Mehr dazu später in diesem Leitfaden.

Wie funktioniert maschinelle Übersetzung?

Im Laufe der Zeit hat die Entwicklung der maschinellen Übersetzung mehrere Arten von maschinellen Übersetzungssystemen hervorgebracht, von denen jedes seine eigenen Stärken und Schwächen hat. Die 3 häufigsten Arten der maschinellen Übersetzung sind regelbasierte, statistische und neurale maschinelle Übersetzung.

Regelbasierte maschinelle Übersetzung (RBMT)

Die früheste Form der maschinellen Übersetzung, regelbasierte MT, basierte auf einem großen, vordefinierten Satz linguistischer Regeln, die der Software halfen, die Bedeutung von Texten zwischen Sprachen zu übertragen. Insgesamt hatte sie eine niedrige Übersetzungsqualität und erforderte das manuelle Hinzufügen von Sprachen sowie eine erhebliche Menge an menschlichem Post-Editing.

Regelbasierte MT wird heute selten verwendet.

Statistische maschinelle Übersetzung (SMT)

Statistische MT erstellt ein statistisches Modell der Beziehungen zwischen Wörtern, Phrasen und Sätzen in einem gegebenen Text. Es wendet das Modell auf eine zweite Sprache an, um diese Elemente in die neue Sprache zu konvertieren. Dadurch verbessert es sich gegenüber der regelbasierten MT, teilt jedoch viele der gleichen Probleme.

Statistische MT wird größtenteils durch neurale MT ersetzt und wird manchmal für legacy maschinelle Übersetzungssysteme verwendet.

Neurale maschinelle Übersetzung (NMT)

Neurale MT verwendet KI, um Sprachen zu „lernen“ und ihr Wissen ständig zu verbessern, ähnlich wie die neuronalen Netze im menschlichen Gehirn. Im Gegensatz zur Ausführung eines Satzes vordefinierter Regeln ist das neuronale Netzwerk eines MT-Engines verantwortlich für das Kodieren und Dekodieren des Ausgangstextes.

Neurale MT ist genauer, ermöglicht das Hinzufügen weiterer Sprachen und funktioniert viel schneller, sobald sie trainiert ist – was sie zum heutigen Standard in der MT-Technologieentwicklung macht.

Zeitachse der Entwicklungsgeschichte der maschinellen Übersetzung

Automatisierte vs. maschinelle Übersetzung: Der Unterschied erklärt

Automatisierte Übersetzung und maschinelle Übersetzung werden oft als dasselbe verwechselt, sind jedoch nicht austauschbare Begriffe, da sie völlig unterschiedliche Funktionen erfüllen.

Automatisierte Übersetzung bezieht sich auf alle Auslöser, die in ein traditionelles computerunterstütztes Übersetzungstool (CAT-Tool) oder ein cloudbasiertes Übersetzungsmanagementsystem (TMS) integriert sind, um manuelle oder sich wiederholende Aufgaben im Zusammenhang mit der Übersetzung auszuführen. Es zielt darauf ab, den gesamten Übersetzungsprozess effizienter zu gestalten.

Zum Beispiel kann die automatisierte Übersetzung verwendet werden, um die maschinelle Übersetzung von Text als eine der vielen Aufgaben in einem Übersetzungsworkflow auszulösen.

Maschinelle Übersetzung bezieht sich auf die Umwandlung von Text von einer natürlichen Sprache in eine andere mithilfe von Software. Mit anderen Worten, es gibt keinen menschlichen Input, wie bei der traditionellen Übersetzung. Deshalb ist die maschinelle Übersetzung auch bekannt als automatische Übersetzung.

Wichtige Anbieter von maschineller Übersetzung

Führende Entwickler von Technologie der maschinellen Übersetzung, wie Google, Microsoft oder Amazon, verwenden derzeit eine Art von neuronaler MT als ihre bevorzugte Methodik – da sie sowohl nuanciertere Übersetzungen als auch das ständige Hinzufügen von Sprachpaaren ermöglicht. Diese Wachstumsfähigkeit wird dadurch ermöglicht, dass maschinelle Übersetzungsmaschinen lernen und sich verbessern können, während sie häufiger verwendet werden.

Maschinelle Übersetzungsmaschinen arbeiten auf der Grundlage von Trainingsdaten. Je nach Ihren Bedürfnissen können die Daten allgemein oder benutzerdefiniert sein:

• Allgemeine Daten sind einfach die Gesamtheit aller Daten, die im Laufe der Zeit aus allen durch die maschinelle Übersetzungsmaschine durchgeführten Übersetzungen gelernt wurden. Es ermöglicht ein verallgemeinertes Übersetzungstool für alle Arten von Anwendungen, einschließlich Text, Sprache und vollständigen Dokumenten – einschließlich Formatierung.
• Benutzerdefinierte Daten sind Daten, die einer MT-Maschine zugeführt werden, um eine Spezialisierung in einem Fachgebiet wie Ingenieurwesen oder einer anderen Disziplin mit eigener Terminologie aufzubauen.

Generische maschinelle Übersetzungsmaschinen

Die größten Anbieter von maschineller Übersetzung haben alle auf NMT umgestellt – jeder auf seine eigene Weise. Einerseits gibt es den Ansatz, ein breiteres Publikum durch ein kostenloses, benutzerfreundliches Tool zu erreichen. Andererseits ermöglichen es einige Engines auch, das Tool an spezifischere Geschäftsbedürfnisse anzupassen. Schauen wir uns die beliebtesten, allgemeinen MT-Engines an:

Google Translate

Google Übersetzer gilt als eine der führenden MT-Engines, basierend auf Nutzung, Anzahl der Sprachen und Integration mit der Suche. Google Übersetzer war einer der ersten Mainstream-Anbieter, der NMT übernommen hat. Die Genauigkeit von Google Übersetzer war sowohl für Geschäftsinhaber als auch für Experten der Sprachindustrie ein Punkt von Interesse und Kontroversen.

Amazon Translate

Amazon Übersetzer ist ebenfalls neuralbasiert und eng mit Amazon Web Services (AWS) integriert. Es mag für viele nicht unerwartet sein, dass Amazon Übersetzer in nur kurzer Zeit seit seiner Einführung im Jahr 2017 beeindruckende Ergebnisse erzielt hat, angesichts der Stärke seines Mutterunternehmens.

Microsoft Translator

Ein weiterer cloudbasierter neuronaler Engine, Microsoft Translator ist eng mit MS Office und anderen Microsoft-Produkten integriert und bietet sofortigen Zugriff auf Übersetzungsfunktionen innerhalb eines Dokuments oder anderer Software.

DeepL

DeepL ist das Produkt eines in Deutschland ansässigen Unternehmens, das sich ausschließlich der Entwicklung einer maschinellen Übersetzungsmaschine widmet. Es behauptet, eine nuanciertere und natürlichere Ausgabe basierend auf seiner proprietären neuronalen KI zu haben.

Systran Übersetzer

Systran war das erste Unternehmen, das jemals maschinelle Übersetzung zu kommerziellen Zwecken angeboten hat. Gegründet im Jahr 1968, verfolgt es weiterhin die neuesten Technologien und führt selbst einige interessante Innovationen ein – die neueste ist die reine neuronale maschinelle Übersetzung (PNMT).

Benutzerdefinierte maschinelle Übersetzungsmaschinen

Benutzerdefinierte maschinelle Übersetzungsmaschinen werden trainiert, um besser für spezifische Inhaltsarten zu funktionieren – auch bekannt als Fachbereiche, z.B. technische oder juristische Übersetzungen – oder gemäß spezifischen Unternehmensrichtlinien. Der Schlüssel dazu sind relevante und qualitativ hochwertige Trainingsdaten im jeweiligen Fachbereich, die verwendet werden können, um die MT-Engine zu „lehren“, ähnliche Übersetzungen für diesen spezifischen Anwendungsfall in der Zukunft durchzuführen. Eine der einfachsten Möglichkeiten, MT-Engines anzupassen, ist die Verwendung von Glossaren für maschinelle Übersetzung.

Google AutoML und Microsoft benutzerdefinierter Übersetzer sind 2 häufig verwendete Lösungen für benutzerdefinierte maschinelle Übersetzung.

Wenn gut implementiert, kann benutzerdefinierte MT Ausgaben mit deutlich höherer Qualität als generische MT liefern. Dennoch erfordert die Anpassung der maschinellen Übersetzung eine gewisse Fähigkeit und Anstrengung. Die vollständige Anpassung einer MT-Engine kann eine komplexe Aufgabe sein, und jede Anpassung wird einzigartig sein.

Vorteile der maschinellen Übersetzung

Bevor das neuronale Lernen eingeführt wurde, war MT immer noch ein sehr nischenprodukt, das Übersetzungen von unterschiedlicher Qualität erzeugte – manchmal grenzend an unleserlich oder humorvoll. Moderne maschinelle Übersetzungstools haben das weitgehend verändert und werden zunehmend unverzichtbar in der Geschäftskommunikation.

Erhöhte Geschwindigkeit und Volumen

Mit fortlaufenden Verbesserungen in den Algorithmen des maschinellen Lernens und der Hardware-Technologie wird MT noch schneller und effizienter. Es ist nicht nur in der Lage, Millionen von Wörtern fast sofort zu übersetzen, sondern verbessert sich auch kontinuierlich, während mehr Inhalte übersetzt werden.

Für Projekte mit hohem Volumen verarbeitet MT nicht nur Volumen mit Geschwindigkeit, sondern kann auch mit anderen Softwareplattformen wie Inhalts- oder Übersetzungsmanagementsystemen integriert werden, um diese Inhalte zu organisieren. Dies macht es möglich, Organisation und Kontext zu bewahren, während die Inhalte in mehrere Sprachen übersetzt werden.

Verbesserte Zugänglichkeit

Mit den großen MT-Anbietern, die bis zu 100 Sprachen anbieten – und einige sogar mehr – können Übersetzungen gleichzeitig an mehrere Zielmärkte geliefert werden. Dies schafft eine Win-Win-Situation für Unternehmen und Kunden.

Durch die Beseitigung von Sprachbarrieren und die Verbesserung des Kundenerlebnisses hat MT die Zugänglichkeit von Inhalten, Produkten und Dienstleistungen für potenzielle Käufer weltweit erhöht. Gleichzeitig können Unternehmen durch die Erreichung eines breiteren Publikums ihren Marktanteil erheblich erweitern und ihre Gewinnspanne verbessern.

Reduzierte Kosten

Die Kombination aus hoher Durchsatzgeschwindigkeit und der Möglichkeit, aus bestehenden Sprachpaaren zu wählen, die Dutzende von Kombinationen abdecken, bedeutet, dass die Nutzung von maschinellen Übersetzungsdiensten Kosten und Zeit für die Lieferung senken kann, selbst wenn menschliche Übersetzer weiterhin die Arbeit nachbearbeiten.

Grundsätzlich erledigt MT die anfängliche schwere Arbeit, indem es grundlegende, aber nützliche Übersetzungen bereitstellt. Menschliche Übersetzer verfeinern dann diese grundlegenden Versionen, um die ursprüngliche Absicht des Inhalts genauer widerzuspiegeln und eine ordnungsgemäße Lokalisierung pro Region sicherzustellen.

Ein Blick auf die Einschränkungen der maschinellen Übersetzung

Die relativ niedrigen Kosten und die minimale Latenz machen MT zu einer attraktiven Option für Unternehmen, die effizient ihre globale Reichweite erweitern möchten. Es ist jedoch wichtig zu erkennen, dass MT wie jede Technologie mit ihren eigenen Einschränkungen verbunden ist.

Die meisten Probleme können effektiv durch die Integration menschlicher Expertise verwaltet werden – zum Beispiel, Post-Editing der maschinellen Übersetzung (MTPE) – und zunehmend durch die Anpassung Ihrer eigenen maschinellen Übersetzungs-Engine.

Beide Ansätze können helfen, ein Gleichgewicht zwischen Effizienz und sprachlicher Präzision zu finden, sodass Unternehmen die Stärken von MT nutzen können, während sie die inhärenten Einschränkungen angehen. Lassen Sie uns einige häufige Probleme im Zusammenhang mit MT betrachten.

Implementierung maschineller Übersetzung in bestehende Übersetzungsabläufe

Wie bereits erwähnt, sind die niedrigen Kosten und die fehlende Latenz von MT überzeugende Gründe für viele wachsende Unternehmen, maschinell übersetzte Inhalte in die Automatisierung von Übersetzungs- und Lokalisierungsabläufen einzubeziehen.

Die Implementierung einer effektiven Strategie für maschinelle Übersetzung muss keine entmutigende Aufgabe sein, wenn Sie auf modernste Cloud-Übersetzungstechnologie setzen, die Automatisierung und optimiertes Übersetzungsmanagement ermöglicht.

Zum Beispiel haben Übersetzungsmanagementsysteme integrierte Einstellungen, um Übersetzungen automatisch auszuführen und das Output als Teil des Übergabematerials an den menschlichen Übersetzer zu senden. 

Indem Sie einige wesentliche Schritte und bewährte Verfahren befolgen, kombiniert mit einem zuverlässigen Übersetzungsmanagementsystem, können Sie den Weg für einen nahtlosen Prozess der maschinellen Übersetzung im Unternehmen auf lange Sicht ebnen.

Maschinelle Übersetzung vs. menschliche Übersetzung: Das richtige Gleichgewicht für den richtigen Anwendungsfall

Da sich die maschinelle Sprachübersetzung weiterentwickelt, wird die Entscheidung zwischen der Nutzung von maschineller oder menschlicher Übersetzung zu Beginn eines Lokalisierungsprojekts immer weniger relevant. Immer mehr Unternehmen, Sprachdienstleister (LSP) und Übersetzer erkennen die Vorteile von Post-Editing der maschinellen Übersetzung (MTPE), bei dem menschliche Linguisten maschinell übersetzten Inhalt bearbeiten.

Post-Editing der maschinellen Übersetzung wird jetzt weitgehend als eine praktikable Alternative zum Übersetzen von Texten von Grund auf angesehen.

Bei der Entscheidung über die geeignete Übersetzungsmethode ist es hilfreich, Ihren Inhaltstyp und die Sprachpaare zu berücksichtigen. Im Allgemeinen ist MT gut geeignet für strukturiertere Inhalte wie technische, rechtliche und geistige Eigentumsdokumentation sowie interne Kommunikation. Im Gegensatz dazu würden Marketingmaterialien und andere kundenorientierte Inhalte von einem menschlicheren Ansatz profitieren.

Lassen Sie uns 3 wichtige Inhaltstypen erkunden, um die effektivste Übersetzungsmethode für die besten Ergebnisse zu bestimmen.

Verwenden Sie rohe maschinelle Übersetzung für Inhalte mit geringem Einfluss und eindeutigen Inhalten

Maschinelle Übersetzung wird als „roh“ bezeichnet, wenn die Ausgabe keiner menschlichen Überarbeitung unterzogen wird. Im Allgemeinen ist es am besten, rohe maschinelle Übersetzung für alles zu verwenden, was Ihre Marke nicht gefährden kann:

• Inhalte mit geringer Sichtbarkeit oder geringem Verkehr, wie interne Dokumentation, Fußzeilen von Websites, Social-Media-Beiträge zur Sentimentanalyse usw.
• Wiederholende technische Inhalte, die nicht 100% genau sein müssen, sondern umsetzbar sind, wie Bedienungsanleitungen
• Benutzergenerierte Inhalte wie Produktbewertungen, bei denen Verbraucher im Allgemeinen eine geringe Qualität erwarten
• Schnell verderbliche Inhalte, wie Chat- oder E-Mail-Supportnachrichten, Kundenanfragen usw.
• Große Mengen an Inhalten mit kurzer Bearbeitungszeit, wie Hunderte von Produktbeschreibungen, die schnell online gehen müssen
• Häufig geänderte Inhalte wie Funktions- und Informationsupdates

Wenn Sie sich für rohe maschinelle Übersetzung entscheiden, ist es wichtig sicherzustellen, dass Sie die leistungsstärkste maschinelle Übersetzungs-Engine für Ihr Sprachpaar und Ihren Inhalt verwenden. Dies erfordert umfangreiche Tests oder die Verwendung einer integrierten Auto-Auswahlfunktion.

Leichtes oder vollständiges Post-Editing auf sensiblere Inhalte anwenden

Für Qualitätszwecke erfordern einige Inhaltstypen und Situationen das Post-Editing von maschinellen Übersetzungs-Ausgaben durch einen menschlichen Übersetzer. Diese Bearbeitung kann entweder leicht (LPE) oder vollständig (FPE) sein.

Gute Nachrichten: Sie können die Arbeit von Post-Editoren mit traditioneller Übersetzungstechnologie wie Glossaren, Terminologiedatenbanken und Übersetzungsspeichern sowie Markenhandbüchern und Stilrichtlinien unterstützen. Dies wird die Markenstimme und die Schlüsselbotschaften über Kulturen und Sprachen hinweg einheitlich halten und ist mit MTPE sehr machbar.

Moderne Übersetzungstechnologie ermöglicht es auch, die Qualität der maschinellen Übersetzungs-Ausgaben zu identifizieren und zu schätzen, um die Post-Editing-Ressourcen dort zu konzentrieren, wo sie am dringendsten benötigt werden. Dennoch erfordern als allgemeine Richtlinie die folgenden Fälle MTPE:

• Produktbezeichnungen: Sie sind sehr informativ und prägnant, enthalten oft Eigennamen und mehrdeutige Wörter, und ihre Wortstellung ist normalerweise relativ frei, was zu Mehrdeutigkeiten führen kann.
• Übersetzungen zwischen Sprachpaaren mit unterschiedlicher Syntax, wie Japanisch und Spanisch, da die Umstellung von Wörtern und Phrasen zu gut gebildeten Sätzen für maschinelle Übersetzungs-Engines herausfordernder wird.
• Produktbeschreibungen: Sie müssen gut formuliert sein und die Merkmale oder Vorteile des Produkts klar angeben, ohne Raum für Mehrdeutigkeiten zu lassen.
• Inhalte mittlerer Sichtbarkeit, die so genau wie möglich sein müssen: Wissensdatenbank, FAQs, Warnungen usw.
• Backend-Meta-Informationen wie Bild-Alt-Texte und Bildunterschriften: Obwohl ihre Sichtbarkeit gering ist, muss ein Mensch sicherstellen, dass die Schlüsselwörter in der Zielsprache vorhanden sind.

Halten Sie sich an menschliche Übersetzungen, wenn Branding und Kultur ins Spiel kommen

Markensensible, stark frequentierte und langlebige Inhalte sollten am besten in den Händen menschlicher Experten bleiben. Mit anderen Worten, es ist im Allgemeinen ratsam, maschinelle Übersetzung zu vermeiden, wenn das Ziel darin besteht, das Publikum zu engagieren, zu unterhalten oder zu beruhigen.

In solchen Fällen ist ein menschlicher Touch Ihre beste Wahl, was bedeutet, dass ein menschlicher Übersetzer die Botschaft in der Zielsprache auf nicht wörtliche Weise neu erstellen muss – Sie haben vielleicht von diesem Prozess als „Transkreation“ gehört. Es handelt sich um:

• Startseiten
• Werbe-Landingpages
• Blogbeiträge
• Newsletter-Kampagnen
• Pressemitteilungen
• SEO-Inhalte
• Druckwerbung usw.

Was macht die beste Software für maschinelle Übersetzung aus?

Die Wahl des besten Tools für maschinelle Übersetzung kann komplex sein, da sowohl allgemeine als auch spezialisierte MT-Engines einzigartige Vorteile und Einschränkungen haben.

Deshalb sollten Sie, unabhängig davon, ob Sie den MT-Prozess selbst besitzen oder auf einen externen Dienst für maschinelle Übersetzung angewiesen sind, idealerweise Zugang zu verschiedenen MT-Engines an einem Ort haben, um das Beste aus der maschinellen Übersetzung herauszuholen.

Die Nutzung eines Übersetzungsmanagementsystems als Quelle der Wahrheit für alle Übersetzungsaktivitäten ermöglicht 3 Schlüsselfaktoren für den erfolgreichen Einsatz von MT:

• Automatische Auswahl der optimalen MT-Engine für Ihren Inhaltstyp
• Qualitätsschätzung zur Verbesserung der Effizienz beim Post-Editing
• Verfolgung wichtiger Kennzahlen zur Optimierung der Produktivität, der Durchlaufzeiten und der Kosteneinsparungen

Auswahl der optimalen MT-Engine für Ihren Inhaltstyp – automatisch

Verschiedene Übersetzungsprojekte können unterschiedliche Ebenen und Arten von Raffinesse erfordern. Das ist einer der Gründe, warum die Nutzung von MT als Teil eines Übersetzungsmanagementsystems so vorteilhaft ist.

Um das Beste aus MT herauszuholen, müssen Sie in der Lage sein, die richtige Engine für jede Art von Inhalt zuzuweisen – und die robustesten Übersetzungsmanagementsysteme verfügen über Plugins oder Programmierschnittstellen (API), die sie mit verschiedenen MT-Engines verbinden.

Die fortschrittlichsten Systeme bieten sogar die Möglichkeit, den Auswahlprozess basierend auf künstlicher Intelligenz oder Algorithmen zu automatisieren, die den Inhalt scannen und ihn mit der optimalen MT-Engine abgleichen.

Qualitätsschätzung zur Verbesserung der Effizienz beim Post-Editing

Ein wesentlicher Bestandteil einer erfolgreichen MT-Implementierung ist zu wissen, wo man die Post-Editing-Bemühungen lenken sollte. Wenn Sie in der Lage sind, die Qualität des MT-Outputs automatisch zu messen, können Sie sich auf die richtigen Segmente konzentrieren, anstatt Zeit und Ressourcen dort zu verschwenden, wo der Rohoutput bereits von guter Qualität ist.

Dies nimmt das Rätselraten aus MT und verbessert die Effizienz des Post-Editings, und es ist ein weiterer Grund, warum die Verwendung von MT, das in ein TMS integriert ist, vorteilhaft ist: Die ausgeklügeltsten Systeme beinhalten automatische Qualitätsbewertungskapazitäten für maschinelle Übersetzung, die identifizieren können, welche Segmente mehr Aufmerksamkeit benötigen als andere.

Verfolgung wichtiger Kennzahlen zur Optimierung der Produktivität, der Durchlaufzeiten und der Kosteneinsparungen

Wie oben erwähnt, ist MT für viele Organisationen attraktiv, weil es das Potenzial für erhöhte Produktivität, schnellere Durchlaufzeiten und letztendlich Kosteneinsparungen bietet. Allerdings erfüllen nicht alle MT-Engines dieses Versprechen gleichmäßig, daher ist es entscheidend, die Mittel zu haben, um zu vergleichen, wie verschiedene Engines den Prozess beeinflussen können.

Ein starkes TMS ermöglicht es Ihnen, die Zeit und Kosten jedes Übersetzungsprojekts, bei dem MT angewendet wird, zu verfolgen. Bei der Verwendung mehrerer MT-Engines können diese Kennzahlen ein starker Indikator für den Wert einer Engine sein: Erhöht oder verlangsamt es die Produktivität der Übersetzer? Zeigt es über die Zeit verbesserte Effizienzen im Vergleich zu anderen Engines an? Die Antworten auf diese Fragen geben Ihnen ein besseres Gefühl für ihre Fähigkeiten.

Nutzen Sie die Vorteile der maschinellen Übersetzung mit Phrase TMS

Wenn Unternehmen maschinelle Übersetzung in großem Maßstab nutzen müssen, benötigen sie Technologie, die ihnen das Beste aus beiden Welten bieten kann: Effizienz und Qualität.

Phrase TMS, das unternehmensbereite Übersetzungsmanagementsystem innerhalb der Phrase Localization Platform, macht es wachsenden Unternehmen mühelos, maschinelle Übersetzung zu nutzen. Organisationen erreichen eine beispiellose Fähigkeit, schneller und effizienter in neue Märkte einzutreten.

Phrase TMS-Nutzer können ein dediziertes Add-on für maschinelle Übersetzung verwenden, Phrase Language AI, um MT in ihren Übersetzungsworkflow mit schnellen und kosteneffizienten Übersetzungen zu implementieren, die die Qualität nicht beeinträchtigen.

Vollständig in Phrase TMS integriert, ermöglichen die fortschrittlichen MT-Management-Funktionen, die mit Phrase Language AI geliefert werden, Ihnen:

• Beginnen Sie sofort mit der Übersetzung, ohne Entwicklerzeit oder -aufwand unter Verwendung von vollständig verwalteten MT-Engines von führenden Anbietern wie Google, Amazon, DeepL oder Microsoft.
• Fügen Sie manuell eine der 30+ unterstützten generischen und benutzerdefinierten Engines hinzu, wenn Sie jemals eine bestimmte MT-Engine verwenden möchten.
• Erweitern Sie die hochwertige MT auf jeden Mitarbeiter: Die leistungsstarke Phrase Language AI API ermöglicht es Ihnen, den Wert von MT mit unternehmensweitem Zugriff zu skalieren, um genehmigte maschinelle Übersetzungen zu sichern.
• Genießen Sie unbegrenzte maschinelle Übersetzung für Post-Editing-Workflows, damit Linguisten effizienter arbeiten können.
• Arbeiten Sie mit der besten Engine—automatisch ausgewählt, basierend auf Ihrem Sprachpaar und Inhaltstyp.
• Filtern Sie automatisch Inhalte<1>, die nicht maschinell übersetzt werden sollten.
• Delegieren Sie Qualitätstests, rechtliche und sicherheitstechnische Bewertungen, Einrichtung und Zahlung von maschinellen Übersetzungs-Engines an dedizierte Experten für maschinelle Übersetzung im Phrase-Team.
• Nutzen Sie Ihre Übersetzungsspeicher, um die Übersetzungsqualität um bis zu 50 % mit Phrase NextMT—der ersten TMS-fähigen MT-Engine.
• Stellen Sie sicher, dass die MT-Engines Ihre bevorzugte Terminologie mit der korrekten morphologischen Flexion verwenden—was den Aufwand für das Post-Editing reduziert.
• Bewahren Sie die Formatierung und Platzhalter-Tags automatisch vom Quell- zum Zielinhalt.
• Erhalten Sie eine Kennzahl für jedes maschinell übersetzte Segment, basierend auf früheren Leistungsdaten, um nur dort zu post-editieren, wo es nötig ist.
• Erzielen Sie Einsparungen von bis zu 55 % mit MTPE im Vergleich zur menschlichen Übersetzung.