DeepL für maschinelle Übersetzung erkunden: Wie es funktioniert und wie genau es ist

Das Versprechen, effiziente und genaue Kommunikation über Sprachen hinweg zu ermöglichen, war eine treibende Kraft hinter der Entwicklung der maschinelle Übersetzung (MT). Was in den 1950er Jahren als experimentelles Unterfangen begann – Übersetzung war eine der ersten Anwendungen der Rechenleistung – wurde im 21. Jahrhundert zu einem nützlichen Produktivitätswerkzeug.

Heute revolutionieren KI-gesteuerte maschinelle Übersetzungstools die globalen Geschäftsabläufe. Einer der führenden MT-Anbieter ist DeepL, ein Neuronale maschinelle Übersetzung (NMT) Technologieanbieter mit Sitz in Deutschland. In diesem Leitfaden wird erläutert, wie DeepL funktioniert, seine Vor- und Nachteile sowie die besten Praktiken für den Einsatz in professionellen Übersetzungsprojekten.

Was ist DeepL? Eine kurze Übersicht

DeepL wurde 2009 in Deutschland als Linguee gegründet, ein Online-Wörterbuch, das ein Neuronale maschinelle Übersetzungssystem schaffen wollte, das Übersetzungen von viel höherer Qualität als das traditionelle statistische maschinelle Übersetzung (SMT) produzieren sollte.

Die Ingenieure von DeepL haben die neueste Deep-Learning-Technik angewendet – daher der Name des Unternehmens – um die Modelle mit den vorhandenen Daten aus der Linguee-Datenbank zu trainieren.

Seit 2017 ist DeepL extrem beliebt –mehr als eine Milliarde Menschen haben die Dienste bis heute genutzt. Es bietet Unterstützung für 28 Sprachen, mit 650 möglichen Übersetzungskombinationen.<10>

Es kann zwischen der kostenlosen und der kostenpflichtigen Version von DeepL sowie zwischen der Weboberfläche und dem eigenständigen Übersetzer gewählt werden. Die kostenlose Version eignet sich für den persönlichen Gebrauch, während die kostenpflichtige Version mehr Funktionen für Unternehmen bietet.

DeepL ist jetzt aber nicht mehr nur ein Übersetzungsdienst. Jetzt hat es sich auch an der Künstlichen Intelligenz<13>} versucht, mit einem Schwerpunkt auf Textgenerierung. Das neueste Angebot, DeepL Write, das Anfang 2023 gestartet wurde, soll ein englischer Schreibassistent werden und Rivalen wie Grammarly übertreffen.

Wie funktioniert DeepL?

Nicht jede maschinelle Übersetzung ist gleich, und mit der Zeit sind die Systeme immer ausgefeilter geworden. Bis 2016 waren MT-Systeme entweder regelbasiert – sie stützten sich auf zahlreiche manuell erstellte Regeln – oder statistisch – sie übersetzten auf Basis von mehrsprachigen Korpora (großen Mengen paralleler Texte) wort- oder phrasenbasiert und suchten nach statistischen Mustern.

Heutzutage nutzen die meisten gängigen MT-Systeme neuronale Netzwerke. Das wird als Neuronale maschinelle Übersetzung bezeichnet, eine Form des End-to-End-Lernens, bei der das neuronale Netzwerk des Programms bei jedem Schritt den gesamten Eingabesatz berücksichtigt, wenn es den Ausgabesatz generiert, anstatt nur ein paar Wörter auf beiden Seiten des übersetzten Begriffs.<7>

DeepL ist ein Beispiel für ein System der Neuronalen maschinellen Übersetzung – dank Deep-Learning-Algorithmen entstehen Übersetzungen, die menschlicher wirken als die von statistischen MT-Engines erzeugten. Die Netzwerkarchitektur ermöglicht es auch, aus riesigen Datenmengen zu lernen und sich an neue Kontexte anzupassen.

DeepLs Funktionen analysiert

Wie bereits erwähnt, liegt die Stärke von DeepL in seinem NMT-System, das im Vergleich zu traditionellen statistischen MT-Methoden genauere und natürlicher klingende Übersetzungen erzeugt. Schauen wir uns einige der herausragenden Fähigkeiten an:

• Unterstützung für mehrere Sprachen: DeepL unterstützt Übersetzungen zwischen vielen Sprachen, darunter Englisch, Spanisch, Französisch, Deutsch, Chinesisch, Japanisch und vielen mehr. Texte können nahtlos zwischen verschiedenen Sprachpaaren übersetzt werden, ohne dass separate Tools benötigt werden.
• Kontextbewusstsein: Die KI-Engine, die DeepL nutzt, versteht den Kontext des Eingabetextes, um sicherzustellen, dass die Übersetzungen kontextuell genauer sind und die beabsichtigte Bedeutung erhalten bleibt. Das kann hilfreich sein, wenn es um idiomatische Ausdrücke und komplexe Sätze geht.
• Übersetzungsqualität: DeepL ist für seine Übersetzungsqualität bei bestimmten Sprachpaaren bekannt, was von den Nutzern sehr geschätzt wird. Die Fähigkeit, den Kontext zu erfassen und präzise Übersetzungen bereitzustellen, wird sowohl von Profis als auch von Sprachbegeisterten geschätzt.
• Translator-Plugin und Desktop-Apps: DeepL bietet Browser-Plugins, die sich in verschiedene Anwendungen, einschließlich Microsoft Office, integrieren lassen. Damit ist eine direkte Textübersetzung möglich, ohne das genutzte Programm verlassen zu müssen. Alternativ kann die Desktop-App auf dem bevorzugten Betriebssystem heruntergeladen werden.
• Dokumentübersetzungsfunktion: Zusätzlich zur Textübersetzung ermöglicht DeepL das Hochladen und Übersetzen ganzer Dokumente. Dies ist besonders nützlich für Einzelpersonen und Unternehmen, die mit mehrsprachigen Inhalten arbeiten.
• Datenschutz: DeepL hat seinen Sitz in Deutschland und unterliegt den Datenschutzgesetzen der EU. Obwohl das Unternehmen nicht viel darüber sagt, wie Daten im kostenlosen Übersetzungstool für maschinelle Übersetzung von DeepL behandelt werden, wird klar, dass alle DeepL Pro-Abonnenten eine sichere und verschlüsselte Verbindung für alle Übersetzungen genießen können und dass die Daten nach Abschluss der Übersetzung nicht auf deren Servern gespeichert werden.
• API-Integration: DeepL bietet eine API, die es Entwicklern ermöglicht, Übersetzungsdienste in ihre Anwendungen, Websites oder Dienste zu integrieren, um ein nahtloses Übersetzungserlebnis für Endnutzer zu bieten.

Wer sind die Hauptkonkurrenten von DeepL?

Das Universum der Übersetzungstools für maschinelle Übersetzung ist weit und abwechslungsreich. Neben DeepL zählen einige der bekanntesten Anbieter von maschineller Übersetzung dazu:

Google Translate

2006 gestartet, wechselte Google Übersetzer 2016 von einem statistischen Modell zu einem NMT-Modell – nur ein paar Monate bevor DeepL loslegte.

Es unterstützt mehr als 133 Sprachen und kann kostenlos genutzt werden (außer bei Verwendung der API zur Übersetzung der eigenen Website oder wenn die Marke von 500.000 Zeichen pro Monat überschritten wird). Dank der sehr zugänglichen Benutzeroberfläche und dem intuitiven Design ist es eine beliebte Wahl für gelegentliche Nutzer. Zudem können ganze Websites, Bilder und Sprache übersetzt werden.

Systran Translate

Systran, das 1968 gegründet wurde, war die erste kommerzielle MT-Software auf dem Markt. Systran ist auch das einzige Unternehmen, das ein Open-Source-Ökosystem für Neuronale maschinelle Übersetzung und neuronales Sequenzlernen bietet: OpenNMT.

Systran Translate unterstützt über 50 Sprachen, und es können eigene Glossare, Wörterbücher und Korpora hinzugefügt werden, um die Ausgabe zu personalisieren.

Microsoft Translator

Integriert in Bing (Microsofts Suchmaschine) und als eingebaute Funktion in Microsoft Office-Anwendungen, startete Microsoft Translator 2009 und nutzt die neueste Technologie neuronaler Netzwerke mit einem aufmerksamkeitsbasierten Modell.<1>

Heute gibt es sie auch als eigenständige mobile App für iPhones und Android-Geräte. Es werden über 100 Sprachen unterstützt und Sprach- und Textübersetzungen ermöglicht.

Amazon Translate

Amazon Translate, einer der jüngsten Akteure auf dem Gebiet, wurde 2017 veröffentlicht. Es wird eine Neuronale maschinelle Übersetzung-Engine verwendet und in seiner kurzen Lebensdauer wurden beeindruckende Leistungen erzielt.

Ein AWS-Konto wird benötigt, um auf die Vielzahl von Funktionen zuzugreifen, die Amazon Translate bietet – Anpassung (Terminologie und parallele Daten), Kodierung von Terminologie und Batch-Übersetzung (Amazon S3), um nur einige zu nennen.

Tencent Maschinelle Übersetzung

Tencent Maschinelle Übersetzung (TMT) ist einer der neuesten Anbieter auf dem Markt. Derzeit werden 10 Sprachen unterstützt und sowohl neuronale als auch statistische Modelle der Maschinellen Übersetzung kombiniert.

Die maschinelle Übersetzung von Tencent ist besonders für ihre Fähigkeiten in der chinesischen Sprache bemerkenswert, da sie die höchsten jemals aufgezeichneten menschlichen Bewertungsergebnisse für Englisch-Chinesisch-Übersetzungen und die höchsten automatisierten Ergebnisse für Chinesisch-Englisch-Übersetzungen erzielt hat.

DeepL vs. Google Translate: Was ist besser?

Ist DeepL besser als Google Translate? Die Antwort auf diese Frage hängt, wie bei allem anderen, vom Kontext und den spezifischen Bedürfnissen ab. Im Allgemeinen wird DeepL oft als genauere MT-Engine als Google Translate angesehen.

Trotzdem gibt es einige Einschränkungen: Die Sprachauswahl von DeepL ist begrenzter als die von Google, und um auf die volle Bandbreite an Funktionen zugreifen zu können – wie die komplette Dokumentenübersetzung, die das Originalformat beibehält, oder die Wahl zwischen formellem und informellem Register – wird ein Premium-Konto benötigt.

Ein Feature, das DeepL anbietet und das bei Google Translate nicht zu finden ist, ist die Möglichkeit, auf jedes übersetzte Wort im Ausgabefeld zu klicken, um schnell alternative Übersetzungen zu sehen. Wenn eine andere Übersetzung gewählt wird als die, die DeepL vorgeschlagen hat, passt sich der Rest des Textes automatisch an die Auswahl an.

Was die Sicherheit angeht, speichern sowohl Google Translate als auch DeepL in ihren kostenlosen Versionen die Historie der übersetzten Texte. Im Gegensatz dazu bietet DeepL Pro weltweit führende Datenschutzstandards und löscht Texte sofort nach der Übersetzung. Das macht es besonders geeignet für sensible Inhalte.

Insgesamt bieten beide Anbieter nützliche Lösungen für die maschinelle Übersetzung an. Wer nur ein günstiges, einfach zu bedienendes Übersetzungstool mit vielen Sprachoptionen sucht, das nicht angepasst werden muss, für den könnte Google Übersetzer die bessere Wahl sein. Werden jedoch hochgenaue Übersetzungen benötigt, die anpassbar sind und bei denen die Daten sicher sind, ist DeepL wahrscheinlich die bessere Wahl.

Die Genauigkeit und Leistung von DeepL bewerten

Es kann berüchtigt schwierig sein, die Genauigkeit eines maschinellen Übersetzungstools zu bestimmen. Die Ergebnisse variieren je nach den beteiligten Sprachpaaren, den Arten von Texten, die übersetzt werden – ein hoch technisches Finanzdokument ist nicht dasselbe wie ein Blogbeitrag – und dem Grad der Anpassung, der benötigt wird.

Da Sprache dynamisch ist und Faktoren wie die beabsichtigte Bedeutung des Autors nicht gemessen werden können, erhält Genauigkeit eine relative Definition. Zum Beispiel unterscheiden sich die Erwartungen an die Genauigkeit von Grammatik und Zeichensetzung bei einem Roman von denen bei einem Social-Media-Beitrag.

Das gesagt, basierend auf der allgemeinen Stimmung im Netz, berichten Nutzer, dass DeepL meistens ziemlich genau ist, vor allem bei europäischen Sprachpaaren. DeepLs eigene Experimente bestätigen dies. Allerdings könnte die Art und Weise, wie die Daten vom Unternehmen präsentiert werden, potenziell als voreingenommen angesehen werden. Ein zuverlässigerer Indikator für die Genauigkeit ist das Feedback der Nutzer – tendenziell positiv, hauptsächlich in Bezug auf:

• Interpretation und Entsprechung von Redewendungen und Umgangssprache
• Natürlichkeit
• Registerabhängige Übersetzungen

Am Ende des Tages muss selbst entschieden werden, nachdem ausprobiert wurde, wie DeepL in den eigenen Anwendungsfällen funktioniert. Die gute Nachricht ist, dass die kostenlose Version genau das ermöglicht, ohne Kosten zu verursachen.

Die Vorteile und Nachteile von DeepL

Systeme der neuronalen maschinellen Übersetzung wie DeepL eröffnen eine Welt voller Möglichkeiten. Als einer der führenden Anbieter von neuronaler maschineller Übersetzung kann DeepL sein:

• Ziemlich genau: Es ist möglich, den breiteren Kontext von Wörtern und Phrasen zu verstehen, um genauere und flüssigere Übersetzungen zu erzeugen und sich mit der Zeit zu verbessern.
• Schnelles Lernen möglich: Neuronale Netzwerke lassen sich schnell durch automatisierte Prozesse trainieren, im Gegensatz zu den kostspieligen und weitgehend manuellen Methoden, die für herkömmliche Übersetzungssysteme erforderlich sind.
• Einfache und flexible Integration möglich: Über APIs, Erweiterungen und Plugins kann es in die meisten Browser oder Software integriert und auf viele Inhaltsdateiformate angewendet werden.
• Individuell anpassbar: Normalerweise kann die Ausgabe von DeepL durch Terminologiedatenbanken, markenspezifische Glossare und andere Datenquellen verbessert werden.
• Kostengünstig: Wie jede andere NMT-Engine ermöglicht DeepL hochpräzise und schnelle Übersetzungen zu einem Bruchteil der Kosten.
• Skalierbar: Wenn es darum geht, die Übersetzungskapazitäten zu erhöhen, kann DeepL dabei unterstützen, die gestiegene Nachfrage problemlos zu bewältigen.

Das gesagt, obwohl DeepL bereits große Fortschritte gemacht hat, wird wahrscheinlich keine maschinelle Übersetzung jemals perfekt sein – und DeepL hat noch einen Weg vor sich, bis es die Genauigkeit eines Menschen erreicht.<1>

Wie stark DeepL sich in den kommenden Jahren noch verbessern wird, bleibt abzuwarten und ist schwer vorherzusagen. Bisher kann es jedoch noch nicht mit menschlichen Fähigkeiten mithalten, wie zum Beispiel:

• Fragen stellen
• Kontext verstehen
• Fehler im Ausgangstext erkennen
• Ironie erfassen
• Kreatives Übersetzen
• Überlegte Entscheidungen treffen
• Recherche durchführen
• Konsistenz beobachten
• Vollständigkeit sicherstellen
• Informationen absichtlich weglassen oder hinzufügen
• Glossare oder Anmerkungen hinzufügen

Obwohl die Fähigkeit der maschinellen Übersetzung, diese Arten von Aufgaben zu bewältigen, begrenzt bleibt, wird manuelles Post-Editing wahrscheinlich auch in naher Zukunft ein wesentlicher Bestandteil jedes Übersetzungs-Workflows bleiben.<1>

DeepL für professionelle Übersetzungen nutzen: Best Practices

Bei der Nutzung von DeepL für die maschinelle Übersetzung ist es wichtig, sich an die Anwendungsfälle zu halten, bei denen der größte Nutzen erzielt werden kann, ohne die Qualität zu beeinträchtigen. Dazu gehören:

• Inhalte mit geringer Sichtbarkeit oder wenig Traffic, wie interne Memos, Website-Fußzeilen, E-Mails, Social-Media-Posts zur Sentiment-Analyse usw.<2>
• Wiederholender technischer Inhalt, der nur handlungsorientiert sein muss, wie Bedienungsanleitungen – wenn möglich, sollte dieser Inhalt von einem menschlichen Übersetzer nachbearbeitet werden, um Probleme mit der Benutzererfahrung zu vermeiden.<2>
• Inhalt mit geringem Risiko, der nicht hundertprozentig genau sein oder komplexe Vorschriften befolgen muss – ein gutes Beispiel sind nutzergenerierte Inhalte wie Produktbewertungen, von denen normalerweise keine hohe Qualität erwartet wird.<2>
• Schnell verderbliche Inhalte, etwa Chat- oder E-Mail-Supportnachrichten, Kundenanfragen und so weiter.<2>
• Große Mengen an Inhalten, die schnell umgesetzt werden müssen, etwa Hunderte von Produktbeschreibungen, die zügig online gestellt werden müssen.<2>
• Häufig geänderter Inhalt – denk an Aktualisierungen von Funktionen und Informationen.<2>

Bei den meisten dieser Anwendungsfälle ist ein leichtes<1> Post-Editing der maschinellen Übersetzung (MTPE) notwendig, um Genauigkeit und Klarheit zu gewährleisten. Wenn der Inhalt nicht geschäftskritisch ist, könnte sogar die Rohübersetzung ausreichen.<4>

Bei einigen anderen Arten von Inhalten, die eine höhere Genauigkeit erfordern, ist ein zeitintensiveres Post-Editing notwendig. Dazu gehören:

• Produkttitel: Sie sind sehr informativ und prägnant, enthalten oft Eigennamen und mehrdeutige Wörter, und ihre Wortstellung ist normalerweise relativ frei, was zu Mehrdeutigkeit führen kann.
• Übersetzungen zwischen Sprachpaaren mit unterschiedlicher Syntax: Japanisch und Spanisch beispielsweise erfordern eine Umstellung von Wörtern und Phrasen, die gut gebildete Sätze für maschinelle Übersetzungen herausfordernder macht.
• Inhalte mit mittlerer Sichtbarkeit, die das Kundenerlebnis beeinflussen: Wissensdatenbanken, FAQs, Warnungen usw. müssen so genau wie möglich sein, um effizienten Kundensupport zu gewährleisten.
• Back-end-SEO-Metainformationen: Einige SEO-Elemente, wie Alt-Texte und Bildunterschriften, haben eine geringe Sichtbarkeit, brauchen aber eine technische Optimierung, z. B. Schlüsselwörter in der Zielsprache, um die Suchrankings zu verbessern.

Wie man das Beste aus DeepL mit Übersetzungstechnologie herausholt

Moderne Übersetzungstechnologie, wie Lokalisierungsplattformen, hat sich zu einem Katalysator effizienter globaler Expansionsbemühungen entwickelt, indem sie die Art und Weise revolutioniert hat, wie Unternehmen mehrsprachige Inhalte verwalten, übersetzen und liefern. Diese Tools optimieren den gesamten Prozess von Anfang bis Ende.

Die meisten dieser Lösungen integrieren auch Maschinenübersetzungssysteme, die es ermöglichen, große Mengen Text schnell in die Zielsprache innerhalb derselben Benutzeroberfläche zu konvertieren, die bereits verwendet wird, um Inhalte zu importieren, zu übersetzen, zu überprüfen und zurück ins Ursystem zu exportieren. Allein die Produktivitätssteigerungen sind erheblich und, wenn sie mit den Kosteneinsparungen kombiniert werden, die durch den Einsatz von maschineller Übersetzung erzielt werden, kann der daraus resultierende ROI spektakulär sein.

Im Gegensatz dazu, wenn MT als eigenständige Engine genutzt wird, die nicht im selben System wie die Inhalte existiert, wird dem Übersetzungsprozess effektiv eine zusätzliche Komplexitätsebene hinzugefügt – denken Sie nur an den Aufwand, Dateien manuell hochzuladen oder Ergebnisse herunterzuladen. Die daraus resultierenden Engpässe, unzusammenhängenden Arbeitsabläufe und der Mangel an Sichtbarkeit im gesamten Prozess wirken sich unvermeidlich auf die Lieferzeit und die Genauigkeit der Übersetzungen aus.

Ein Beispiel für DeepL als vollständig verwaltete MT-Engine in einem TMS Unternehmen wie Phrase TMS. Das System wählt automatisch die beste maschinelle Übersetzung für jede Aufgabe aus, und die KI-basierte Lösung filtert Inhalte aus, die nicht übersetzt werden sollten:

• Es muss sich keine Sorgen um die technische Einrichtung gemacht werden: Einfach den Schalter auf „ein“ umlegen, aktiviert automatisch die Engine für die Sprachen und ermöglicht es, ihre Leistung sofort zu nutzen.
• DeepL nur für den am besten geeigneten Inhalt verwenden: Auch wenn DeepL eine sehr leistungsstarke Engine ist, gibt es keine Garantie – nicht alle Bereiche und Sprachpaare profitieren gleichermaßen davon. Die Autoselect-Funktion von Phrase ermöglicht es, mehrere Engines für maschinelle Übersetzung gleichzeitig zu aktivieren und sie automatisch dem Inhalt zuzuweisen, der am besten zu ihren Fähigkeiten passt.
• Glossare nutzen: Alle maschinelle Übersetzungsglossare und die Terminologie können direkt im TMS verwaltet werden, und DeepL wird sie verwenden, um sicherzustellen, dass alle Übersetzungen mit dem Stil des Unternehmens übereinstimmen. Das funktioniert auch für andere integrierte MT-Engines.
• Unbegrenzte maschinelle Übersetzung für das Post-Editing über verschiedene Engines hinweg genießen: Obwohl DeepL unbegrenzte maschinelle Übersetzung als eigenständige Lösung anbietet, kann mit Phrase TMS derselbe Vorteil für alle vollständig verwalteten Engines genossen werden.

Die Qualität von DeepL hängt davon ab, wie es genutzt wird

Es ist klar, dass DeepL seit seinen bescheidenen Anfängen einen langen Weg zurückgelegt hat, und heute kann es verwendet werden, um schnell hochwertige Übersetzungen für eine Vielzahl von Anwendungsfällen zu generieren.<1>

Um jedoch sein wahres Potenzial freizusetzen, muss es für die richtige Art von Inhalten verwendet werden, mit unterschiedlichen Post-Editing-Niveaus je nach Anwendungsfall und natürlich innerhalb der richtigen Technologie. Ein Übersetzungsmanagementsystem wie Phrase TMS ist der perfekte Kontext für diesen Zweck und ermöglicht den Zugriff auf alle Funktionen, die DeepL zum Strahlen bringen.