Kurze Antwort
Maschinelle Übersetzung (MT) ist der automatisierte Prozess der Umwandlung von Text von einer Sprache in eine andere mithilfe von Software, ohne dass ein menschlicher Übersetzer die Arbeit direkt ausführt. Moderne MT basiert auf neuronalen Netzen, die mit großen Mengen zweisprachiger Texte trainiert wurden, und wird häufig mit menschlichem Post-Editing kombiniert, wenn Genauigkeit und Markenstimme wichtig sind.
Der Einsatz von Computern zur Übersetzung von Texten von einer Sprache in eine andere ist seit Langem ein Traum der Informatik. Dennoch ist die maschinelle Übersetzung (MT) erst im letzten Jahrzehnt zu einem praktikablen Produktivitätswerkzeug mit weiter verbreiteter Nutzung geworden. Fortschritte in der natürlichen Sprachverarbeitung, künstlicher Intelligenz (KI) und Rechenleistung tragen alle zu dieser zunehmend nützlichen Technologie bei.
Um dir besser die Zusammenhänge zu verstehen, definiert dieser Leitfaden die maschinelle Übersetzung und erklärt ihre Typen und Vorteile anhand vieler Beispiele und Tipps. Du erfährst außerdem, wie du MT in bestehende Übersetzungs- und Lokalisierungsworkflows integrierst. Zum Schluss erklärt dieser Leitfaden, was die beste maschinelle Übersetzung software ausmacht, um deine Workflows zu unterstützen und das Wachstum deines globalen Unternehmens voranzutreiben.
Was ist maschinelle Übersetzung?
Maschinelle Übersetzung ist der Prozess, bei dem Text mithilfe einer Computeranwendung automatisch von einer natürlichen Sprache in eine andere übersetzt wird. Das bedeutet, du fügst Text in die maschinelle Übersetzung software in der Ausgangssprache ein und lässt das Tool den Text automatisch in die ausgewählte Zielsprache übertragen.
Nutze die Möglichkeiten der maschinellen Übersetzung
Entdecke die fortschrittlichen Funktionen für das Management maschineller Übersetzungen in unserem unternehmensgerechten TMS – damit du weltweit schneller und effizienter neue Geschäftsmöglichkeiten erschließen kannst.
Die Anfänge der maschinellen Übersetzung
Die Übersetzung war eine der ersten Anwendungen von Rechenleistung, beginnend in den 1950er Jahren mit dem berühmten Georgetown-IBM-Experiment. Dennoch war die Komplexität der Aufgabe weitaus höher als von frühen Informatikern geschätzt – sie erforderte eine enorme Datenverarbeitungsleistung und Speicherkapazität, die weit über die Möglichkeiten früher Maschinen hinausging.
Erst Anfang der 2000er Jahre waren Software, Daten und die erforderliche Hardware in der Lage, grundlegende maschinelle Übersetzung durchzuführen. Frühe Entwickler nutzten statistische Datenbanken von Sprachen, um Computern das Übersetzen von Texten „beizubringen“. Das Training dieser Maschinen erforderte viel manuelle Arbeit, und für jede hinzugefügte Sprache musste die Entwicklung für diese Sprache von Grund auf neu begonnen werden.
Maschinelle Übersetzung heute
Im Jahr 2016 implementierte Google eine wichtige Innovation in der MT-Technologie durch den Wechsel zu einem neuronalen Lernmodell, das auf Forschungsergebnissen aus dem Jahr 2014 basierte. Dieser Ansatz beinhaltete das Training der MT-Engines mittels KI und erwies sich als weitaus effizienter und schneller als Googles wichtigste statistische MT-Engine. Zudem zeigte sie bei der Verwendung bemerkenswerte Verbesserungen der Übersetzungsqualität.
Neuronale maschinelle Übersetzung erwies sich als so effektiv, dass Google den Kurs änderte und sie als primäres Entwicklungsmodell übernahm. Andere große Anbieter wie Microsoft und Amazon zogen bald nach, und die stetig steigende Qualität steigerte den Wert der MT als Ergänzung zur Übersetzungstechnologie.
Viele Übersetzungs- und Lokalisierungstechnologie-Lösungen verfügen heute über integrierte Fähigkeiten für die maschinelle Übersetzung, um Unternehmen dabei zu helfen, den stetig wachsenden Bedarf zur Überwindung von Sprachbarrieren auf dem globalen Markt zu decken. Mehr dazu später in diesem Leitfaden.
Kostenlos herunterladen
Dein aktueller Leitfaden zur maschinellen Übersetzung
Erfahre mehr über neue Technologien, die die Output-Qualität der maschinellen Übersetzung zu verbessern, dazu alles über die neuesten Preismodelle für MT-Post-Editing und wie du am besten die richtige maschinelle Übersetzung auswählst.
Wie funktioniert maschinelle Übersetzung?
Im Laufe der Zeit hat die Entwicklung der maschinellen Übersetzung zu verschiedenen Arten von Systemen für maschinelle Übersetzung geführt, von denen jedes seine eigenen Stärken und Schwächen hat. Die vier häufigsten Arten der maschinellen Übersetzung sind regelbasierte, statistische, neuronale und LLM-basierte maschinelle Übersetzung.
Regelbasierte maschinelle Übersetzung (RBMT)
Die früheste Form der maschinellen Übersetzung, die regelbasierte MT, stützte sich auf einen großen, vordefinierten Satz linguistischer Regeln, die der Software halfen, die Bedeutung von Text zwischen Sprachen zu übertragen. Insgesamt war die Übersetzungsqualität gering, und es erforderte das manuelle Hinzufügen von Sprachen sowie einen erheblichen Aufwand an menschlicher Nachbearbeitung.
Regelbasierte MT wird heute nur noch selten verwendet.
Statistische maschinelle Übersetzung (SMT)
Die statistische maschinelle Übersetzung erstellt ein statistisches Modell der Beziehungen zwischen Wörtern, Phrasen und Sätzen in einem gegebenen Text. Das Modell wird auf eine zweite Sprache angewendet, um diese Elemente in die neue Sprache zu übertragen. Es verbessert zwar die regelbasierte maschinelle Übersetzung, teilt aber viele der gleichen Probleme.
Die statistische maschinelle Übersetzung wurde größtenteils durch die neuronale maschinelle Übersetzung ersetzt und wird manchmal noch für Vermächtnis-MT-Systeme verwendet.
Neuronale maschinelle Übersetzung (NMT)
Die neuronale maschinelle Übersetzung nutzt KI, um Sprachen zu „lernen“ und ihr Wissen ständig zu verbessern, ähnlich wie die neuronalen Netze im menschlichen Gehirn. Im Gegensatz zur Ausführung vordefinierter Regeln ist das neuronale Netzwerk einer MT-Engine für die Kodierung und Dekodierung des Quelltextes verantwortlich.
Neuronale maschinelle Übersetzung ist präziser, ermöglicht das Hinzufügen weiterer Sprachen und arbeitet nach dem Training wesentlich schneller – was sie heute zum Standard für zweckgebundene maschinelle Übersetzungs-Engines macht, obwohl auch allgemeine LLMs zunehmend für die Übersetzung eingesetzt werden (siehe unten).
Zeitstrahl der maschinellen Übersetzungsgeschichte
LLM-basierte maschinelle Übersetzung
Die neueste Kategorie der maschinellen Übersetzung nutzt allgemeine große Sprachmodelle (LLMs), dieselbe Technologie, die hinter Tools wie ChatGPT und Claude steckt, um Text zu übersetzen, ohne wie NMT-Engines speziell für die Übersetzung entwickelt worden zu sein. Im Gegensatz zu dedizierten MT-Engines können LLMs auf einen breiteren Kontext zurückgreifen, benutzerdefinierte Anweisungen (zum Beispiel „übersetze dies in einem formellen Ton“ oder „lasse Produktnamen unübersetzt“) befolgen und mit mehrdeutigen Formulierungen flexibler umgehen.
Der Kompromiss ist die Konsistenz: Der Output von LLMs kann bei großen Mengen an Content stärker variieren und erfordert in der Regel eine gezieltere Durchsetzung von Terminologie und Glossar als eine dedizierte, speziell für die Übersetzung trainierte MT-Engine. Viele Lokalisierungsteams verwenden heute beides: NMT-Engines für umfangreichen, strukturierten Content und LLM-basierte Übersetzung für Content, der von Nuancen, Tonalitätskontrolle oder der Befolgung von Anweisungen profitiert.
Dieser Wandel verändert auch, wie Post-Editing aussieht. Anstatt dass ein Linguist den MT-Output einfach Zeile für Zeile korrigiert, beinhalten LLM-basierte Workflows zunehmend, dass Linguisten den KI-Output während des gesamten Prozesses interaktiv steuern und verfeinern, mehr dazu hier.
Automatische Übersetzung vs. maschinelle Übersetzung: der Unterschied – einfach erklärt
Automatische Übersetzung und maschinelle Übersetzung werden oft verwechselt, sind aber keine austauschbaren Begriffe, da sie völlig unterschiedliche Funktionen erfüllen.
Automatische Übersetzung bezieht sich auf alle Auslöser, die in ein herkömmliches computergestütztes übersetzung tool (CAT-Tool) oder ein Cloud-basiertes Übersetzungsmanagementsystem (TMS) integriert sind, um manuelle oder repetitive Aufgaben im Zusammenhang mit der Übersetzung auszuführen. Ziel ist es, den gesamten Übersetzungsprozess effizienter zu gestalten.
Automatische Übersetzung kann beispielsweise dazu verwendet werden, die maschinelle Übersetzung von Text als eine der vielen Aufgaben in einem Workflow auszulösen.
Maschinelle Übersetzung bezeichnet die Umwandlung von Text von einer natürlichen Sprache in eine andere mithilfe von Software. Mit anderen Worten: Es ist kein menschliches Eingreifen erforderlich wie bei der herkömmlichen Übersetzung. Deshalb wird die maschinelle Übersetzung auch als automatische Übersetzung bezeichnet.
Hochbedeutende Anbieter für maschinelle Übersetzung
Führende Entwickler von Technologien für maschinelle Übersetzung wie Google, Microsoft oder Amazon verwenden derzeit eine Art neuronale MT als bevorzugte Methode – da sie sowohl eine nuanciertere Übersetzung als auch das ständige Hinzufügen von Sprachpaaren ermöglicht. Diese Wachstumsmöglichkeit wird durch die Tatsache ermöglicht, dass Engines für maschinelle Übersetzung lernen und sich verbessern können, je mehr sie genutzt werden.
Engines für maschinelle Übersetzung arbeiten auf der Grundlage von Trainingsdaten. Je nach Bedarf können die Daten generisch oder benutzerdefiniert sein:
- Generische Daten sind einfach die Summe aller Daten, die aus allen Übersetzungen gelernt wurden, die im Laufe der Zeit von der Engine für maschinelle Übersetzung durchgeführt wurden. Es ermöglicht ein generalisiertes übersetzung tool für alle Arten von Anwendungen, einschließlich Text, Sprache und vollständigen Dokumenten – einschließlich Formatierung.
- Benutzerdefinierte Daten sind Daten, die einer MT-Engine zugeführt werden, um eine Spezialisierung in einem Fachbereich wie Technik oder einer anderen Disziplin mit eigener Terminologie aufzubauen.
Generische Engines für maschinelle Übersetzung
Die größten Dienstleister für maschinelle Übersetzung sind alle auf NMT umgestiegen – jeder auf seine eigene Weise. Einerseits gibt es den Ansatz, durch ein kostenloses, benutzerfreundliches Tool ein breiteres Publikum zu erreichen. Andererseits ermöglichen einige Engines auch, das Tool an spezifischere geschäftliche Anforderungen anzupassen. Werfen wir einen Blick auf die beliebtesten Allzweck-MT-Engines:
Google Translate
Google Translate gilt aufgrund der Nutzung, der Anzahl der Sprachen und der Integration in die Suche als eine der führenden MT-Engines. Google Translate war einer der ersten Mainstream-Dienstleister, der NMT einführte. Die Genauigkeit von Google Translate ist sowohl für Geschäftsinhaber als auch für Experten der Sprachbranche gleichermaßen ein Punkt von Interesse und Streit.
Amazon Translate
Amazon Translate basiert ebenfalls auf neuronalen Netzen und ist eng mit Amazon Web Services (AWS) integriert. Es dürfte für viele nicht überraschend sein, dass Amazon Translate angesichts der Stärke seiner Muttergesellschaft in der kurzen Zeit seit seiner Einführung im Jahr 2017 beeindruckende Ergebnisse erzielt hat.
Microsoft Translator
Microsoft Translator, eine weitere cloudbasierte neuronale Engine, ist eng mit MS Office und anderen Microsoft-Produkten integriert und ermöglicht den sofortigen Zugriff auf Übersetzungsfähigkeiten innerhalb eines Dokuments oder anderer Software.
DeepL
DeepL ist das Produkt eines in Deutschland ansässigen Unternehmens, das sich ausschließlich der Entwicklung einer Engine für maschinelle Übersetzung widmet. Es beansprucht für sich, basierend auf seiner proprietären neuronalen KI eine nuanciertere und natürlichere Ausgabe zu liefern.
Systran Translate
Systran war das erste Unternehmen überhaupt, das maschinelle Übersetzung für kommerzielle Zwecke anbot. Das 1968 gegründete Unternehmen verfolgt weiterhin die neuesten Technologien und führt selbst einige interessante Innovationen ein – die neueste ist die reine neuronale maschinelle Übersetzung (PNMT).
Benutzerdefinierte Engines für maschinelle Übersetzung
Benutzerdefinierte Engines für maschinelle Übersetzung werden darauf trainiert, für bestimmte Inhaltstypen – auch als Fachbereiche bezeichnet, z. B. technische oder juristische Übersetzungen – oder gemäß spezifischen Unternehmensrichtlinien besser zu funktionieren. Der Schlüssel dazu sind relevante und qualitativ hochwertige Trainingsdaten in dem jeweiligen Fachbereich, die verwendet werden können, um der MT-Engine „beizubringen“, in Zukunft ähnliche Übersetzungen für diesen spezifischen Anwendungsfall durchzuführen. Eine der einfachsten Möglichkeiten, MT-Engines anzupassen, ist die Verwendung von Glossaren für maschinelle Übersetzung.
Google AutoML und Microsoft Custom Translator sind 2 häufig verwendete Lösungen für benutzerdefinierte maschinelle Übersetzung.
Wenn sie gut implementiert ist, kann benutzerdefinierte MT ein Output mit deutlich höherer Qualität als generische MT liefern. Dennoch erfordert die Anpassung der maschinellen Übersetzung ein gewisses Maß an Fachwissen und Aufwand. Die vollständige Anpassung einer MT-Engine kann eine komplexe Aufgabe sein, und jede Anpassung ist einzigartig.
Allgemeine LLMs für die Übersetzung
Über dedizierte MT-Engines hinaus werden zunehmend allgemeine große Sprachmodelle, einschließlich der GPT-Modelle von OpenAI und Claude von Anthropic, für die Übersetzung verwendet, insbesondere dort, wo Kontext, Tonfall und das Befolgen von Anweisungen wichtiger sind als der reine Durchsatz. Diese Modelle sind nicht ausschließlich für die Übersetzung konzipiert wie NMT-Engines, daher profitieren die Konsistenz des Outputs und die Terminologiekontrolle bei der Verwendung in großem Maßstab in der Regel von zusätzlichen Leitplanken wie Termbanken und automatisierten QA-Prüfungen.
Interactive MT report: Uncover top performers
Find out how leading machine translation engines perform for different content types using the latest data in our quarterly machine translation report.
Vorteile der maschinellen Übersetzung:
Bevor das neuronale Lernen eingeführt wurde, war MT noch sehr stark ein Nischenprodukt, das Übersetzungen von unterschiedlicher Qualität erzeugte – die manchmal an die Grenze des Unleserlichen oder Humorvollen stießen. Moderne übersetzungstools für maschinelle Übersetzung haben all das weitgehend verändert und werden in der geschäftlichen Übersetzung zunehmend unverzichtbar.
Erhöhte Geschwindigkeit und Volumen
Mit fortlaufenden Verbesserungen bei den Algorithmen für maschinelles Lernen und der Hardwaretechnologie wird MT noch schneller und effizienter. Nicht nur kann es Millionen von Wörtern nahezu sofort übersetzen, sondern die Übersetzungen verbessern sich auch kontinuierlich, während mehr Content übersetzt wird.
Bei Projekten mit hohem Volumen bewältigt MT nicht nur das Volumen schnell, sondern kann auch mit anderen Softwareplattformen wie Content- oder Übersetzungsmanagementsystemen zusammenarbeiten, um den Content zu organisieren. Dies ermöglicht es, Organisation und Kontext beizubehalten, während der Inhalt in mehrere Sprachen übersetzt wird.
Verbesserte Barrierefreiheit
Da die großen MT-Anbieter bis zu 100 Sprachen – und einige sogar noch mehr – anbieten, können Übersetzungen gleichzeitig an mehrere Zielmärkte geliefert werden. Dies schafft eine Win-Win-Situation für Unternehmen und Kunden gleichermaßen.
Durch den Abbau von Sprachbarrieren und die Verbesserung des Kundenerlebnisses hat MT die Zugänglichkeit von Content, Produkten und Dienstleistungen für potenzielle Käufer weltweit erhöht. Gleichzeitig können Unternehmen durch das Erreichen eines breiteren Publikums ihren Marktanteil erheblich ausbauen und ihr Geschäftsergebnis verbessern.
Geringere Kosten
Die Kombination aus hoher Durchsatzgeschwindigkeit und der Möglichkeit, aus bestehenden Sprachpaaren zu wählen, die Dutzende von Kombinationen abdecken, bedeutet, dass der Einsatz maschineller Übersetzungsdienste Kosten und Lieferzeit senken kann, selbst wenn Humanübersetzer die Arbeit weiterhin im Post-Editing bearbeiten.
Im Grunde genommen leistet MT die anfängliche Schwerstarbeit, indem es grundlegende, aber nützliche Übersetzungen liefert. Humanübersetzer verfeinern diese Basisversionen anschließend, um die ursprüngliche Absicht des Inhalts genauer wiederzugeben und eine ordnungsgemäße Lokalisierung je nach 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 ihre globale Reichweite effizient ausbauen möchten. Wie bei jeder Technologie ist es jedoch wichtig zu erkennen, dass MT mit gewissen Einschränkungen verbunden ist.
Die meisten Probleme lassen sich durch die Einbindung menschlicher Expertise – zum Beispiel maschinelle Übersetzung Post-Editing (MTPE) – und zunehmend durch die Anpassung der eigenen maschinellen Übersetzungs-Engine effektiv bewältigen.
Beide Ansätze können dazu beitragen, ein Gleichgewicht zwischen Effizienz und sprachlicher Präzision zu finden, sodass Unternehmen die Stärken von MT nutzen und gleichzeitig deren inhärente Grenzen adressieren können. Werfen wir einen Blick auf einige häufige Probleme im Zusammenhang mit MT.
| Zu beachtendes Problem | Mögliche Lösung |
| Genauigkeit und Fachbereichsspezifikität | Durch die Integration von Glossaren für maschinelle Übersetzung kann sich Ihr benutzerdefiniertes MT-Modell an sich entwickelnde Sprachmuster und Kontexte anpassen, die für Ihr Unternehmen wichtig sind. Die Feinabstimmung mit menschlichem Feedback ermöglicht es zudem, von Humanübersetzern zu lernen, Fehler zu korrigieren und die Übersetzungsqualität im Laufe der Zeit zu verbessern. |
| Sprachliche Nuancen | Integrieren Sie kulturelles Wissen und kontextsensitive Algorithmen, damit Ihr benutzerdefiniertes MT-Modell Nuancen, Redewendungen und kulturelle Bezüge in der Ausgangssprache versteht und den umgebenden Text berücksichtigt, um geeignete Übersetzungen zu wählen und die beabsichtigte Bedeutung effektiver zu erfassen. |
| Sprachen mit geringen Ressourcen | Post-Editing ist eine der effektivsten Methoden, um die Übersetzungsqualität bei Sprachen mit geringen Ressourcen zu garantieren. Wenn sich Ihre spezifischen Anforderungen weiterentwickeln, können Sie eine Reihe von MT-Lösungen erkunden – von Lernmodellen und Datenannotation bis hin zu Community-Einbindung und Open-Access-Tools. |
| Bias | Während Post-Editing und menschliches Feedback entscheidend sind, um Verzerrungen in MT-Ergebnissen von generischen Engines zu mindern, ist die optimale langfristige Lösung die Prüfung und das Retraining Ihres eigenen benutzerdefinierten MT-Modells unter Verwendung vielfältiger, unvoreingenommener Datensätze, die keine bestimmte Gruppe, Perspektive oder demografische Gruppe bevorzugen. |
| Nachbearbeitung von maschinellen Übersetzungen | Die Schulung von Linguisten in MTPE ist entscheidend, um das volle Potenzial auszuschöpfen, da sie Einblicke in Übersetzungsqualität, Genauigkeit und kulturelle Sensibilität gewinnen. Stelle sicher, dass dein Auftragnehmer nach ISO 18587:2017 zertifiziert ist, und führe regelmäßige Qualitätsprüfungen der post-editierten Inhalte durch, um die Produktivität zu steigern. |
| Konsistenz | Kombinieren Sie MT mit Ihrem Translation Memory. Sobald Output der maschinellen Übersetzung post-editiert und genehmigt wurde, stelle sicher, dass diese Übersetzungen in deinem Translation Memory gespeichert werden, damit Linguisten sie in zukünftigen Übersetzungsprojekten für eine verbesserte Konsistenz wiederverwenden können. |
| Datenschutz | Prüfe die Datenschutzrichtlinie deines MT-Dienstleisters und kläre deren Auswirkungen auf dein Unternehmen mit deiner Rechtsabteilung. Linguisten, die mit MT arbeiten, sollten nur auf Projekte zugreifen, die ihnen zugewiesen wurden – und dies nur auf sicher gehosteten Servern –, um sich vor potenziellem Datenverlust oder Datenschutzproblemen zu schützen. |
Implementierung von maschineller Übersetzung in bestehende Workflows
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 Lokalisierungsworkflows einzubeziehen.
Die Implementierung einer effektiven Strategie für maschinelle Übersetzung muss keine entmutigende Aufgabe sein, wenn Sie sich auf modernste Cloud-Übersetzungstechnologie verlassen, die Automatisierung und ein optimiertes Übersetzungsmanagement ermöglicht.
Zum Beispiel verfügen Übersetzungsmanagementsysteme über integrierte Einstellungen, um die Übersetzung automatisch auszuführen und den Output als Teil des Übergabematerials für den menschlichen Übersetzer zu versenden.
Indem Sie einige wesentliche Schritte und bewährte Verfahren befolgen, kombiniert mit einem zuverlässigen Übersetzungsmanagementsystem, können Sie langfristig den Weg für einen nahtlosen unternehmensweiten Prozess für maschinelle Übersetzung ebnen.
| 10 bewährte Verfahren für die Implementierung von maschineller Übersetzung |
|
Definiere deine Ziele, Vorgaben und Erwartungen an den Einsatz von maschineller Übersetzung in deinem Globalisierungsprogramm. Überprüfen Sie Ihren vorhandenen Content und wählen Sie die richtigen Inhaltstypen für die maschinelle Übersetzung aus. Bestimmen Sie Ihre Sprachpaare – verschiedene MT-Engines sind für bestimmte Sprachpaare besser geeignet als für andere. Erstellen Sie einen Zeitplan und einen Finanzplan – wie viel Geld und Zeit Sie für MT aufwenden können, bestimmt, wie viel Sie erreichen können. Wähle eine Dienstleistung für maschinelle Übersetzung basierend auf deinen Inhaltstypen und Sprachpaaren aus – und prüfe deren Datenschutzrichtlinie. Trainieren Sie Ihre bevorzugte MT-Engine nach Möglichkeit mit Ihren Sprachdaten, um die Ausgabequalität langfristig zu verbessern. Wenn du dich für maschinelle Übersetzung Post-Editing entscheidest, ist es wichtig, sicherzustellen, dass deine internen Übersetzer oder dein LSP entweder im Post-Editing geschult sind oder zumindest offen für diese Idee sind. Vereinbare ein Preismodell für maschinelle Übersetzung post editing und sorge dafür, dass alle Beteiligten, einschließlich deines LSP, in den Entscheidungsprozess einbezogen werden. Führe vor dem Einsatz Stichproben durch, um dir ein Bild von der Qualität des maschinell übersetzten Outputs zu machen oder verbesserungswürdige Bereiche zu identifizieren. Setze ein und verbessere kontinuierlich: Bedenke, dass die ersten Ergebnisse möglicherweise nicht deinen Erwartungen entsprechen, aber die Qualität des Outputs wird sich mit der Zeit verbessern. |
Maschinelle Übersetzung gegenüber menschlicher Übersetzung: Finde das richtige Gleichgewicht für den passenden Anwendungsfall
Da sich die maschinelle Übersetzung weiterentwickelt, wird die Entscheidung zwischen maschineller oder menschlicher Übersetzung zu Beginn eines Lokalisierungsprojekts immer weniger relevant. Immer mehr Unternehmen, LSPs und Übersetzer erkennen die Vorteile der maschinellen Übersetzung post editing (MTPE), bei der menschliche Linguisten maschinell übersetzten Content bearbeiten.
Maschinelle Übersetzung post editing wird heute weitgehend als praktikable Alternative zur Übersetzung von Texten von Grund auf angesehen.
Bei der Entscheidung für die geeignete Übersetzungsmethode ist es hilfreich, deinen Content-Typ und dein Sprachpaar zu berücksichtigen. Im Allgemeinen eignet sich MT gut für stärker strukturierte Content wie technische, rechtliche und geistige Eigentumsdokumentationen sowie für interne Kommunikation. Im Gegensatz dazu profitieren Marketingmaterialien und andere kundenorientierte Content von einer stärker menschlichen Note.
Lass uns 3 wichtige Content-Typen untersuchen, um die effektivste Übersetzungsmethode für die besten Ergebnisse zu ermitteln.
Nutze Reine MT für Inhalte mit geringem Einfluss, die eindeutig sind
Man sagt, dass eine maschinelle Übersetzung ‚roh‘ ist, wenn der Output keiner menschlichen Überarbeitung unterzogen wird. Im Allgemeinen ist es am besten, Reine MT für alles zu verwenden, was nicht über den Erfolg deiner Marke entscheidet:
- Inhalte mit geringer Sichtbarkeit oder wenig Traffic, wie interne Dokumentation, Website-Fußzeilen, Social-Media-Posts zur Stimmungsanalyse usw. eignen sich ebenfalls
- Wiederkehrende technische Inhalte, die nicht unbedingt 100 % genau, sondern handlungsorientiert sein müssen, wie z.B. Bedienungsanleitungen, eignen sich ebenfalls
- Inhalte, die von Nutzern erstellt werden, wie Produktbewertungen, bei denen allgemein mit niedriger Qualität gerechnet wird
- Inhalte, die schnell veralten, wie Nachrichten aus dem Chat- oder E-Mail-Support, Kundenanfragen usw.
- Umfangreiche Inhalte, die schnell bearbeitet werden müssen, wie zum Beispiel hunderte Produktbeschreibungen, die zügig online gestellt werden sollen
- Inhalte, die häufig geändert werden, wie Updates zu Funktionen und Informationen
Wenn du dich für Reine MT entscheidest, ist es entscheidend, dass du die leistungsfähigste MT-Engine für dein Sprachpaar und deinen Content verwendest. Das erfordert umfangreiche Tests oder die Nutzung einer integrierten automatischen Auswahlfunktion.
Wende leichtes oder vollständiges Post-Editing auf sensiblere Inhalte an
Aus Qualitätsgründen erfordern einige Inhaltstypen und Situationen das Post-Editing des maschinellen Übersetzungs-Outputs durch einen menschlichen Übersetzer. Dieses Editing kann entweder leicht (LPE) oder vollständig (FPE) sein.
Gute Nachrichten: Du kannst die Arbeit von Post-Editoren mit traditioneller Übersetzungstechnologie wie Glossaren, Termbanken und Translation Memories sowie mit Markenhandbüchern und Styleguides unterstützen. Das sorgt dafür, dass deine Markenstimme und die wichtigsten Botschaften über Kulturen und Sprachen hinweg einheitlich bleiben und ist mit MTPE sehr gut machbar.
Moderne Übersetzungstechnologie ermöglicht es zudem, die Qualität des Outputs der maschinellen Übersetzung zu bewerten und Post-Editing-Ressourcen genau dort einzusetzen, wo sie am nötigsten sind. Dennoch gilt allgemein: Die folgenden Fälle erfordern MTPE:
- 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, wie Japanisch und Spanisch, da die Umstellung von Wörtern und Phrasen zu gut gebildeten Sätzen für maschinelle Übersetzungen herausfordernder wird.
- Produktbeschreibungen Sie müssen gut formuliert sein und die Merkmale oder Vorteile des Produkts klar darstellen, ohne Raum für Mehrdeutigkeiten zu lassen.
- Inhalte mit mittlerer Sichtbarkeit, die so präzise wie möglich sein müssen: Wissensdatenbanken, FAQs, Warnungen usw.
- Back-End-Metainformationen wie Bild-Alt-Texte und Bildunterschriften: Obwohl ihre Sichtbarkeit gering ist, muss ein Mensch sicherstellen, dass die Schlüsselwörter in der Zielsprache vorhanden sind.
Setze auf menschliche Übersetzung, 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 generell ratsam, maschinelle Übersetzung zu vermeiden, wenn das Ziel darin besteht, das Publikum anzusprechen, zu unterhalten oder zu beruhigen.
In solchen Fällen ist eine menschlichere Note die beste Wahl, was bedeutet, dass ein menschlicher Übersetzer die Botschaft in der Zielsprache auf nicht-wörtliche Weise neu erstellen muss – du hast vielleicht schon einmal von „Transkreation“ gehört. Das ist der Fall bei:
- Homepages
- Werbe-Landingpages
- Blogposts
- Newsletter-Kampagnen
- Pressemitteilungen
- SEO-Content
- Printwerbung u. ä.
Dive deeper
10 key steps to creating a machine translation strategy
Learn how to design a machine translation strategy that can help your brand connect with international customers at full speed.
Was macht die beste maschinelle Übersetzungssoftware 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 solltest du, unabhängig davon, ob du den MT-Prozess selbst steuerst oder dich auf einen externen Dienst für maschinelle Übersetzung verlässt, idealerweise an einem Ort Zugriff auf verschiedene MT-Engines haben, um das Beste aus der maschinellen Übersetzung herauszuholen.
Die Nutzung eines Translation-Management-Systems als zentrale Informationsquelle für alle Übersetzungsaktivitäten ermöglicht drei Schlüsselelemente für einen erfolgreichen MT-Einsatz:
- Automatische Auswahl der optimalen MT-Engine für deinen Content-Typ
- Qualitätsschätzung für verbesserte Post-Editing-Effizienz
- Verfolgung wichtiger Kennzahlen zur Optimierung von Produktivität, Durchlaufzeiten und Kosteneinsparungen
Auswahl der optimalen MT-Engine für deinen Content-Typ – automatisch
Unterschiedliche Übersetzungsprojekte erfordern möglicherweise unterschiedliche Ebenen und Arten der Komplexität. Dies ist einer der Gründe, warum die Nutzung von MT als Teil eines Übersetzungsmanagementsystems so vorteilhaft ist.
Um das Beste aus MT herauszuholen, musst du in der Lage sein, die richtige Engine für jeden Content-Typ zuzuweisen – und die robustesten Übersetzungsmanagementsysteme verfügen über Plugins oder Anwendungsprogrammierschnittstellen (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 Content scannen und ihn der optimalen MT-Engine zuordnen.
Qualitätsschätzung für verbesserte Post-Editing-Effizienz
Ein wesentlicher Bestandteil einer erfolgreichen MT-Implementierung ist zu wissen, wohin du deine Post-Editing-Bemühungen richten solltest. Wenn du die Qualität des MT-Outputs automatisch messen kannst, kannst du dich auf die richtigen Segmente konzentrieren, anstatt Zeit und Ressourcen dort zu verschwenden, wo der rohe Output bereits von guter Qualität ist.
Das nimmt das Rätselraten aus MT und verbessert die Post-Editing-Effizienz – ein weiterer Grund, warum der Einsatz von MT, das in ein TMS integriert ist, vorteilhaft ist: Die ausgefeiltesten Systeme bieten automatische Qualitätsschätzungs-Funktionen für maschinelle Übersetzung, mit denen ermittelt werden kann, welche Segmente mehr Aufmerksamkeit benötigen als andere.
Verfolgung wichtiger Kennzahlen zur Optimierung von Produktivität, Durchlaufzeiten und Kosteneinsparungen
MT ist für viele Unternehmen attraktiv, da es das Potenzial für gesteigerte Produktivität, schnellere Durchlaufzeiten und letztendlich Kosteneinsparungen bietet. Allerdings erfüllen nicht alle MT-Engines dieses Versprechen gleichermaßen, weshalb es entscheidend ist, die Möglichkeit zu haben, zu vergleichen, wie sich verschiedene Engines auf den Prozess auswirken können.
Ein starkes TMS ermöglicht es dir, die Zeit und Kosten jedes Übersetzungsprojekts nachzuvollziehen, bei dem MT eingesetzt wird. Wenn du mehrere MT-Engines verwendest, können diese Kennzahlen ein starker Indikator für den Wert einer Engine sein: Steigert oder verlangsamt sie die Produktivität der Übersetzer? Deutet sie im Laufe der Zeit auf verbesserte Effizienzen gegenüber anderen Engines hin? Die Antworten auf diese Fragen vermitteln dir ein besseres Verständnis seiner Fähigkeiten.
Nutze maschinelle Übersetzung optimal mit Phrase TMS
Wenn Unternehmen maschinelle Übersetzung in großem Maßstab nutzen müssen, brauchen sie Technologie, die ihnen das Beste aus beiden Welten bieten kann: Effizienz und Qualität.
Phrase TMS, das unternehmensbereite Übersetzungsmanagementsystem innerhalb der Phrase Platform, ermöglicht es wachsenden Unternehmen mühelos, maschinelle Übersetzung zu nutzen. Organisationen erreichen eine beispiellose Fähigkeit, schneller und effizienter in neue Märkte einzutreten.
Ein spezielles Add-on für maschinelle Übersetzung kann von Phrase TMS-Nutzern verwendet werden, Phrase Language AI, um maschinelle Übersetzung in den Übersetzungs-Workflow zu integrieren, der schnelle und kosteneffiziente Übersetzungen ermöglicht, ohne bei der Qualität Kompromisse einzugehen.
Vollständig in Phrase TMS integriert, ermöglichen dir die erweiterten MT-Management-Funktionen, die mit Phrase Language AI geliefert werden:
- Sofort mit der Übersetzung starten, ohne Entwicklerzeit oder -aufwand, indem vollständig verwaltete MT-Engines von führenden Anbietern wie Google, Amazon, DeepL oder Microsoft genutzt werden.
- Manuell können über 30 unterstützte generische und individuelle Engines hinzugefügt werden, falls eine bestimmte MT-Engine bevorzugt wird.
- Hochwertige maschinelle Übersetzungen für alle Mitarbeitenden zugänglich machen: Die leistungsstarke Phrase Language AI API ermöglicht es dir, den Wert von MT durch unternehmensweiten Zugriff auf eine vom Unternehmen genehmigte maschinelle Übersetzung zu skalieren.
- Unbegrenzte maschinelle Übersetzung für Post-Editing-Workflows nutzen, damit Linguisten effizienter arbeiten können.
- Nutze die beste MT-Engine für dein Projekt. Sie wird automatisch auf der Grundlage des Sprachpaares und Inhaltstyps ausgewählt.
- Inhalte, die nicht maschinell übersetzt werden sollten, automatisch herausfiltern.
- Qualitätstests, rechtliche und sicherheitstechnische Bewertungen, Einrichtung und Zahlung von Maschinenübersetzungs-Engines werden an spezialisierte Experten für maschinelle Übersetzung im Phrase-Team delegiert.
- Durch den Einsatz von Übersetzungsspeichern kann die Übersetzungsqualität um bis zu 50% mit Phrase NextMT – der ersten TMS-fähigen Maschinenübersetzungs-Engine – erhöht werden.
- Es wird sichergestellt, dass die MT-Engines die bevorzugte Terminologie mit der richtigen morphologischen Flexion verwenden – was den Aufwand für das Post-Editing reduziert.
- Formatierung und Platzhalter-Tags werden automatisch vom Quell- zum Zielinhalt übernommen.
- Für jedes maschinell übersetzte Segment wird basierend auf früheren Leistungsdaten eine Kennzahl erstellt, um nur dort nachzubearbeiten, wo es nötig ist.
- Bis zu 55% Kosteneinsparungen mit MTPE im Vergleich zur Humanübersetzung erzielen.
Entdecke erweiterte MT-Management-Funktionen innerhalb von Phrase TMS und hebe die MT-Technologie mit unserer unternehmensbereiten Lösung auf die nächste Stufe.
Verwandte Fragen
Ist maschinelle Übersetzung genau genug für den geschäftlichen Gebrauch?
Das hängt vom Inhalt ab. Neuronale MT-Engines liefern solide Qualität für strukturierte, risikoarme Inhalte wie interne Dokumentationen oder Produktbeschreibungen, aber markensensible oder nuancierte Inhalte, wie zum Beispiel Marketingtexte, profitieren weiterhin von einer menschlichen Überprüfung oder vollständigen Transkreation.
Was ist der Unterschied zwischen maschineller Übersetzung und KI-Übersetzung?
Die Begriffe werden zunehmend synonym verwendet. Herkömmliche MT-Engines verwenden neuronale Netze, die speziell für die Übersetzung trainiert wurden, während neuere KI/LLM-basierte Ansätze breiteren Kontext und Anweisungen einbeziehen können; beide zielen jedoch darauf ab, Texte automatisch ohne wortwörtlichen menschlichen Aufwand zu übersetzen.
Was ist Machine Translation Post-Editing (MTPE)?
MTPE ist der Prozess, bei dem ein menschlicher Linguist den maschinell übersetzten Output überprüft und korrigiert. Es wird häufig verwendet, um die Geschwindigkeit und Kosteneinsparungen der MT mit der Qualität und kulturellen Genauigkeit der menschlichen Übersetzung in Einklang zu bringen.
Welche Engines für maschinelle Übersetzung unterstützt Phrase?
Phrase verbindet sich über Phrase Language AI mit führenden MT-Engines, darunter Google Translate, DeepL, Microsoft Translator und Amazon Translate, und unterstützt zudem benutzerdefiniert trainierte MT-Engines für fachspezifische Inhalte.
Sprich mit unseren Experten
Möchtest du erfahren, wie unsere Lösungen dir dabei helfen können, globale Chancen zu nutzen? Wir stellen dir gerne die Phrase Language Intelligence Platform vor und beantworten alle deine Fragen.
