Menschen vs. Maschinen: Version für die Übersetzungsbranche

Im November 2016 veröffentlichte Google eine neue Version von Google Translate und sorgt weltweit für Aufsehen mit der „außergewöhnlichen Qualität“ der Übersetzungen, die die neue Engine liefert. Dutzende von Artikeln, die die alte Version mit der neuen Version in verschiedenen Sprachen vergleichen, literarische Texte übersetzen und zurückübersetzen (die angeblich schwieriger zu übersetzen sind), besetzten monatelang die Kolumnen und Blogs allgemeiner und spezialisierter Medien.

Was Google technisch herausgebracht hat, war die Einführung eines neuronalen Übersetzungsmodells in ihrer maschinellen Übersetzungsmaschine. Diese erhebliche Verbesserung der Qualität der von Google Translate (kostenlos!) bereitgestellten Übersetzungen begann, die Meinung der Öffentlichkeit über die Zukunft des zu ändern Übersetzungsbranche und den Platz der maschinellen Übersetzung darin. Die Entwicklung neuer Tools und der Zugang zu qualitativ hochwertigeren maschinellen Übersetzungen veranlasste die großen Kunden der Branche, Kosten zu senken, indem sie Post-Editing-Dienste anstelle von Übersetzungen in Anspruch nahmen. Die Nachbearbeitung der maschinellen Übersetzung wurde dann von Übersetzungsdienstleistern immer häufiger als professionelle Dienstleistung angeboten. Big Player und TMS-Redakteure beschleunigten das Training ihrer eigenen MT-Engines. Die Übersetzungsbranche begann sich grundlegend zu verändern.

Wir wollten Sie in diesem Artikel daran erinnern, was maschinelle Übersetzung war, was sie geworden ist und welche Veränderungen sie in der Übersetzungsbranche bewirkt.

Die Geschichte der maschinellen Übersetzung

Die maschinelle Übersetzung (MÜ) hat eine lange Geschichte, die bis ins Jahr 1949 zurückreicht, als sie erstmals in Warren Weavers Memorandum on Translation erschien. Der erste Forscher auf diesem Gebiet, Yehosha Bar-Hillel, beginnt 1951 sein Studium am MIT. Das MT-Forschungsteam aus Georgetown folgt 1954 mit einer öffentlichen Demonstration seines Systems. Maschinelle Übersetzung ist auch eine der ersten nicht-numerischen Anwendungen für Computer. Eine große Anzahl von Forschern begann sich zu entwickeln, als in den USA die Association for Machine Translation and the Computational Linguistics entstand und die National Academy of Sciences einen Rat (ALPAC) zum Studium der MT gründete.

MT wird 1970 mit dem französischen Textilinstitut in Kraft gesetzt, um Abstracts aus dem und ins Französische, Englische, Deutsche und Spanische zu übersetzen. Verschiedene MT-Unternehmen werden gegründet, darunter Trados (1984), das 1989 als erstes Unternehmen die Translation Memory (TM)-Technologie weiterentwickelte und vermarktete.

In den letzten Jahren hat sich die maschinelle Übersetzungstechnologie in eine neue Dimension entwickelt, und eine vielversprechende Zukunft zwinkert uns zu, da die Forschung zur neuronalen maschinellen Übersetzung weiterhin ein neues Zeitalter für die Branche einläutet.

Neuronale maschinelle Übersetzung

Die neuronale maschinelle Übersetzung nutzt die technologischen Vorteile von Deep Learning und dominiert heutzutage die Entwicklungsbemühungen der maschinellen Übersetzung auf allen Kontinenten. Als Teilgebiet der Computerlinguistik ist die neuronale maschinelle Übersetzung im Grunde eine Anwendung des Deep Learning, bei der ein Algorithmus durch riesige Mengen von Datensätzen übersetzter Texte trainiert wird. Es verwendet im Wesentlichen ein Vorhersagemodell, kodiert den Ausgangstext zuerst in Zahlen und dekodiert ihn zurück in einen endgültigen Text in der angeforderten Sprache. Ganz einfach erklärt, wählt der Algorithmus aus allen Möglichkeiten die Gruppe von Wörtern aus, die mit der höchsten Wahrscheinlichkeit zusammen gesehen werden und zeigt sie als endgültige Übersetzung an. Je mehr Übersetzungsdaten Sie Ihrer Maschine zuführen müssen, desto näher kommen Sie einer natürlich klingenden Übersetzung, da auch stilistische Akzente und der Kontext von den Algorithmen erkannt werden. Aber Sie müssen sicherstellen, dass die Eingaben sehr sauber sind, um die Engine richtig zu trainieren. Daher hängt die Qualität Ihrer neuronalen maschinellen Übersetzungsmaschine von der Quantität, aber auch von der Qualität der ursprünglichen Übersetzungsdaten ab, die Sie zum Trainieren Ihrer Algorithmen verwenden.

Obwohl maschinelle Übersetzungsmaschinen die Qualität der Ausgabe verbessert haben, gibt es bisher ein Vertrauensproblem bei Inhalten und Texten, die professionell verwendet werden. Was als nächstes kommt, ist eine Problemumgehung für Übersetzungen in akzeptabler Qualität mit einem hybriden Prozess, einer maschinellen Übersetzung, gefolgt von einer menschlichen Überprüfung, auch bekannt als Post-Editing.

Der Post-Editing-Trend in der Übersetzungsbranche

Da digital verfügbare Übersetzungsdaten exponentiell wachsen und Deep Learning die Tore für eine qualitativ hochwertigere maschinelle Übersetzung öffnete, bestand der erste Reflex der Einkäufer professioneller Übersetzungsdienste darin, zu prüfen, ob sie durch maschinelle Übersetzung in ihren Übersetzungsprozessen Kosten sparen könnten. Da die MT-Ausgabe noch nicht „kundenbereit“, aber immer noch erheblich verbessert ist, begannen die Verbraucher von Übersetzungsdiensten, nach einer Nachbearbeitung der maschinellen Übersetzung für schnellere und billigere Übersetzungen mit „akzeptabler“ Qualität zu fragen. Der Post-Editor wird weder umformulieren noch neu übersetzen, sondern eventuelle Fehler in der Bedeutung korrigieren und den Text konsistent machen. Der Ton mag ein wenig roboterhaft sein, aber die Bedeutung bleibt gleich.

Als die COVID-Pandemie E-Commerce-Inhalte in mehreren Sprachen beschleunigte, wurde der Bedarf an schnellen und kostengünstigen Übersetzungen für eine große Anzahl von KMU real. Messen und Veranstaltungen wurden abgesagt, Reisen monatelang verboten und KMU begannen, sich mehr auf Online-Verkäufe als auf ihre traditionellen Verkaufsmethoden zu verlassen. In diesem Zusammenhang hat sich die Nachbearbeitung der maschinellen Übersetzung als wertvolle Lösung für diese KMU durchgesetzt. Dieses Phänomen wurde von einer Vielzahl von Sprachdienstleistern beobachtet und auch von Florian Faes, Gründer von, kurz erklärt Slator , und die Veranstaltung der Sprachindustrie SlatorCon, die remote und online abgehalten wurde Juli 2020 .

Selbst für große Unternehmen, die ihre eigenen MT-Engines entwickeln, scheint der Nachbearbeitungsdienst für maschinelle Übersetzung der einzige zu sein, der von einem Sprachdienstleister (LSP) benötigt wird. Beispielsweise wird IBMs Watson Language Translator-Dienst intern von IBM als Übersetzungstool verwendet, aber es scheint, dass die Ausgabe noch benötigt wird verifiziert .

Da die Nachfrage das Angebot prägte, begannen LSPs, großen Unternehmen, Branchenveteranen und professionellen Übersetzern regelmäßig den Nachbearbeitungsdienst für Übersetzungen als billigere, aber gültige Übersetzungsoption anzubieten. Auch die Argumente gegen diesen Trend nehmen zu und haben handfeste Punkte.

Menschliche Übersetzung, immer noch die beste Option für qualitativ hochwertige Inhalte

Im Rennen zwischen Maschinen und Menschen holt die maschinelle Übersetzung mit großen Sprüngen nach vorne auf, während die Menschen auch Fortschritte bei der Bereitstellung schneller nutzender technischer Tools machen, aber anscheinend nicht schnell genug. Die menschliche Übersetzung ist auch heute noch die beste Option für hochwertige und kreative Inhalte. Und es gibt einige gültige Punkte, die dies unterstützen.

Das Fehlen von Prozessen im Qualitäts- und Risikomanagement beim Einsatz von Maschineller Übersetzung in kritischen Branchen (Medizin und Pharma z. B. für die Folgen für die Gesundheit von Menschen sowie Finanzen und Recht für die finanziellen Folgen für Unternehmen) stellt ein Problem für die Umsetzung dar groß angelegte MT-Lösungen in diesen Branchen. Die Haftung bei Übersetzungsfehlern ist schwer lösbar. Niemand will das Risiko wirklich eingehen. Post-Editing setzt sich durch, da es eine menschliche Verifizierung gibt und die Risiken begrenzt, aber es löst dennoch nicht das Problem, wo die maschinelle Übersetzungsmaschine in die Verantwortungskette einzuordnen ist.

Wenn Ihre Inhalte nicht sehr technisch sind, Sie einen weniger formalen Ton benötigen oder kreativ sein möchten, nun, Maschinen sind noch nicht da. Maschinelle Übersetzungen werden hauptsächlich von offiziellen Übersetzungen (kostenlos in großen Mengen und vielen Sprachen verfügbar) und verschiedenen Sprachversionen von Unternehmenswebsites gespeist. Dort sind die riesigen Datensätze verfügbar. Bei kreativen Inhalten ist es für eine Maschine schwieriger, den Stil und das Gefühl des Textes zu kopieren, da in den meisten Sprachen nicht genügend Input vorhanden ist. Übrigens: In Unternehmen, die maschinelle Übersetzung und Nachbearbeitung maschineller Übersetzung verwenden, um beispielsweise neue Versionen ihrer Website zu erstellen oder ihre Posts und Blogartikel zu übersetzen, wird empfohlen, dass die Person, die die Quellinhalte erstellt (oft in Englisch) auf die Verwendung bestimmter Redewendungen im Text zu verzichten. Die Qualität des Ausgangstextes ist dann auf das beschränkt, was maschinell korrekt übersetzt werden kann, was wiederum ein mittelmäßiges Gesamtbild der verfügbaren Inhalte erzeugt. Wenn Sie professionelle menschliche Übersetzungen verwenden, müssen Sie sich darüber keine Gedanken machen, um einen qualitativ hochwertigen Text in jeder Sprache zu erhalten…

Ein letzter Punkt in Bezug auf die Qualität und Bedenken hinsichtlich der weit verbreiteten Nutzung der Nachbearbeitung maschineller Übersetzungen im Vergleich zu menschlichen Übersetzungen ist der Folgende: Da die nachbearbeiteten maschinellen Übersetzungen neue massive Datensätze erzeugen, die die Engines speisen, die „Evolution“ und das Training der Maschinen werden problematisch. Wenn wir mit einer maschinellen Übersetzungslösung qualitativ hochwertige Ergebnisse erzielen möchten, sollten wir sie mit hochwertigen Lebensmitteln füttern. Bisher wurden die meisten maschinellen Übersetzungslösungen durch qualitativ hochwertige menschliche Übersetzungen trainiert. Was passiert, wenn die meisten der neu verfügbaren Übersetzungsdatensätze aus der maschinellen Nachbearbeitung der Übersetzung resultieren? Nun, die Bedenken sind, dass Sie mit einer Maschine nicht wirklich bessere Ergebnisse erzielen können, wenn Sie nicht die richtigen Daten verwenden.

Kurz gesagt, wenn Sie auf der Suche nach schnellen, billigen und qualitativ mittelmäßigen – aber meist korrekten – Übersetzungen sind, können Sie sich für die maschinelle Nachbearbeitung von Übersetzungen entscheiden. Wenn es Ihnen wirklich etwas ausmacht, wie Sie Menschen in der Zielsprache ansprechen, in die Sie Ihre Inhalte übersetzen lassen möchten, wenn Sie nach Inhalten suchen, die echten Traffic und Einnahmen generieren, sollten Sie sich für ein doppeltes Paar professioneller Augen entscheiden: Professionelle Übersetzung gefolgt von Korrekturlesen ist Ihre Aufgabe Lösung, und viele Übersetzungsdienstleister stehen Ihnen gerne zur Verfügung.