White Paper

Die Einführung von maschineller Übersetzung

Neuronale maschinelle Übersetzung

Die neuronale maschinelle Übersetzung basiert auf einem künstlichen neuronalen Netz (KNN), das die neuronalen Verbindungen im Gehirn nachahmt. Für die Übersetzung werden auch parallele Korpora analysiert. Der Unterschied dabei ist, dass im KNN die grammatikalischen Zusammenhänge der Sätze implizit miteinbezogen werden.

Mit NMÜ erzeugte Übersetzungen lesen sich ausgesprochen flüssig und das kann problematisch sein, denn Fehler werden schneller übersehen. Dennoch liefert neuronale maschinelle Übersetzung zurzeit die besten Ergebnisse, weswegen sich der Aufwand, den Text auf lexikalischer Ebene stärker zu kontrollieren, in den meisten Fällen lohnt.

Generische und individualisierbare MÜ-Systeme

Der Umfang des Projekts, um ein maschinelles Übersetzungssystem einzuführen, hängt maßgeblich von einem Faktor ab: Und zwar von der Entscheidung, ob generische oder individualisierte Engines eingesetzt werden sollen.

Das Hauptmerkmal von generischen Systemen ist, dass sie mit großen Datenmengen unterschiedlicher Domänen trainiert werden. Dies hat zur Folge, dass die Übersetzungen zwar sehr flüssig sind, aber die Terminologie nicht zu jedem Fachbereich passt oder aufgrund fehlender Trainingsdaten in einer konkreten Domäne falsch übersetzt wird.

Individualisierte Systeme hingegen werden mit kundenspezifischen Daten trainiert, um sowohl die Terminologie als auch die Firmensprache in den Übersetzungen zu berücksichtigen. Das Resultat sind Engines, deren Rohübersetzungen qualitativ hochwertiger sind und ein geringeres Maß an Post-Editing benötigen.

Erfolgsfaktor Zeit und Geld

Maschinelle Übersetzung einzuführen bedeutet nicht, ab dem ersten Tag Kosten zu sparen. Auf lange Sicht rentiert sie sich, aber an erster Stelle muss Geld investiert werden: Ein zusätzlicher Projektleiter muss eventuell eingestellt oder weitergebildet werden, der Anbieter des MÜ-Systems für seine Dienste bezahlt, die Trainingsdaten gekauft und die Übersetzer bzw. Post-Editoren ausgebildet und bezahlt werden.

Return-on-Investment

Ein individualisiertes System ist in der Implementierung und bei den laufenden Kosten um einiges teurer als ein Generisches. Diese Erstinvestition rentiert sich jedoch im Laufe der Jahre, da die Qualität der Rohübersetzungen höher ist und die Post-Editoren schneller arbeiten.

Weiterlesen

Mit Absendung Ihrer Daten erklären Sie Ihre Einwilligung darin, dass wir diese in dem in unseren Datenschutzhinweisen genannten Umfang zum Zweck der Bearbeitung Ihrer Anfrage verarbeiten und Sie auf demselben Kommunikationswege kontaktieren dürfen. Überdies verarbeiten wir die Daten aufgrund berechtigten Interesses. Wir löschen die Daten dann, wenn Ihre Anfrage erkennbar endgültig erledigt ist, die Einwilligung widerrufen wird bzw. Sie wirksam der weiteren Verarbeitung Ihrer Daten durch uns widersprechen. Weitere Informationen dazu erhalten Sie in unseren Datenschutzhinweisen.

Lernen Sie,

  • welche Unterschiede es zwischen verschiedenen maschinellen Übersetzungssystemen gibt
  • welche Faktoren bei der Wahl und Einführung eines Übersetzungssystems wichtig sind
  • wo die Chancen und Risiken bei maschineller Übersetzung liegen
  • wie Unternehmen erfolgreich Post-Editing im Übersetzungsprozess etablieren
  • wie Sie Ihre vertraulichen Daten bei der maschinellen Übersetzung schützen
  • wie eine MÜ-Engine trainiert wird, um qualitativ hochwertige Übersetzungen zu produzieren
  • warum eine MÜ-Engine an ein Translation-Management-System angebunden werden sollte