Lokalisierungsprozesse haben sich in den letzten zwei Jahrzehnten größtenteils nicht geändert. Unternehmen verlassen sich auf teure interne professionelle Übersetzer oder haben sich für die Verwendung von maschinellen Übersetzungen entschieden. Aber viele Branchenführer stellen sich mittlerweile die Frage, ob es eine andere Möglichkeit gibt, Inhalte zu lokalisieren.

In unserem kürzlichen Webinar diskutierten Paula Shannon, Chief Evangelist bei Lilt, und Loïc Dufresne de Virel, Head of Localization bei Intel, über einen neuen Ansatz für die Lokalisierung. Das Gespräch konzentrierte sich auf einige wichtige Punkte: Risikobereitschaft, Innovation, Differenzierung und die Notwendigkeit, nach vorne zu schauen.

Aufbau einer risikobereiten Kultur

Loïc begann die Diskussion mit dem einfachen Satz, dass es in der Lokalisierung im Laufe der Jahre nicht viel Risikobereitschaft gegeben hat. „Wir wollen, dass die Dinge stabil sind, und wir wollen, dass die Dinge vorhersehbar sind“, sagte Loïc. „Und wenn man neue Ressourcen einbringt, besteht immer ein gewisses Risiko.“

Bei Intel schreibt Loïc die Kultur der Risikobereitschaft drei Faktoren zu: Umwelt, Unternehmen und Persönlichkeit. Das Team arbeitet in einer Umgebung, in der der Status quo nicht ausreicht. Daher arbeitet das Team daran, die Produktivität jedes Jahr zu steigern. Das Unternehmen selbst inspiriert und fördert Innovation und Risikobereitschaft, da diese Aspekte notwendig sind, wenn das Unternehmen weiterhin in seinem Bereich marktführend sein will. Und schließlich wollen die beteiligten Persönlichkeiten immer mehr lernen und ihre Arbeit besser machen, was letztlich zu einem risikobereiten Team führt.

In der Lokalisierung aber gibt es seit Jahrzehnten einen Mangel an Innovation und Risikobereitschaft. Während der Wandel von einem statistischen Ansatz zur neuronalen maschinellen Übersetzung eine riesige (und willkommene) Änderung war, hat sich der zugrundeliegende Lokalisierungsprozess nicht großartig verändert. Katastrophale Übersetzungen, d. h. Übersetzungen, die einem Unternehmen, das sie veröffentlicht, riesigen Schaden zufügen würden, sorgen immer noch für Angst, trotz Verbesserungen bei der maschinellen Übersetzungssoftware.

Wie kann die Branche also die Grenzen überschreiten und sich weiterentwickeln? In einem kürzlich erschienenen Forbes-Artikel weist Michele Fabrizi darauf hin, dass es wichtig ist, Menschen auf jeder Ebene mit Innovationen vertraut zu machen. Es ist ein Prozess, der Zeit in Anspruch nehmen kann, aber oft kann es helfen, ein Unternehmen voranzubringen. Und wenn diese Unternehmen nach vorne blicken und die „neue Methode“ sehen, werden sich die Dinge schließlich verbessern.

Im Blick: Human-in-the-Loop

Um den neuen Ansatz für die Lokalisierung voranzubringen, haben Loïc und sein Lokalisierungsteam bei Intel im Laufe der Jahre versucht, verstärkt mit maschinellen Übersetzungen zu arbeiten. Und während maschinelle Übersetzung plus Post-Editing (MTPE) seit Jahren in der Branche eine Rolle spielt, konnten Effizienz und Produktivität bisher nur minimal gesteigert werden.

„Das 'Post' ist das Problem. [MTPE] bedeutet, das etwas repariert werden muss, was bereits nicht funktioniert hat. Man arbeitet mit einer Übersetzung, die ggf. Probleme hat, und man korrigiert diese“, so Loïc. „Mit dem Lilt-Modell beginnen Übersetzer mit einem leeren Segment und die MT-Engine arbeitet im Hintergrund, um den Prozess zu verbessern. So können Übersetzer effizienter sein.“

Deshalb prüft Intel eine Human-in-the-Loop-Ansatz für die Lokalisierung als Schlüssel zu Innovation und Erfolg. Dieser neue Ansatz für die Lokalisierung ermöglicht Übersetzern, produktiver zu arbeiten, während die maschinelle Übersetzungsmaschine sie unterstützt und prädiktives Feedback liefert. Sowie der Übersetzer das CAT-Tool nutzt und mit der MT-Engine arbeitet, werden beide mit der Zeit effizienter. Das Ergebnis sind umfassendere und einheitlichere Verbesserungen der Produktivität für Übersetzer und für die MT-Engine.

„Mit direkten Informationen von den Übersetzern muss die MT-Engine nicht neu trainiert werden. Ich muss mir darum keine Sorgen mehr machen“, so Loïc. „Da es jeden Tag für die Übersetzung von Inhalten verwendet wird, kann sich das Modell von Lilt selbst trainieren. Der Prozess wird stark vereinfacht.“

Aber obwohl sie wussten, dass das Ergebnis dieses neuen Ansatzes sich lohnen würde, wussten Loïc und sein Team auch, dass die Umstellung nicht einfach werden würde. Es gibt wichtige Fragen zu beantworten: Welche Art von Integrationen und Konnektoren gibt es? Wie werden Übersetzer in den Prozess integriert? Wie fließen Inhalte von einem System in ein anderes? Wenn Sie eine Checkliste mit Fragen sammeln können, die Sie beantworten können, kann dies die Umstellung von Anfang an deutlich reibungsloser machen.

Und schließlich gibt es einen neuen Ansatz für die Lokalisierung. Wenn Unternehmen bereit sind, zu modernisieren und sich für Änderungen öffnen, kann dieser neue Ansatz die Lokalisierung insgesamt verbessern und nachhaltige Innovation und Effizienz vorantreiben.

• • •

Wenn Sie mehr darüber erfahren möchten, was Loïc über Lokalisierung, Human-in-the-Loop-Übersetzungen und die Umstellung auf die Zusammenarbeit mit Lilt und vieles mehr zu sagen hat, schauen Sie sich das vollständige Webinar hier an.

Wenn Sie bereits jetzt über die Lokalisierung Ihrer Inhalte nachdenken, sollten Sie um eine Live-Demo der Lilt-Plattform bitten und mit einem Experten sprechen, um zu sehen, wie adaptives maschinelles Übersetzen mit Lilt auch Ihren Projekten helfen kann.