Durch die Kombination von maschineller Übersetzung (MT) mit automatisch adaptivem Machine Learning (ML) entsteht ein neues Paradigma der maschinellen Unterstützung. Solche Systeme lernen aus der Erfahrung, Intelligenz und den Erkenntnissen ihrer menschlichen Benutzer, verbessern die Produktivität durch Zusammenarbeit, machen Vorschläge und verbessern die Genauigkeit im Laufe der Zeit.

Das Endergebnis ist, dass menschliche Reviewer viel größere Volumen an Inhalten erzeugen, und das mit fast dem gleichen Qualitätsniveau und für einen Bruchteil der Zeit und Kosten. Maschinelle Unterstützung kann Kunden bis zu eine Hälfte (oder mehr) des Preises für traditionelle qualitativ hochwertige Übersetzungsdienste einsparen. Wenn Sie an maschinelle Übersetzung allein gewöhnt sind und mit den Ergebnissen nicht zufrieden waren, können Sie beobachten, wie Ihre Übersetzungsqualität dramatisch steigt und der Preis nur geringfügig höher liegt.

Fallstudie: Übersetzung eines Reise-Portals

Eine große Reise- und Touren-Website wollte innerhalb von zwei Wochen 1,77 Millionen Wörter aus ihrem Katalog in 6 Sprachen lokalisieren. Der Termin stand unumstürzlich fest, weil die Sommerferienpläne von Millionen globaler Nutzer mit mehr Zielen und neuen Aktivitäten berücksichtigt werden mussten. Dieses Ziel erfolgreich umzusetzen erforderte die schnelle Mobilisierung eines qualitativ hochwertigen Teams, das durch robuste maschinelle Technologie unterstützt wurde.

e2f mit Sitz in San Jose, Kalifornien, und mehr als 15 Jahren Erfolg im Übersetzungs- und Lokalisierungsgeschäft, stellte das „Humankapital“ für das Projekt bereit. Das Team bestand aus mehr als 100 erfahrenen Übersetzern, Lektoren und Reviewern sowie sieben Projektmanagern und einem Senior Localization Engineer.

Lilt mit Sitz in Palo Alto, Kalifornien, stellte die Übersetzungs-Engine für das Projekt bereit. Lilt wurde 2015 gegründet. Seine Technologie-Plattform umfasst die neueste Forschung in den Bereichen natürliche Sprachverarbeitung (NLP), Interaktion zwischen Mensch und Computer (HCI) und Machine Learning (ML).

Die Lilt-Plattform erwies sich als von unschätzbarem Wert, weil sie das menschliche Personal von e2f ergänzte und die Übersetzungsgeschwindigkeiten weit über den Branchendurchschnitt von 335 Wörtern pro Stunde erhöhte. Der Automatisierungsprozess erforderte die Umwandlung von Excel-Ausgangsdokumenten in ein Format, das für die automatisierte Verarbeitung geeignet ist, um sie dann in die korrekten Konten in Lilt mithilfe von Skripten hochzuladen, die die Lilt-APIs aufrufen sollten. Wenn die Übersetzungen im Lilt-System erstellt wurden, wurde die Ausgabe generiert und wieder in Excel-Dokumente in den Zielsprachen umgewandelt.

Menschliche Übersetzer konnten diese Segmente dann akzeptieren oder überarbeiten. Wurden die Vorschläge von Lilt abgelehnt, wurden die genehmigten menschlichen Übersetzungen wieder in das System eingespeist, das aus der Perspektive und Expertise der Menschen lernte. Diese positive Feedback-Schleife ermöglichte eine schnellere und genauere Übersetzung über Zeit, weil die menschlichen Übersetzer dem System kontextuell bevorzugte Übersetzungen von Begriffen und Phrasen beibrachten.

Die Reaktion des Kunden war überwältigend positiv. Die Fehlerzahl war im Vergleich zu herkömmlichen maschinellen Übersetzungslösungen gering und entsprach der von standardmäßigen menschlichen Übersetzungen. Bei einem Zeitrahmen von zwei Wochen wurde das Projekt sogar innerhalb von 10 Tagen abgeschlossen.

Die Produktivitätsgewinne durch Lilt halfen uns, das erfolgreiche Angebot für das größte Übersetzungsprojekt in der Geschichte unseres Unternehmens einzureichen und sowohl vor dem Termin als auch innerhalb des Budgets zu liefern.

— Michel Lopez, CEO, e2f

Das war das erste Mal überhaupt, dass Teams von Übersetzern ein MT-System kollektiv, interaktiv und in Echtzeit trainierten. Das Projekt bewies, dass auto-adaptive maschinelle Übersetzungstechnologie bereit ist für den großangelegten Einsatz in der Produktion.

— Spence Green, CEO, Lilt