Übersetzung ist eine komplexe Kunst, die wir sehr respektieren. Der manuelle Prozess dabei macht es schwierig, mit sich ändernden Technologien und fortgeschrittenen Geschäftspraktiken Schritt zu halten. Modernisierung scheint von erheblicher Bedeutung zu sein. Veränderung führt zu Ungewissheit. Es ist verständlich, dass Lokalisierungsteams sich an Legacy-Anbieter, einen statischen Stapel und die gleichen Workflows halten.

Es kann aber negative Auswirkugnen haben, wenn man sich an althergebrachte Prozesse hält, während sich die anderen in Ihrer Umgebung weiter entwickeln. Lokalisierungsteams werden häufig aus kritischen, frühzeitigen Planungs- und Entwicklungsphasen ausgeschlossen. Internationalisierung von Software, juristischen Dokumenten und technischen Stacks sind einige der Abwägungen, die als letztes getroffen werden, statt sie an die erste Stelle zu setzen. Lange Arbeit an einem einzigen juristischen Dokument könnte einen Markteinführungsplan um Monate verzögern.

Entwicklung eines neuen Ansatzes für die Übersetzung

Die Arbeit ist einfacher und effizienter, wenn menschliche Übersetzung um maschinelle Übersetzung (MT) ergänzt wird. Dabei handelt es sich um eine Art von Technologie, die mit Übersetzern zusammenarbeiten soll, nicht gegen sie, und unbegrenzte Produktivitätszunahmen stimulieren kann. Es geht nicht um entweder (menschlich) oder (Maschine). Ein Human-in-the-Loop-Ansatz bei der Übersetzung wird in den nächsten Jahren für Unternehmen allgegenwärtig sein, da es sich schlichtweg um das effektivste Modell handelt. Rein menschliche Übersetzung ist aufwendig. Rein maschinelle Methoden sind schnell, machen aber Abstriche bei der Qualität. Das Hybrid-Modell von Maschine und Mensch ist eindeutig die beste Lösung in puncto Qualität, Geschwindigkeit und Kosten.

Vier grundlegende Mentalitäten, alt vs. neu

Bei Gesprächen mit Lokalisierungsfachleuten begegnen wir häufigen Missverständnissen darüber, wie MT funktioniert und angewendet werden kann. Es ist schwierig, an neue Anwendungen und Workflows zu denken, wenn die Fähigkeiten eines Systems unklar sind. Hier einige alte Themen, die wir bei unseren Gesprächen immer noch hören, sowie neue Perspektiven, die für Sie und Ihr Team bessere Ergebnisse erzielen werden.

Es ist ganz natürlich, beurteilen zu wollen, was ein System „drauf hat“, wenn Tools verglichen werden. Die Einzelheiten zwischen verschiedenen MT-Systemen zu untersuchen ist aber kontraproduktiv. Google Translate, Amazon Translate, Microsoft Translator Hub: Diese Systeme verwenden alle eine Variante des gleichen Algorithmus. Es bestehen keine großen Unterschiede bei den Varianten, daher ist eine genaue Bewertung nicht erforderlich.

Was ein MT-System von einem anderen unterscheidet, ist, wie Sie es mit Ihren Daten trainiert haben. Ein algorithmisches MT-System, das in einer bestimmten Domain trainiert wurde, ist viel effektiver als ein generalistischer Ansatz. Daher ist die Segmentierung Ihrer Daten sehr wichtig. Konzentrieren Sie sich auf die Anwendung eines adaptiven MT-Systems auf Ihre Domänen und teilen Sie Ihre Daten darauf auf, anstatt mit einem einzigen, großen Translation Memory (TM) zu arbeiten. Anpassung ist auch bei Sprachvarianten (wie kanadisches Französisch vs. europäisches Französisch) sehr effektiv und sollte daher in Ihre Datenmatrix einbezogen werden.

Unternehmen testen MT-Systeme oft an Inhalten mit geringem Risiko oder entpriorisiertem Content, quasi als eine Art Testfahrt. Dieser risikoscheue Ansatz bedeutet, dass Sie sich darauf verlassen, dass ein TM die meiste Vorhersagearbeit leistet, was eine schlechte Nutzung von MT-Technologie darstellt.

Zukunftsorientierte Unternehmen erkennen, dass MT-Systeme in der Lokalisierungsbranche schon bald allgegenwärtig sein werden. Teams erleben wirkungsvolle Ergebnisse (und erkennen das ganze Potenzial von MT-Funktionen), wenn sie sie von Anfang an für Inhalte hoher Priorität nutzen. Erstellen Sie einen strategischen Plan, um alle lokalisierten Inhalte über ein neuronales MT-System zu erstellen, statt sie für bestimmte Anwendungsfälle zu segmentieren, die keine Geschäftsergebnisse mit sich bringen.

Es gibt wenige Möglichkeiten für Produktivitätsgewinne mit herkömmlichen Übersetzungsprozessen, daher nutzen Unternehmen Tarifverhandlungen, um Sprachdienstleister (Language Service Providers, LSPs) unter Druck zu setzen. Etwas anderes haben sie nicht zu bieten. Diese Rabatte wirken sich auf die Übersetzer aus, die entweder für weniger als ihren Standardtarif arbeiten oder ihre Tätigkeit für den Anbieter ganz aufs Spiel setzen müssen.

Unternehmen sollten neuronale MT als Mittel für Effizienz- und Produktivitätsgewinne überprüfen. Übersetzungsgeschwindigkeit, -genauigkeit und schnellere Markteinführungsprozesse sind alle messbar. Anstatt Rabatte bei veralteten Methoden zu suchen, motivieren Sie Ihre Teams, indem Sie nach Möglichkeiten suchen, ihre Arbeit schneller, besser und effizienter zu gestalten. Sie werden quantifizierbare Ergebnisse erzielen, statt eines beliebigen Rabatts.

MT-Systeme haben dynamische und erweiterte Anwendungen, aber Legacy-Enterprise-Lokalisierungs-Stacks haben nur dünne Konnektoren für sie. Dieses Konzept schränkt die vollständige Nutzung eines MT-Systems ein, und dieser Legacy-Ansatz hat zwei Hauptprobleme:

1) Er ist nicht interaktiv. Dieser Ansatz behandelt MT als Ersatz-TM. Stehen keine TM-Treffer zur Verfügung, stellt ein MT-System einen Vorschlag als Ausgangspunkt für den Übersetzer bereit. Teams verlieren die Produktivitätsgewinne, die interaktive MT bietet, weil sie zu Post-Editing-Workflows gezwungen werden.

2) Sie beschränken die Datenerkenntnisse. Viele TMS sind nur für den Datenimport eingerichtet. Falls sie Daten exportieren, dann in regelmäßigen Abständen, z. B. wenn ein Projekt abgeschlossen ist. Dieser Ansatz begrenzt die Geschwindigkeit und den Grad der möglichen Anpassung.

Bereiten Sie sich darauf vor, dass MT-Systeme alle Inhalte berühren, die Ihre Datenbank durchlaufen, anstatt sie nur als Add-on eines TMs zu betrachten. Entwickeln Sie Ihren Stack um MT herum. Dadurch machen Sie Ihren Übersetzungsprozess zukunftssicher und nutzen all die wertvollen Erkenntnisse, die Ihre Daten zu bieten haben. Behandeln Sie MT wie Ihr Kern-Betriebssystem, und sie wird dann auch entsprechende Leistungen erbringen.