Die Übersetzungs- und Lokalisierungsbranchen haben sich in den letzten Jahrzehnten rasant verändert. Im Laufe dieser Zeit konnten wir die Leistung der maschinellen Übersetzung beobachten, die die Art und Weise, wie übersetzt wird, revolutioniert.
Paula Shannon, Sales Strategy Leader bei Lilt, kennt sich recht gut darin aus, wie die Branche sich entwickelt hat und weiter entwickeln wird. In unserem kürzlichen Q&A-Webinar konzentrierte sich Paula auf die neuronale maschinelle Übersetzung und wie sie in Kombination mit dem Human-in-the-Loop-Übersetzungsansatz die Denkweise von Übersetzern und Lokalisierungs-Führungskräften in puncto Übersetzung völlig verändert.
Mit dem Human-in-the-Loop-Workflow, so Paula, wird der gesamte maschinelle Übersetzungsprozess effizienter und menschlicher denn je. Traditionell wird der Roh-Output der maschinellen Übersetzung von einem Übersetzer redigiert. Dies wird auch als MT-Post-Editing bezeichnet. Dies führt jedoch zu einer Verringerung von sowohl Qualität als auch Effizienz.
Wie im MT-Post-Editing-Teil der Grafik oben ersichtlich, wird das MT-System erst besser, wenn es erneut trainiert wird. Das bedeutet, die gleichen Übersetzungsfehler werden wiederholt, bis das gesamte System aktualisiert wird. Dies führt zu einem weniger effizienten Workflow für Übersetzer, weil sie ständig die gleichen Fehler korrigieren müssen. Die Qualität leidet ebenso: Der Output wird weiterhin ausschließlich von einer Maschine übersetzt, sodass Übersetzer nicht nur Fehler korrigieren, sondern auch so redigieren müssen, dass eine menschenähnliche Sprache entsteht und Einheitlichkeit gegeben ist.
Dies führt laut Paula zu Unzufriedenheit. „Übersetzer mögen Post-Editing nicht, und ich glaube nicht, dass sie dabei ihre beste Arbeit leisten“, sagt sie. Eine Studie von CSA Research von 2020 zeigt, dass 71 % der Übersetzer den adaptiven Human-in-the-Loop-Übersetzungsansatz der Arbeit mit Roh-MT-Output vorziehen. Paula zufolge ist der menschliche Übersetzer für den gesamten Workflow von entscheidender Bedeutung.
„Seien wir uns in puncto MT-Post-Editing als Branche mal ehrlich: Darin eingebettet ist die Idee, dass wir mit der Zeit besser werden, weil wir den Menschen aus dieser Gleichung entfernen“, sagt sie. „Wir sollten aber vielmehr einen Prozess nutzen, der möglichst effiziente, intelligente Automatisierung nutzt, aber für das menschliche Feedback offen ist. Dies führt zu einer höheren Wertschöpfung und besseren Inhalten.“
Einer der größten Vorteile eines Überstzungssystems mit menschlicher Beteiligung besteht darin, dass es das wahre Potenzial der maschinellen Übersetzung freisetzt, um Marketing-Übersetzungen und Verbraucherinhalte zu übernehmen, was in der Branche seit langer Zeit eine Herausforderung darstellte.
Mit MTPE geben Lokalisierungsteams ihr Bestes, um möglichst hochwertige Inhalte zu erstellen. Vor allem nutzen sie umfassende Korpora und pflegen detaillierte Glossare und Terminologiedatenbanken oder Termbases, damit Übersetzer bestmögliche Inhalte erstellen.
Letztendlich redigieren diese Übersetzer aber immer noch maschinell übersetzte Inhalte. Bei einem Human-in-the-Loop-Workflow treffen hingegen die Übersetzer Entscheidungen direkt im Momen, was zu Inhalten führt, die „menschlicher“ übersetzt wirken. Das System lernt dann von diesen Entscheidungen, um in Zukunft besser informierte, menschenähnlichere Übersetzungen zu erstellen.
Das Ergebnis? Ein System, das Marketing- und an Verbraucher gerichtete Inhalte effektiver und effizienter übersetzen kann. Und das ist etwas, das Unternehmen unabhängig von ihrer Größe oder Lokalisierungsreife sehr wichtig ist.
Um mehr von Paula über den aktuellen Stand der Lokalisierung und deren Zukunft zu erfahren, sehen Sie sich das On-Demand-Webinar Looking Towards the Future of Localization (Blick in die Zukunft der Lokalisierung) an, indem Sie auf diesen Link klicken.
