In der vernetzten, globalen Welt von heute sind Unternehmen, die jenseits der Grenzen ihres Ursprungslands tätig werden müssen, gezwungen, sich Gedanken zur Lokalisierung zu machen. Viele Unternehmen müssen Inhalte übersetzen, um selbst in ihren eigenen Ländern Mitbürger anzusprechen.
Weil Sprache der stärkste Verbindungspunkt in einer expandierenden digitalen Welt ist, ist es nicht nur wichtig, die Botschaft an die richtigen Leute zu richten, sondern sie auch im passenden Ton zu verfassen. Oft sind Tausende von Wörtern erforderlich, um eine Marke zu entwickeln, und diese Arbeit kann durch nur einen falschen Ausdruck zunichte gemacht werden. Es war noch nie wichtiger, Inhalte zu lokalisieren, und dies für Ihre Zielgruppe speziell auch richtig zu machen.
In der Welt der Lokalisierung und Übersetzung ist maschinelle Übersetzung (MT) seit ihren Anfängen in den 1940er Jahren ein heiß umstrittenes Thema. Seitdem hat ihre Bedeutung durch Computertechnologie und Rechenleistung zugenommen. Systeme können jetzt Texte fast synchron übersetzen. Manchmal wird aber in der Quelle-zu-Output-Übersetzungsgleichung der menschliche Übersetzer vergessen, ohne den viel vom rohen MT-Output überhaupt nicht verwendbar wäre.
Hier kommt maschinelle Übersetzung mit Post-Editing (MTPE) ins Spiel: ein Workflow, bei dem der rohe MT-Output von einem menschlichen Übersetzer vor der endgültigen Lieferung bearbeitet wird. Theoretisch ist MTPE die ideale Lösung für eine Reihe von Problemen bei der traditionellen und der maschinellen Übersetzung: Geschwindigkeit, Kosten und Richtigkeit. Die traditionelle Übersetzung (bei der Menschen den Quelltext in eine andere Sprache übersetzen) ist zwar am genauesten, in der Regel aber langsamer und kostspieliger. Maschinelle Übersetzung ist viel schneller, allerdings kann es zu Qualitätsproblemen kommen. MTPE löst diese Probleme, indem die Geschwindigkeit und Kosteneffizienz von MT mit der Genauigkeit der menschlichen Übersetzung kombiniert wird.
Mit der ständigen Weiterentwicklung der Übersetzungstechnologie mit neuen Outputs wie neuronale und adaptive maschinelle Übersetzung hat die relative Effektivität von MTPE abgenommen. Anthony Teixeira, seit über 12 Jahren freiberuflicher Übersetzer, ist in puncto MTPE vorsichtig.
„Man ist leicht versucht, zu denken, dass Übersetzer Zeit bei der Eingabe der Übersetzung sparen, weil MT-Engines einen Entwurf ausgeben“, so Teixeira. „In Wirklichkeit erfordert der Output oftmals so viel Überarbeitung, dass es schneller wäre, die Übersetzung von Anfang an neu einzugeben.“
Selbst wenn der MT-Output akzeptabel ist und nur geringfügige Änderungen erforderlich sind, fährt er fort, gehen alle potenziellen Zeiteinsparungen oft verloren, weil Übersetzer den Ausgangstext mit dem Output vergleichen und den Kontext verstehen müssen, herausfinden müssen, was falsch ist und die korrekte Übersetzung verfassen müssen. MT-Modelle werden außerdem oft nur gelegentlich trainiert, sodass Übersetzer immer wieder auf die gleichen MT-Output-Fehler stoßen.
Teixeira ist nicht der einzige Übersetzer mit dieser Meinung zu MTPE. In einer unabhängigen Forschungsstudie mit dem Titel The State of the Linguist Supply Chain (Der Status der Übersetzer-Supply-Chain) ermittelte CSA Research, dass nur 37 % der Übersetzer und Übersetzerinnen der Meinung sind, der MT-Output, mit dem sie arbeiten, wäre gut. Über 80 % sprechen von einer so unterschiedlichen Output-Qualität, dass es wahrscheinlich schwierig ist, in Projekten für Einheitlichkeit zu sorgen. Weil der Roh-Output weiterhin maschinell übersetzt wurde, klingt er oft wörtlicher als eine Übersetzung durch Muttersprachler, bei der Kontext und Emotion berücksichtigt werden.
Wie sieht also die Zukunft der maschinellen Übersetzung aus? Die CA Research-Studie zeigt, dass 71 % der Übersetzer eine adaptive maschinelle Übersetzungslösung vorziehen, die als Ergebnis des direkten Feedbacks des Übersetzers dazulernt und trainiert wird. Dieser Human-in-the-Loop-Workflow führt zu einem ständig aktualisierten Übersetzungsmodell, das effizienter, schneller und kostengünstiger ist als MTPE oder andere Übersetzungsmethoden.
Das Konzept MTPE lag dahingehend richtig, dass die Bausteine eines modernen Übersetzungs-Workflows menschliche Übersetzer mit maschinellen Übersetzungen kombinieren. Adaptive, neuronale maschinelle Übersetzung hat aber bewiesen, dass es eine effektivere Möglichkeit gibt, menschliche Fähigkeiten mit KI zu verstärken, und das ist die wahre Zukunft der Sprachübersetzung und Übersetzungsdienstleistungen.