Browsing Author : Kerstin Berns

Measuring machine translation quality with SDL WorldServer and TAUS DQF (englisch)

Measuring machine translation quality with SDL WorldServer and TAUS DQF (englisch)

Whenever machine translation (MT) components are introduced to a translation workflow, the system or engine must first prove itself in terms of quality and usability.  To find out whether the engine meets all requirements, an initial series of data surveys is necessary. Only on such grounds it is possible to get an impression of quality or productivity growth. In today's blog we explain how to measure the quality of automatic translations with the Dynamic Quality Framework (DQF) by TAUS.
Roboter gleich Mensch?

Maschinelle Übersetzung bewerten – wie und wozu?

Das Interesse an maschineller Übersetzung (MÜ) war noch nie so groß wie heute, vor allem seit der Einführung der neuronalen maschinellen Übersetzung. Wir beobachten schon lange die Entwicklungen und technologischen Neuheiten und begleiten Projekte zur Einführung von MÜ. Einige Unternehmen entwickeln mittlerweile ihre eigenen Engines (z. B. Booking.com) oder binden auf ihre Domäne abgestimmte Engines in ihren bestehenden Übersetzungsworkflow ein.
Übersetzer, Maschinen und die Notwendigkeit, neue Wege zu gehen

Übersetzer, Maschinen und die Notwendigkeit, neue Wege zu gehen

Übersetzen und Dolmetschen sind – geschichtlich betrachtet - die ältesten Berufe der Welt, fast so alt, wie Sprache selbst. Das Vermitteln zwischen Kulturen ist schon immer ein wesentliches Attribut dieser Berufe und auch heute noch ein wichtiger Aspekt. Die Zukunft dieser Berufe, insbesondere des Übersetzers, wird heutzutage eher schwarz gemalt. Auf der DG TRAD IT Konferenz des EU-Parlaments - 'Translating in the digital world’ - waren Übersetzungsservices der Zukunft und das Schicksal von Übersetzern zentrales Thema. In diesem Blog möchte ich Kerngedanken dieser sehr spannenden Konferenz teilen.
MÜ

Schreiben für die Maschinelle Übersetzung

Die Technologie im Bereich der maschinellen Übersetzung macht große Sprünge (siehe Neuronale MÜ), und doch sind viele Systeme noch immer weit von dem perfekten Output entfernt. Oft liegt das aber nicht unbedingt am verbesserungswürdigen Algorithmus, sondern eventuell am verbesserungswürdigen Ausgangstext. Sie als Redakteur oder Redakteurin können auf die Übersetzungsergebnisse maßgeblich Einfluss nehmen, indem Sie Ihre Ausgangstexte so verfassen, dass sie von der maschinellen Übersetzung gut verarbeitet werden können. Wir zeigen Ihnen wie.
Neuronale Netze

Gesucht: neue Metriken für die Neuronale MÜ

In der Übersetzungswelt haben momentan alle nur Augen für: DeepL, die neuronale Übersetzungsmaschine von Linguee, die von sich behauptet, schneller und akkurater zu sein als die Maschinen von Google, Microsoft und Co. Kann es wirklich sein, dass ein Netzwerk, das innerhalb eines halben Jahres aus dem Boden gestampft wurde, etablierte Konkurrenten in die Knie zwingt? Oder ist alles bloß ein großer Marketingstreich?
Frisch gepresst: BDÜ Band ‚Maschinelle Übersetzung‘ mit BLC Beitrag

Frisch gepresst: BDÜ Band ‚Maschinelle Übersetzung‘ mit BLC Beitrag

Der BDÜ-Sammelband 'Maschinelle Übersetzung - Grundlagen für den professionellen Einsatz', herausgegeben von Jörg Porsiel (VW AG), bietet einen umfassenden Überblick über relevante Aspekte im MÜ-Bereich. Unser Experte Christian Eisold hat das Kapitel Terminologie in der maschinellen Übersetzung – Adaption und Integration beigesteuert.
„Eine denkwürdige Erfahrung bereichert Dein Leben“

„Eine denkwürdige Erfahrung bereichert Dein Leben“

Haben Sie heute Heißhunger auf ein bisschen Glück und Weisheit? Dann verbringen Sie doch Ihre wohlverdiente Mittagspause beim Chinesen nebenan und finden am Ende ein bisschen Glück. Doch aufgepasst! Nicht alle Glückskekse entsprechen den vorfreudigen Erwartungen und versprechen: „Sie werden häuslichen Frieden, finanzielle Sicherheit und Gesundheit genießen.“