Die maschinelle Übersetzung hat durch neuronale Netze einen wahnsinnigen qualitativen Sprung vollzogen. Das bedeutet eine grundlegende Umstellung und ein Umdenken vorhandener Prozesse und Workflows – nicht nur für Übersetzungsdienstleister! Als Berater für Sprach- und Übersetzungstechnologien erhalten wir zunehmend Anfragen von Unternehmen, die sich für die Integration neuronaler maschineller Übersetzung (kurz: NMÜ) in ihre Content Management Umgebungen und Übersetzungsplattformen interessieren. Einige zentrale Fragen (und Antworten) aus unseren Kundengesprächen fasse ich in meinem Blog zusammen.
Welches System ist das beste (für mich)?
Die Dienstleisterlandschaft für maschinelle Übersetzung ist mit der NMÜ noch einmal deutlich gewachsen. Das macht es Anwendern zunehmend schwer, Unterschiede zwischen deepL, Google Übersetzer, Microsoft Translator & Co festzustellen. Zudem gibt es eine Reihe von weniger bekannten, aber etablierten Anbietern, mit großen Stärken in bestimmte Sprachpaaren und Anwendungsgebieten, wie z.B. KantanMT, Systran, um nur einige zu nennen. Unter der Haube haben im Prinzip alle Anbieter vergleichbare Verfahren zur Modellierung neuronaler Netze im Einsatz. Es gibt drei Netzarchitekturen, die sich im Laufe der NMÜ-Entwicklung besonders bewährt haben: Recurrent Neural Networks, Convolutional Neural Networks und Transformer.
Welche Systeme kann ich für das Post-Editing einsetzen?
Für viele Textsorten und Einsatzfälle ist das Post-Editing der NMÜ unerlässlich. Der Übersetzer und die eingesetzten Tools rücken verstärkt in den Fokus, wenn es um die Messung von Post-Editing-Aufwänden geht. Mit den richtigen Tools lassen sich Aufwände exakt messen und ermöglichen so eine gezielte Bepreisung der Übersetzungsleistung oder des Post-Editing. Neben geschlossenen Tool-Verbänden großer Systemhersteller drängen immer mehr MÜ-Anbieter und spezialisierte Einzelsysteme für das Post-Editing auf den Markt.
Was gibt es Neues aus der Welt der NMÜ?
Technologien und Dienstleistungen durchlaufen aufgrund erhöhter Nachfrage nach NMÜ einen schnellen und gravierenden Wandel. Dieser macht sich durch spezifische Funktionserweiterungen von CAT-Tools, Post-Editing-Plattformen und Shared-Services bemerkbar. Zukünftig erwartet uns also eine sehr heterogene Tool-Landschaft. Darüber hinaus werden wir in Zukunft vermehrt mit neuen technologischen Ansätzen zur Datenverarbeitung und zur Prognose von Qualitätsmerkmalen konfrontiert. Vereinzelt sind Lösungsansätze hierzu bereits umgesetzt. Diese neuen Ansätze zur Optimierung der Übersetzungsqualität vor, während und nach der maschinellen Übersetzung basieren alle auf den Grundlagen maschinellen Lernens.
Wollen Sie mehr über aktuelle NMÜ-Entwicklungen erfahren?
Im kostenlosen Webinar ‚NEUronale Übersetzung – Trends und Tipps‘ am 09.04 um 10:00 Uhr (Dauer 45 Min), gebe ich einen Überblick zu zentralen Fragestellungen rund um die NMÜ. Außerdem gehe ich detaillierter auf zukünftige Entwicklungstendenzen der NMÜ-Technologie, neuer Services und der Übersetzerrolle ein.
Ich freue mich, wenn Sie an meinem Webinar teilnehmen. Hier geht’s zur Anmeldung.
Und natürlich stehe ich Ihnen für alle Fragen rund um die Maschinelle Übersetzung, Maschinelles Lernen und NLP gerne persönlich zur Verfügung.
Ihr Christian Eisold
