Kommentar von Jasmin Nesbigall, Oneword Chancen und Limits von Übersetzungen im KI-Zeitalter

Anbieter zum Thema

Disy Informationssysteme GmbH

INFOMOTION GmbH

Die Übersetzungsbranche hat sich durch den Einsatz von Künstlicher Intelligenz (KI) grundlegend verändert. Was früher ausschließlich manuell erledigt werden musste, wird heute durch Algorithmen und neuronale Netze abgenommen oder unterstützt. Die Fortschritte der maschinellen Übersetzung ermöglichen dabei deutliche Effizienzsteigerungen und Kostenreduktionen. Trotz aller technologischen Entwicklungen sind jedoch die Kontrolle und Überarbeitung durch qualifizierte Übersetzer unerlässlich.

Um die Grenzen der Künstlichen Intelligenz, zum Beispiel der Large Language Models (LLMs) wie ChatGPT, im Übersetzungskontext zu verstehen, ist ein Blick auf die Funktionsweise dieser Systeme aufschlussreich. Entgegen verbreiteten Vorstellungen „verstehen“ KI-Systeme keinen Text im menschlichen Sinne. Maschinelle Übersetzung basiert auf statistischen Modellen und Wortwahrscheinlichkeiten, nicht auf semantischem Verständnis oder Fachwissen. Die neuronalen Netze berechnen, mit welchen anderen Wörtern ein bestimmtes Wort im Trainingsmaterial häufig zusammen vorkam.

Ein praxisnahes Beispiel: „Mutter“ steht in Trainingsdatensets typischerweise in Verbindung mit „Vater“ oder „Kind“, kann aber ebenso zusammen mit „Schraube“ vorkommen. Die KI entscheidet bei jedem Vorkommen anhand des Kontextes, welche Bedeutung statistisch wahrscheinlicher ist. Bei kontextarmen oder alleinstehenden Wörtern entscheidet allein die Häufigkeit im Trainingsmaterial.

Die fremdsprachlichen Texte, die von maschineller Übersetzung und LLMs generiert werden, klingen zwar flüssig und schlüssig, können inhaltlich jedoch fehlerhaft sein. Häufig kommt es zu Inkonsistenzen, da Wortwahrscheinlichkeiten für jeden Satz neu berechnet werden. Ein identischer Fachterminus kann daher innerhalb eines Textes und sogar in zwei aufeinanderfolgenden Sätzen unterschiedlich übersetzt werden und damit für Verwirrung und Fehler sorgen. Außerdem kennen KI-Systeme Fachterminologie nicht, die nicht ausreichend in den Trainingsdaten repräsentiert war.

Da jede Branche und meist auch jedes Unternehmen zudem noch ihre bzw. seine Besonderheiten hat, die über reine Wortwahrscheinlichkeiten hinausgehen, kann es bei der Nutzung von KI-Lösungen vor allem zu falsch verwendeter Terminologie kommen. Ein Gegenmittel: Die Einbindung von Glossaren – also Vorgaben, wie bestimmte Termini übersetzt werden sollen – kann dafür sorgen, dass Fachtermini von der KI korrekt und einheitlich genutzt und Missverständnisse vermieden werden.

Zusätzliche Fehlerquellen liegen in unvollständigen oder ungenauen Übersetzungen, ungewollten Auslassungen wichtiger Informationen sowie Halluzinationen, bei denen das KI-System freie, teils unsinnige Ergänzungen als Output generiert. Erst in Kombination mit der sorgfältigen menschlichen Nachkontrolle kann sichergestellt werden, dass die Übersetzungen fachlich korrekt, stilistisch angemessen und inhaltlich konsistent sind.

Maßnahmen zur Qualitätssicherung bei KI-Übersetzungen

Die menschliche Kontrolle und die damit einhergehende Qualitätssicherung bei KI-Übersetzungen ist und bleibt also unverzichtbar. Sie ermöglicht nicht nur die Prüfung und Korrektur von Fehlern, sondern auch das Erkennen und Beheben von Inkonsistenzen und terminologischen Abweichungen. Gleichzeitig bietet KI enormes Potenzial für Effizienzsteigerungen: Besonders bei stark standardisierten Texten und allgemeinsprachlichen Inhalten kann die maschinelle Vorübersetzung mit anschließender Nachbearbeitung erheblich Zeit und Kosten sparen. Damit dieses Zusammenspiel aus Mensch und Maschine jedoch optimal gelingt und höchste sprachliche Qualität gewährleistet bleibt, sind verschiedene Maßnahmen erforderlich:

• Post-Editing: Die menschliche Nachbearbeitung des maschinellen Outputs durch Fachübersetzer ist der entscheidende Qualitätsfaktor.

• Terminologievorgaben: Klare Vorgaben zu Fachterminologie in Form eines Glossars oder einer Datenbank.

• CAT-Tools/Translation Memorys: Der Einsatz von Translation-Memory-Systemen ermöglicht es, Wiederholungen und bereits übersetzte Texte zu erkennen und zu nutzen, was verhindert, dass identische Textpassagen unterschiedlich übersetzt werden.

• Linguistische Qualitätssicherung: Umfassende Prüfprozesse identifizieren Fehler in Rechtschreibung, Grammatik, Konsistenz und Zahlenangaben.

Technische Integration von KI in Übersetzungsprozesse

Für den erfolgreichen Einsatz von KI-Technologie im Übersetzungsprozess ist die Qualität der verwendeten Sprachdaten entscheidend. Unabhängig davon, ob Unternehmen eigene Modelle trainieren oder bestehende KI- und Machine-Translation-Systeme (MT) nutzen – saubere und strukturierte Daten bilden stets die Grundlage für zuverlässige Ergebnisse. Im Bereich der Fachterminologie ist die Einbindung klarer Vorgaben notwendig, damit die Maschine diese korrekt umsetzen kann. Fehlende, widersprüchliche oder uneindeutige Terminologievorgaben führen zwangsläufig zu inkorrekten und vor allem inkonsistenten Übersetzungsergebnissen.

In der Praxis setzen Unternehmen meist auf vorhandene KI- oder MT-Lösungen, die über Schnittstellen direkt in bestehende CAT-Tools (Computer-assisted Translation) integriert werden.

Dabei kann das Beste aus beiden Welten kombiniert werden: Der Translation Memory im CAT-Tool liefert bereits übersetzte oder ähnliche Textabschnitte und stellt Konsistenz bei Wiederholungen her. Aus dem KI-System kommen alle neu zu übersetzenden Textabschnitte, sodass eine deutliche Zeitersparnis möglich ist.

Entwicklungsperspektiven der KI-Integration

Interessant für den Übersetzungsbereich sind vor allem zwei Entwicklungen: Zum einen die Frage, ob LLMs wie schnell trainierbare, also flexibel anpassbare MT-Systeme genutzt werden können. Bisher war das Training eines MT-Systems sehr zeit- und kostenintensiv, um den Output an die spezifischen Vorgaben eines Unternehmens anzupassen. Wenn einem System aber durch Prompting bestimmte Vorgaben mitgeliefert werden können und dieses sie dann auch umsetzt, wäre das ein echter Game Changer.

Zum anderen stellt sich die Frage, welche Unterstützungen LLMs bei der Qualitätssicherung von Übersetzungen bieten können. Eine sorgfältig durchgeführte Qualitätssicherung ist äußerst zeitaufwendig, weil unterschiedlichste Aspekte aus dem formalen, sprachlichen und terminologischen Bereich geprüft werden. Hier wäre eine Unterstützung durch KI, zum Beispiel bei der Terminologieprüfung, durchaus ein Zeitgewinn. Beispielsweise könnten falsch verwendete Termini im gesamten Dokument ersetzt werden. Hierbei stellt sich aber die Frage nach der Verlässlichkeit der KI und der Integration in bestehende Prozesse. Schlussendlich kommt auch an dieser Stelle dem Menschen die entscheidende Rolle als letzte Kontrollinstanz zu.

Fazit: Balance zwischen Technologie und menschlicher Expertise

Trotz der beeindruckenden Fortschritte bei neuronalen Netzen und Large Language Models bleibt der Mensch der entscheidende Faktor im Übersetzungsprozess. KI ist ein leistungsstarkes Werkzeug, das Übersetzerinnen und Übersetzern einige Aufgaben abnimmt und Prozesse erheblich beschleunigen kann. Doch erst durch menschliche Expertise werden Fachtermini präzise umgesetzt, stilistische Feinheiten berücksichtigt und kulturelle Besonderheiten korrekt übertragen. Unternehmen profitieren von der Effizienzsteigerung durch KI, benötigen aber qualifizierte Fachkräfte, um hochwertige Ergebnisse sicherzustellen – sei es als Post-Editing-Experten, Terminologiemanager oder für die Qualitätssicherung im Übersetzungsprozess.

(ID:50371904)