Bewertungen
Maschinelle Übersetzungssysteme übertragen einen Ausgangstext automatisch und ohne direkte Mitwirkung eines Fachübersetzers in eine Zielsprache. Diese Rohübersetzung wird im Nachgang von speziell qualifizierten Fachlektor(inn)en, so genannten Post-Editor(inn)en korrigiert und überarbeitet. Gegenwärtig wird zwischen statistischer und regelbasierter Maschinenübersetzung (MÜ|MT) sowie neuronaler Maschinenübersetzung (NMT|NMÜ) unterschieden.
Regelbasierte maschinelle Übersetzungssysteme analysieren und übersetzen einen Ausgangstext anhand von umfangreichen Wörterbüchern und grammatischen Regelwerken. Je ausgefeilter die linguistischen Regelsysteme für das jeweilige Sprachenpaar sind und je spezieller und umfangreicher das Fachvokabular in den Wörterbüchern ist, desto präziser ist das Endergebnis im Hinblick auf korrekte Lexik, Grammatik und Syntax, inhaltliche Richtigkeit sowie allgemeine Verständlichkeit. Stil und Duktus bleiben dabei jedoch recht mechanisch und wirken oft konstruiert. Diese Methode und ihre Hybridformen bilden die Grundlage für stationäre Softwareanwendungen wie z.B. Apertium, Systran®, Promt® oder Babylon®.
Statistische maschinelle Übersetzungssysteme beruhen auf einem großen und möglichst breitgefächerten Textkorpus bereits vorhandener Texte für ein Sprachenpaar. Diese zweisprachigen Satzdatenbestände werden nach rein quantitativen Methoden einer statistischen Analyse hinsichtlich Häufigkeit und Übereinstimmung unterzogen und mit dem zu übersetzenden Text abgeglichen. Aufgrund der ermittelten statistischen Annäherungswerte werden die ähnlichsten Satzfragmente zu einer Übersetzung kombiniert. Obgleich die Trefferraten mit dem Anwachsen der Satzdatenbestände tendenziell zunehmen, scheint die Übersetzungsqualität ab einem bestimmten Referenztextvolumen wieder zu sinken, da die ermittelten Übereinstimmungen dann zu diffus und beliebig werden.
Statistische Maschinenübersetzungen sind zumeist stilistisch eingängig und relativ flüssig lesbar, dafür jedoch häufig unvollständig und inhaltlich irreführend, da oft die syntaktischen Bezüge fehlerhaft wiedergegeben werden und nicht die korrekten Ausdrücke und Fachbegriffe verwendet werden. Diese Methode ist charakteristisch für Online-Übersetzungsanbieter wie z.B. Google Translate®, KantanMT®, Asia Online® oder Yandex Translate®.
Neuronale Übersetzungssysteme kombinieren die Bestandteile einer Sprache nach dem Prinzip der qualitativen Ähnlichkeit. Sie analysieren begriffliche Kontexte von Sprachelementen in großen Textkorpora unter Einsatz von Deep-Learning-Algorithmen. In mehreren neuronalen Verarbeitungsschichten wird mit diesem statistischen Verfahren ein abstraktes Sprachmodell erstellt, das sich auf eingegebene Texte übertragen lässt. Die Anwendung und Ausgabe dieses „gelernten“ Modells in der Zielsprache erfolgt nach dem Wahrscheinlichkeitsprinzip.
Aufgrund der erforderlichen Rechenleistung laufen neuronale Übersetzungssysteme auf Hochleistungsservern mit leistungsstarken Grafikprozessoren, die über das Internet verfügbar sind.
Derzeit gibt es zwei verschiedene neuronale Übersetzungssysteme: Zum einen Recurrent Neural Networks (RNN), deren Entwicklung Ende 2014 im Zuge der Spracherkennungsforschung begann, und zum anderen Convolutional Neural Networks (CNN), die sich aus den Deep-Learning-Ansätzen der maschinellen Verarbeitung von Bild- und Audiodaten entwickelten.
Der Unterschied zwischen diesen beiden neuronalen Übersetzungsverfahren besteht in der Struktur der zugrunde liegenden Trainingsdaten. Während Convolutional Neural Networks eine feste Menge morphologischer Wordfragmente parallel auf vielen Schichten verarbeiten, verwenden rekurrente Netze ein sequenzielles Verfahren mit beliebig langen Eingaben auf der Grundlage ganzer Wörter.
Mit beiden NMT-Verfahren lassen sich deutlich überzeugendere Übersetzungsergebnisse erzielen, als mit allen bisherigen Übersetzungsmaschinen. Kurze Sätze mit begrenztem Vokabular werden flüssig, lexikalisch korrekt und idiomatisch nahezu einwandfrei übersetzt. Komplexe Satzstrukturen, Fachterminologie und Wörter mit sehr niedriger Auftretenshäufigkeit hingegen werden auch von neuronalen Übersetzungsmaschinen nicht adäquat wiedergegeben. Wie schon bei früheren statistischen MT-Verfahren treten auch bei der neuronalen Maschinenübersetzung lexikalische Fehlinterpretationen, Inkonsistenzen, Auslassungen und inkorrekte Satzbezüge auf.
Daher gehen die Anbieter von Übersetzungsmaschinen gegenwärtig dazu über, intelligente Hybridlösungen anzubieten, die regelbasierte und statistische Übersetzungstechnologien mit einem neuronalen Netzwerk kombinieren. Zu den Anbietern regelbasierter RNN-Übersetzungsmaschinen gehören u.a. Personal Translator® und Systran Pure Neural Machine Translation®. Statistische RNN-Übersetzungsmaschinen werden beispielsweise von Microsoft Translator® und Google Translate® eingesetzt. Anbieter wie DeepL® und Facebook® setzen demgegenüber maschinelle Übersetzungstechnologien ein, die auf Convolutional Neural Networks beruhen.
KI-Übersetzung: Mit dem Fortschritt in der künstlichen Intelligenz (KI) hat sich auch die maschinelle Übersetzung weiterentwickelt. KI-gestützte Übersetzungssysteme, insbesondere die neuronale maschinelle Übersetzung (NMT), werden mittlerweile in zahlreichen Online-Diensten und Softwarelösungen eingesetzt. Eine Vielzahl von Unternehmen bietet KI-Übersetzungen über APIs an, was die Integration von Übersetzungsfunktionen in verschiedene Anwendungen ermöglicht.
Diese APIs erlauben es, Übersetzungen in Echtzeit und in einer Vielzahl von Sprachen durchzuführen. Sie bieten unterschiedliche Funktionen an, wie zum Beispiel:
- Automatisierte Textübersetzung: Direkte Übersetzung von Textinhalten in zahlreiche Sprachen.
- Kontextuelle und thematische Anpassung: Einige APIs ermöglichen die Anpassung der Übersetzungen an spezifische Fachgebiete, um genauere Ergebnisse zu liefern.
- Sprachunterstützung: Die Unterstützung für eine große Anzahl von Sprachen und Dialekten.
- Integration in bestehende Workflows: Durch API-Schnittstellen können KI-Übersetzungsdienste in Content-Management-Systeme, Kommunikationsplattformen oder E-Commerce-Websites integriert werden.
Zusätzlich zu den reinen Übersetzungsfunktionen bieten seriöse Dienstleiter eine von Fachleuten ausgeführte Nachbearbeitung (Post-Editing) der Übersetzungen, um die Qualität der Übersetzungen zu verbessern. So wird die KI-Übersetzung zu einem integralen Bestandteil moderner mehrsprachiger Kommunikationslösungen.
Weitere Informationen zu Technologien, die für Übersetzungen verwendet werden:
Für eine ausführliche Fachberatung stehen wir Ihnen gern zur Verfügung.
