Quality Estimation
Bewerten Sie die Qualität Ihrer KI-Übersetzungen schon vor dem Post-Editing.
MTQE (Machine Translation Quality Estimation) ermöglicht es, die Qualität maschinengenerierter Übersetzungen bereits vor dem Post-Editing einzuschätzen. Ampelsysteme und Qualitätsscores zeigen, welche Segmente genauer geprüft oder bearbeitet werden müssen. Damit sorgt Quality Estimation für schnelle Ergebnisse und ermöglicht effizientere Post-Editing-Prozesse.
Da QE keine Humanübersetzung als Referenz benötigt, eignet sie sich auch für Neuübersetzungen und jegliche Sprachrichtungen.
oneword verfügt über viel Erfahrung mit verschiedenen QE-Systemen und integriert diese passgenau in Ihre Übersetzungsprozesse. Die QE-Ergebnisse nutzen wir außerdem für Optimierungen per Custom Prompting und für automatisierte Vorarbeit in Form von Automatic Post-Editing. Damit holen wir für Sie das Beste aus Ihren KI-Übersetzungen heraus.
Unsere Zertifizierungen:
Deshalb lohnt sich Quality Estimation für Ihr Unternehmen
Effizienteres Post-Editing mit professioneller Quality Estimation
Quality Estimation kann den Post-Editing-Aufwand bei maschinellen Übersetzungen gezielt reduzieren. Dabei verstehen wir QE als einen Baustein im MTPE-Prozess, der unterstützt, aber nicht die alleinige Grundlage für die Bewertung von Übersetzungen ist. Denn auch wenn eine Maschine ein maschinelles Ergebnis grundsätzlich bewertet kann, setzen wir auf Menschen, um aus diesen Ergebnissen sinnvolle nächste Schritte abzuleiten.
Dabei setzen wir auf:
- Das beste QE-System: Wir testen regelmäßig QE-Systeme, um jederzeit mit den besten Ergebnissen arbeiten zu können.
- Gezieltes Prompting: Jedes QE-System ist nur so gut wie die Prompts, mit denen es angewiesen wird. Wir integrieren Ihre Anforderungen in den Bewertungsprozess, damit neben der allgemeinen Sprachqualität auch unternehmensspezifische Besonderheiten berücksichtigt werden.
- Menschliche Kontrolle: Wir nutzen QE-Ergebnisse als Basis für effiziente Übersetzungsprozesse, aber niemals als Ersatz für menschliche Expertise. Jedes KI-Projekt durchläuft ein Post-Editing, das durch QE aber zielgerichteter und schneller erfolgen kann.
So können wir Quality Estimation gezielt in Ihren MTPE-Prozess integrieren und den Post-Editing-Aufwand reduzieren.
Wann und wie wir Quality Estimation einsetzen
QE kann in verschiedenen Phasen des KI-Übersetzungsprozesses zum Einsatz kommen:
1. Wir schätzen den Post-Editing-Aufwand ein
Unsere Bewertung zeigt auf Segmentebene, welche und wie viele Segmente voraussichtlich bearbeitet werden müssen.
2. Wir erkennen Fehlerquellen
QE kann problematische Segmente schnell identifizieren. Erkannte Fehler lassen sich anschließend teilweise über Automatic Post-Editing (APE) beheben.
3. Wir prüfen unternehmensspezifische Vorgaben
Ihre hinterlegten Prompts bestimmen, welche Aspekte das QE-System bewertet. Durch gezieltes Custom Prompting berücksichtigen wir individuelle Besonderheiten und bewerten, ob sie eingehalten wurden.
Segment für Segment statt Gesamt-Score
Wir setzen bei QE auf eine segmentweise Bewertung, da die Qualität einzelner Segmente innerhalb eines Dokuments stark voneinander abweichen und jeder kleinste Fehler entscheidend sein kann.
Eine zusammengefasste Bewertung für ein gesamtes Dokument ist nicht aussagekräftig und sogar riskant: Ein insgesamt guter Dokument-Score kann trotzdem Segmente mit sehr geringer Qualität und kritischen Fehlern enthalten.
Möchten Sie mehr über Quality Estimation erfahren? Weitere Informationen erhalten Sie in einem persönlichen Gespräch mit unseren Expert:innen.
FAQ – Häufig gestellte Fragen
Funktioniert Quality Estimation für jede Sprache?
Quality Estimation basiert auf neuronalen Netzwerken und lässt sich deshalb für beliebige Sprachkombinationen einsetzen. Dafür benötigen Sie weder Referenzübersetzungen noch ein separates Training für jede Sprache.
Wie verlässlich ist Machine Translation Quality Estimation (MTQE)?
Die Qualität der Bewertung hängt vom eingesetzten System und den verwendeten Prompts ab. Allgemeine QE berücksichtigt vor allem die Sprachqualität, nicht aber unternehmensspezifische Besonderheiten. Mit gezieltem QE-Prompting lassen sich auch individuelle Vorgaben prüfen und die Bewertung an Ihre Anforderungen anpassen.
Müssen gut bewertete Segmente nicht mehr menschlich überprüft werden?
Ob eine menschliche Prüfung gut als fehlerfrei bewerteter Segmente erforderlich ist, hängt von Faktoren wie Risikolevel, Sachgebiet und Einsatzszenario ab. Schließlich bewertet eine Maschine den Output einer anderen Maschine und kann dabei selbst Fehler machen. Mit QE können Sie fehlerhafte Segmente aber leicht identifizieren und anschließend nachbearbeiten.
Was kostet Translation Quality Estimation?
Der Aufwand hängt unter anderem vom eingesetzten LLM, der Erstellung unternehmensspezifischer QE-Prompts und den Feedback-Loops ab, mit denen wir prüfen, ob die Bewertung zuverlässig funktioniert. QE-Ergebnisse können Ihr Post-Editing unterstützen und dabei helfen, fehlerfreie Segmente aus Projekten auszuschließen, um Kosten zu sparen.
Unsere Leistungen rund um KI-Übersetzung.
Lassen Sie uns über Ihr nächstes Projekt sprechen.
Nutzen Sie unser Kontaktformular oder rufen Sie uns an:
Buchen Sie direkt einen Beratungstermin:
