Laden...
Oneword Partner

Maschinelle Übersetzungssysteme bieten viele Vorteile

Machine Translation (MT) gehört in der Übersetzungsbranche mittlerweile zum Standard und bietet Unternehmen zahlreiche Vorteile:

  • Verkürzte Time-to-Market-Zyklen: Informationsprodukte lassen sich deutlich schneller multilingual verbreiten – auch bei großen Volumina
  • Abbau interner Sprachbarrieren: Durch nicht rechtsverbindliche Convenience-Übersetzungen zur internen Kommunikation und Weiterverarbeitung eröffnet MT auch innerhalb eines Unternehmens globale Kommunikationswege
  • Nutzbarmachen der Zielgruppenkommunikation: Vorteilhafte Kommentare in Social Media, Produktbewertungen und Rezensionen lassen sich kostengünstig in Fremdsprachen übertragen
  • Information gisting: Reine Informationsgewinnung von Texten aus der Fremdsprache, um die Kernaussagen zu verstehen
  • Branchenunabhängige Nutzung: MT bietet durch Kosten- und Zeitersparnis für viele Branchen einen deutlichen Mehrwert

Das Grundprinzip ist immer dasselbe: Maschinelle Übersetzungssysteme (Engines) übertragen automatisch und ohne Mitwirkung eines Fachübersetzers einen Ausgangstext in eine Zielsprache.

Je nach eingesetztem MÜ-System und Arbeitsweise ergeben sich aber unterschiedliche Vorteile im Workflow, dem maschinellen Output und der erreichten Qualität.

Wir geben Ihnen einen Überblick über die verschiedenen MÜ-Systeme und zeigen Ihnen, welche Technologie aktuell am vielversprechendsten ist.

MT-Systeme im Überblick: Wir zeigen Ihnen, was die einzelnen Systeme bereits können

Auf dem Markt der MÜ-Systeme finden sich statistische (SMT), regelbasierte (RBMT) und neuronale (NMT)  Systeme sowie Hybridformen daraus. Die Systeme arbeiten auf unterschiedliche Weise, um einen Ausgangstext zu übersetzen. oneword gibt Ihnen dazu einen kurzen Überblick und zeigt, welche Technologie aktuell am vielversprechendsten ist.

Regelbasierte maschinelle Übersetzungssysteme (RBMT)

  • Analyse und Übersetzung des Ausgangstexts anhand umfangreicher Wörterbücher und grammatikalischer Regelwerke
  • Je tiefer und ausgefeilter die linguistischen Regelsysteme, das Fachvokabular und das Wörterbuch für das jeweilige Sprachenpaar, desto präziser das Endergebnis hinsichtlich korrekter Lexik, Grammatik, Syntax, inhaltlicher Richtigkeit und allgemeiner Verständlichkeit
  • Duktus und Stil bleiben recht mechanisch
  • Der Eindruck eines konstruierten Texts kann entstehen

Diese Vorgehensweise und ihre Hybridformen bilden die Grundlage für Anwendungen wie beispielsweise Systran, Promt, Babylon oder Apertium.

Regelbasierte Machine Translation

Statistische maschinelle Übersetzungssysteme (SMT)

  • System beruht auf einem breitgefächerten Textkorpus schon vorhandener Texte für ein Sprachenpaar
  • Die zweisprachigen Satzbestände werden in einem statistischen Verfahren (quantitativ) hinsichtlich der Häufigkeit und Übereinstimmung analysiert und mit dem zu übersetzenden Text abgeglichen
  • Die ähnlichsten Satzfragmente aus dieser Analyse werden zu einer Übersetzung kombiniert
  • Meist stilistisch eingängig und flüssig lesbar
  • Übersetzungsqualität sinkt ab einem bestimmten Referenztextvolumen wieder, da die analysierten Übereinstimmungen dann zu beliebig und diffus werden
  • Häufig unvollständig und inhaltlich irreführend, da syntaktische Bezüge manchmal nicht korrekt wiedergegeben werden

Diese Methode ist Grundlage für Übersetzungsanbieter wie Google Translate, KantanMT, Asia Online oder auch Yandex Translate.

Neuronale Übersetzungssysteme  (NMT)

  • Kombination der Bestandteile einer Sprache nach dem Prinzip der qualitativen Ähnlichkeit
  • Analyse begrifflicher Kontexte von Sprachelementen in großen Textkorpora mithilfe von Deep-Learning-Algorithmen
  • Mehrere neuronale Verarbeitungsschichten und statistische Verfahren helfen, ein abstraktes Sprachmodell zu erstellen, das sich wiederum auf neu eingegebene Texte übertragen lässt
  • Wahrscheinlichkeitsprinzip liegt der Ausgabe und Anwendung dieses gelernten Modells für die Zielsprache zugrunde
  • Kurze Sätze werden flüssig, lexikalisch korrekt, idiomatisch fast einwandfrei übertragen
  • Komplexere Satzkonstruktionen, Fachtermini und selten auftretende Wörter werden auch bei NMT nicht adäquat übertragen
  • Fehlinterpretationen, Auslassungen, inkorrekte Satzbezüge oder Inkonsistenzen
  • Aufgrund der hohen Rechenleistung müssen für neuronale Übersetzungsmaschinen Hochleistungsserver mit leistungsstarken Grafikprozessoren verwendet werden

Diese Methode ist Grundlage für Übersetzungsanbieter wie Google Translate, KantanMT, Asia Online oder auch Yandex Translate.

Neural Machine Translation

Recurrent Neural Networks vs. Convolutional Neural Networks

Aktuell gibt es zwei verschiedene neuronale Übersetzungssysteme, die sich besonders bezüglich der zugrundeliegenden Trainingsdaten unterscheiden:

Recurrent Neural Networks (RNN) entwickelten sich 2014 im Rahmen der Spracherkennungsforschung und verwenden ein sequenzielles Verfahren mit beliebig langen Eingaben auf der Grundlage ganzer Wörter.

Convolutional Neural Networks (CNN) entwickelten sich aus den Deep-Learning-Methoden von maschinellen Verarbeitungsverfahren von Bild- und Audiodaten. Im Training der Maschine werden feste Mengen morphologischer Wordfragmente auf vielen Schichten parallel verarbeitet.

Jasmin Nesbigall

Leitung

Jasmin

Dipl.-Übersetzerin

Laden...

Fazit: Stistische, regelbasierte oder neuronale Übersetzungssysteme?

Trotz der Schwächen – und an diesen ist bereits erkennbar, dass die Forschung zu künstlicher Sprachintelligenz noch lange nicht am Ende ist – eignen sich die Verfahren der neuronalen Maschinenübersetzung am besten für die Übersetzung verschiedenster Texttypen. Sie erzeugen im Durchschnitt die überzeugendsten Ergebnisse.

Ein Blick in die Vergangenheit zeigt zudem, welche zeitliche Entwicklung Maschinelle Übersetzung genommen hat. Neuronale Maschinelle Übersetzungssysteme stellen dabei die fortschrittlichste und aktuellste Technologie – aufbauend auf RBMT (um 1960) und SMT (um 2000) da:

Mittlerweile gehen Anbieter aber auch dazu über, intelligente Hybridlösungen aus regelbasierten und statistischen Übersetzungstechnologien mit neuronalem Netzwerk zu verbinden. Zu den Anbietern gehören Personal Translator oder Systran Pure Neural Machine Translation. Statistische RNN-Übersetzungsmaschinen werden von Microsoft Translator oder Google Translate eingesetzt. Anbieter wie DeepL und Facebook setzen dagegen maschinelle Übersetzungstechnologien ein, die auf dem CNN-Prinzip beruhen.

Und welche Engine ist für Ihre Anforderungen am besten geeignet? Wir beraten Sie gerne!

Effizient und hochwertig

Workflows maschinelles Übersetzen

Maschinelle Übersetzungsworkflows optimieren

oneMTPE

So profitieren Sie am besten von Maschineller Übersetzung.

Datensicherheit

Datenschutz

Wir schützen Ihre Daten im gesamten MÜ-Prozess.

8 gute Gründe für oneword.

Erfahren Sie mehr über unsere Kompetenzen und was uns von klassischen Übersetzungsagenturen unterscheidet.

Wir liefern Ihnen 8 gute Gründe und noch viele weitere Argumente, warum eine Zusammenarbeit mit uns erfolgreich ist.

Angebot anfordern
Ich bin damit einverstanden, dass mich oneword GmbH kontaktiert und meine angegebenen Daten speichert.