Mithilfe von Glossaren – also zweisprachigen Terminologievorgaben – lässt sich generischer Output aus MT- und KI-Systemen an unternehmensspezifische Fachterminologie anpassen. Unsere internen Analysen zeigen, dass bis zu 45 % der Änderungen beim Posteditieren auf Terminologiekorrekturen entfallen. Dieser Nachbearbeitungsaufwand kann mit eindeutigen und sinnvollen Vorgaben also deutlich reduziert werden.

Wer maschinelle Übersetzung (MT) oder KI-Systeme für die Übersetzung nutzt, kennt das Problem: Die KI übersetzt „Bolzen“ mal als „bolt“, mal als „stud“ – je nach Tagesform. Daraus folgt hoher Nachbearbeitungsbedarf, der die Kosteneinsparungen der KI schnell wieder einholt. Glossare haben sich als erprobtes Werkzeug erwiesen, um diese Fehler zu verringern. In unseren Projekten konnten Terminologiekorrekturen durch die Einbindung eines Glossars um mehr als die Hälfte gesenkt werden. Da liegt die Vermutung nahe: Je mehr Terminologie man vorgibt, desto größer der Nutzen. Das stimmt jedoch nicht. Ein überfülltes Glossar kann sogar zu mehr Fehlern führen. Die schiere Menge überfordert das System und am Ende dominieren dann einzelne Termini das gewünschte Endergebnis. Wie so oft gilt also auch für Glossare: Viel hilft nicht immer viel.