it

Grazie mille!

Abbiamo ricevuto la Sua richiesta e La contatteremo al più presto.

SwissGlobal Newsletter

Lost in translation? Das muss nicht sein. News, Tipps, Interviews und vieles mehr aus der Sprachindustrie mit unserem monatlichen Newsletter.

Von Regeln zu Robotern: die Geschichte der maschinellen Übersetzung

14-1.png

Die Sprache ist so alt wie die Menschheit selbst, aber der Traum von der automatischen Übersetzung liegt erst wenige Jahrzehnte zurück. Die Vorstellung, dass eine Maschine Wörter sofort von einer Sprache in eine andere übersetzen könnte, hat die Fantasie beflügelt, lange bevor es die Technologie dafür gab. Tools wie Google Translate oder DeepL sind für uns heute selbstverständlich. Der Weg zur modernen maschinellen Übersetzung ist jedoch geprägt von einer jahrzehntelangen Geschichte von Versuch, Irrtum, Innovation und Integration. Hat man sich einmal mit der Geschichte der maschinellen Übersetzung befasst, erkennt man schnell, warum menschliches Fachwissen und Sprachdienstleister (language service providers, LSPs) wie SwissGlobal für Qualität und Nuancen unerlässlich bleiben.

1950er- bis 1960er-Jahre: erste Experimente in der Geschichte der maschinellen Übersetzung

Die ersten Versuche der maschinellen Übersetzung entstanden in den 1950er-Jahren, als die Informatik noch in den Kinderschuhen steckte. Eine der berühmtesten Demonstrationen war das Georgetown-IBM-Experiment von 1954, bei dem ein Computer mit einem kleinen Wortschatz von 250 Wörtern und sechs Grammatikregeln erfolgreich 60 russische Sätze ins Englische übersetzte. Obwohl das Experiment verglichen mit heutigen Standards primitiv war, löste es enormen Optimismus aus und wurde weithin als der Beginn der automatischen Übersetzung bezeichnet.

Der Enthusiasmus stiess jedoch schnell auf Widerstände. Der von der US-Regierung in Auftrag gegebene ALPAC-Bericht (Automatic Language Processing Advisory Committee) aus dem Jahr 1966 kam zu dem Schluss, dass die maschinelle Übersetzung im Vergleich zu Humanübersetzern keine brauchbaren Ergebnisse geliefert hatte. Die Mittel wurden gekürzt, die Forschung verlangsamt. Fast ein Jahrzehnt lang blieb die maschinelle Übersetzung eine Randerscheinung der Computerlinguistik.

1970er- bis 1980er-Jahre: regelbasierte Systeme und die Wiederbelebung der maschinellen Übersetzung

Trotz Rückschlägen wuchs das Interesse an maschineller Übersetzung in den 1970er- und 1980er-Jahren, insbesondere dank der regelbasierten maschinellen Übersetzung (rule-based machine translation, RBMT). Dieser Ansatz basierte darauf, dass Linguisten Grammatikregeln und zweisprachige Wörterbücher in Systeme programmierten. Programme wie SYSTRAN, die in den späten 1960er-Jahren entwickelt wurden, fanden weitverbreitete Nutzung, insbesondere bei der Europäischen Kommission, die ihre offiziellen Dokumente in mehrere Sprachen übersetzen musste.

RBMT war effektiv für technische und repetitive Texte, bei denen die Terminologie kontrolliert werden konnte. Allerdings waren die Entwicklung und Wartung des Systems langwierig, da für jedes Sprachenpaar ein eigener umfangreicher Regelkatalog erforderlich war. Die Übersetzungsqualität war angemessen, oftmals aber zu nahe am Ausgangstext, was den natürlichen Lesefluss störte.

1990er-Jahre: statistische maschinelle Übersetzung und datengesteuerter Fortschritt

Die 1990er-Jahre markierten mit dem Aufkommen der statistischen maschinellen Übersetzung (statistical machine translation, SMT) einen bedeutenden Wandel. Anstatt Grammatikregeln manuell zu programmieren, analysierten SMT-Systeme grosse zweisprachige Datenbestände (bilinguale Textkorpora), um Muster und Wahrscheinlichkeiten zu finden. Dieser Ansatz wurde Anfang der 1990er-Jahre von IBMs Candide-Projekt entwickelt und später von Unternehmen wie Google übernommen.

SMT führte in vielen Fällen zu flüssigeren Übersetzungen als RBMT. Die Ergebnisse enthielten jedoch häufig grammatikalische Fehler und hatten Schwierigkeiten mit idiomatischen Ausdrücken. Dennoch demonstrierte SMT die Leistungsfähigkeit datengesteuerter Ansätze und legte den Grundstein für die moderne Übersetzungstechnologie.

2006 kam Google Translate auf den Markt, das ursprünglich SMT einsetzte und schnell skalierte, um Dutzende von Sprachen zu unterstützen, indem es die umfangreichen mehrsprachigen Inhalte im Internet nutzte.

Anfang der 2000er-Jahre: maschinelle Übersetzung mit Post-Editing (MTPE)

Zu Beginn der 2000er-Jahre wurde klar, dass vollautomatische, qualitativ hochwertige maschinelle Übersetzungen noch in weiter Ferne lagen. Folglich wurde die maschinelle Übersetzung mit Post-Editing (machine translation with post-editing, MTPE) eingeführt, bei der Humanübersetzer die maschinellen Ergebnisse überarbeiten, um die erforderliche Qualität und Genauigkeit zu erreichen.

Die EU und andere internationale Organisationen entschieden sich schon früh für MTPE und nutzen die maschinelle Ausgabe als Entwurf, um die Humanübersetzung zu beschleunigen. Auch Sprachdienstleister begannen, MTPE als eigenständige, kosteneffiziente Dienstleistung anzubieten, ohne dass die Prüfung durch Menschen zu kurz kommt. Dieser Ansatz wurde schnell zu einem Eckpfeiler aktueller, professioneller Übersetzungsworkflows.

Im Jahr 2017 führte die Internationale Organisation für Normung (ISO) die Norm ISO 18587 ein, in der die Anforderungen an die Nachbearbeitung maschineller Übersetzungsergebnisse formell festgelegt wurden. Mit dieser Norm wurden Richtlinien für professionelle Post-Editoren festgelegt, die sicherstellen, dass MTPE einheitlich und mit überprüfbarer Qualität eingesetzt wird. Heute ist MTPE nach wie vor einer der am häufigsten verwendeten hybriden Ansätze in der Übersetzungsbranche, der die Effizienz und die menschliche Fähigkeit zur Interpretation von Nuancen, Tonfall und kulturellem Kontext vereint.

2010er-Jahre: neuronale maschinelle Übersetzung und ein Durchbruch bei der Qualität

Ein echter Durchbruch gelang in den 2010er-Jahren mit der neuronalen maschinellen Übersetzung (neural machine translation, NMT). Im Gegensatz zur SMT, die sich auf Satzwahrscheinlichkeiten stützt, verwendet die NMT künstliche neuronale Netze, die ganze Sätze auf einmal verarbeiten und kontextuelle Beziehungen zwischen Wörtern lernen. Die Ergebnisse sind flüssiger, präziser und klingen natürlicher.

Google stellte 2016 auf NMT um und die Verbesserung war sofort spürbar. Andere grosse Anbieter wie Microsoft Translator, Amazon Translate und DeepL haben sich ebenfalls für NMT entschieden. DeepL, das 2017 auf den Markt kam, hat sich schnell einen Namen gemacht, weil es dank fortschrittlicher neuronaler Architekturen und grosser paralleler Korpora aussergewöhnlich natürliche Übersetzungen liefert, insbesondere in europäischen Sprachen.

Die Einführung von NMT hat die Branche verändert und macht die maschinelle Übersetzung anwendbar für ein breiteres Spektrum von Inhalten. Bei sensiblen oder nuancierten Texten ist eine menschliche Prüfung jedoch weiterhin unerlässlich.

2020er-Jahre: KI-Tools und die Integration der maschinellen Übersetzung in den Alltag

In den 2020er-Jahren ist die maschinelle Übersetzung dank Fortschritten im Bereich der künstlichen Intelligenz und cloudbasierter Tools zum Alltag geworden. NMT wird nun durch Transformer-Modelle wie BERT von Google und GPT von OpenAI ergänzt, die sich dadurch auszeichnen, dass sie Kontext und Bedeutung ganzer Dokumente und nicht nur einzelner Sätze verstehen.

Diese grossen Sprachmodelle (large language models, LLMs) erweitern die Möglichkeiten der maschinellen Übersetzung. Sie können sich an stilistische Vorlieben anpassen, besser mit idiomatischen Ausdrücken umgehen und sogar Übersetzungen erstellen, die die Sprache der Marke genau wiedergeben. Ihre Sprachgewandtheit ist zwar beeindruckend, aber ihre Tendenz, Inhalte zu «halluzinieren» oder zu erfinden, bedeutet, dass sie noch nicht zuverlässig für anspruchsvolle Geschäftskommunikation geeignet sind.

Für den professionellen Einsatz werden KI-Tools in Translation Management-Systeme (TMS) und Plattformen für computergestützte Übersetzung (computer-assisted translation, CAT) integriert. Anpassungsfähige Engines können jetzt auf bereichsinterne Datensätze trainiert werden, um die Ausgabe an die Terminologie und den Schreibstil eines Unternehmens anzupassen. Damit können Unternehmen maschinelle Übersetzungen dank integriertem DeepL-Glossar oder maschinellen Übersetzungssystemen, die auf Unternehmensdaten abgestimmt sind, direkt in ihre Arbeitsabläufe einbinden.

KI geht auch über die Text-zu-Text-Übersetzung hinaus. Spracherkennung, Sprache-zu-Text und Echtzeit-Sprachübersetzung sind bei Videokonferenzen und mehrsprachigen Chatbots immer häufiger anzutreffen. Diese Tools überwinden Barrieren in der globalen Zusammenarbeit und machen sofortige mehrsprachige Kommunikation zu einem Teil des täglichen Geschäftslebens.

Die Zukunft: hybride Ansätze und menschliches Fachwissen

Auch wenn sich die maschinelle Übersetzung enorm weiterentwickelt hat, bleibt die Rolle des Humanübersetzers von zentraler Bedeutung. Die Zukunft liegt in den hybriden Ansätzen, die maschinelle Übersetzung, KI-Tools und menschliches Fachwissen kombinieren. Das Post-Editing wird immer spezialisierter und umfasst je nach Zweck des Inhalts verschiedene Stufen.

Für international tätige Unternehmen liegt die Herausforderung nicht darin, sich für Mensch oder Maschine zu entscheiden, sondern das richtige Gleichgewicht zu finden.

Was bedeutet die Geschichte der maschinellen Übersetzung für Ihr Unternehmen?

Die Schlussfolgerungen sind praktisch.

  • Beginnen Sie mit einer Inhaltsprüfung. Segmentieren Sie Ihr Material nach Risiko, Wiederverwendbarkeit und Langlebigkeit. Menschliche Experten überprüfen risikoreiche oder reputationsrelevante Inhalte. Sich wiederholende Inhalte mit geringem Risiko sind ein guter Kandidat für maschinelle Übersetzung mit Post-Editing.
  • Behandeln Sie Daten wie ein Produkt. Saubere zweisprachige Leitfäden, Translation Memorys und Glossare sind strategische Vorteile. Diese Texte stellen Qualität, Anpassungsfähigkeit und Genauigkeit in Ihrer gesamten Kommunikation sicher.
  • Messen Sie mit mehr als nur einer Punktzahl. Automatische Metriken sind für Regressionstests nützlich, aber sie sind nicht das Ziel. Kombinieren Sie automatisierte Prüfungen mit menschlichen Bewertungen, die sich auf Genauigkeit, Stil, Inklusivität und Zweck konzentrieren.
  • Integrieren Sie die maschinelle Übersetzung in den Workflow. Der Mehrwert entsteht, wenn maschinelle Übersetzung, TMs, Terminologie und menschliche Prüfung in einer Pipeline mit klaren Qualitätszielen pro Inhaltstyp zusammengefasst sind.
  • Schützen Sie die Privatsphäre und das geistige Eigentum. Wenn es sich um sensible Inhalte handelt, sollten Sie eine spezielle Infrastruktur für die maschinelle Übersetzung verwenden und sich an strenge Datenverarbeitungsprotokolle halten. Vermeiden Sie es, vertrauliche Texte an öffentliche Endpunkte zu senden, die Eingaben für das Training von Engines wiederverwenden könnten.

Wie SwissGlobal Ihr Unternehmen mit maschinellen Übersetzungsdienstleistungen unterstützen kann

Die Geschichte der maschinellen Übersetzung zeigt, dass sich die Technologie weiterentwickelt, das menschliche Fachwissen jedoch konstant bleibt. Bei SwissGlobal entwickeln wir massgeschneiderte Workflows, die maschinelle Übersetzung mit dem Fachwissen professioneller Linguisten kombinieren. Das bedeutet, dass Ihr Unternehmen von Geschwindigkeit und Effizienz profitiert, ohne Kompromisse bei Genauigkeit, Ton oder Vertraulichkeit einzugehen.

Unsere maschinellen Übersetzungen bieten Ihnen Geschwindigkeit, Flexibilität und Genauigkeit, ohne Kompromisse bei der Qualität oder Sicherheit einzugehen. Abhängig von Ihren Zielen bieten wir eine Reihe von Lösungen an, die Ihre mehrsprachigen Kommunikationsanforderungen erfüllen:

  • Sichere maschinelle Übersetzung: Die Übersetzungen laufen auf sicheren Servern und alle Texte werden umgehend gelöscht, damit Ihre Daten vertraulich bleiben.
  • Einbindung von Glossaren und Stilrichtlinien: Wir integrieren Ihre Terminologie und Ihren Markenleitfaden, damit jede Übersetzung die Sprache Ihres Unternehmens widerspiegelt.
  • Erstellung von Glossaren: Wir erstellen massgeschneiderte Glossare, die die Terminologie für alle Ihre Projekte und Sprachen standardisieren.
  • Benutzerdefinierter Editor: Unsere Plattform kombiniert MT- und Copywriting-Tools und ermöglicht es Ihnen, Übersetzungen in einer vertrauten Umgebung zu verfeinern.
  • LLM-Übersetzung: Grosse Sprachmodelle liefern flüssige, markenkonsistente Übersetzungen, die oft nur wenig oder gar nicht nachbearbeitet werden müssen.
  • Kundenspezifische Übersetzungsmaschinen: Wir trainieren maschinelle Übersetzungssysteme auf der Grundlage Ihrer Unternehmensdaten, um Übersetzungen zu erstellen, die Ihrem Ton, Ihrem Stil und Ihren Qualitätsstandards entsprechen.
  • Maschinelle Übersetzung mit Post-Editing: Die mit den neuesten maschinellen Übersetzungswerkzeugen erstellten Entwürfe werden nachbearbeitet, um die ISO 18587-Standards zu erfüllen, und dies schnell und genau.

Bei uns bekommen Sie mehr als nur Übersetzungstechnologie. Sie profitieren von einem vertrauenswürdigen Partner, der die neuesten maschinellen Übersetzungstools mit menschlichem Fachwissen kombiniert und so sicherstellt, dass Ihre mehrsprachigen Inhalte korrekt, konsistent und auf Ihr Publikum zugeschnitten sind.

Kontaktieren Sie uns noch heute, wenn Sie Übersetzungsbedarf haben.

SwissGlobal
Panoramica privacy

Questo sito web utilizza i cookie con lo scopo di offrirvi la migliore esperienza possibile. Le informazioni dei cookie vengono archiviate nel vostro browser e servono per riconoscervi quando tornate a visitare il nostro sito web nonché per consentire al nostro team di capire quali sezioni del sito web sono più interessanti e utili per voi. Maggiori informazioni al riguardo sono riportate nella nostra informativa sulla privacy.