FAQs

Ja. Jedes CAT-Tool wird zu einer hervorragenden Post-Editing-Umgebung. Wenn Sie einem TMX-Workflow mit offenen Standards folgen, können Sie Matches aus Ihrem TM nutzen und gleichzeitig von großen Teilen des übersetzten Textes profitieren. Sie können auch Freeware-Tools wie XBench verwenden, die bei der Nachbearbeitung von TMX-Dateien helfen und sogar die Konsistenz zwischen den Segmenten vor dem endgültigen Korrekturlesen prüfen.

Es gibt mehrere Möglichkeiten, wie Sie eine SMT-Entwicklung innerhalb Ihrer Organisation nutzen können. Eine unserer neusten Entwicklungen wurde 2012 auf der Localization World in Barcelona vorgestellt. Diese neue Version von PangeaMT bietet Selbsttraining (so dass Sie für Aktualisierungen nicht mehr auf uns zurückkommen müssen), automatische Erstellung von Systemen, Glossare und viele andere Funktionen. Klicken Sie hier, um die Pressemitteilung zu lesen. PangeaMT bietet Ihnen: –       Einen vollständigen MT+PE Service, hauptsächlich für Firmenanwender, die eine Paketlösung suchen. Wir entwickeln das MT-System mit Ihren Daten und sind für die Entwicklung und das Training der Änderung sowie für das Post-Editing des Outputs verantwortlich. Das System kann auf beiden Seiten eingesetzt werden und produziert reinen Text. Seit 2009 bieten wir einen nahtlosen TMX-Workflow, seit 2010 XLIFF-Kompatibilität und seit 2011 TTX-Integration mit %-Match-Erkennung, so dass Sie Text aus Ihren bestehenden TMs mit Ihrem CAT-Tool nutzen und dann das System die schwere Arbeit erledigen lassen können. –       SaaS-Dienste (wir entwickeln mit Ihren Daten ein „thematisches“ System, in der von Ihnen gewünschten Domäne und Sprache, und Sie nutzen dies im Rahmen eines „Pay-as-you-go“-Service, indem Sie rohe MT-Ausgaben kaufen, die Sie dann intern im TMX-, XLIFF- oder TTX-Format nachbearbeiten.  Das System wird intern bei PangeaMT gehostet. Die beliebteste Implementierung ist jedoch unsere Anpassung eines Systems, welches intern auf dem Server des Kunden gehostet wird. Auch hier entwickeln und trainieren wir ein System, das zu Ihrer Domäne und Ihren Ausdrücken passt, und verwenden Ihre TM-Daten und relevante Daten, um es zu erstellen. Es wird zusammen mit einer Reihe von Peripheriemodulen (Tag-Parser, Intranet-Webinterface, Datenübertragungsskripte, Sprachmodell, Bedienfeld usw.) auf Ihrem Server installiert. Es kann dann innerhalb Ihrer Organisation so oft wie gewünscht für Übersetzungen verwendet werden. Es gibt lediglich eine Limitierung dafür, auf wie vielen Servern das System installiert werden kann. Es gibt eine Phase der Systemanpassung und des Anpassens an Ihr eigenes System, und natürlich ist ein erneutes Training sehr empfehlenswert, nachdem Sie eine gewisse Menge an nachbearbeitetem Material gesammelt haben. Ihre vorhandene TM-Software (oder jede neue, die Sie erwerben) kann zu Ihrer Post-Editing-Umgebung werden. Es ist nicht nötig, eine lange Lernphase mit Ihren bestehenden Linguisten und Lieferanten zu durchlaufen. Da PangeaMT mit einem TMX-Workflow arbeitet, müssen Sie lediglich die zu übersetzenden Segmente exportieren (die typischerweise unter 70% oder 75% übereinstimmen), das TMX übersetzen lassen und Ihre Projekt-TM aktualisieren, unter Anwendung eines Penalty-Werts für MT!-Übersetzungen, damit Ihre TM-Software jedes Mal stoppt, wenn sie ein maschinell übersetztes Segment findet. Alternativ können Sie Ihre vorhandenen Übersetzungen aus Ihrem TM unter Verwendung des offenen Standards XLIFF oder des geschützten TTX in einem CAT-Tool verwenden und den Dateisatz zur Übersetzung an Ihr PangeaMT-System senden. Es könnte nicht einfacher sein und so kann das System problemlos in Ihre bestehende TM-Umgebung eingebunden werden. Der Vorteil ist, dass Sie Ihre CAT-Software nicht erneut aktualisieren müssen, denn Ihr System arbeitet nun mit maschineller Übersetzung und wird sich mit den Daten, die Sie generieren, verbessern. Darüber hinaus bietet das System die Vorteile der Nutzung von hochprozentigen Übereinstimmungen aus Ihrem TM (bei denen eine maschinelle Übersetzung keinen Sinn machen würde, da ein Mensch den Unterschied schnell erkennen kann) mit der Leistung eines domänenspezifischen SMT-Systems. Eine Alternative (je nach der von Ihnen verwendeten CAT-Software) ist die Erstellung einer API, die Segment für Segment eine Schnittstelle zu Ihrer Übersetzungssoftware bildet, wenn die Übereinstimmung des TMs nicht einen bestimmten Grenzwert erreicht. Die Einsparungen bei den Übersetzungen sind unmittelbar. Sie können dadurch mehr Inhalte und Text erstellen und mehr Kunden gewinnen.

Wenn Sie sich an den Widerstand der Übersetzer gegen die Verwendung von CAT-Tools in den späten 90er-Jahren erinnern (ich erinnere mich, ich war damals freiberuflich in Großbritannien tätig), bekommen Sie eine Vorstellung davon, welches Image das Post-Editing im Jahr 2010 und danach haben könnte. Jede „neue“ Technologie (oder Technik) hat schon immer Widerstand erfahren. Es gibt nichts, was wir mehr lieben als Sicherheit und Garantien. In der Übersetzungswelt bedeutet das, dass der Lebenszyklus der CAT-Tools relativ lange ist. Damit meinen wir nicht die allgegenwärtigen Tools, die so gut vermarktet werden, sondern auch die weniger bekannten Tools, welche die Arbeit auch ziemlich gut erledigen können. Einige haben sich bewusst bemüht, Plug-Ins für MT anzubieten (wie z. B. Swordfish, von maxprograms.com) und sind wie PangeaMT für offene Standards mit einer „no lock-in“-Mentalität konzipiert. Jetzt sagen Sie Ihren Übersetzern mal, dass sie maschinelle Übersetzungen „korrigieren“ sollen und das bei weniger Bezahlung. Zurück in den 90er-Jahren… Tatsächlich könnte es einen gewissen Widerstand von langjährigen Übersetzern geben. Aktuelle Absolventen werden noch immer in der Übersetzungstheorie in Verbindung mit computergestützten Tools ausgebildet. Da jedoch die Endnutzer bereits in bestimmten Kontexten mit fertigen Systemen arbeiten können, auch wenn diese noch nicht vollständig an ihre Domäne angepasst sind, wird die Post-Editing-Phase möglicherweise zum Auswahlkriterium. Vor der vollständigen Implementierung führen Unternehmen, Organisationen, Branchen und Sprachdienstleister in der Regel quantifizierbare Bewertungspilotprojekte durch, um sich an die Aufgaben des Post-Editings zu gewöhnen, häufige Änderungen für die Anwendung automatischer Lösungen zu identifizieren und die Erwartungen hinsichtlich Qualität und Preisgestaltung auf objektive Daten zu stützen. Dies bedeutet, dass künftige Post-Editoren, ob es sich nun um aktuelle Übersetzer oder neu eingestellte Mitarbeiter handelt, zu einem bestimmten Zeitpunkt vor der Implementierung involviert werden müssen. Das Post-Editing ist immer noch ein neuer Beruf und das Experimentieren mit MT-Systemen ist erforderlich, um eine Reihe von Fähigkeiten in Bezug auf jede Sprache zu erlangen. Zum Beispiel, wenn Sie ein System nutzen, welchem allgemeine „Welt“-Vokabeln oder sehr seltene Wörter fehlen. Dies kann bei großen Systemen stören und wenden statistische Wörterbuchmodule an, um Wörter hinzuzufügen, die nicht in Ihrem Trainingstextkorpus enthalten waren. Dennoch denken Post-Editoren in Lokalisierungs- oder Dokumentationsumgebungen vielleicht, dass es besser ist, unbekannte Begriffe in der Ausgangssprache zu belassen, damit sie „Suchen & Ersetzen“ ausführen und schnell nachbearbeiten können. Erwarten Sie also den gleichen Widerstand, auf den jede neue Technologie stößt, aber erklären Sie die Vorteile der Technologie. Menschliche Übersetzung kann die Probleme im Bezug auf Schnelligkeit und Kosten im Zeitalter der digitalen Inhalte nicht lösen. Es gibt einfach nicht genug qualifizierte Übersetzer, und selbst wenn es sie geben würde, würden die Logistik und die Kosten bei der Übersetzung von 50.000 Wörtern innerhalb von einem oder zwei Tagen die Projektmanager in den Wahnsinn treiben. Dieser Druck könnte auch die hohe menschliche „Fluktuation“ in der Sprachindustrie erklären. Die Wahrheit ist, dass mit dem Aufkommen von Online-Übersetzungsdiensten und Desktop-Services und MT-Server-Systemen Maschinen bereits mehr Wörter als Menschen übersetzen….

Auf keinen Fall. Computer-Assisted Translation (CAT)-Tools haben den Bedarf an menschlichen Übersetzern nicht beseitigt, sondern den Markt geschaffen und wachsen lassen, da die Übersetzung erschwinglicher wurde. Die meisten von uns mit einigen Jahren Branchenerfahrung erinnern sich noch an den anfänglichen Widerstand einiger bekannter Linguisten gegen die Anwendung der frühen TM-basierten Tools. Viele haben diese Tools als eine Spielerei angesehen oder als einen Trick, um Übersetzern weniger zu zahlen. Doch in Wahrheit haben Übersetzer viel verdient, selbst bei Wiederholungen, da es keine Möglichkeit gab, diese zu zählen – außer manuell. Die guten alten 90er-Jahre… Das digitale Zeitalter hat auch die Rolle des Übersetzers verändert und seit geraumer Zeit mussten sich die Übersetzer bei den CAT-Tools mit Formatierungsproblemen auseinandersetzen, für die sie nicht ausgebildet waren. Die XLIFF- und Dita-Standards sind eine Möglichkeit, dem Übersetzer zu helfen, das zu tun, was er am besten kann (Sprachübertragung), anstatt sich mit Tags und Farben innerhalb der computergestützten Übersetzungstools herumzuschlagen. In diesem Sinne ist die maschinelle Übersetzung ein Tool für die massive Steigerung der Produktion. Die maschinelle Übersetzung wird eine der besten Hilfen sein, die ein Übersetzer haben kann. Sie verbessert die Geschwindigkeit, mit der ein Übersetzer arbeitet (indem er bei Übersetzungen und Wortverbindungen, die bereits tausende Male übersetzt wurden, nicht „denken“ muss). Auch wenn es nur Zeit beim Tippen einspart, würde bereits dies alleine eine Verbesserung darstellen. Wenn es sich um ein bestimmtes Fachgebiet (Maschinenbau) handelt, hilft es dem Übersetzer, sich mit der Terminologie vertraut zu machen und sich auf die Aufgaben zu konzentrieren, die nur Menschen erledigen können. Kurioserweise ist es so, dass Maschinen bereits mehr Wörter pro Tag übersetzen (d.h. Menschen klicken im Web oder in einem Desktop- oder Server-Übersetzungsprogramm wie BabelFish oder Google Translate auf die Schaltfläche „Übersetzen“, um eine allgemeine, grundlegende Übersetzung zu erhalten) als Menschen (es gibt etwa 300.000 registrierte Übersetzer auf der Welt, mit einer durchschnittlichen Leistung von etwa 2.200-2.800 Wörtern pro Tag).

Jeder MT-Experte (oder zumindest Leser oder Post-Editor von maschineller Übersetzung) wird Ihnen sagen, dass die statistische maschinelle Übersetzung wesentlich flüssiger ist als die traditionellen regelbasierten Systeme (RB). Jeder, der sich mit der SMT befasst oder sie implementiert hat, wird Ihnen sagen, dass die Implementierungs- und Entwicklungszeiten viel kürzer sind (daher der ROI). Die RB-Systeme werden normalerweise als billigeres Paket gekauft, sobald ein Unternehmen die gesamte Programmierung der Regeln vorgenommen und die Syntax integriert hat. Das Paket ist geschlossen und die Anpassung (oder Hybridisierung) ist ein längerer Prozess. Die Statistische MT kann durch die Verbindung von Neuordnung und Dekodierung und durch die Anwendung vieler anderer mathematischer und statistischer Formeln verbessert werden, die mit Sicherheit feststellen, dass ein Wort (oder eine Reihe oder Kombination von Wörtern) im Vergleich zu anderen Wörtern zusammen vorkommt. Unten finden Sie eine umfassende Auflistung.

• Die SMT muss nur einen parallelen Textkorpus lernen, um ein Übersetzungssystem zu generieren. Im Gegensatz dazu benötigt die RBMT viel korpusunabhängiges Wissen, das nur Linguistikexperten generieren können, z.B. die oberflächliche Kategorisierung, Syntax und Semantik aller Wörter einer Sprache zusätzlich zu den Transferregeln zwischen den Sprachen. Diese letzteren Regeln sind völlig abhängig von den beteiligten Sprachpaaren und sind im Allgemeinen nicht so gut untersucht wie die Charakterisierung jeder einzelnen Sprache. Da die Definition allgemeiner Übertragungsregeln nicht einfach ist, müssen im Einzelfall mehrere Regeln definiert werden, insbesondere zwischen Sprachen mit sehr unterschiedlichen Strukturen und/oder wenn die Ausgangssprache eine größere Flexibilität bei der Handhabung von Strukturelementen in einem Satz hat.

• Ein SMT-System kann schnell entwickelt werden, wenn der passende Textkorpus verfügbar ist, was es profitabler macht. Im Gegensatz dazu benötigt ein RBMT-System hohe Entwicklungs- und Anpassungskosten, bis die gewünschte Qualität erreicht ist. Gebündelte RBMT-Systeme sind bereits fertig entwickelt, wenn der Benutzer sie kauft: Die meisten Anwender wenden MT an, indem sie sofort einsatzbereite Lösungen oder serverbereite Programme kaufen. Das Programm funktioniert und wird auf eine gewisse Art arbeiten, aber es ist sehr schwierig, Modelle und Äquivalenzen umzuprogrammieren. Vor allem der Einsatz von RBMT ist in der Regel ein sehr viel längerer Prozess, der mehr Mitarbeiter erfordert. Das ist ein Hauptproblem bei der Berechnung der vollen Einführungskosten seitens der Unternehmen.

• Die SMT ist so angepasst, dass sie automatisch auf bisher unbekannte Situationen umgeschult wird (bisher unbekannte Wörter, neue Ausdrücke, die anders übersetzt werden, als sie vorher übersetzt wurden, usw.). Die RBMT wird u. a. durch das Hinzufügen neuer Regeln und Vokabeln neu trainiert, was wiederum mehr Zeit / mehr Bearbeitung durch „menschliche Experten“ bedeutet.

• Die SMT generiert flüssigere Übersetzungen (fließende Sprachkompetenzen), auch wenn rein statistische Systeme weniger Konsistenz und weniger vorhersehbare Ergebnisse bieten, wenn der Trainings-Textkorpus zu umfangreich für den Zweck ist. Die RBMT hat jedoch möglicherweise die Oberflächen-/Syntaxinformationen oder Wörter, die für die Analyse der Ausgangssprache geeignet sind, nicht gefunden oder kennt das Wort nicht. Dies wird sie daran hindern, eine geeignete Regel zu finden.

• Während die statistische maschinelle Übersetzung für Übersetzungen in einem bestimmten Bereich gut funktioniert, wobei das System mit einem zweisprachigem Textkorpus aus diesem Bereich trainiert ist, kann RBMT für allgemeinere Bereiche besser funktionieren.

• Es besteht bei der SMT ein klarer Bedarf an leistungsfähigen Computern im Bezug auf die Hardware, um die Modelle zu trainieren. Während des Trainings des Systems müssen Milliarden von Berechnungen durchgeführt werden, und die dafür erforderlichen Hardware- und Softwarekenntnisse sind sehr speziell. Jedoch kann die Trainingsdauer heutzutage reduziert werden, dank der größeren Verfügbarkeit von leistungsstärkeren Computern. Die RBMT erfordert eine längere Einsatz- und Zusammenstellungszeit durch Experten, so dass im Prinzip auch die Erstellungskosten höher sind.

• Die SMT generiert automatisch statistische Muster, einschließlich eines guten Erlernens von Ausnahmen von Regeln. Was die Regeln für die Übertragung von RBMT-Systemen anbelangt, so können diese sicherlich als Sonderfälle statistischer Standards angesehen werden. Trotzdem verallgemeinern sie zu viel und können nicht mit Ausnahmen umgehen.

• Letztendlich lassen sich SMT-Systeme mit syntaktischen Informationen und sogar mit Semantik aufrüsten, wie bei der RBMT. Aber in diesem Fall können die statistischen Muster, die ein SMT-System lernen würde, als eine allgemeinere Art von Transferregeln angesehen werden, obwohl die Berücksichtigung solcher Informationen in den derzeitigen Systemen derzeit keine wesentlichen Verbesserungen bringt.

• Ein SMT-System kann verbesserte Übersetzungen erzeugen, wenn es erneut trainiert oder angepasst wird. Im Gegensatz dazu erzeugt das RBMT sehr ähnliche Übersetzungen zwischen verschiedenen Versionen.