Es bedeutet, dass wir branchenweite Standards unterstützen, die nicht im Besitz eines einzelnen Unternehmens sind. Wir möchten die Übersetzung demokratisch machen, insbesondere die Welt der maschinellen Übersetzung. Beides wurde von Technologieinhabern mit einem guten Auge für das Geschäft dominiert, aber die Fakten sagen uns deutlich, dass es wenig Interesse an der Weiterentwicklung der Branche gab. Mit offenen Standards gibt es keine teuren „Lock-Ins“, keine teuren Upgrades und Aktualisierungen. Natürlich muss das System mit nachbearbeitetem Material aktualisiert werden, aber dabei handelt es sich um die Lernkurve des Systems. Ein Übersetzungssystem macht sich durch eingesparte Übersetzungsgebühren schon nach weniger als einem Jahr bezahlt. Eine Aktualisierung mit Post-Editing-Material kostet nur einen Bruchteil davon. Sobald Ihre Entwicklung ausgereift ist, besteht nur noch geringer Wartungsbedarf, es sei denn, Sie sind ein anspruchsvoller Firmenanwender mit sehr spezifischen Anforderungen. Sie können sich dann auf die Produktion von immer mehr übersetztem Material konzentrieren oder die Möglichkeit in Betracht ziehen, mehr angepasste Systeme zu erstellen.

Im Normalfall sollten Ihre angepassten Systeme nur Ihre eigenen Daten enthalten, um zu garantieren, dass keine verrauschten Daten Ihren Schreib- oder Firmenstil stören. In Wirklichkeit haben nur wenige Organisationen so viele Daten zur Verfügung. Das Sammeln von Daten und die Beratung darüber, wie man relevantere Daten erhält, ist zu einer Lieblingsbeschäftigung der SMT-Entwickler geworden. Zu unseren PangeaMT-Beratungsservices gehört es, dass wir Ihrem ursprünglichem Datensatz mehr Gewicht verleihen, sodass ein großer linguistischer Textkorpus Teil des Trainings wird (wir verfügen höchstwahrscheinlich über ausreichend Daten, um ein Sprachmodell zu erstellen oder eines unserer Sprachmodelle Ihrem Stil anzugleichen). Alle Daten, die wir hinzufügen, werden für Ihr Fachgebiet relevant sein und die Systeme werden mit und ohne sie getestet, so dass Sie die Auswirkung von mehr Daten auf Ihre Entwicklung überprüfen können. (Eine Kurzfassung eines beispielhaften Tests finden Sie in unseren Neuigkeiten vom Oktober 2009. Dies war Teil eines kostenlosen Tests für mehrere Organisationen.) Allgemein wird angenommen: je mehr Daten, desto besser. Es gab Diskussionen darüber, ob kleinere und sauberere Datensets für mehr Genauigkeit sorgen. Dies hängt weitgehend von Ihrer Anwendung ab und ob Ihr System „Weltgewandtheit“ benötigt oder ob Sie ein System für einen ganz bestimmten Bereich benötigen. 2 Millionen Wörter mit Bauingenieurdaten werden wahrscheinlich wenig Wirkung zeigen, wenn Sie ein System für eine Softwarefirma erstellen wollen, die Viren bekämpft, oder für ein medizinisches Unternehmen, das sich wiederum mit einer ganz anderen Art von „Viren“ befasst. Es ist ein häufiger Fehler, immer mehr Daten hinzuzufügen und zu denken, dass sie irgendwann nützlich sein werden. Unsere Studien kommen stattdessen zu dem Schluss, dass es besser ist, Ihr Sprachmodell so zu belassen, wie es ist, wenn die neuen Daten wahrscheinlich nicht benötigt/abgerufen werden. Kurz gesagt, gibt es keine Möglichkeit, um sicherzugehen, dass Statistiken auf die eine oder andere Art funktionieren werden (das ist genau der Punkt bei der Statistik, es werden Chancen von Ereignissen berechnet). Wenn das System zu umfangreich ist, können Vor- und Nachbearbeitungssysteme (in einer Art Hybridisierung) gebaut werden, um bestimmte Ausdrücke zu „fixieren“ oder zu „erzwingen“. Es gibt andere Wege, um auf höhere Chancen hinzuarbeiten, wie es mit der Methode mit kombinierten Systemen oder der kombinierten Hypothese (d.h. das Kombinieren von Teilen wahrscheinlicher Ergebnisse mit einer hohen Sicherheit, um Sätze neu zu bilden, die das System neu verarbeitet) möglich ist. Bisher haben wir gute Erfahrungen mit Post-Editoren gemacht, die zur Überprüfung der Terminologiekonsistenz die gleichen Terminologie-Tools wie bei den CAT-Tools verwenden.

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….

Normalerweise spart man das Geld, welches man für das MT-System bezahlt hat, bereits innerhalb des ersten Jahres der Inbetriebnahme wieder ein. Die Mission von PangeaMT ist es, Demokratie in die Welt der maschinellen Übersetzung zu bringen und die Technologie für so viele Benutzer wie möglich erschwinglich und nutzbar zu machen. Die Kosten für ein Übersetzungssystem sind sehr preiswert geworden. Somit profitieren die Frühanwender mehr, da ihre Systeme schneller den gewünschten Entwicklungsgrad erreichen können. Dies wiederum bedeutet Kosteneinsparungen und die Möglichkeit, Prozesse in mehr Sprachen und Domänen zu automatisieren. Die folgende Grafik zeigt die Kosten für die Übersetzung von 750 Tausend neuen Wörtern mit einem CAT-Tool bei 11c. Es wurden zwei halbjährliche Software-Aktualisierungen berechnet. SMT = Kosten für kundenspezifische Trainings (1. Jahr), 2 jährliche Updates und 750k neue Wörter zu 60% des Übersetzungspreises. „Schutzplan“ aus dem Jahr 2.* * Inklusive Inline-Parser

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.

Die meisten Leute werden Ihnen sagen, dass 2 Millionen Wörter das Mindeste für ein einfaches System innerhalb einer Domäne mit einem gewissen Grad an Automatisierung sind. Aber erwarten Sie keine großartigen Ergebnisse, wenn Sie Texte aus den Bereichen Wirtschaft oder Journalismus verarbeiten, welche viele neue und unerwartete Wörter beinhalten. Wenn Sie es mit einer sehr kontrollierten Sprache zu tun haben und Ihr Thema wenig Variationen aufweist (technische Handbücher, Set-Dokumentationspakete, etc.), versuchen Sie, so viel Text wie möglich zu finden. Typische domainspezifische PangeaMT Entwicklungen (Software, Elektronik, Automobil, Maschinenbau, Tourismus) fangen bei um die 5 Millionen Wörter an. Es gibt mehrere Möglichkeiten, die Anzahl der Wörter durch das Sammeln zuverlässiger Paralleltexte zu erhöhen, und PangeaMT bietet Beratung und Anleitung, damit Sie ein System mit möglichst vielen Wörtern starten können. Wir bezeichnen ein System mit 15 Millionen oder 20 Millionen Wörtern innerhalb einer Domäne als „ausgereift“, weil es wahrscheinlich den größten Teil der Terminologie, des Vokabulars und der Ausdrücke beinhaltet, die für diese Sprachdomäne erforderlich sind. Keine Sorge, falls Sie noch nicht so viele Daten besitzen. Das Wichtigste ist es, das System zu starten. Sie können bei späteren erneuten Trainigseinheiten nachbearbeitetes Material und sonstiges neues Material hinzufügen. Es wurde viel über die „unangemessene Wirksamkeit massiver Datenmengen“ im Vergleich zu „kleineren Mengen gut ausgewählter Daten“ gestritten. Viele Kunden, die über ihre erste MT-Entwicklung nachdenken, sind sich nicht sicher, ob sie entweder so viel Text wie möglich (d. h. umfangreiche Mengen an Daten) eingeben oder die genausten zweisprachigen Texte auswählen sollten, auch wenn dies bedeutet, kleinere Datensets zu nutzen. Unsere Erfahrung deutet in verschiedene Richtungen a) Wenn Sie versuchen, ein allgemeines System zu erstellen, das die Fähigkeit haben soll, Unerwartetes zu übersetzen (von Zeitungsartikeln bis hin zu Wirtschaftstexten und Literatur), sammeln Sie so viel Daten wie möglich. Bildhaft gesprochen versuchen Sie, ein System zu entwickeln, das sowohl für sonnige Tage als auch regnerische Tage geeignet ist. Deshalb wird keine Datenmenge jemals „ausreichend“ sein. Früher oder später müssen Sie eine Art von syntaktischen Hilfen einbauen. b)Wenn Sie versuchen, ein System zu erstellen, dass Ihrem spezifischen Sprachbereich und Ihren Bedürfnissen entspricht (oder falls Sie ein System wünschen, das Ihre Produkte und Dienstleistungen kennt, aber auch bis zu einem gewissen Grad mit finanziellen Informationen und rechtlichen Themen umgehen kann), brauchen Sie keine Trillionen von Texten. In diesem Fall ist es passender und auch die Mühe wert, so viele Daten wie möglich in Ihrer Organisation etc. zu sammeln. So oder so: Unterschätzen Sie nicht den Aufwand und die Teamarbeit bei der Datenerhebung. Dies ist wesentlich für ein gutes Training (und damit für die Ergebnisse) des Systems. Dies wird der Beginn der Veränderung durch Ihre Einführung von MT-Technologien sein und eine gute Chance, die Interessengruppen in den Prozess einzubeziehen.