aikitext.com

1. Die Grenzen der Maschinenübersetzung

Die Grenzen der Maschinenübersetzung liegen trotz moderner neuronaler Modelle (NMT) und KI-Systeme vor allem im mangelnden echten Sprach- und Kontextverständnis. Während Grammatik und Vokabular meist präzise verarbeitet werden, stoßen Systeme in folgenden Bereichen an klare Grenzen:

• Kontext & Diskurs: Maschinen übersetzen primär auf Satz- oder Paragraphenebene. Globale Zusammenhänge, Verweise auf vorherige Kapitel oder implizite Informationen gehen häufig verloren.
• Kultur & Idiomatik: Redewendungen ("Um den heißen Brei herumreden"), Wortspiele, Witze und Metaphern lassen sich selten wortwörtlich übertragen und erfordern kulturelles Adaptieren (Lokalisierung).
• Nuancen, Ironie & Tonalität: Subtile Zwischentöne, Ironie, Sarkasmus oder die gezielte Wahl von Du/Sie sowie feine Registerunterschiede (formell vs. informell) werden oft nicht korrekt erfasst.
• Fachsprache & Mehrdeutigkeit: Homonyme (Wörter mit mehreren Bedeutungen wie "Schloss" oder "Bank") führen ohne ausreichend ausgeprägten Kontext zu Fehlübersetzungen.
• Fehlende Weltkenntnis (World Knowledge): KI besitzt kein reales Weltverständnis, sondern berechnet Wahrscheinlichkeiten. Sie unterscheidet nicht zwischen faktisch logischen und unlogischen Sachverhalten.
• Datenschutz & Vertraulichkeit: Die Eingabe sensibler Unternehmens- oder Personendaten in öffentliche Übersetzungsdienste birgt erhebliche datenschutzrechtliche Risiken (DSGVO).

2. Pre-Editing: Ausgangstexte optimieren

Beim Pre-Editing geht es darum, den ausgangssprachlichen Text so aufzubereiten, dass neuronale Übersetzungsmodelle (NMT) ihn ohne Missverständnisse oder Satzbaufehler verarbeiten können. Je klarer und strukturierter das Original, desto präziser ist das maschinelle Ergebnis.

Die wichtigsten Regeln:

1. Kurze, einfache Satzstrukturen nutzen: Vermeide Schachtelsätze, Bandwurmsätze und Klammereinschübe. Ein Satz sollte idealerweise nur einen Hauptgedanken enthalten (Richtwert: max. 15–20 Wörter).
2. Eindeutige Wortwahl bevorzugen: Verzichte auf Homonyme (Mehrdeutigkeiten) und Metaphern. Verwendest du z. B. "Leiter", erstelle den Satz so, dass klar wird, ob das Arbeitsgerät oder die Führungsperson gemeint ist.
3. Terminologie konsequent einhalten: Benutze für denselben Begriff im gesamten Text stets dasselbe Wort (keine Synonyme zur "stilistischen Abwechslung"). Das verhindert Verwirrung im System.
4. Passivkonstruktionen und Genitive vermeiden: Das Passiv führt in vielen Sprachen zu ungenauen Zuordnungen. Formuliere Sätze lieber aktiv ("Der Techniker prüft die Datei" statt "Die Datei wird vom Techniker geprüft").
5. Vollständige Sätze formulieren: Vermeide Telegrammstil, elliptische Sätze oder fehlende Pronomen. NMT-Systeme benötigen vollständige grammatikalische Strukturen zur Orientierung.
6. Rechtschreibung und Interpunktion prüfen: Tippfehler, fehlende Kommas oder falsche Groß-/Kleinschreibung führen bei KI-Modellen schnell zu falschen Satzanalysen und fehlerhaften Begriffen.
7. Kulturelle Eigenheiten und Idiome streichen: Redewendungen ("Das liegt auf der Hand") oder sprachspezifischer Humor lassen sich nicht eins zu eins übersetzen und sollten durch direkte Beschreibungen ersetzt werden.
8. Sonderzeichen und Abkürzungen reduzieren: Abkürzungen werden oft falsch interpretiert. Schreibe Begriffe aus oder nutze branchenübliche Standards.

3. Post-Editing (PE) nach ISO 18587

Beim Post-Editing wird der von einer Maschine erzeugte Zieltext von einer menschlichen Fachkraft überprüft und korrigiert. Die Tiefe der Nachbearbeitung richtet sich dabei nach dem Verwendungszweck des Textes.

1. Qualitätsstufen

• Light Post-Editing (LPE): Ziel ist ein rein verständlicher und grammatikalisch korrekter Text. Stilistische Feinheiten werden ignoriert. (Typisch für interne Dokumente, Support-Tickets oder Wissensdatenbanken).
• Full Post-Editing (FPE): Ziel ist eine Qualität, die von einer rein menschlichen Übersetzung nicht zu unterscheiden ist. Umfasst volle stilistische, terminologische und kulturelle Anpassung. (Typisch für Marketing, Verträge, Veröffentlichungen).

2. Die zentralen Arbeitsschritte

• Vollständigkeit und Sinngehalt prüfen: Sicherstellen, dass keine Satzteile, Zahlen, Codes oder Aufzählungspunkte von der Maschine ausgelassen oder hinzuerfunden wurden (Halluzinationen). Den Sinn des Ausgangstextes getreu wiedergeben.
• Terminologie und Glossar-Treue abgleichen: Überprüfen, ob fachspezifische Begriffe und vorgegebene Corporate-Language-Glossare korrekt eingehalten wurden. Konsistenz im Gesamtdokument sicherstellen.
• Grammatik, Syntax und Rechtschreibung korrigieren: Typische Maschinenzusammenstöße auflösen (z. B. falsche Wortstellung, fehlerhafte Bezüge von Pronomen, falsche Fugen-S bei Zusammensetzungen). Interpunktion und Typos korrigieren.
• Register, Tonalität und Anrede anpassen: Überprüfen, ob die korrekte Höflichkeitsform (Du/Sie) durchgängig verwendet wurde. Tonalität an Zielgruppe und Texttyp anpassen.
• Formatierung und Tags kontrollieren: Tags, Links, Platzhalter (z. B. {user_name}) und Formatierungen (Fettung, Kursivierung) auf Richtigkeit und Vollständigkeit im Zieltext prüfen.

4. Merkmale unredigierter KI- & Maschinencodes

KI-übersetzte Texte sind heutzutage grammatikalisch meist einwandfrei, weisen aber bei genauerem Hinsehen typische Muster, Systemfehler und stilistische Auffälligkeiten auf:

• Mangelnde Kohärenz über Satzgrenzen hinweg: KI übersetzt oft Satz für Satz. Pronomen (er, sie, es, dieser) haben im folgenden Satz plötzlich ein falsches Bezugswort oder Zeiten/Tonalitäten springen mitten im Text.
• Typische Übersetzungsfehler & falsche Freunde:
  • Wörtliche Übertragungen: Englische Redewendungen werden zu nah am Original übersetzt ("It makes no sense" → "Es macht keinen Sinn" statt "Es ergibt keinen Sinn").
  • Kontextblinde Wortwahl: Wörter mit mehreren Bedeutungen werden falsch gewählt (z. B. englisch "spring" als "Frühling" übersetzt, obwohl im technischen Text die "Feder" gemeint war).
• Syntaktische Monotonie & Holzhammer-Satzbau: KI-Texte neigen zu sehr gleichförmigen Satzstrukturen. Verschachtelte Gedanken wirken hölzern, Nebensätze folgen demselben Schema.
• Uneinheitliche Anrede & Tonalität: Mitten im Text wechselt die KI gelegentlich unbemerkt zwischen "Du" und "Sie" oder springt zwischen formeller Fachsprache und saloppem Umgangston.
• Übertriebene Glättung (Hallmark-Effekt): Reinen KI-Texte klingen extrem geglättet, perfekt neutral, aber emotional flach und frei von kreativer Ecken und Kanten.
• Fehler bei Zahlen, Einheiten und Kulturstandards: Datumsformate (MM/DD/YYYY vs. DD.MM.YYYY), Maßeinheiten (Fehlen der Umrechnung) oder Dezimalkommata (Punkt statt Komma) werden unkorrigiert übernommen.
• Pseudologik und "Halluzinationen": Die KI wählt Wörter, die grammatikalisch und statistisch zum Satz passen, inhaltlich aber vollkommen unsinnig oder faktisch falsch sind.

5. Professionelle Tools & Plattformen

Im Bereich der professionellen Fachübersetzung (Technik, Recht, Medizin, Finanzen) reichen einfache Übersetzungstools nicht aus. Hier kommen spezialisierte NMT-Engines, LLMs mit Kontext-Steuerung sowie Enterprise-TMS zum Einsatz.

1. Spezialisierte NMT-Engines & LLMs

2. Professionelle CAT-Tools & Enterprise-TMS

3. Spezial- & Enterprise-Plattformen