Bearbeitung von maschinell erstellten Texten

(Kein) Maschineller Wortsalat

Maschinelle Übersetzungssysteme haben in den letzten Jahren deutliche Fortschritte gemacht. Doch nur weil ein System menschliche Sprache nachahmen kann, wird es dadurch noch lange nicht zu einem intelligenten Wesen. Maschinen fühlen und denken nicht wie wir. Sie kennen keine Empathie, kichern nicht über Kalauer und zucken auch nicht zusammen, wenn man sich ihnen gegenüber völlig im Ton vergreift. Folglich klingen maschinell erstellte Texte oft leblos und steif.

In manchen Anwendungsfällen ist das nicht so schlimm. Eine simple Bedienungsanleitung oder die neueste Verwaltungsvorschrift soll ja keine Comedypreise gewinnen. Wenn eine maschinelle Übersetzung aber unfreiwillig komisch ist und dadurch Ihren Ruf ruiniert, ist das ein Problem.

Damit Ihnen das nicht passiert, unterstütze ich Sie mit sogenannten MTPE-Services. Dabei orientiere ich mich am geltenden ISO-Standard und arbeite gemäß meiner KI-Richtlinie.

Auf einen Blick

Was ist „MTPE“?

MTPE steht für Machine Translation Post-Editing und meint die Nachbearbeitung von maschinell erstellten Übersetzungen. Gelegentlich findet sich auch die Abkürzung PEMT für Post-Editing of Machine Translation und im deutschen Sprachraum taucht statt MT oft MÜ für maschinelle Übersetzung auf. Und weil das noch nicht verwirrend genug ist, sprechen Marketingteams mancher Übersetzungsagenturen und „KI“-Anbieter inzwischen von AIPE, also von Artificial Intelligence Post-Editing. Daran erkennen Sie, dass hier viel heiße Luft im Spiel ist. Denn „KI“-Systeme sind auch nur Maschinen – eine neue Abkürzung ist überflüssig. Deswegen bleibe ich auf meinen Seiten einheitlich bei MT beziehungsweise MTPE.

Man unterscheidet zwischen „Full MTPE“ und „Light MTPE“. Ersteres meint die vollständige Überarbeitung der maschinell erzeugten Übersetzung, damit sie korrekt, verständlich, stilistisch angemessen und von einer menschlichen Übersetzung nicht mehr zu unterscheiden ist. Dabei soll trotzdem so viel wie möglich von der maschinellen Vorübersetzung behalten werden. Diese Definition findet sich im zugehörigen internationalen Standard ISO 18587: „Translation services – Post-editing of machine translation output – Requirements“ (2017).

Im Gegensatz dazu sollen beim vereinfachten „Light MTPE“ nur die wesentlichen Inhalte des Ausgangstextes vermittelt werden. Typisches Beispiel: In einem internationalen Unternehmen sollen alle Mitarbeitenden bestimmte interne Dokumente verstehen, obwohl sie unterschiedliche Muttersprachen haben. Hier kann die Übersetzung stilistische Aspekte vernachlässigen; sie sollte aber inhaltlich trotzdem korrekt sein und keine Rechtschreib-/Grammatikfehler enthalten.

WICHTIG: Soll Ihr Text veröffentlicht werden, ist „Light MTPE“ der falsche Ansatz!

Mit üblichen Tools: 80 % Übersetzung + 20 % Feinschliff

Mit MTPE-Methode: 20 % Übersetzung + 80 % Feinschliff

Ein häufiger Irrglaube ist, dass man Texte maschinell vorübersetzen kann und „nur noch mal drüberschauen“ muss. Bei einfachen Texten oder einer groben Übersetzung von internen Dokumenten (Stichwort: „Light MTPE“) mag das stimmen. Aber genau da liegt der Knackpunkt: Es sind dann eben nur grobe Übersetzungen. Fachbegriffe werden mal falsch übersetzt. Nuancen gehen verloren. Ton und Stil ändern sich. Druckreif sind solche Übersetzungen also nicht!

Darum spart „KI“ kaum Zeit

Professionelle Sprachdienstleister nutzen seit Jahren Tools, die den Übersetzungsprozess beschleunigen und Kosten senken, ohne dass die Qualität leidet. Diese maschinell gestützte Arbeitsweise wird Computer-Assisted Translation (CAT) genannt. Typische CAT-Software umfasst Terminologiedatenbanken (damit Fachbegriffe konsistent übersetzt werden), sogenannte Translation-Memory-Systeme (damit bereits erstellte Übersetzungen effizient wiederverwendet werden können) und kleine Helferlein wie zum Beispiel eine Auto-Suggest-Funktion (damit sich Wörter schneller eintippen lassen).

Wenn nun Kunden Texte von einem „KI“-System vorübersetzen lassen – sei es ChatGPT, Amazon Translate, DeepL oder ein ähnliches Produkt – und hoffen, dadurch die Übersetzungskosten auf ein Drittel oder gar ein Zehntel senken zu können, ist die Enttäuschung oft groß. Denn ich muss dann die Vorübersetzung genau mit dem Originaltext abgleichen, Wörter verschieben oder ersetzen, uneinheitlich genutzte Fachbegriffe korrigieren und Fehler aufspüren, die ich als professionelle Übersetzerin gar nicht gemacht hätte. (Einige Beispiele finden Sie im Abschnitt „Mensch gegen Maschine“.)

Unterm Strich gehts also schneller, Übersetzungen mit CAT-Software, Tastenkürzeln und weiteren Tools selbst zu erstellen, statt die fehlerhaften Ausgaben einer Maschine zu korrigieren. Falls nötig und sinnvoll, kann ich auch selbst „KI“-Übersetzungen in einem CAT-Tool einbinden (gemäß meiner KI-Richtlinie nur nach vorheriger Absprache mit Ihnen). Deswegen sollten Sie bei maschinell vorübersetzten Texten realistisch bleiben und keine Megapreisnachlässe erwarten.

Geeignete Textarten

Bei bestimmten Texten kann eine maschinelle Vorübersetzung tatsächlich Zeit sparen. In meinen ersten Berufsjahren habe ich beispielsweise oft Produktdatenblätter mit immer wiederkehrenden Formulierungen übersetzt. Das ist genau die Art von monotoner Tipperei, die gern von Maschinen übernommen werden darf. Weitere typische Beispiele sind:

Benutzerhandbücher
Rezepte und ähnliche Anleitungen
Standardangaben zu Hotels, Flügen, Mietwagen, Restaurants usw.

Generische AGB-Texte
Einfache Kurs-/E-Learning-Inhalte
Menüs, Fehlermeldungen und weitere Elemente in Software/Apps

Natürlich sollten alle automatisch erstellten Übersetzungen sorgfältig geprüft werden, damit Inhalt und Form stimmen. Und auch hier gilt: Professionelle Übersetzer haben für diese Textarten schon längst passende Tools, sodass durch neuere „KI“-Systeme nur noch geringe Zeitgewinne hinzukommen.

Praxisbeispiel: Mehrkosten durch MTPE

Ein typisches Problem entsteht, wenn MTPE nicht zielgerichtet genutzt wird, sondern als Abkürzung dient, um Kosten zu sparen. Die Ironie dabei: Die Gesamtkosten können bei einer schlecht durchdachten Vorgehensweise sogar höher sein!

Dazu ein Beispiel: Ein E-Learning-Anbieter hatte mich für ein MTPE-Projekt engagiert, bei dem englische Kursinhalte maschinell übersetzt und schrittweise durch mehrere Sprachdienstleister ausgebessert werden sollten. Die deutschen Texte wurden zahlenden (!) Nutzern der Plattform als Betaversion zugänglich gemacht. Hier herrschte also von Anfang an Unklarheit: Texte sollten gut genug für ein kostenpflichtiges Angebot sein, aber erstmal nur grob bearbeitet werden? Das geht schief!

Es folgten ebenso schwammige Anweisungen. So sollten zunächst „nur grobe Fehler“ korrigiert werden, die bei Lernenden Frust verursachen könnten. Doch das ist subjektiv. Manch einer ist von Schachtelsätzen frustriert, manch anderer von uneinheitlichen Fachbegriffen oder ständigem Wechsel zwischen „du“ und „Sie“. Zudem hatte sich der Kunde ein Bearbeitungstempo von bis zu 2.000 Wörtern pro Stunde vorgestellt – das lässt wirklich nur grobe Verbesserungen zu.

Im zweiten Durchgang sollte ein anderer Übersetzer getreu dem Vier-Augen-Prinzip für den Feinschliff sorgen. An sich eine gute Idee, aber: Für diese Person waren die Texte neu und sie enthielten noch diverse Fehler, die der erste Bearbeiter durch den Zeitdruck und unklare Vorgaben nicht korrigiert hatte. Die zweite Person musste also von vorn anfangen, sollte nun aber deutlich weniger Zeit aufwenden.

Im finalen Durchgang schließlich sollte einer der Übersetzer die auf der E-Learning-Plattform veröffentlichte deutsche Version durchklicken, um den Kontext zu prüfen und sicherzustellen, dass alles richtig übersetzt und formatiert wurde. Fehlenden Kontext hätte man jedoch schon im ersten Durchgang prüfen müssen (wie will man sonst Fehler erkennen?!), aber leider war der E-Learning-Anbieter obendrein an eine unseriöse Agentur geraten, die das Problem nicht aufgezeigt, sondern die Texte wirklich nur husch, husch überflogen hatte.

Das Ende vom Lied: Der E-Learning-Anbieter bezahlte mehrmals für dieselbe Leistung und hätte viel Geld sparen können.

Ein kurzes Rechenbeispiel verdeutlicht dies. Wenn ein Kurs zum Beispiel 10.000 Wörter umfasst und die beteiligten Übersetzer je 50€/Stunde berechnen, ergibt sich bei den vom Kunden erhofften Geschwindigkeiten folgender Aufwand:

– 1. Durchgang: 5 Stunden (2.000 Wörter/Std.)
– 2. Durchgang: 3,3 Stunden (3.000 Wörter/Std.)
– 3. Durchgang: 2,5 Stunden (4.000 Wörter/Std.)

Also: 5*50€ + 3,3*50€ + 2,5*50€ = 540€.
Bei einem einzigen ordentlichen MTPE-Durchgang mit etwa 1.200 Wörtern pro Stunde wären es nur 8,3*50€ = 415€ gewesen!

Abrechnung und Zahlung

MTPE rechne ich wie andere Arten von Textkorrekturen zu meinem Standardpreis von 50€/Stunde ab. Wird MTPE sinnvoll und mit geeigneten Texten eingesetzt, sind etwa 1.000 bis 1.500 Wörter pro Stunde möglich („Full MTPE“). Ich schaue mir gern Ihr konkretes Projekt an, um den Aufwand und möglichen Nutzen von MTPE einzuschätzen.

Als Zahlungsoptionen gibt es die SEPA-Überweisung und für nichteuropäische Kunden auch PayPal. Meine Zahlungsfrist beträgt 14 Tage und es gelten meine AGB.

Auch nach Jahrzehnten nicht am Ziel

Die Geschichte der maschinellen Übersetzung beginnt nicht etwa mit Google oder OpenAI. Die ersten praktischen Überlegungen, wie man Texte maschinell von einer Sprache in eine andere übersetzen könnte, gab es nämlich schon vor fast hundert Jahren, als in den 1930ern die zwei Erfinder Georges Artsrouni und Petr P. Troyanskii separat Patente für Übersetzungsmaschinen anmeldeten (Buchtipp: Early Years in Machine Translation).

Es folgte schnell die Erkenntnis, dass dies kein leichtes Unterfangen sein würde und man erstmal Grundlagenforschung betreiben müsste. Dazu kam es zwar, doch der Enthusiasmus, der in den 1940ern und 1950ern diverse wissenschaftliche Arbeiten, Konferenzen und neue Lehrstühle hervorbrachte, erhielt ebenfalls bald einen Dämpfer. Aus einem einfachen Grund: Menschliche Sprache ist komplex, vielschichtig und oft doppeldeutig. Sie lässt sich nicht mit einfachen Regelsystemen beschreiben und übersetzen.

Das Forschungsfeld entwickelte sich also von rein regelbasierten Ansätzen weiter, probierte es mit statistischen Verfahren und Sprachmodellen zur Vorhersage von Wortsequenzen, bis es schließlich zu Methoden des maschinellen Lernens, neuronalen Netzen und Modelltrainings mit riesigen Datenmengen überging. Natürlich wurden in all den Jahrzehnten Fortschritte gemacht. Die Zeiten holpriger Übersetzungen von Google Translate mit zig Grammatikfehlern sind vorbei. Doch präzise, konsistente und zielgruppengerechte maschinelle Übersetzungen ohne menschliches Eingreifen gibt es auch heute noch nicht.

Häufige Fragen

Wenn Ihre Frage hier nicht beantwortet wird, schauen Sie auch auf meine FAQ-Seite oder nutzen Sie mein Kontaktformular.

...

…

...

…

...

…