Die ersten Überlegungen zu maschineller Übersetzung in den 1930er Jahren waren ihrer Zeit weit voraus. Damals existierten jedoch keinerlei technologische Voraussetzungen, um Übersetzungen vollautomatisch durchführen zu können. Genau genommen wurde der erste programmgesteuerte, digitale Computer überhaupt erst 1936 gebaut. Der war zunächst einmal so groß wie ein Doppelbett und, was seinen Prozessor betrifft, auch genauso träge.
Aber bereits Ende der 1940er Jahre begann man, die damals noch revolutionär neuen Computer mit regelbasierten Algorithmen zu füttern, um Texte ohne menschliches Zutun von einer Maschine übersetzen zu lassen. Nach anfänglicher Euphorie durch das geglückte Georgetown-Experiment, bei dem IBM und die University of Georgetown öffentlich 60 gut vorbereitete Sätze von einem Computer vom Russischen ins Englische übersetzen ließen, trat man forschungsmäßig lange Zeit auf der Stelle.
Erst in den 1970er und 1980er Jahren trafen zwei Faktoren aufeinander, die eine Renaissance der maschinellen Übersetzung bedingten:
Damit nahm die Entwicklung von Machine Translation Engines wieder Fahrt auf, doch erst in den letzten drei bis vier Jahren gelang mit der Entwicklung neuronaler Engines der Durchbruch.
Die rudimentärste Form von maschinellen Übersetzungssystemen arbeitet regelbasiert, also auf der Basis von linguistischen Regeln in Bezug auf Grammatik, Wortfolgen und Terminologie. Dabei wird der Satz in der Ausgangssprache in seine grammatikalischen Satzteile zerlegt, in die Zielsprache übersetzt und anschließend wieder zusammengefügt. Dieser Ansatz hat sich jedoch als nicht zielführend erwiesen.
Die statistischen Übersetzungssysteme sind die evolutionäre Weiterentwicklung der regelbasierten Systeme. Sie arbeiten auf der Grundlage von Übersetzungstexten in jeweils Quell- und Zielsprache. Auf dieser Basis bestimmen sie die Wahrscheinlichkeit, dass eine Formulierung im gegebenen Zusammenhang akkurat ist. Daraus folgt: Die Qualität der Ergebnisse, die das statistische System liefern kann, hängt stark von der Textmenge ab, die im Vorlauf in das System eingespeist wurde.
Neuronale MÜ-Systeme beruhen wie die statistischen Systeme auf der Analyse von zweisprachigen Texten. Mithilfe dieser Texte wird ein neuronales Netzwerk angelernt, das eine Vielzahl an kontextbezogenen und linguistischen Informationen abspeichert. Das macht die neuronale Technologie nicht nur besser lernfähig als das statistische System, sondern auch flexibler im Übersetzungsprozess.
Technische Dokumentationen, die strengen Schreibregeln und Style Guides folgen, Inhalte, die in kontrollierter Sprache geschrieben sind, oder Texte, die nur der internen Information dienen sollen, sind gute Kandidaten. Geschwindigkeit und geringere Kosten sind die wichtigsten Vorteile, aber man muss mit der Gefahr von Kontextfehlern, Grammatikfehlern und schlechtem Stil rechnen.
Maschinelle Übersetzung eignet sich:
Da Menschen sprachliche Funktionen wie Kontext, Humor, Ironie oder Redewendungen immer noch besser verstehen, sind sie die erste Wahl für qualitativ hochwertige Übersetzungen. Verkaufs- und Marketingdokumente, Rechtstexte oder sicherheitsrelevante Inhalte benötigen die volle Aufmerksamkeit eines erfahrenen Übersetzers.
Maschinelle Übersetzung eignet sich nicht:
Keinesfalls. Sowohl in Teilbereichen der Übersetzungsarbeit selbst als auch bei der Organisation der Begleitprozesse eines Übersetzungsprojekts bleibt der Mensch bislang unersetzlich. Zum einen steigt mit der Vielfalt und Komplexität von Übersetzungssystemen auch die Nachfrage nach Beratung. Die Auswahl der für Ihre Zwecke passenden Übersetzungstechnologie will nicht leichtfertig getroffen sein, da speziell beim Wechsel von maschinellen Systemen wertvolle Lerneffekte verloren gehen, die Sie teuer zu stehen kommen können. Achten Sie deshalb darauf, mit einem Sprachdienstleister zusammenzuarbeiten, der Ihre Anforderungen kennt und systemkompatible Lösungen empfehlen und gegebenfalls auch für Sie einrichten kann. Zum anderen kommt dem Handling rund um den eigentlichen Übersetzungsprozess immer größere Bedeutung zu. Es stellen sich Fragen wie: Wie wird der Workflow möglichst effizient aufgesetzt? Wie geht man bei der Auswahl und Schulung von Post-Editoren vor? Wer verwaltet und pflegt die Terminologiedatenbank? (Wenn Ihre Frage jetzt lautet „Was ist eine Terminologiedatenbank?”, dann klicken Sie hier.)
Zusammengefasst: Machine Translation Engines sind definitiv gekommen, um zu bleiben. Der Flaschenhals war seit jeher die Technologie, die der menschlichen Vision von maschineller Übersetzung hinterhergehinkt ist. Heute finden wir uns in einer Situation wieder, in der sich laut Mooreschem Gesetz die Rechenleistung auf der Welt ungefähr alle zwei Jahre verdoppelt. Der Fortschritt in der Leistungsfähigkeit der Computer-Hardware und in der Intelligenz der Software verläuft entsprechend rasant – und damit auch die Verbesserung maschineller Übersetzungssysteme. Wer allerdings ebenfalls gekommen ist, um zu bleiben, sind wir. Wir beraten Sie gerne dazu, ob und in welcher Form maschinelle Übersetzung für Sie relevant sein kann. Und das bislang immer noch ganz old school: von Mensch zu Mensch.
Die im Text gewählten personenbezogenen Bezeichnungen sollen sich ausdrücklich auf alle Geschlechter in gleicher Weise beziehen. Soweit im Text die männliche Form gewählt wurde, geschah dies aufgrund der besseren Lesbarkeit. Hintergründe zu unserer Entscheidung finden Sie in unserem Artikel So lebt MEINRAD das Thema Gleichberechtigung und gendergerechte Sprache.