Inhaltsverzeichnis
Christian Weih, Mitglied des Management Boards bei Across Systems GmbH
Im vierten Teil unserer Reihe „Trends in der Technischen Dokumentation“ begrüßen wir Herrn Christian Weih. Herr Weih ist Mitglied des Management Boards bei der Across Systems GmbH. Mit seinen Softwarelösungen unterstützt Across Systems Unternehmen und Übersetzer auf der ganzen Welt bei der erfolgreichen Abwicklung ihrer Übersetzungsprojekte. Kunden aus den unterschiedlichsten Branchen nutzen den Across Language Server und die Across Translator Edition, um ihren täglichen Herausforderungen bei der Lokalisierung von Technischen Dokumentationen oder Marketingtexten (z. B. im Bereich E-Commerce) zu begegnen.
Innerhalb der letzten Jahre haben sich die Anzahl und die Volumen von Übersetzungen für viele Unternehmen stark erhöht, teilweise sind sie sogar dramatisch gestiegen. Gleichzeitig werden die Produktlebenszyklen zunehmend kürzer, und die Time-to-Market wird immer straffer geplant. Für Übersetzungsverantwortliche bedeutet dies, dass sie möglichst alle Optionen nutzen sollten, die die Lokalisierung beschleunigen, ohne dass die Übersetzungsqualität darunter leidet.
Quelltextoptimierung
Einer der wichtigsten Stellschrauben für bessere und schnellere Übersetzungen in der Technischen Dokumentation ist der Quelltext. Verständlich, also eindeutig und klar formuliert sollte er sein. Er sollte keine langen Sätze, Mehrdeutigkeiten, Substantivierungen oder Passivformulierungen enthalten. Außerdem sollte der Redakteur darauf achten, die vorgegebene Terminologie konsistent zu verwenden. Dadurch reduziert sich auch die Anzahl der Wörter, die überhaupt übersetzt werden müssen.
Allein durch die Optimierung des Quelltextes lässt sich der nachfolgende Übersetzungsaufwand bereits stark reduzieren, denn komplexe und variantenreiche Texte erfordern mehr Aufwand und erhöhen das Fehlerrisiko bei der Übersetzung. Dies ist auch deshalb wichtig, weil die Lieferkette innerhalb eines Übersetzungsprojektes in der Regel aus mehreren Beteiligten besteht. So kann der Text mehrere Delegationsstufen durchlaufen, bevor ihn der Übersetzer erhält. Je weniger Rückfragen notwendig sind, desto besser. Die tekom-Leitlinie „Regelbasiertes Schreiben“ ist eine gute Grundlage, um übersetzungsgerechte Texte zu verfassen.
Maschinelle Übersetzung
Mit einem optimal auf die Übersetzung vorbereiteten Quelltext hat es aber nicht nur der menschliche Übersetzer leichter. Unter der Voraussetzung eines optimierten Quelltextes lässt sich auch eine maschinelle Übersetzung sinnvoll als Prozessschritt integrieren und liefert sehr gute Ergebnisse. Die Vorteile liegen dabei auf der Hand: Wenn statt Übersetzung und Review nur noch das Post-Editing als Prozessschritt benötigt wird, spart ein Unternehmen Zeit und Kosten.
Wer dabei Angst um die Übersetzungsqualität hat, sollte sich die aktuellen Entwicklungen im Bereich Maschinenübersetzung einmal genauer anschauen. Besonders mit der Nutzung neuronaler Netze haben sich die Ergebnisse deutlich verbessert. Im Gegensatz zu statischen Methoden verwenden solche Systeme die vorhandenen Daten, um daraus ein künstliches neuronales Netzwerk zu erzeugen.
Translation-Memory-System
Maschinelle Übersetzung ist aber erst dann wirklich zeit- und kostensparend, wenn sie Teil des gesamten Übersetzungsprozesses ist. In Verbindung mit einem Translation-Memory-System lässt sich hier einiges erreichen. Ein Translation Memory ist eine relationale Datenbank, in der Quelltextsätze mit ihren Übersetzungen als Paare hinterlegt sind. Das ermöglicht die effiziente Wiederverwendung bereits übersetzter Textsegmente. Wird ein Quelltext importiert, ist im Übersetzungseditor sofort ersichtlich, welche Sätze schon vorliegen und freigegeben sind und welche automatisch maschinenübersetzt wurden. Das minimiert die Aufwände noch einmal erheblich. Dabei kann der Auftraggeber entscheiden, ab welcher Übereinstimmungsrate (Matching-Quote) des aktuellen Satzes mit einem vorhandenen die Maschinenübersetzung zum Einsatz kommt.
Die Treffer im Translation Memory sollten jedoch immer Vorrang vor der Maschinenübersetzung haben. Dies gilt auch insbesondere für sogenannte Strukturkontextmatches. Je nachdem, an welcher Stelle ein Text im Dokument steht, kann seine Übersetzung variieren. Deshalb ist es sinnvoll, zu wissen, aus welchem Teil der Dokumentenstruktur ein Text stammt, wie „Überschrift“, „Sicherheitshinweis“ oder „Auflistung“. Übereinstimmende Segmente werden als Strukturmatches bezeichnet. Strukturkontextmatches sind bereits im Translation Memory vorliegende Textsegmente, die sowohl aus derselben Dokumentenstruktur stammen als auch im selben Kontext vorkommen.
Mit Verwendung solcher Funktionen im Translation-Memory-System kann ein Posteditor noch schneller überprüfen, ob die Übersetzung passend ist. Maschinelle Übersetzungs-Engines sind noch nicht so weit, dass sie erkennen können, an welcher Position sich ein Text befindet.
Textsegmente, die maschinell übersetzt und nach dem Post-Editing freigeben wurden, werden im Translation Memory abgespeichert und stehen dann wiederum für folgende Übersetzungsprojekte bereit.
Veränderte Abläufe
Engines, die auf neuronalen Netzen basieren, werden zweifelsohne auch im Bereich der Technischen Dokumentation zunehmend zum Einsatz kommen. Unternehmen und vor allem Sprachdienstleister können sich nicht vor der maschinellen Übersetzung verschließen. Vielmehr müssen sie ihre Prozesse darauf ausrichten. Außerdem eröffnen sich für Sprachdienstleister neue Einsatzfelder, wie beispielsweise das Trainieren maschineller Übersetzungs-Services.
Auch die Redaktionsabteilungen müssen sich auf diese Entwicklung einstellen und ihr Vorgehen bei der Quelltexterstellung ebenso überdenken wie ihre Lieferantenstruktur. Der sonst für die Übersetzung zuständige Mitarbeiter oder Sprachdienstleister wird mehr und mehr den Job des Posteditings übernehmen. Anders als beim Lektorat sollte hierbei nicht nur auf die korrekte Übersetzung geachtet, sondern auch der Inhalt noch einmal kritisch überprüft werden.
