Von der Computerlinguistik in die Technische Dokumentation

Die Wege in die Technische Kommunikation und damit auch zu einem Dienstleister wie uns sind enorm vielfältig. Eins haben wir aber alle gemeinsam: ein Faible für Sprache. Vor ein paar Monaten haben wir schon gezeigt, dass viele Kolleg:innen mit einer Ausbildung im Bereich Sprachwissenschaft oder Übersetzung hier bei uns arbeiten. Daneben sind bei uns aber auch Computerlinguist:innen. Und genau dieses Studienfach möchten wir uns heute genauer anschauen.

Technische Kommunikation dreht sich um Sprache, aber ohne Technik kommen moderne Redaktionen heute nicht mehr aus. Contentmanagement Systeme, Content Delivery, Automatisierung und künstliche Intelligenz – hier braucht es auch solides Wissen aus der Informatik. Ein Studium, das genau in diese Schnittstelle zwischen Sprache und Informatik geht, wäre also eine tolle Basis für die Arbeit in unserer Branche. Zum Glück muss das nicht neu erfunden werden, denn mit der Computerlinguistik gibt es bereits ein Fach in genau dieser Schnittstelle. Dieser „perfect match“ ist aber nicht so bekannt, d. h. viele Studierende kennen gar nicht die Branche der Technischen Kommunikation als mögliches, spannendes Berufsfeld. Dagegen müssen wir etwas tun!

Bühne frei also für meine Kolleg:innen Sarah und Daniel, die erzählen, was Computerlinguist:innen alles lernen und wie sie das Gelernte in der Technischen Kommunikation praktisch umsetzen können. Viel Spaß!

Was hast du genau studiert und wo?

Sarah: Ich habe im zweifach-Bachelor Linguistische Informatik (mittlerweile umbenannt in Computerlinguistik) und Amerikanistik studiert an der FAU Erlangen-Nürnberg

Daniel: Ich habe Computerlinguistik und Texttechnologie an der Justus-Liebig-Universität Gießen studiert.

Computerlinguistik ist ein Studiengang, der nicht sehr bekannt ist. Was lernt man da genau?

Daniel: Im Fach Computerlinguistik lernt man, wie man natürliche Sprache digital verarbeitet, wie Computer natürliche Sprache verstehen und weiter verarbeiten. Dazu braucht es typische Algorithmen sowie KI-Modelle für die Verarbeitung von natürlicher Sprache, die bei der Entwicklung von Sprachanwendungen eingesetzt werden.

Sarah: Vereinfacht gesagt lernt man die (Weiter-)Verarbeitung von Texten. Am Anfang steht erst einmal ein Verständnis dafür, wie komplex Sprache für einen Computer zu verarbeiten ist  – man denke an Grammatik, Idiome oder die in einigen Dialekten typischen mehrfachen Verneinungen. Stichwort ist hier: Mensch-Maschine-Kommunikation in natürlicher Sprache. Danach folgen die nötigen Programmiersprachen (Python, Java, Shell-Befehle) und Werkzeuge. Das Ziel ist, durch corpuslinguistische Mittel dem Computer Input zu geben, und uns daraufhin bestimmte Auswertungen. Nehmen wir ChatGPT als Beispiel: Input ist eine Frage; diese wird verarbeitet und der Output ist eine Antwort, die für den Menschen verständlich ist.

Dann ist die Technische Kommunikation eigentlich das ideale Arbeitsfeld für Computerlinguist:innen, oder? War dir die Branche im Studium schon bekannt?

Sarah: Ja, das ist sie tatsächlich. Die Fusion aus informatischem Verständnis und textbezogener Anwendung ist da sehr genau getroffen. Im Studium war mir die Branche aber gänzlich unbekannt. Da lag der Fokus mehr auf einer Zukunft in der Forschung in- und außerhalb der Uni. Computerlinguist:innen arbeiten z. B. häufiger im Bereich der Marktforschung (Stichwort „social media monitoring“).

Daniel: Die Branche war mir zwar im Studium nicht bekannt, aber sie ist eigentlich das ideale Arbeitsfeld für Computerlinguist:innen. Dank des hohen Standardisierungsgrades der Sprache in der technischen Kommunikation lassen sich viele sprachtechnologische Anwendungen entwickeln.

Was machst du als Computerlinguist:in genau bei doctima und hat dich dein Studium gut auf diese Aufgaben vorbereitet?

Daniel: Bei doctima beschäftige ich mich hauptsächlich mit den Themen Automation und Datenmigration in XML-basierte Contentmanagement-Systeme, indem ich XML-Daten anhand von XSLT transformiere. Dank meiner sprachtechnologischen Kenntnisse entwickle ich auch Lösungen zur Qualitätssicherung sowie Klassifikation von technischer Dokumentation, sowohl regelbasiert als auch KI-basiert.

Sarah: Ich leite hauptsächlich Migrationsprojekte, in denen ich mich darum kümmere, Bestandsdaten in Redaktionssysteme zu überführen. Außerdem ist Konzeptionsarbeit im CMS ein großer Bestandteil meiner Arbeit. Auf beides hat mich mein Studium zum Teil vorbereitet, aber nichts schult so sehr wie die Praxis.

Hast du Tipps für Studierende des Fachs, die gerne in unserer Branche arbeiten möchten?

Sarah: Geht schon als Studi in eine Firma z. B. für Praktika oder als Werkstudent:in! Zu sehen, wozu ich das Gelernte wirklich praktisch benötigen kann, hilft ungemein dabei, das Gelernte zu behalten und motiviert zu bleiben.

Daniel: Mein Tipp wäre, sich auf die Einsetzung/Anwendungsmöglichkeiten von generativer KI zu konzentrieren, die in den nächsten Jahren in unserer Branche immer mehr präsent sein wird.