SPRACHE:
SPRACHE:
Wir erstellen, verwandeln, testen und vermitteln mehr Inhalte als jeder andere Anbieter weltweit – von Texten, Inhalten gesprochener Art, Audioinhalten und Videoinhalten bis hin zu strukturierten und unstrukturierten Daten.
Unsere Experten kennen sich bestens mit Ihrer Branche und deren speziellen Herausforderungen aus.
Unsere Mitarbeiter sind unser ganzer Stolz und helfen Unternehmen seit mehr als 20 Jahren dabei, Kunden zu begeistern.
Über uns
Managementteam
Insights
Neuigkeiten
Wichtigste Fakten
Wir erstellen, verwandeln, testen und vermitteln mehr Inhalte als jeder andere Anbieter weltweit – von Texten, Inhalten gesprochener Art, Audioinhalten und Videoinhalten bis hin zu strukturierten und unstrukturierten Daten.
Dienstleistungen für die Content-Erstellung
Technische Redaktion
Schulungen und E-Learning
Finanzberichte
Wissenschaftliche Artikel
Multikulturelles Marketing
Übersetzungsdienstleistungen
Übersetzung und Lokalisierung
Videolokalisierung
Software-Lokalisierung
Übersetzung für regulierte Branchen
Dolmetschen
SEO und digitales Marketing
Content-Optimierung
Website-Lokalisierung
Testservice
Zentrale Tests
Kompatibilitätsprüfungen
Interoperabilitätsprüfungen
Performance-Tests
Zugänglichkeits-Tests
Überprüfen des Kundenerlebnisses
Unsere Wissenszentren
Digitales Marketing
Maschinelle Übersetzung
Die Zukunft der Lokalisierung
Mit Innovation zur Immunität
COVID-19-Ressourcencenter
Disruption Series
Patienteneinbindung
Lionbridge Insights
Unsere Experten kennen sich bestens mit Ihrer Branche und deren speziellen Herausforderungen aus.
Life Sciences
Bank- und Finanzwesen
Einzelhandel
E-Commerce
Lionbridge Games
Automobilindustrie
Konsumgüter
Technologie
Maschinenbau und Fertigung
Rechtsdienstleistungen
Tourismus und Gastgewerbe
SPRACHE AUSWÄHLEN:
Die weltweite Datenmenge nimmt seit Jahren exponentiell zu. Von dieser Datenmenge – Big Data genannt – profitieren Unternehmen: Ihre Effizienz und Innovation schnellt in die Höhe. Und wir stehen erst am Anfang dieser Entwicklung.
Unternehmen können Daten heute immer effektiver nutzen. Dazu müssen sie zwar Unmengen an Daten verarbeiten, was eine echte Herausforderung ist. Doch Big Data birgt enorme Chancen: Fortschrittliche Übersetzungs- und Lokalisierungstechnologie ermöglicht es Unternehmen, sich die riesige Datenmenge für die mehrsprachige Kommunikation zunutze zu machen und sich schnell global aufzustellen.
Deep Learning ist eine Art maschinelles Lernen, das auf künstlicher Intelligenz beruht. Google setzt es in seinen Bild- und Spracherkennungsalgorithmen ein.
Auch die Übersetzungs- und Lokalisierungsbranche nutzt Deep Learning. Aus Deep Learning ist nämlich die neuronale maschinelle Übersetzung (Neural Machine Translation, Neural MT oder NMT) entstanden.
Was ist NMT genau? Und wie macht diese Art der maschinellen Übersetzung die Lokalisierung effizienter?
In einem Webinar erklärt Jay Marciano, Director of Machine Translation bei Lionbridge, warum neuronale maschinelle Übersetzung präziser als bisherige Methoden ist und wie sie die Übersetzungseffizienz steigert.
Translation Memories werden sowohl bei SMT- wie auch NMT-Systemen eingesetzt. Bei NMT-Systemen kommen zwei weitere Dinge hinzu: Deep Learning und wesentlich größere Datenmengen. Auf ihrer Grundlage entsteht ein künstliches neuronales Netzwerk.
Marciano vergleicht statistische maschinelle Übersetzung mit Schach: Das „Universum“ eines Schachprogramms ist begrenzt; das Programm lässt nur eine eingeschränkte Anzahl Züge zu. Aus den möglichen Zügen ermittelt das Programm den jeweils besten.
Das maschinelle Lernen in einem SMT-System funktioniert ähnlich: Zur Erkennung von Korrelationen werden Wortgruppen – sogenannte N-Gramme – in der Ausgangssprache mit den in der Zielsprache auftretenden N-Grammen verglichen. Einzelheiten zur SMT und zu N-Grammen finden Sie in unserem Blog-Artikel Maschinelle Übersetzung: Wichtige Begriffe kurz erklärt.
Die NMT ist um vieles effektiver als das auf N-Grammen basierende Modell; Letzteres ist häufig ungenau. NMT-Systeme laufen auf leistungsstarken Grafikprozessoren, sogenannten GPUs (Graphical Processing Units), SMT-Systeme dagegen auf CPUs (Central Processing Units).
So wie zuvor die SMT wesentlich mehr Zeit für die Übersetzung benötigte als die älteren regelbasierten Systeme, dauert die Übersetzung eines Satzes mit der NMT länger als mit der SMT. Der Grund dafür sind die riesigen Datenmengen, die verarbeitet werden müssen.
Die NMT ist noch nicht perfekt, etwa bei der Übersetzung hochtechnischer Inhalte. Allerdings ist die NMT keine Ausnahme: Kein MT-System würde einen Text mit vielen technischen Begriffen und Abkürzungen perfekt übersetzen.
Für die NMT gilt: Wenn Sie den Deep-Learning-Algorithmen Trainingsmaterial vorlegen, wissen die Algorithmen noch nicht, wonach sie suchen müssen. Das System muss selbst Muster erkennen, zum Beispiel Kontexthinweise in der Umgebung eines Satzes in der Ausgangssprache. Der genaue Prozess bleibt in vielerlei Hinsicht undurchsichtig.
Bei der Spracherkennung gibt es für den in einer bestimmten Sprache aufgezeichneten Satz in der Regel eine einzige richtige Transkription; diese muss das Deep-Learning-System finden. Das Training von Deep-Learning-Systemen für Transkription ist einfacher als das Training von Deep-Learning-Systemen für Übersetzung. Der Grund: Bei der Übersetzung kann es für einen Satz in der Ausgangssprache mehrere richtige fremdsprachige Entsprechungen geben.
Wir Menschen haben begrenzte Wahrnehmungs- und Analysefähigkeiten, so Marciano. Deep Learning und Big Data erweitern unsere Möglichkeiten. Big Data führt riesige Mengen an Informationen zusammen. Dank Deep Learning können komplizierte Muster und innerhalb dieser Muster Verbindungen mit Verfahren erkannt werden, die außerhalb der Erkennungsmöglichkeiten des Menschen liegen.
Wie bereits erwähnt, lässt sich der NMT-Prozess nicht vollständig nachvollziehen. Ein Großteil der Verarbeitung findet in „verborgenen Schichten“ komplizierter Daten statt. Es ist schwierig, die zugrunde liegenden Entscheidungsprozesse zu verstehen und Fehler in einem neuronalen Netzwerk zu beseitigen.
Folglich können wir nur für das Trainingsmaterial sorgen, die Algorithmen arbeiten lassen und das Trainingsmaterial optimieren, sollten die Übersetzungen nicht korrekt sein.
Die Sprachkompetenz der NMT verbessert sich derart rasant, dass die NMT aus der Branche nicht mehr wegzudenken ist. Die Unterschiede zwischen einer herkömmlichen Übersetzung und einer maschinellen Übersetzung werden immer kleiner.
Lionbridge bietet seinen Kunden seit 2002 maschinelle Übersetzung und Postediting an. Jahr für Jahr optimieren wir unsere Systeme. 2018 haben wir unsere Lokalisierungsplattform durch Amazon Translate erweitert – ein Angebot von Amazon Web Services (AWS), das auf neuronaler maschineller Übersetzung basiert. Wir werden den Einsatz von MT weiter steigern, um unsere Produktionsprozesse zu beschleunigen.
Auf unserer Website erfahren Sie mehr rund ums Thema Übersetzung und Lokalisierung.
In unserem Blog-Artikel Maschinelle Übersetzung: Wichtige Begriffe kurz erklärt finden Sie eine Erklärung aller wichtigen Begriffe zum Thema maschinelle Übersetzung.