Lösungen für maschinelle Übersetzungen (MT) gibt es bereits seit vielen Jahren. In letzter Zeit jedoch hat auf diesem Gebiet eine rasante Entwicklung stattgefunden. Da Unternehmen immer größere Textmengen in unterschiedlichen Sprachen produzieren, haben sie die maschinelle Übersetzung als Möglichkeit erkannt, ihre Reichweite in einer zunehmend stärker globalisierten Welt zu erhöhen.

Unternehmen, die maschinelle Übersetzungstechnologien nutzen möchten, haben die Wahl zwischen vier grundlegenden Strategien:

Öffentliche MT-Engine einbinden

Services wie Google Übersetzer oder Bing Translator nutzen. Diese Services stehen heute jedem Benutzer kostenlos zur Verfügung, bieten jedoch keine erweiterten Funktionen, wie etwa benutzerdefinierte Terminologieanpassung oder Wiederverwendung eingegebener Daten in anderen Services.

On-Premises-MT

Dieses Konzept setzt einen maschinellen Übersetzungsserver voraus, der in der IT-Architektur eines Unternehmens bereitgestellt wird. Ein solcher Server ist sehr sicher, aber auch äußerst kostspielig, anspruchsvoll in der Bereitstellung und Verwaltung und erfordert ständige Wartungsarbeiten.

MT in der Cloud

Dieses Konzept funktioniert ähnlich wie das der öffentlichen maschinellen Übersetzung, wird jedoch in der Cloud umgesetzt und erfordert die Erstellung einer Instanz, die speziell auf das Unternehmen ausgerichtet ist. Alle an den Service übergebenen Daten sind professionell gesichert und werden nicht an Dritte weitergegeben. Der Service bietet zusätzliche Funktionen rund um die benutzerdefinierte Terminologieanpassung sowie weitere Vorteile. Seine Nutzung kann jedoch zu einer Abhängigkeit von einem einzelnen Anbieter führen, und auch die Qualität der maschinellen Übersetzung kann bei mehreren unterschiedlichen Sprachpaaren zu wünschen übrig lassen.

Best-of-Breed-MT

Dabei handelt es sich um eine einzelne Plattform, die die Nutzung mehrerer MT-Engines ermöglicht. Sie bietet eine zentrale Ebene für die benutzerdefinierte Terminologieanpassung, eine benutzerfreundliche, leicht zu verwaltende Oberfläche sowie die Möglichkeit, die für die unterschiedlichen Sprachpaare und Inhaltstypen jeweils am besten geeigneten Engines zu wählen.

Unabhängig von der gewählten Strategie kann es ohne einschlägige Daten und Kenntnisse schwierig sein, die richtige Engine zu finden. Lionbridge ist Experte für maschinelle Übersetzungen und verfügt über mehr als zwanzig Jahre Erfahrung auf diesem Gebiet. Dazu kommt eine Fülle sprach- und qualitätsbezogener Daten zur Technologie der maschinellen Übersetzung, die Ihnen als Entscheidungshilfe dienen können. Auf dieser Webseite finden Sie grundlegende Informationen zur Leistung von Engines für maschinelle Übersetzungen für die gängigsten Sprachpaare, damit Sie die für Ihren jeweiligen Content optimale Auswahl treffen können.

Welche MT-Engine ist für Sie am besten? Darauf gibt es keine einfache Antwort.

Bei den verschiedenen maschinellen Übersetzungssystemen ist zu beachten, dass manche Engines auf eine bestimmte Funktion oder einen bestimmten Bereich ausgerichtet sind. Wenn Ihre Anforderungen nicht dieser Ausrichtung entsprechen, kann die Leistung der Engine nicht optimal genutzt werden, egal wie fortschrittlich sie ist. Um die beste Option zu ermitteln, müssen Sie zunächst bestimmen, warum Sie die maschinelle Übersetzung verwenden möchten.

Wenn Sie eine MT-Engine für den allgemeinen Gebrauch benötigen, sollten Sie Google Translate oder Bing Translator verwenden. Wenn Sie Übersetzungsdienste für eine bestimmte Sprache oder einen bestimmten Fachbereich suchen, erzielen Sie mit Amazon Translate oder DeepL Translator möglicherweise bessere Ergebnisse.

Der Machine Translation Tracker von Lionbridge analysiert monatlich die Engine-Leistung, damit Sie die beste MT-Engine für die von Ihnen verwendeten Sprachpaare ermitteln können. Wenn Sie sich erneut fragen, welche MT-Engine die beste ist, sollten Sie stattdessen fragen: „Welche MT-Engine ist die beste für meine Anforderungen?“ Lionbridge hilft Ihnen gerne, die richtige Antwort darauf zu finden.

Möchten Sie mehr über die verschiedenen Arten von Technologien für maschinelle Übersetzungen erfahren? Lesen Sie unseren Blog Maschinelle Übersetzung: Wichtige Begriffe kurz erklärt.

Kommentar eines Experten von Lionbridge

April 2022

Nachdem die Leistung der MT-Engine mehrere Monate lang stagnierte, hat Yandex einige Fortschritte gemacht, insbesondere für die deutsche Sprache.

In einer detaillierten Analyse sahen wir Fortschritte bei der Behandlung von Sätzen mit Satzzeichen – wie etwa Fragezeichen, Ausrufezeichen, Klammern und Schrägstrichen – sowie Maßeinheiten. Diese Entwicklungen könnten eher auf eine Feinabstimmung der MT-Einstellungen als auf Verbesserungen der Modelle zurückzuführen sein. Allerdings konnten wir auch eine Verbesserung beim Umgang mit seltenen Begriffe feststellen, so dass der Fortschritt von Yandex auch auf eine Verfeinerung der Modelle oder mehr Datentraining zurückzuführen sein könnte.

Letztes Jahr um diese Zeit zeigten mehrere MT-Engines einige Verbesserungen, die uns neugierig gemacht haben. Gibt es etwa ein zeitliches Muster bei diesen Fortschritten? Und werden wir in diesem Jahr etwas Ähnliches wie im Jahr 2021 sehen? Wir verfolgen die Leistung dieser Engines weiter und werden in den nächsten Monaten über unsere Ergebnisse berichten.

Generell besteht ein steigendes Interesse an der Evaluierung von MT-Engines. Man ist sich mittlerweile größtenteils einig, dass die maschinelle Übersetzung eine ausgereifte Technologie ist. Ihr Nutzen ist offensichtlich und eignet sich für nahezu jeden Übersetzungsfall – mit oder ohne menschliches Eingreifen und hybride Ansätze. Aber viele Nutzer kämpfen immer noch damit, den richtigen Weg zur Bewertung, Messung und Verbesserung von MT-Ergebnissen zu finden.

– Rafa Moral, Lionbridge Vice President, Innovation

Klicken Sie hier, um bisherige Kommentare von Experten zu lesen.

Beurteilung der MT-Gesamtleistung

Vergleich von MT-Engines

Zeit

Diagramm 1: Vergleich der durchschnittlichen Qualität führender MT-Engines für Deutsch, Russisch, Spanisch und Chinesisch. Die verschiedenen Engines für maschinelle Übersetzungen bieten unterschiedliche Leistungen, wozu verschiedene Faktoren beitragen, etwa die Qualität des Ausgangstextes, die jeweilige Quell- und Zielsprache, der Gegenstand des Textes oder der Umstand, ob die MT-Engine trainiert wurde. Im allgemeinen Qualitätsvergleich von Januar 2021 liegt Google NMT in puncto langfristiger Leistung bei allen Sprachen immer noch in Führung. Bing und Amazon sind die MT-Engines mit den größten Schwankungen bei den Qualitätsergebnissen in den letzten 12 Monaten, mit deutlichen Qualitätsspitzen.

Qualität nach Sprachpaar

Wählen Sie im Dropdown-Menü zwischen Deutsch, Spanisch, Russisch und Chinesisch

Zeit

Diagramm 2: Vergleich der durchschnittlichen Qualität führender MT-Engines bei bestimmten Sprachpaaren. Einige Engines für maschinelle Übersetzungen zeigen bei bestimmten Sprachpaaren besonders gute Leistungen. Bei den Daten zur langfristigen Qualitätsleistung war die beste MT-Engine für Deutsch DeepL, während Amazon beim Chinesischen alle Wettbewerber weit hinter sich ließ. Google führt die Liste bei den meisten anderen wichtigen Sprachen an, dicht gefolgt von Bing.

Leistung nach Bereich

Wählen Sie im Dropdown-Menü einen Bereich aus

Zeit

Diagramm 3: Vergleich der durchschnittlichen Qualität führender MT-Engines auf bestimmten Sachgebieten. Unsere Untersuchung ergab, dass die MT-Engine von DeepL (ohne Training) in den Bereichen Automobilwesen und Maschinentechnik konsistent die besten Ergebnisse zeigte. Amazon erwies sich als beste Wahl für die Bereiche E-Commerce und Einzelhandel. Neuronal basierte Engines für maschinelle Übersetzungen können auch für die Fachsprache bestimmter Branchen trainiert werden, wodurch sich die Qualität weiter verbessern lässt.

Weitere Einblicke und Informationen zu zukünftigen Trends auf dem Gebiet der maschinellen Übersetzung finden Sie in unserer Blogreihe im Beitrag mit dem Titel „Die Zukunft der Sprachtechnologie“ – Die Zukunft der maschinellen Übersetzung.

Lionbridge Machine Translation Tracker – die Methodik

Lionbridge verwendet als Bewertungsgrundlage die Levenshtein-Distanz. Die Editierdistanz ist ein Maß für die Diskrepanz zwischen Übersetzungen auf der Grundlage der Anzahl der Zeichen (für ostasiatische Sprachen) oder der Wörter (für westliche Sprachen), die ein menschlicher Korrektor im Rahmen der Nachbearbeitung ändern muss, um die erwünschte Qualität zu erreichen. Je höher dieser Wert ausfällt, desto höher ist auch die Qualität.

Unter den vier Engines für maschinelle Übersetzungen, die wir geprüft haben, zeigen Google und Bing NMT die beste Leistung für unterschiedliche Sprachpaare und allgemeine Inhalte. Bei bestimmten Sprachkombinationen erweisen sich jedoch spezialisiertere Engines als leistungsfähiger: DeepL etwa bietet die beste Leistung bei Deutsch und Amazon übersetzt am besten Chinesisch.

^{Ausschlussklausel}

^{Die in diesem Bericht berücksichtigten Engines für maschinelle Übersetzungen werden von Lionbridge monatlich bewertet.
Die hier gebotenen Daten dienen lediglich Illustrationszwecken und sollten für jeden Fall individuell behandelt und geprüft werden.
Dieser Bericht basiert auf von den Lionbridge Machine Translation-Teams vorausgewählten Quelldaten. Für jeden Test werden identische Quelldaten mit jeder Engine für maschinelle Übersetzungen für dieselben Sprachpaare verarbeitet, um den Vergleich zwischen den Übersetzungs-Engines zu ermöglichen.
Für die Erstellung des Berichts wurden keinerlei Daten von Kunden verwendet.}

WER WIR SIND

WAS WIR TUN

BRANCHEN

LAⁱNGUAGE CLOUD™

Lionbridge Machine Translation Tracker

Maschinelle Übersetzung im Vergleich

Öffentliche MT-Engine einbinden

On-Premises-MT

MT in der Cloud

Best-of-Breed-MT

Welche MT-Engine ist für Sie am besten? Darauf gibt es keine einfache Antwort.

Kommentar eines Experten von Lionbridge

April 2022

Klicken Sie hier, um bisherige Kommentare von Experten zu lesen.

Lionbridge Machine Translation Tracker – die Methodik

Kontaktieren Sie uns

Was wir tun

Branchen