Rolle der maschinellen Übersetzung im Übersetzungsprozess. Kritische Untersuchung anhand von "DeepL" und Evaluation der Übersetzungsqualität

Inhaltsverzeichnis

1. Einleitung

2. Maschinelle Übersetzung

2.1. Geschichte der maschinellen Übersetzung

2.2. Zweck und Anwendung der maschinellen Übersetzung

2.3. Probleme der maschinellen Übersetzung

2.4. Methoden der maschinellen Übersetzung

2.4.1. Regelbasierte Methode

2.4.1.1. Direkte Methode

2.4.1.2. Interlingua-Methode

2.4.1.3. Transfer-Methode

2.4.2. Statistische Methode

2.4.2.1. Wortbasierte Methode

2.4.2.2. Phrasenbasierte Methode

2.4.2.3. Syntaxbasierte Methode

2.4.3. Beispielbasierte Methode

2.4.4. Neuronale Methode

3. DeepL

3.1. Über DeepL

3.2. Grundlegende Funktionen und Varianten von DeepL

3.3. Convolutional Neural Networks und die Grenzen der NMÜ

4. Evaluation der Übersetzungsqualität im Allgemeinen

4.1. Evaluation der Übersetzungsqualität von maschinellen Übersetzungen mit BLEU

4.2. Evaluation der Übersetzungsqualität von maschinellen Übersetzungen nach Ramlow

5. Untersuchung und Fehleranalyse

5.1. Auswahl der Sprachen und der Texte

5.2. Bestimmung und Erläuterung der Fehlertypologie

5.3. Fehleranalyse der einzelnen Fehlerkategorien anhand von Beispielsätzen

5.4. Fehlerauswertung und Zusammenfassung

6. Fazit

Zielsetzung & Themen

Die vorliegende Arbeit untersucht die Rolle der maschinellen Übersetzung (MÜ) im modernen Übersetzungsprozess und evaluiert kritisch die Qualität von DeepL anhand einer empirischen Fehleranalyse. Das Ziel ist es, die Leistungsfähigkeit neuronaler MÜ-Systeme in einem fachsprachlichen Kontext zu prüfen und Potenziale sowie Grenzen für den professionellen Einsatz aufzuzeigen.

• Entwicklung und Geschichte der maschinellen Übersetzung
• Methodische Ansätze von regelbasierten bis hin zu neuronalen Systemen
• Funktionsweise und Besonderheiten von DeepL
• Qualitätsevaluation durch manuelle Fehleranalyse basierend auf einer definierten Fehlertypologie

Auszug aus dem Buch

Zusammenfassung der Kapitel

1. Einleitung: Die Einleitung verortet die maschinelle Übersetzung im Kontext des technologischen Fortschritts und der Globalisierung und definiert das Ziel der kritischen Untersuchung der Qualität von DeepL.

2. Maschinelle Übersetzung: Dieses Kapitel erläutert die geschichtliche Entwicklung, Anwendungsbereiche und die verschiedenen technischen Methoden der maschinellen Übersetzung.

3. DeepL: Hier wird der Dienst DeepL vorgestellt, seine Funktionen beschrieben und der Einsatz von Convolutional Neural Networks als technische Grundlage thematisiert.

4. Evaluation der Übersetzungsqualität im Allgemeinen: Das Kapitel vergleicht verschiedene Evaluationsansätze, insbesondere das automatische BLEU-Verfahren und die qualitative Fehleranalyse nach Ramlow.

5. Untersuchung und Fehleranalyse: Dieses Kernkapitel beschreibt die Methodik der empirischen Untersuchung, die Auswahl des Textes aus dem EU-Vertrag und die systematische Kategorisierung der gefundenen Fehler.

6. Fazit: Das Fazit fasst die Ergebnisse zusammen, bewertet die Eignung von DeepL für den professionellen Einsatz und blickt auf die künftige Entwicklung der MÜ.

Schlüsselwörter

Maschinelle Übersetzung, DeepL, Fehleranalyse, neuronale Netze, Übersetzungsqualität, Post-Editing, Translation, Computerlinguistik, Sprachwissenschaft, Evaluation, Fehlertypologie, Translation Memory, künstliche Intelligenz

Häufig gestellte Fragen

Worum geht es in dieser Arbeit grundsätzlich?

Die Arbeit untersucht die Qualität von maschinell erstellten Übersetzungen am Beispiel des Dienstes DeepL und bewertet dessen Rolle im professionellen Übersetzungsprozess.

Was sind die zentralen Themenfelder der Arbeit?

Zentrale Themen sind die Geschichte und Methoden der maschinellen Übersetzung, die Funktionsweise neuronaler Netze sowie die Methoden der Qualitätsevaluation von Translationen.

Welches primäre Ziel verfolgt die Forschungsarbeit?

Das primäre Ziel ist eine wissenschaftliche Überprüfung der Übersetzungsqualität von DeepL anhand eines fachsprachlichen Auszugs und die Einschätzung des notwendigen Aufwands für eine professionelle Nachbearbeitung.

Welche wissenschaftliche Methode wird zur Analyse verwendet?

Die Arbeit nutzt die qualitative Fehleranalyse nach Markus Ramlow, um den Output des MÜ-Systems systematisch in Kategorien wie Lexik, Morphologie und Syntax zu erfassen.

Was wird im Hauptteil der Arbeit behandelt?

Im Hauptteil werden zunächst die theoretischen Grundlagen der MÜ-Methoden und die Architektur von DeepL dargelegt, gefolgt von der praktischen Durchführung der Fehleranalyse an einem Text aus dem Vertrag über die Europäische Union.

Welche Schlüsselwörter charakterisieren die Arbeit?

Die Arbeit lässt sich durch Begriffe wie Maschinelle Übersetzung, DeepL, Fehleranalyse, neuronale Netze und Qualitätsevaluation beschreiben.

Inwieweit beeinträchtigen unbekannte Wörter die Qualität von DeepL?

Das „Problem des unbekannten Wortes“ stellt eine Herausforderung dar, da nur gelernte Begriffe präzise übersetzt werden können, was zu Lücken oder Fehlern im Zieltext führen kann.

Was ist das zentrale Ergebnis der durchgeführten Fehleranalyse?

Die Analyse ergab eine Fehlerrate von etwa 6,5 % im untersuchten Text, wobei DeepL insgesamt als ein qualitativ hochwertiges Werkzeug bewertet wird, das eine solide Grundlage für das Post-Editing bietet.

Warum ist die Analyse von Artikeln für DeepL problematisch?

Die Untersuchung zeigt, dass DeepL Schwierigkeiten bei der korrekten Setzung oder dem Weglassen von Artikeln (als Teil der Synsemantika) hat, was sich negativ auf die inhaltliche Präzision auswirken kann.