Innovation in der maschinellen Übersetzung. Effektivität und Post-Editing am Beispiel des Tools DeepL

Inhaltsverzeichnis

1. Einführung in die Thematik der Maschinellen Übersetzung

1.1 Theoretische Grundlagen und Methoden der maschinellen Übersetzung

1.2 Computergestützte Übersetzung

1.3 Entwicklung der maschinellen Übersetzung

2. Anwendung maschineller Übersetzung

2.1 Grenzen und Potenziale der maschinellen Übersetzung

2.2 Terminologie und Konsistenz in der Übersetzung von Fachtexten

2.3 Die Rolle der Informationstheorie in der maschinellen Übersetzung

2.4 Lokalisierung in der maschinellen Übersetzung

3. Post-Editing: Verbesserung des Textes

3.1 Post-Editing: Erklärung der Begriffe

3.2 Bilinguale und monolinguale Post-Editierung

3.3 Die ISO 18587 Norm im Überblick: Anforderungen und Bestimmungen

4. Vorteile und Herausforderungen der Post-Editierung

4.1 Qualität und Effizienz

4.2 Post-Editing-Prozess

4.3 Herausforderungen und Fehler beim Post-Editing

5. DeepL als Tool für die Arbeit des Übersetzers

5.1 DeepL - Funktionen und Anwendungen

5.2 Untersuchung und Fehleranalyse

5.3 Schlussfolgerungen

Zielsetzung & Themen

Das Hauptziel dieser Arbeit ist die Bewertung der Effizienz der maschinellen Übersetzung sowie der zugehörigen Post-Editing-Prozesse, insbesondere unter Verwendung des KI-basierten Tools DeepL, um die Qualitätssicherung in der modernen Übersetzungspraxis zu analysieren.

• Grundlagen und historische Entwicklung der maschinellen Übersetzung
• Anwendungsszenarien und Lokalisierungsprozesse in der Übersetzungsbranche
• Anforderungen an das Post-Editing nach der Norm ISO 18587
• Vergleichende Analyse von Qualität und Effizienz verschiedener Nachbearbeitungsmethoden
• Praktische Untersuchung und Fehleranalyse von DeepL anhand spezifischer Anwendungsbeispiele

Auszug aus dem Buch

Zusammenfassung der Kapitel

1. Einführung in die Thematik der Maschinellen Übersetzung: Vermittelt Grundlagen, Methoden und die historische Entwicklung der maschinellen Übersetzung sowie deren Abgrenzung zur computergestützten Übersetzung.

2. Anwendung maschineller Übersetzung: Beleuchtet praktische Anwendungsbereiche, die Grenzen und Potenziale der Technologie sowie die Bedeutung von Terminologie, Informationstheorie und Lokalisierung.

3. Post-Editing: Verbesserung des Textes: Definiert das Konzept des Post-Editings und die Unterschiede zwischen verschiedenen Ansätzen sowie die Anforderungen gemäß ISO 18587.

4. Vorteile und Herausforderungen der Post-Editierung: Analysiert Qualitäts- und Effizienzparameter, den Prozessablauf sowie die häufigsten Fehlerquellen bei der Nachbearbeitung.

5. DeepL als Tool für die Arbeit des Übersetzers: Stellt das Tool DeepL vor, erläutert seine Funktionen und untersucht dessen Leistung durch eine detaillierte Fehleranalyse verschiedener Sprachbeispiele.

Schlüsselwörter

Maschinelle Übersetzung, Post-Editing, DeepL, Computergestützte Übersetzung, CAT-Tools, Lokalisierung, Übersetzungsqualität, ISO 18587, Sprachbarrieren, Künstliche Intelligenz, Neuronale Netze, Übersetzungsprozess, Terminologie, Fehleranalyse, Sprachressourcen

Häufig gestellte Fragen

Worum geht es in dieser Arbeit grundsätzlich?

Die Arbeit untersucht die Effizienz und Qualität maschineller Übersetzungssysteme, insbesondere im Kontext der Nachbearbeitung (Post-Editing) durch menschliche Übersetzer.

Was sind die zentralen Themenfelder?

Die zentralen Felder umfassen die technologischen Grundlagen der maschinellen Übersetzung, die Rolle von CAT-Tools, die Anwendung der ISO-Norm 18587 sowie die Fehleranalyse von KI-Systemen wie DeepL.

Was ist das primäre Ziel der Forschungsarbeit?

Das Ziel ist die Bewertung der Effizienz der maschinellen Übersetzung im praktischen Einsatz sowie die Aufarbeitung von Post-Editing-Prozessen zur Verbesserung der Übersetzungsqualität.

Welche wissenschaftliche Methodik wird verwendet?

Die Autorin kombiniert eine theoretische Literaturanalyse zur maschinellen Übersetzung und zum Post-Editing mit einer praktischen, beobachtungsbasierten Untersuchung und Fehleranalyse von DeepL.

Was wird im Hauptteil behandelt?

Der Hauptteil behandelt die theoretischen Aspekte der Übersetzungstechnologie, die Differenzierung zwischen Post-Editing-Typen (Light vs. Full), sowie die konkrete Analyse von DeepL-Übersetzungsbeispielen.

Welche Schlüsselwörter charakterisieren die Arbeit?

Wichtige Begriffe sind Maschinelle Übersetzung, Post-Editing, CAT-Tools, DeepL, Lokalisierung, Qualitätsmanagement, Fehlertypen und neuronale Netze.

Wie unterscheidet sich "Light" von "Full" Post-Editing?

Light Post-Editing fokussiert auf die reine inhaltliche Verständlichkeit bei minimalem Aufwand, während Full Post-Editing darauf zielt, einen qualitativ hochwertigen, publikationsreifen Text zu erstellen.

Warum ist DeepL laut der Analyse in manchen Fällen fehleranfällig?

Fehler treten häufig auf, wenn der Kontext fehlt, bei der Übersetzung von Eigennamen oder Fachbegriffen im falschen Register sowie bei der fehlerhaften Interpretation von Slang oder kulturell spezifischen Redewendungen.

Welche Rolle spielt die "Zwei-Sekunden-Regel"?

Diese Regel besagt, dass die Bewertung der Eignung einer maschinellen Übersetzung für einen bestimmten Textabschnitt nicht länger als zwei Sekunden dauern sollte, um die Effizienz zu wahren.

Ist der Mensch laut Autor unersetzlich?

Ja, besonders bei künstlerischen, poetischen oder literarischen Texten bleibt der menschliche Übersetzer aufgrund seiner Kreativität und seines kulturellen Kontextwissens unersetzlich.