sdl-language-cloud-custom-mt-engines

SDL AutoSuggest 2.0 und Language Cloud: Perfektes Zusammenspiel für Ihre Übersetzungen

Es scheint noch gar nicht so lange her, aber vor mehr als sechs Jahren läuteten wir mit SDL Trados Studio 2009 eine neue Ära für Translation Memorys ein.

Ein entscheidendes Element dieser bahnbrechenden Translation Memory-Technologie war meine Lieblingsfunktion SDL AutoSuggest. Damit wurden erstmals bereits bei der Texteingabe Übersetzungsvorschläge auf Grundlage vorhandener Übersetzungen bereitgestellt. Das erwies sich besonders dann als hilfreich, wenn es zwar keine herkömmliche Entsprechung im Translation Memory gab, aber ein Teil eines Satzes bereits übersetzt worden war.

Diese Vorschläge sind unglaublich intelligent und umfassen auch Begriffe, Formatierungen und Tags. Die Sache hatte allerdings einen Haken: Zum Erstellen eines AutoSuggest-Wörterbuchs waren 10.000 Translation Memory-Segmente erforderlich. Das garantierte zwar sehr gute Genauigkeit der Vorschläge, bedeutete aber auch, dass nicht jeder Übersetzer diese fantastische Funktion nutzen konnte.

Seither hat sich viel getan, und AutoSuggest weist in SDL Trados Studio 2015 einige grundlegende und aufregende Veränderungen auf. In der neuesten Version von Studio stellt SDL AutoSuggest eine vielseitige und leistungsstarke Ressource für Übersetzungsvorschläge dar, die Ihre Produktivität steigern.

Wenn ich Kunden Studio 2015 und das neue AutoSuggest 2.0 vorführe, ist es für mich hilfreich, selbst Übersetzungen zu erstellen – in diesem Fall von unseren eigenen Marketingmaterialien. Ich habe vorsätzlich ein veraltetes Translation Memory verwendet, das keine Übersetzungen aus den letzten drei Jahren enthält. Die Ergebnisse waren sehr beeindruckend, und einige Sätze konnte ich deutlich schneller übersetzen.

Anschließend konzentrierte ich mich auf zwei Aspekte, um das Verhalten von SDL AutoSuggest 2.0 unter realistischen Arbeitsbedingungen zu untersuchen:

  1. Nutzung der Translation Memorys ohne Erstellen eines AutoSuggest-Wörterbuchs (obwohl diese Option selbstverständlich auch weiterhin verfügbar ist)
  2. Zusammenspiel von maschineller Übersetzung und AutoSuggest

Ich war angenehm überrascht von der Nutzung des Translation Memorys – und erstaunt vom hervorragenden Zusammenspiel von AutoSuggest und maschineller Übersetzung.

Zum ersten Aspekt: Ich erhielt Vorschläge wie Konkordanz- und Fuzzy Match-Ergebnisse. Ich konnte auswählen, ob ich die Vorschläge übernehmen oder ignorieren möchte – und jede der Komponenten (100 %-, Fuzzy- und Konkordanz-Matches) kann einzeln aktiviert oder deaktiviert werden. Ich sparte viel Zeit bei der Texteingabe und erzielte eine höhere Konsistent der Übersetzungen, da ich mühelos die Konkordanz nutzen und die Satzteile schnell und effizient vervollständigen konnte.
Wirklich beeindruckend wurde es jedoch bei der Kombination von AutoSuggest mit maschineller Übersetzung (MÜ). Selbstverständlich verwendete ich SDL Language Cloud. Die Qualität der maschinellen Übersetzung für mein Sprachpaar, Englisch und Italienisch, sah recht gut aus.

Die Verwendung von AutoSuggest und maschineller Übersetzung stellt eine ganz neue Arbeitsweise dar. Bislang hatte ich meine Probleme mit der maschinellen Übersetzung. Ich bin nicht im Post-Editing geschult und neigte daher dazu, einen kompletten MÜ-Satz zu löschen, wenn zwei Wortendungen geändert werden mussten. Das widerspricht allem, was ich in Seminaren zum Post-Editing predige, und war daher ein frustrierendes Erlebnis.

Bei Studio 2015 erhalte ich jedoch kürzere Vorschläge – fast schon modular. So kann ich bei der Texteingabe mühelos entscheiden, was ich übernehmen und was ich verwerfen möchte. Der Vorgang erscheint mir weitaus fließender und intuitiver.

Er stellt eine echte Transformation der Arbeit mit MÜ dar. Er ist dem Übersetzen weitaus näher als dem Post-Editing – nur eben mit nützlichen zusätzlichen Vorschlägen. Viele Übersetzer sind es gewohnt, Translation Memorys, Terminologie und seit einiger Zeit auch AutoSuggest-Wörterbücher zu verwenden. Mit dieser neuesten Innovation wird die maschinelle Übersetzung einfach als eine weitere Quelle hinzugefügt. Diese Form der Darstellung und Implementierung macht das Übersetzen einfacher und effizienter. Es mag nicht für jeden der richtige Ansatz sein, insbesondere bei Sprachpaaren, die sich nicht so gut für die maschinelle Übersetzung eignen, aber ich denke, dies ist der erste Schritt einer Transformation unserer Arbeitsweise beim Übersetzen. Dank des Wissensschatzes bei SDL zu CAT-Tools und zur maschinellen Übersetzung wird das Zusammenspiel dieser beiden Technologie bestimmt immer besser.

Sie möchten mehr über SDL AutoSuggest 2.0 erfahren? Lesen Sie hier den Blog von Daniel Brockmann, SDL Trados Studio Product Management Director.