tackling-the-challenges-of-translation-memory-technology

Es geht aufwärts: upLIFT in der Translation Memory-Technologie

Erinnern Sie sich noch an 2005? Da habe ich als freiberuflicher Übersetzer angefangen und die Arbeitsweise von CAT-Tools und Translation Memorys (TMs) kennengelernt. Aber es genügt auch, wenn Ihre Erinnerung nur bis 2006 zurückreicht, oder bis 2007, oder 2008 … Die Translation Memory-Technologie hat sich nämlich jahrzehntelang kaum verändert. Ich war 15 Jahre lang in der Softwareentwicklung tätig, bevor ich ins Übersetzerfach wechselte, und obwohl TMs ein Lebensretter bei der Einhaltung von Lieferterminen waren, schien es mir, dass die Art der Übersetzungsvorschläge arg verbesserungsbedürftig war. Ich meine damit Folgendes …

Weitere Informationen zu upLIFT in SDL Trados Studio 2017 finden Sie auf unserer Webseite „Auf der Suche nach dem besten Match“ >>

Nehmen wir an, ich habe folgenden Inhalt in meinem TM (achten Sie auf den markierten Text):

Dies sind die Matches, die ich für verschiedene Sätze erhalte:

Es ist sehr ärgerlich, einen Satz wie im Beispiel C zu haben und zu denken: „Hatte ich das Fragment ‚web content management‘ in diesem Projekt nicht schon mal? Warum kann die Software das nicht erkennen und mir sagen, wie ich es übersetzt habe?“ Gut, ich kann die Konkordanzsuche verwenden, die oft unübersichtlichen Ergebnisse durchgehen und, wenn ich ein Match finde, den (möglicherweise langen) Zieltext lesen, um sicher zu sein, dass ich eine konsistente Übersetzung anfertige. Aber wäre es nicht besser, wenn die Software solche Matches automatisch suchen und auch gleich in der Zielsprache markieren würde, damit ich sie schnell einfügen kann?

Noch ärgerlicher war ein Fall, bei dem ein Korrekturleser eine Übersetzung zurückschickte, weil ich Fragmente wie das oben gezeigte zwar (durchaus gut) übersetzt hatte, das TM aber eine frühere, andere Formulierung enthielt, die die Software mir nicht angezeigt hatte. Wäre diese Übersetzung gleich aufgerufen worden, hätte ich nicht nur Nachbearbeitungszeit gespart, sondern bereits Zeit bei der Übersetzung. Auch hier hätte ich den Begriff mit einer Konkordanzsuche gefunden, aber wenn ich jedes Mal auf gut Glück eine solche Suche durchführen muss, um Konsistenz zu gewährleisten, spart das sicherlich nicht viel Zeit. Ich war auch nicht der Einzige, der mehr von seiner Software verlangte.

2010 hatte ich meinen MA in Übersetzungswissenschaft abgeschlossen und erhielt den Auftrag, das Fach CAT-Tools zu unterrichten. Die Studentinnen und Studenten mussten verschiedene Tools vergleichen und analysieren, und weil die TM-Technologie für sie noch neu war, betrachteten sie die Tools ganz unvoreingenommen. Sie waren oft überrascht, dass sie keine Übersetzungsvorschläge für wiederholte Fragmente wie diese erhielten, vor allem, weil übereinstimmende Fragmente in den meisten Texttypen viel häufiger auftreten als wiederholte oder nahezu übereinstimmende Sätze. Zufällig begannen Teile der Branche sich gerade 2005 mit diesem Thema zu beschäftigen, und 2007 veröffentlichte TAUS einen Bericht über diese wichtige Art der Erkennung. Doch TM-Systeme boten in dieser Hinsicht nur begrenzte Möglichkeiten. Besser wurde es dann 2009 mit SDL Trados Studio und seiner Funktion AutoSuggest Creator – nach wie vor ein sehr nützliches Tool, das aber auch nicht alles konnte, was ich wollte. (Es zeigte mir Fragment-Matches erst an, wenn ich mit der Eingabe begann; ich konnte den Kontext der Übersetzung nicht sehen, um die Bedeutung zu prüfen; und es zeigte mir nicht an, was im TM seit der Erstellung des AutoSuggest-Wörterbuchs hinzugefügt oder geändert worden war.) Auch andere Systeme auf dem Markt konnten dieses Problem jahrelang nicht lösen. Das bewies ich sehr deutlich in meiner Doktorarbeit, in der es darum ging, wie man es besser machen konnte.

Der Prototyp des TM-Systems, das ich im Rahmen meiner Doktorarbeit entwickelte, erweckte die Aufmerksamkeit von SDL. Sie stellten mich ein, und jetzt bildet dieses System die Grundlage für die neuen upLIFT-Funktionen in SDL Trados Studio 2017. Das Beste daran ist, dass upLIFT nicht nur bei dem Beispiel in Segment C der obigen Tabelle hilft (durch das Abrufen der Übersetzung für „web content management“), sondern auch bei Segment B. Ich erhalte jetzt viel bessere Matches:

Wie sieht das nun in SDL Trados Studio aus? Hier einige Screenshots in einer typischen Ansicht:

upLIFT Fragmenterkennung

Abbildung 1: upLIFT Fragmenterkennung

Oben im Fragmenterkennungsfenster (Abbildung 1) werden durch Unterstreichen die Teile meines Segments angezeigt, für die es Übereinstimmungen gibt. Darunter steht eine Liste der ausgangssprachlichen Fragmente und ihrer Übersetzungen, auf die ich klicken kann, um den vollständigen ÜE-Kontext zu sehen. Ich kann die Übersetzung mit der Maus oder über AutoSuggest einfügen, wie oben zu sehen. upLIFT Fuzzy-Match-Optimierung

Abbildung 2: upLIFT Fuzzy-Match-Optimierung

Abbildung 2 zeigt eine reparierte Übereinstimmung. In diesem Fall wurde mein Fuzzy-Match durch die Optimierung zu einer perfekten Übersetzung geändert, die ich nur noch prüfen und bestätigen muss.

Ich bin begeistert, dass es dem zuständige SDL Team gelungen ist, die neuen Funktionen benutzerfreundlich und verständlich zu gestalten und in vertrauter Form darzustellen, die mit den bestehenden Funktionen harmoniert. Wenn ich nun übersetze – um Studio aus der Übersetzerperspektive zu erleben und nicht, weil ich für die Übersetzung bezahlt werde –, kann ich gar nicht beschreiben, wie toll es ist, dass ich jetzt Übersetzungsvorschläge erhalte, wie ich sie mir seit Jahren gewünscht habe.

Was also spielt sich hinter den Kulissen ab, um dies möglich zu machen? Wenn Sie mehr dazu erfahren möchten, kommen Sie bald wieder und lesen Sie den zweiten Teil von „Es geht aufwärts …“.

Weitere Informationen zu upLIFT in SDL Trados Studio 2017 finden Sie auf unserer Webseite „Auf der Suche nach dem besten Match“ >>