Bei Textworks hat die qualitativ hochwertige Übersetzung Ihrer wissenschaftlichen Texte oberste Priorität. Dabei ist es uns wichtig, dass wir alle auf dem Markt verfügbaren Werkzeuge einsetzen, um unsere Übersetzungen für Sie so effizient wie möglich zu erstellen. Nach dem Testen von DeepL sind wir zu dem Schluss gekommen, dass es sich um eine Art „Kompromiss“ zwischen Vollübersetzung und Korrekturlesen handeln kann, und bieten das Post-Editing von DeepL-Übersetzungen für die Wissenschaften seit 2019 an. Zunächst halten wir es jedoch für wichtig, die Vorteile des Einsatzes von maschinellen Übersetzungstools wie DeepL zu diskutieren, aber auch die möglichen Fallstricke, damit Sie eine fundierte Entscheidung darüber treffen können, welche unserer Dienstleistungen am besten zu Ihnen passt.

Es ist nichts falsch daran, eine maschinell erstellte Übersetzung von einem Menschen lesen und redaktionell bearbeiten zu lassen. Die Aufgabe ist jedoch ganz anders als wenn ein Mensch eine von einem anderen Menschen erstellte Übersetzung liest und bearbeitet. Tatsächlich ist es so unterschiedlich, dass es in der Fachsprache nicht einmal als „Korrekturlesen“ bezeichnet wird, sondern als „Post-Editing“. Was diese Unterschiede sind und wie Sie die maschinelle Übersetzung im Vergleich zu den Alternativen am besten nutzen können, möchten wir hier diskutieren.

Wichtige Informationen über DeepL

Bei der kostenlosen Version von DeepL ist zu beachten, dass alle in DeepL eingegebenen Texte und Korrekturen, die Sie an den Übersetzungen über die DeepL-Oberfläche vornehmen, von dem Unternehmen gespeichert werden, um die Algorithmen zu trainieren. Gerade im Umgang mit unveröffentlichten Forschungsdaten sollte hier sehr sorgfältig vorgegangen werden. In der Pro-Version von DeepL (derzeit 20 Euro pro Monat für einen unbegrenzten Übersetzungsumfang) speichert das Unternehmen die Daten laut seiner Datenschutzrichtlinien nur so lange, wie es für die Ausführung durch die Maschine zur Erstellung der Übersetzung erforderlich ist, und löscht sie anschließend. Hier müssen Sie als Autor entscheiden, ob Sie dem Unternehmen vertrauen oder nicht und denken, dass das Unternehmen sicherstellen kann, dass der Server vor Hackern geschützt ist. Sonst könnten diese Hacker für diesen kurzen Zeitraum noch Zugriff auf die Texte haben. Darüber hinaus muss beachtet werden, dass DeepL in den Datenschutzrichtlinien angibt, dass Sie auch in der Pro-Version keine personenbezogenen Daten mit den Texten übermitteln sollten. Das bedeutet, dass Sie eventuell Texte anonymisieren müssen, bevor Sie sie in die DeepL-Oberfläche eingeben.

Vor- und Nachteile der Verwendung von DeepL für wissenschaftliche Texte

Professionelle, qualitativ hochwertige Übersetzungen ganzer Artikel werden Ihnen zweifellos die höchste Qualität bieten und Ihnen die meiste Zeit sparen, aber sie können ziemlich teuer sein. Wenn Sie ein knappes Budget in Ihrem Projekt oder Ihrer Abteilung haben, können Sie es sich möglicherweise nicht leisten. Die Übersetzung eines Artikels selbst und die anschließende Zusendung zum Korrekturlesen ist in der Regel viel kostengünstiger als eine professionelle Übersetzung, aber das kann sehr zeitaufwendig und je nach Sprachkompetenz recht frustrierend sein.

Maschinelle Übersetzung gefolgt von der Nachbearbeitung durch einen qualifizierten, erfahrenen wissenschaftlichen Übersetzer kann ein guter Kompromiss sein. Was das Budget betrifft, so ist es deutlich günstiger als eine vollständige Übersetzung, obwohl es bedeutend teurer ist als das Korrekturlesen einer menschlichen Übersetzung. Wenn es um die Zeit geht, die Sie als Autor investieren müssen, bedeutet die Bearbeitung für Sie mehr Arbeit, als wenn Sie einen Artikel zur vollständigen Übersetzung durch einen professionellen Übersetzer schicken, aber weniger Arbeit, als wenn Sie versuchen, den gesamten Artikel selbst zu übersetzen, bevor Sie ihn zum professionellen Korrekturlesen ausliefern.

Ist DeepL gut und für wissenschaftliche Texte geeignet?

DeepL produziert unglaublich fließend klingende Übersetzungen, und nach unserer Erfahrung ist die Qualität recht gut. Eine von DeepL erstellte Übersetzung sollte jedoch niemals für bare Münze genommen und z.B. direkt bei einer Zeitschrift eingereicht werden. Muttersprachliche Lektorate von DeepL Übersetzungen sind absolut notwendig, denn professionelle, muttersprachliche Post-Editoren sind mit den Problemen der neuronalen maschinellen Übersetzungstools vertraut und lassen sich nicht von fließend klingendem Text in die Irre führen. Ein weiteres Problem ist, dass DeepL (und alle anderen derzeit auf dem Markt befindlichen neuronalen maschinellen Übersetzungstools) Fehler erzeugen, die selbst ein erfahrener Übersetzer nicht unbedingt als Fehler erkennen kann, wenn er sich nur den übersetzten Text ansieht.

1. Inkonsistente Terminologie: In sozialwissenschaftlichen Übersetzungen sind Fachbegriffe extrem wichtig. DeepL ist eine enorme Verbesserung gegenüber früheren statistischen maschinellen Übersetzungsmaschinen, da es den gesamten Satz betrachtet, was bedeutet, dass der Kontext bis zu einem gewissen Grad berücksichtigt wird. Sie geht jedoch nicht über Satzgrenzen hinaus, was bedeutet, dass ein Begriff im ersten Satz auf eine Weise übersetzt werden kann, im nächsten Satz aber auf eine andere Weise. Dies erweist sich als ernsthaftes Problem für Korrekturleser, die nur den englischen Text erhalten, weil wir davon ausgehen, dass Sie als Experte auf Ihrem Gebiet immer den gleichen englischen Begriff verwenden werden, wenn Sie über einen bestimmten deutschen Begriff sprechen, und wenn Sie einen anderen englischen Begriff verwenden, dann deshalb, weil Sie sich auf einen anderen Begriff auf Deutsch beziehen.
2. Fehlende Teile: Wenn der neuronale Algorithmus keine gute Übereinstimmung für eine bestimmte Phrase oder ein bestimmtes Wort finden kann, lässt er es manchmal ganz fallen. Manchmal fällt dies auf, weil ein Satz abrupt endet oder etwas Wesentliches fehlt. Oft ist es jedoch ein Wort oder ein Satz, den eine Person, die den Text zum ersten Mal liest, nicht einmal bemerkt, dass er fehlt. Und das kann besonders problematisch sein, wenn es sich um ein sehr wichtiges Wort wie „nicht“ handelt. Übersetzer haben berichtet, dass DeepL bei Übersetzungen „nicht“ weggelassen hat. Man muss sich nur den Satz „die Ergebnisse waren statistisch nicht signifikant“ vorstellen, um zu verstehen, was es in der Praxis bedeuten könnte, wenn man es weglässt und sich der Korrekturleser ausschließlich auf die Sprache konzentriert und dabei übersieht, dass die Ergebnisse in den Tabellen *nicht* signifikant sind.

Diese beiden Fehler treten in der Regel nicht auf, wenn Menschen einen Text übersetzen. Darüber hinaus sind sie selbst für professionelle Korrekturleser, die nur den englischen Text betrachten, äußerst schwer zu erkennen und zu korrigieren.

Wie man DeepL für wissenschaftliche Texte (richtig) verwendet

Wenn Sie daran interessiert sind, unsere Post-Editing-Dienstleistungen auszuprobieren, wird der folgende Workflow zu einem reibungslosen Ablauf führen:

1. Wenn Ihr Originalartikel vollständig ist, übersetzen Sie ihn mit DeepL oder einem anderen neuronalen maschinellen Übersetzungstool (sowohl Google als auch Microsoft bieten Tools gegen eine Gebühr an). Bitte lesen Sie in jedem Fall zuerst die Datenschutzrichtlinien der Unternehmen und entscheiden Sie, ob und welche Richtlinien Ihre Vertraulichkeitsanforderungen an Ihre Daten erfüllen. Wenn Sie irgendwelche Zweifel haben, sollten Sie in Erwägung ziehen, den Artikel für eine Standardübersetzung an uns zu senden, anstatt Online-Übersetzungstools zu verwenden.
2. Nachdem Sie DeepL verwendet haben, lesen Sie die Übersetzung sorgfältig durch, um sicherzustellen, dass die Fachterminologie jedes Mal korrekt übersetzt wurde. Nur weil DeepL einen Begriff im ersten Satz richtig übersetzt, bedeutet das nicht, dass DeepL ihn jedes Mal richtig übersetzt.
3. Lesen Sie die Übersetzung noch einmal sorgfältig durch, um sicherzustellen, dass keine Phrasen oder wichtige Wörter im Übersetzungsprozess ausgelassen wurden.
4. Senden Sie uns sowohl den Originaltext als auch die Übersetzung über unser Kontaktformular, woraufhin wir Ihnen gern unser Angebot erstellen. Nach Auftragserteilung vergleichen unsere wissenschaftlichen Übersetzer und Post-Editoren die Original und DeepL-Übersetzung sorgfältig, um sicherzustellen, dass die Übersetzung von DeepL nicht nur gut klingt, sondern auch eine korrekte Übersetzung Ihrer Gedanken und Recherchen ist.

Sie suchen hochwertige Übersetzungen Ihrer wissenschaftlichen Beiträge oder ein DeepL Post-Editing aus akademischer Hand? Kontaktieren Sie uns, und senden Sie uns hier Ihre Anfrage! >>

Sie fanden diesen Beitrag hilfreich? Dann abonnieren Sie unseren Newsletter! So bleiben Sie über neue Blogbeiträge rund um maschineller Übersetzung, DeepL, Post-Editing sowie zur Übersetzung und Publikation sozial- und geisteswissenschaftlicher Texte informiert. Bestellen Sie hier unseren Newsletter!

The post DeepL für wissenschaftliche Übersetzungen appeared first on Textworks Translations.

In diesem zweiteiligen Blog-Artikel gehen wir der Frage nach, warum es einfacher ist, wissenschaftliche Texte zu übersetzen, als sie Korrektur zu lesen.

Wenn Sie als Autor schon einmal in der Situation waren, dass einer Ihrer Aufsätze übersetzt werden musste, kommt Ihnen vielleicht folgende Überlegung bekannt vor: „Wäre es nicht zeitsparender und einfacher für alle, wenn ich meinen Aufsatz erst einmal von Google Übersetzer verarbeiten ließe? Dann müsste ich ihn anschließend nur noch Korrektur lesen lassen.”

Dieses Verfahren hat vordergründig betrachtet in der Tat einige Vorteile:

• Korrekturlesen erfordert normalerweise weniger Zeit als das Übersetzen. Wenn Ihr Abgabetermin also sehr knapp ist, würden Sie einen bis zwei Tage gewinnen, in denen Sie Ihrem Aufsatz den letzten Schliff geben könnten.
• Korrekturlesen ist normalerweise preiswerter als Übersetzen. Bei einem knappen Budget kann es auch preislich attraktiver erscheinen, den ganzen Aufsatz nur Korrektur lesen und nicht erst übersetzen zu lassen.
• Und wenn die Technologie heute schon so leistungsfähig ist – was spricht dagegen, sie auch zu nutzen?
• Zeit ist für uns alle kostbar. Warum sollten Sie also die Zeit des Übersetzers verschwenden, indem Sie ihn einen ganzen Aufsatz übersetzen lassen, wenn Sie ihm genauso gut einen maschinell übersetzten Text  geben könnten, den er nur noch Korrektur lesen muss?…

…

All diese Argumente lassen sich nicht pauschal von der Hand weisen. Aber in dem nun folgenden zweiteiligen Beitrag möchten wir Ihnen aufzeigen, warum die sogenannte maschinelle Übersetzung (also Google Übersetzer & Co.) bei wissenschaftlichen Texten ein völlig sinnloses Unterfangen ist und dass sie am Ende sogar allen Beteiligten mehr Arbeit machen kann, als sie erspart. Im ersten Teil werden wir die Funktionsweise von Google Übersetzer, des beliebtesten derzeit existierenden Werkzeugs für die maschinelle Übersetzung, beleuchten. Anschließend werden wir ein konkretes Problem betrachten, das sich gerade bei wissenschaftlichen Texten auf der Ebene der einzelnen Wörter stellt. Im zweiten Teil dieses Blogbeitrags werden uns mit Fragen der Satzstruktur und insbesondere mit der Frage beschäftigen, wie ein Text durch maschinelle Übersetzung so verworren werden kann, dass er sich anschließend kaum noch fehlerfrei Korrektur lesen lässt.

Alle Wege führen über das Englische

Zunächst stellen wir Ihnen einen Begriff vor. Er wirft ein erstes Schlaglicht auf den Unterschied zwischen dem Korrektorat eines Textes, der von einem menschlichen Übersetzer erstellt wurde, und dem Korrektorat eines maschinell übersetzten Textes. Das Überarbeiten eines maschinell übersetzten Textes nämlich wird in der Übersetzungsbranche nicht als „Korrektorat“ oder „Korrekturlesen“ bezeichnet. Sondern als „Post-Editing“. Damit wird auch dem Laien deutlich gemacht, dass es sich bei diesem Vorgang um etwas grundsätzlich so Verschiedenes handelt, dass es eine andere Bezeichnung verdient. Der Korrektor richtet sein Augenmerk oftmals auf Schreib- oder Tippfehler, auf die Konsistenz der Terminologie oder auf stilistische Belange. Beim Post-Editing hingegen muss der Bearbeiter vielfach mit Annahmen über die Intentionen des Quelltextes arbeiten, falls dieser uneindeutig oder komplett unklar ist.

Woran aber liegt es, dass ein maschinell übersetzter Text mehrdeutiger oder unklarer sein kann als eine von Menschen angefertigte Übersetzung? Für die Antwort hierauf werden wir uns anschauen, wie – zumindest in einem zentralen Punkt – das weltweit am häufigsten eingesetzte Übersetzungs-Tool vorgeht. Dabei wird sichtbar werden, warum dieses Tool möglicherweise hervorragend zum Übersetzen jener E-Mail geeignet ist, in der Sie einem britischen oder französischen Kollegen schreiben, dass Sie ein bestimmtes Konferenzhotel buchen möchten, dass das Tool aber kläglich vor der Aufgabe versagt, Ihren nächsten Zeitschriftenaufsatz zu übersetzen.

Wenn Sie Google Übersetzer Ihren Text anvertrauen, greift die Software für die Übersetzung auf statistische Verfahren zurück und prüft alle ihr zur Verfügung stehenden übersetzten Dokumente darauf, ob sie für ein Element in der Ausgangssprache eine optimal geeignete Entsprechung in der Zielsprache enthalten. In der Theorie klingt das gut. Es funktioniert auch bei einfachen Sätzen noch ganz passabel, vor allem wenn eine der beteiligten Sprachen das Englische ist. Sehen wir uns deshalb an, was passiert, wenn wir eine relativ einfache, auf Deutsch verfasste E-Mail zu dem erwähnten Thema von Google Übersetzer ins Englische und Französische übertragen lassen.

Die englische Fassung ist gar nicht so schlecht. Im ersten Satz wird zwar das Simple Present („I just look for …“) statt des üblichen Present Progressive („I am looking for”) oder Present Perfect Progressive („I’ve been looking for …“) verwendet, aber die Aussage ist klar und der britische Kollege dürfte keine Probleme haben, diese E-Mail zu verstehen.

Jetzt schauen wir uns an, was bei der Übersetzung ins Französische passiert. Das Hauptproblem liegt im zweiten Satz. Hier heißt es im Deutschen: „Hast du schon ein Zimmer reserviert?” Der deutsche Schreiber verwendet also die informelle Du-Anrede. Im Französischen wird daraus das formelle „Avez-vous“, das jedoch einem Gegenüber vorbehalten ist, den man eben nicht mit Vornamen anredet. Wie kommt Google Übersetzer auf diese Lösung? Der Grund ist einfach: Beim Übersetzen innerhalb eines Sprachenpaars, an dem Englisch nicht beteiligt ist, übersetzt Google Übersetzer zunächst ins Englische und erst dann in die eigentliche Zielsprache (also hier Deutsch -> Englisch -> Französisch). Da aber das englische „you“ zweideutig ist und sowohl „tu“ als auch „vous“ bedeuten kann, muss Google Übersetzer sich für eine Möglichkeit entscheiden. Und wählt prompt die falsche. Man stelle sich denselben Mechanismus in einem größeren, abstrakteren Maßstab vor: Ein eindeutiges deutsches Wort wird durch ein mehrdeutiges englisches Wort ersetzt und dieses wird dann in ein drittes Wort in der gewünschten Zielsprache (hier Französisch) übersetzt. Es eröffnet sich ein erhebliches Potenzial für sprachliche Missgriffe. Doch auch wenn Englisch zum Sprachenpaar der Übersetzung dazugehört, muss die Maschine ständig Entscheidungen zum Satzbau und zu einzelnen Wörtern treffen. Als Nächstes werden wir das Sprachenpaar Deutsch-Englisch und speziell die Probleme betrachten, die sich beim Übersetzen wissenschaftlicher Texte stellen.

Verschärfung des Problems bei wissenschaftlichen Texten: Fachbegriffe

Im wissenschaftlichen Kontext verdient ein weiterer Punkt der Funktionsweise von Google Übersetzer unsere Aufmerksamkeit: Die Software stützt ihre Entscheidungen auf statistische Häufigkeiten. Viele wissenschaftliche Texte zeichnen sich aber gerade durch eine Fachsprache aus, die von Experten verstanden wird, die aber in der Alltagskommunikation ungebräuchlich ist. Ein einfaches Beispiel auf der Wortebene mag genügen – das deutsche Wort „Gestalt“. Es bedeutet in der Alltagssprache so etwas wie die sichtbare Erscheinung oder Form von etwas und kann im Englischen mit „figure“ oder „shape“ wiedergegeben werden. So übersetzt Google Übersetzer „Gestalt“ in dem Satz „Hast du die Gestalt gesehen?” denn auch korrekt mit „figure“. Im Kontext der Psychologie allerdings ist „Gestalt“ ein Fachbegriff, der im Englischen unübersetzt bleibt, beispielsweise in „gestalt psychology“. Der fachsprachliche Satz:

„Es werden bevorzugt Gestalten wahrgenommen, die in einer einprägsamen (Prägnanztendenz) und einfachen Struktur (= ‚Gute Gestalt’) resultieren.“[1]

wird von Google Übersetzer wie folgt ins Englische gebracht:

„Preference is given to figures which result in a memorable (preeminence tendency) and simple structure (‚good figure’).“

Bekommt nun ein Korrektor diesen englischen Satz zur Prüfung, könnte er sich aufgrund des Fachkontextes fragen, ob mit „figure“ vielleicht beide Male „Gestalt“ gemeint ist. Hierfür kommt es allerdings darauf an, wie gut er das Fach kennt und ob er weiß, dass „Gestalt“ in seiner Alltagsbedeutung normalerweise im Englischen mit „figure“ übersetzt wird. Es ist aber auch möglich, dass der Korrektor das Fehlen des Fachterminus an dieser Stelle gar nicht bemerkt oder dass er annimmt, der Autor habe das Wort „figure“ statt „gestalt“ im Englischen mit Absicht gewählt. Auf diese Weise könnten aus dem Zieltext unbemerkt Fachbegriffe verschwinden. Ein Rezensent könnte dann dem Autor ankreiden, er kenne sich offensichtlich im Fach nicht gut genug aus, um dessen korrekte Terminologie zu verwenden. Hätte jedoch der Autor von vornherein Wert darauf gelegt, dass sein Aufsatz von einem professionellen Übersetzer mit Erfahrung im Fach Psychologie übersetzt wird, wäre das Risiko einer Fehlübersetzung von „Gestalt“ gegen Null gegangen. Die beschriebenen Probleme entstehen aber nur dann, wenn ein Korrektor einen schlecht übersetzten Text erhält, in dem die Fachbegriffe unklar oder als solche nicht mehr zu erkennen sind.

Mit diesem ersten Teil  haben wir Ihnen, so hoffen wir, eine Vorstellung von der Funktionsweise der maschinellen Übersetzung vermittelt und die Schwierigkeiten aufgezeigt, die vor allem beim Übersetzen zwischen zwei Sprachen auftreten, zu denen das Englische nicht gehört. Wir haben außerdem begründet, warum unserer Ansicht nach die auf statistische Häufigkeiten gestützte maschinelle Übersetzung besonders ungeeignet ist für wissenschaftliche Texte, in denen Begriffe häufig mit einer anderen Bedeutung als in der Alltagskommunikation verwendet werden. Im zweiten Teil dieses Beitrags werden wir Satzstrukturen analysieren, wie sie Google Übersetzer erzeugt. Hiervon ausgehend werden wir fragen, inwieweit auch ein Text, der einem Post-Editing unterzogen wurde, auf der Bedeutungsebene von dem abweichen kann, was im Originaltext intendiert war.

Sie fanden diesen Beitrag hilfreich? Dann abonnieren Sie doch unseren Newsletter! So bleiben Sie über neue Blogbeiträge rund um maschineller Übersetzung, DeepL, Post-Editing sowie zur Übersetzung und Publikation sozial- und geisteswissenschaftlicher Texte informiert. Bestellen Sie hier unseren Newsletter!

Sie suchen hochwertige Übersetzungen Ihrer wissenschaftlichen Beiträge aus akademischer Hand oder Fachlektorate durch unsere Muttersprachler? Kontaktieren Sie uns, und senden Sie uns Ihre Anfrage! >>

The post Google Übersetzer & Co appeared first on Textworks Translations.