Die Gründe sind leicht nachvollziehbar: Einen Text maschinell übersetzen und anschließend nachbearbeiten zu lassen (das sogenannte „Post-Editing“), kann für diejenigen eine attraktive Option sein, die nicht das Budget haben, einen professionellen Übersetzer zu beauftragen. Anders ausgedrückt: Es ist viel billiger. Und leider sind viele universitäre Fachbereiche derzeit gezwungen, den Gürtel enger zu schnallen.

In puncto Qualität sind maschinell übersetzte Texte (je nach Sprachkombination) heute schon viel besser als noch vor einigen Jahren, als automatisierte Tools oft ungrammatischen, unlesbaren Unsinn ablieferten. In vielen Situationen (mit Texten, die nicht allzu wichtig oder komplex sind und deren Übersetzung kein großes Risiko darstellt) scheint das Post-Editing von maschinellen Übersetzungen, abgekürzt als MTPE, „gut genug“ zu sein, weil es beides in sich vereint: sowohl die Geschwindigkeit und den günstigen Preis der maschinellen Übersetzung als auch die Verstehensleistung und Urteilskraft eines menschlichen Experten.

Und doch kann ich aus eigener Erfahrung sagen, dass viele Kunden, die mit MTPE experimentiert haben, weil sie Geld sparen wollten, mit den Ergebnissen unzufrieden waren und zu mir zurückgekehrt sind. Ich selbst habe mit einigen dieser Tools experimentiert und bin zu demselben Schluss gekommen: Maschinelle Übersetzung ist einfach kein geeignetes Verfahren, um komplexe wissenschaftliche Texte in einer Qualität zu übersetzen, mit der ich zufrieden bin. Wer als Kunde Wert auf Qualität legt und von einer Übersetzung mehr erwartet, als dass sie „gut genug“ ist, für den führt schlicht kein Weg daran vorbei, einen Text von einem Menschen statt von einer Maschine übersetzen zu lassen.

Deshalb werde ich in diesem Beitrag darlegen, warum es sich auch im Zeitalter von DeepL und ChatGPT lohnt, in die Dienste eines professionellen menschlichen Übersetzers zu investieren.

Zunächst ein paar Gründe allgemeiner Art, die gegen den Einsatz von KI und anderen automatisierten Tools sprechen:

Ökologie: Viele dieser Tools weisen einen extrem hohen Energie- und Wasserverbrauch auf. Können wir ihren Einsatz inmitten einer sich verschärfenden Klimakrise rechtfertigen?

Ethik und Recht: Diese Tools sind unter anderen deshalb so billig, weil sie häufig Inhalte verwenden, die von Menschen erstellt wurden, ohne dass diese für ihre Arbeit bezahlt wurden. Entsprechend verbreitet sind Befürchtungen, dass damit Urheberrechte verletzt und Inhalte plagiiert werden.

Gesellschaft: Kritisch eingeschätzt werden auch die gesellschaftlichen Folgen, die sich daraus ergeben können, dass komplexe kognitive Aufgaben Maschinen übertragen werden. Wie werden künftige Generationen ihre Fähigkeit zu kreativem und kritischem Denken entwickeln?

Ich werde auf diese Aspekte hier nicht im Detail eingehen, weil sie andernorts schon ausführlich diskutiert werden. Aber es sind gewichtige Gründe für meine Entscheidung, solche Tools nicht mehr zu verwenden (auch wenn Google, Microsoft und Co. mich damit unbedingt zwangsbeglücken möchten). Und sie spielen wahrscheinlich auch für viele wissenschaftliche Autoren eine wichtige Rolle, insbesondere für diejenigen, die sich mit Fragen der Nachhaltigkeit und sozialen Gerechtigkeit beschäftigen.

Doch wie sieht es im speziellen Fall der maschinellen Übersetzung aus?

Wie bereits erwähnt, habe ich in der Vergangenheit versucht, maschinelle Übersetzung in meinen eigenen Arbeitsablauf zu integrieren. Ich wollte sehen, ob sich dadurch meine Produktivität und Qualität verbessern würde. Also erwarb ich eine Einjahreslizenz für DeepL, eines der beliebtesten Tools. Daraufhin war ich allerdings mit den Ergebnissen, insbesondere von wissenschaftlichen Übersetzungen, sehr unzufrieden: Während DeepL theoretisch die Übersetzung der „einfachen Teile“ der Texte beschleunigt – d. h. der Teile, die einfach formuliert sind und mehr oder weniger direkt ins Englische übertragen werden können –, müssen die „schwierigen Stellen“ immer noch von Grund auf neu bearbeitet werden. Und „schwierige Stellen“ gibt es in deutschen wissenschaftlichen Texten eine ganze Menge.

Hinzu kommt: Weil der maschinell generierte Text an der Oberfläche so glatt und plausibel wirkt, braucht es viel mehr geistige Anstrengung, zu erkennen, wo Formulierungen unnatürlich sind oder sogar schwere Fehler eingebaut wurden. So musste ich die Zeit, die ich an den „einfachen Stellen“ eingespart hatte, an anderer Stelle zusätzlich aufwenden, weil ich die Abschnitte, die ich nicht direkt selbst übersetzt hatte, langsam durchgehen und mich vergewissern musste, dass mich der Output der Maschine nicht auf eine falsche Fährte gelockt hatte. Bestimmte Textabschnitte im Eiltempo durchzugehen, ist jedoch mit der Praxis der sorgfältigen und gewissenhaften Erstellung einer kohärenten Übersetzung nicht vereinbar. Vor allem bei wissenschaftlichen Übersetzungen wird die meiste Zeit ohnehin nicht dafür gebraucht, den Text in der Zielsprache einzutippen, sondern für die Terminologierecherche und das sorgfältige Nachdenken darüber, wie man Ideen und Argumente so strukturiert, dass sie bei einer neuen Zielgruppe funktionieren. Der springende Punkt ist hier, dass DeepL und andere Tools die Texte, die sie übersetzen, nicht verstehen: Sie erkennen keine sachlichen oder argumentativen Fehler, sie merken es nicht, wenn auf jemanden oder etwas, von dem an einer Stelle die Rede ist, anderswo mit einem ganz anderen Ausdruck verwiesen wird, dass damit aber dieselbe Person oder Sache gemeint ist, sie haben kein Gespür für Kontextnuancen, sie stellen keine Fragen an den Autor, wenn etwas unklar ist, und sie sind nicht in der Lage, ihre Übersetzungsentscheidungen zu erklären und zu begründen.

Solche Übersetzungen haben bei mir genauso lang gedauert, wie wenn ich sie ohne maschinelle Unterstützung angefertigt hätte – nur dass ich mit dem Ergebnis weniger zufrieden war. Bis ich weitere Korrekturen und Bearbeitungen vorgenommen hatte. So viel zum Thema Produktivitätssteigerung!

Außerdem muss ich betonen, dass es sich bei diesem Verfahren nicht um MTPE, sondern um eine „MT-unterstützte Übersetzung“ handelte, bei der ich die volle Kontrolle über den Übersetzungsprozess hatte und angemessen dafür bezahlt wurde, dass ich mir die Zeit für eine sorgfältige Ausarbeitung nahm – aber selbst dann war ich mit der Qualität nicht voll zufrieden. Bei MTPE hingegen wird von einem menschlichen Post-Editor ein viel höheres Arbeitstempo erwartet. Seine Leistung besteht weniger in einer Übersetzung als vielmehr in einer Art „Schadensbegrenzung“, bei der in einem MT-generierten Text die gröbsten Fehler beseitigt werden. Das ist für den Kunden deutlich günstiger, geht aber auf Kosten der Qualität. Maschinen können einen Text produzieren, der auf der Qualitätsskala bei, sagen wir, 50/100 liegt. Aber das bedeutet nicht, dass der Post-Editor diesen Text auf einen Qualitätswert von 100/100 bringen kann und dafür nur die Hälfte der Zeit benötigt, die er für eine komplette Neuübersetzung gebraucht hätte.

Fazit: Man kann verstehen, warum für budgetbewusste Kunden MTPE eine attraktive Option darstellt. Diese Kunden sollten sich jedoch im Klaren darüber sein, dass bei Kosteneinsparungen auch die Qualität leidet. Wenn Sie allerdings über das nötige Budget verfügen und möchten, dass jemand Ihrem Buch oder Aufsatz die gleiche Sorgfalt und Aufmerksamkeit widmet wie Sie selbst, wenn Sie möchten, dass Ihr Text einem neuen Publikum in einer Form zugänglich gemacht wird, die nicht nur „gut genug“, sondern ansprechend, sachlich korrekt, verständlich und souverän formuliert ist, dann lohnt es sich immer noch, dafür einen professionellen menschlichen Übersetzer zu bezahlen, der Muttersprachler ist, der weiß, was er tut, und seine Sache richtig gut macht.

Verfasser: Dr. Andrew G.-C., einer unserer dienstältesten wissenschaftlichen Übersetzer

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 DeepL und die Geistes- und Sozialwissenschaften oder: Warum sich die Investition in eine komplett von Menschen erstellte Übersetzung immer noch lohnt 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.

Wenn Sie eine englische Übersetzung Ihres deutschen Manuskripts erhalten, dann kann diese im Ton und Stil leicht von Ihrem ursprünglichen Text abweichen. In diesem Blogbeitrag erklären wir, wie und weshalb.

„Hedging“ – Sich nach allen Seiten absichern

Wissenschaftliches Schreiben bedient sich in jeder Sprache des „Hedging“ (sich nach allen Seiten absichern), d.h. Behauptungen werden in der Argumentationsweise vorsichtig formuliert, um die Aussagen abzuschwächen, oder anders gesagt, um diese mit weniger Nachdruck vorzubringen. Im Deutschen wird häufiger eine direkte und explizite Sprache für Behauptungen verwendet (z.B. „Das vorliegende Forschungsprojekt zeigt, dass …“), wodurch dem Verfasser mehr Autorität verliehen wird. Im Englischen gibt es hingegen die Tendenz, Behauptungen abzuschwächen oder zu mildern, damit Kritik entschärft wird, oder um einen bescheidenen Ton anzuschlagen (Writing Development Centre). Hier sind einige Beispiele:

• „In this article we hope to show that …“
• „Smith (2008) appears to marginalize this issue“
• „These results may have been misinterpreted“
• „This would indicate that …“

Die Personalpronomen

Herkömmlicherweise haben Wissenschaftler, die auf Englisch schreiben, die Verwendung von Personalpronomen vermieden, um einen förmlichen und objektiven Ton zu wahren. Die Verwendung von Personalpronomen nimmt jedoch zu – vor allem in den Sozial- und Geisteswissenschaften (Bryson). Im Deutschen ist die Verwendung von Personalpronomen nicht so verbreitet. In der Tat sind Englischübersetzer immer erstaunt über die Bandbreite und den Einfallsreichtum der im Deutschen darauf verwendet wird, das menschliche Handeln auszuklammern. Hier sollen ein paar Beispiele für die deutschen Variationen genügen:

• „In einem ersten Schritt wird aufgezeigt …“ („Firstly, I will demonstrate …“)
• „Es lässt sich voraussetzen, dass …“ („We can assume that …“)
• „In dem Vergleich dieser Gesellschaftsschichten fällt auf …“ (hier entscheidet sich der Englischübersetzer vielleicht dafür, den unpersönlichen Stil beizubehalten: „The comparison of these social classes shows that …“. Es wäre aber auch durchaus möglich, hier im Englischen ein Personalpronomen einzuführen: „If we compare these social classes, we see that …“).

Außerdem wird im Deutschen häufig das unpersönliche Pronomen „man“ verwendet, während „one“ im britischen Englisch fast immer vermieden wird (außer von der Queen!): „Man soll die verschiedenen Möglichkeiten in Betracht ziehen“ („We should consider the possibilities“).

Das Aktiv/Passiv

Die Verwendung des Passivs trägt auch zu diesem unpersönlicheren, neutraleren Ton in deutschen, wissenschaftlichen Texten bei, z.B.:

1. „In dieser Arbeit werden die Vorteile und Nachteile von X diskutiert“
2. „Es muss angenommen werden, dass…“
3. „Es sei noch zu erwägen, ob …“

Hier sind für jedes Beispiel verschiedene Übersetzungen ins Englische im Passiv möglich. Es wäre im Englischen aber auch ganz natürlich, das Aktiv zu verwenden (mit oder ohne einem Personalpronomen), etwa:

1. „In this article, I will discuss the advantages and disadvantages of X“
2. „We must assume here that …“
3. „We still need to consider whether …“

Der Nominalstil

Im Deutschen werden oft Substantive (Nomen) verwendet, während im Englischen Verben bevorzugt werden, z.B.:

• „Die Diskussionen bringen polarisierte Meinungen zum Ausdruck“ („The discussions express polarized views“)
• „Die Kurse bieten Flexibilität bei der Steuerung und Optimierung von Lernprozessen an“ („The courses offer flexibility in managing and optimizing learning processes“)
• „Das Unterdrücken negativer Gefühle führt zu weiteren Problemen“ („Suppressing negative feelings leads to further problems“).

Obwohl es sich bei der Vorstellung, die Briten seien stets höflich und zurückhaltend, sicher um ein Klischee handelt, trifft diese Beschreibung auf die englische Wissenschaftssprache durchaus zu und die englische Übersetzung, die Sie erhalten, kann vorsichtiger und zaghafter formuliert sein als Ihr deutscher Ausgangstext. – Die Engländer gehen gerne „auf Nummer sicher“.  Zudem, wenn Ihr Originaltext durchwegs einen unpersönlichen Ton hat, kann es gut sein, dass der Englischübersetzer das abgewandelt hat, indem er einige Personalpronomen eingefügt und eine aktive Sprache eingeführt hat, weil diese Mischung im Englischen vertrauter ist. Das ist insbesondere der Fall, wenn Ihr Text als Beitrag auf einer Tagung vorgesehen ist. Und guter Letzt: Seien Sie nicht überrascht, wenn Ihre Substantive in der englischen Version nicht wiederfinden!

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 Einige Unterschiede zwischen wissenschaftlichen Schreibstilen im Deutschen und Englischen appeared first on Textworks Translations.

Egal wie gut Sie eine Fremdsprache beherrschen, Sie werden sich immer präziser in Ihrer Muttersprache ausdrücken. Deshalb empfehlen wir Ihnen, einen Aufsatz möglichst in dieser zu verfassen. Es ist Aufgabe der Übersetzerin, dann nicht nur die Inhalte akkurat in die gewünschte Fremdsprache zu übertragen, sondern Ihren Artikel auch in eine Form zu bringen, welche der wissenschaftlichen Kultur der Zielleserschaft entspricht. Und: Lassen Sie Ihren Aufsatz ein paar Tage ruhen und lesen Sie ihn noch einmal gründlich durch, bevor Sie ihn in die Übersetzung geben. Je klarer und unmissverständlicher Inhalte formuliert sind, umso präziser wird auch deren Übersetzung ausfallen.

2. Vollständig abgeben

Nachträgliche Änderungen in eine vorhandene Übersetzung einzubauen, ist meist mühsam und sorgt schnell für Verwirrung. Um die bestmögliche Qualität zu garantieren, sollte die Übersetzerin den vollständigen Text an einem Stück übersetzen – dann wirkt er auch aus einem Guss. So sollten Sie uns möglichst den ganzen Aufsatz auf einmal schicken und von Teillieferungen absehen.

3. Terminologische Ressourcen bereitstellen

Jede wissenschaftliche Subdisziplin ist eine Welt für sich – auch wenn unsere Übersetzer bereits in einer der Sozial- oder Geisteswissenschaften promoviert haben. Daher: Falls Sie diese zur Hand haben, stellen Sie uns terminologische Ressourcen zu Ihrem Fachbereich zur Verfügung, Glossare, Aufsätze zum gleichen Thema in der Ausgangs- bzw. Zielsprache oder auch Links zu wertvollen Webseiten. Dieser Wissenstransfer wird unsere Arbeit und Recherchen deutlich erleichtern, und Sie werden sicherlich weniger Rückfragen von uns erhalten.

4. Infos zur Leser- bzw. Hörerschaft mitteilen

Teilen Sie uns mit, ob Ihr Text in einem Fachbuch oder als populärwissenschaftliche Literatur erscheinen soll. Vielleicht brauchen Sie ihn vielmehr für einen Vortrag? Diese Informationen sind beim Übersetzen wichtig. Denn auch hier werden sprachliche und kulturelle Anpassungen vorgenommen: es wird beispielsweise darum gehen, sich konkrete Anekdoten oder Scherze auszudenken, die bei einem Vortrag in den USA oder in Großbritannien funktionieren oder darum, Sätze drastisch zu kürzen.

5. Editierbare Bilder mitschicken

Wenn Ihr Aufsatz Diagramme oder Tabellen enthält, sollten Sie sie in einem editierbaren Format mitschicken. Diagramme und Tabellen im Bildformat muss der Übersetzer entweder (bei komplizierten Darstellungen) unterhalb als unformatierten Text übersetzen oder (bei einfachen Darstellungen) ganz neu erstellen. Das bedeutet am Ende Extra-Arbeit für Sie. Denn ist die Grafik zugänglich, können wir gleich in diese hinein übersetzen.

6. Zitierweise bestimmen

Zitierweisen hängen sowohl vom Sprachraum als auch von den Richtlinien des Verlags ab. Soll „Bourdieu 1997“ direkt in den Text oder als Fussnote eingefügt werden? Soll dann der ganze Titel des zitierten Buches angegeben werden? Wie soll ausserdem das Literaturverzeichnis aussehen? Geben Sie uns konkrete Beispiele, legen Sie uns die Vorgaben Ihres Verlags vor oder lassen Sie uns einfach wissen, ob es die APA- oder MLA-Richtlinien sein sollen. So ersparen Sie sich nachträgliche Korrekturen.

7. Zeit für Rückfragen einplanen

Den Liefertermin für die Übersetzung sollten Sie nicht am Vorabend Ihres eigenen Abgabetermins festlegen. Denn die Übersetzerin wird sowohl während als auch am Ende ihrer Arbeit Rückfragen an Sie haben. Dieser Prozess kann relativ zeitintensiv sein und sollte auf keinen Fall vernachlässigt werden.

***

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 7 Tipps zur Vorbereitung Ihrer wissenschaftlichen Publikation für die professionelle Übersetzung appeared first on Textworks Translations.