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.

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.

Deutsche und englische wissenschftliche Texte unterscheiden sich stark in ihren Argumentationsstilen, und ihre Terminologie lässt sich nicht immer eins zu eins übersetzen.

Strukturelle Unterschiede

Sprache hat im englischen und deutschen Wissenschaftsgebrauch unterschiedliche Funktionen. Linguisten unterscheiden z.B. einen eher adressatenorientierten Ansatz im Englischen gegenüber einem eher inhaltsorientierten Ansatz im Deutschen. Im Englischen geht es um eine dialogisch-argumentative Darstellung von Thesen und Ergebnissen, die durch die Einbeziehung von Gegenpositionen auf einen gemeinsamen Common Sense von Autoren und Leserinnen abzielen. Einleitungen englischer Wissenschaftstexte sind deshalb häufig binnenstrukturierend und bieten vielerlei Vorabinformationen (sog. advance organizer), mit deren Hilfe die Leser an den wissenschaftlichen Gegenstand der Arbeit herangeführt und das argumentative Vorgehen anhand eines roten Fadens dargestellt wird. Beispiele für advance organziers sind: this paper describes, this paper aims; in section a, b, c the paper outlines. Ein gemeinsames Verständnis wird z.B. geschaffen durch Formulierungen wie “civic engagement as a tool for democracy building has deep roots … going back to … Alexis de Tocqueville”; “so despite its length, this work deals only with bare essentials and their ‚cleaning‘, and may be characterized summarily as a work on mainstream basics. While the task may appear unexciting, it still is much a needed one because we must have (and give) reasons for the institutions we have, and because democracies are not viable unless the citizens understand them”. (Sartori: The Theory of Democracy revisited. Chatham House Publishers, New Jersey 1987, xi)

Deutsche wissenschaftliche Texte sind dagegen häufig hermeneutischer angelegt. Die Autoren setzen ein Wissen über den kommenden Inhalt voraus. Die Einleitungen sind diskursiv, motivierend geschrieben – „Der Begriff der Politischen Kultur hat einen Siegeszug durch die Welt angetreten“ (Sontheimer: Deutschlands Politische Kultur. Piper München 1991, 9) danach werden unter folgenden Unterüberschriften unabhängig voneinander verschiedene Aspekte ausgeführt: Politische Kultur normativ gesehen, Wie entsteht eine Politische Kultur, Die Rolle der Politiker, Die reife demokratische Kultur. Es werden eher wenige Sprachmittel eingesetzt, die die kommende Textstruktur vorstellen, wodurch inhaltliche Elemente zunächst meist unverbunden, für sich stehend aufgeführt werden, aus denen die Leser die Zusammenhänge selbst erkennen müssen. Das Ziel ist vor allen Dingen die wissenschaftliche Notwendigkeit einer Untersuchung nachzuweisen – im Englischen wird dieser Konsens argumentativ einbezogen bzw. vorausgesetzt, sodass ein solcher Nachweis nicht mehr notwendig ist. Für Übersetzer bedeutet dies, dass man sich bei der Übersetzung ins Deutsche mit den fachlichen Kontexten der jeweiligen Ausgangstexte gut auskennen muss, um die Bedeutungen richtig einordnen und damit angemessen übertragen zu können, ggf. müssen diese so aufbereitet werden, dass die Texte für das nicht-deutschsprachige Zielpublikum, das mit der dt. Textstruktur möglicherweise nicht so vertraut ist, verständlich gemacht werden. Die Leser werden weniger durch den Text geleitet als in englischsprachigen Wissenschaftstexten. Anstelle eines roten Fadens werden in der Einleitung mehrere Fäden ausgelegt, die erst im Laufe des folgenden Texts nach und nach zusammengeführt werden.

Semantische Unterschiede

Unterschiede lassen sich auch auf der semantischen Ebene feststellen. Die deutsche Wissenschaft hat sich während der Aufklärung vor allem in der Philosophie entwickelt und von den antiken Vorbildern emanzipiert, weswegen eine neue Begrifflichkeit geschaffen wurden, die die neue, aufgeklärte Welt und ihre Ideen besser beschreiben konnte. Viele wissenschaftliche Begriffe sind deshalb aus der eigenen Sprachtradition gewachsen und inhaltlich geprägt; sie benennen den beschriebenen oder untersuchten Gegenstand, der attributiv spezifiziert wird. Dabei wird Wert auf begriffliche Eindeutigkeit gelegt, das neues Wissen repräsentiert – im Gegensatz zum Englischen. Die englischen Fachbegriffe stammen in ihren Sprachwurzeln zu einem großen Teil aus dem Griechischen oder Lateinischen. Es werden viel eher selbstständige und uneindeutige Begriffe verwendet, die erst in einen allgemeinsprachlichen Kontext eingebettet werden müssen, um ihre jeweilige Bedeutung zu erhalten. Die Darstellung neuen Wissens hängt damit selten an einzelnen determinierenden Begriffen sondern wird linear im Text entwickelt. Für die Übersetzer aus dem Englischen bedeutet dies ein höheres Maß an kontextueller Terminologiearbeit, die auf die Verständnisebene des Zielpublikums genau abgestimmt werden muss. Ein Begriff wie leader in politischen Texten bietet deutschen Übersetzern beispielsweise eine Fülle von Übertragungsmöglichkeiten, aus denen je nach Kontext der passende ausgewählt werden muss, auch die im Deutschen kontaminierte Übersetzungsvariante Führer zu vermeiden.

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 Sprache im englischen und deutschen Wissenschaftsgebrauch: One size does not fit all 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.