{"id":3400,"date":"2019-05-20T16:14:00","date_gmt":"2019-05-20T14:14:00","guid":{"rendered":"https:\/\/www.textmaster.com\/blog\/neuronale-maschinelle-ubersetzung-was-sie-wissen-mussen\/"},"modified":"2019-05-28T15:28:40","modified_gmt":"2019-05-28T13:28:40","slug":"neuronale-maschinelle-ubersetzung-was-sie-wissen-mussen","status":"publish","type":"post","link":"https:\/\/de.textmaster.com\/blog\/neuronale-maschinelle-ubersetzung-was-sie-wissen-mussen\/","title":{"rendered":"Neuronale maschinelle \u00dcbersetzung: was Sie wissen m\u00fcssen"},"content":{"rendered":"

Wir haben wahrscheinlich alle schon einmal Tools wie Google Translate Reverso<\/strong> oder Deepl<\/strong> verwendet. Das sind \u00dcbersetzungstools im Internet, mit denen Texte von einer Sprache in eine andere \u00fcbertragen werden k\u00f6nnen. Diesen Vorgang bezeichnet man als maschinelle \u00dcbersetzung oder Machine Translation<\/strong> (MT) auf Englisch: die \u00dcbertragung eines Textes von einer Sprache in eine andere durch einen Computer ohne menschliches Zutun<\/strong>.<\/p>\n

Manche dieser Programme lassen hinsichtlich der Qualit\u00e4t der \u00dcbersetzungen noch sehr zu w\u00fcnschen \u00fcbrig, weshalb sich unter anderem folgende Fragen stellen: Wird ein generisches Programm zur maschinellen \u00dcbersetzung meinen spezifischen Business-Anforderungen<\/strong> gerecht? Wird bei der Machine Translation<\/em> die Vertraulichkeit meiner Daten garantiert<\/strong>? Was ist die neuronale maschinelle \u00dcbersetzung und wie kann ich Sie in meinen individuellen Workflow integrieren<\/strong>?<\/p>\n

Maschinelle \u00dcbersetzung: Ursprung, Funktionsweise und Entwicklung<\/strong><\/h2>\n

Die Anf\u00e4nge der maschinellen \u00dcbersetzung<\/a> gehen in die 50er-Jahre zur\u00fcck. Bisher gab es drei Arten von Systemen<\/strong>:<\/p>\n

Die regelbasierten Systeme (1980er-Jahre)<\/strong><\/h3>\n

Das maschinelle \u00dcbersetzungsprogramm verkn\u00fcpft W\u00f6rterb\u00fccher mit g\u00e4ngigen Begriffen<\/strong> sowie linguistische und grammatikalische Regeln<\/strong>. Es wird au\u00dferdem empfohlen, benutzerspezifische W\u00f6rterb\u00fccher<\/strong> hinzuzuf\u00fcgen, um die Qualit\u00e4t der \u00dcbersetzung zu verbessern. Trotzdem erf\u00fcllt die Qualit\u00e4t bei dieser Art der maschinellen \u00dcbersetzung die Erwartungen der Nutzer nicht immer. Nichtsdestotrotz erm\u00f6glichen regelbasierte Systeme dank der Einpeisung von Fachw\u00f6rterb\u00fcchern<\/strong> im Normalfall koh\u00e4rente und logische \u00dcbersetzungen.<\/p>\n

Statistikbasierte Systeme (1980\u20131990) <\/strong><\/h3>\n

Diese Systeme verwenden f\u00fcr den \u00dcbersetzungsvorgang keinerlei linguistische Regeln<\/strong>. Sie \u00fcbersetzen mithilfe von statistischen Modellen<\/strong>, die automatisch anhand von Korpora<\/strong> erstellt werden. Das maschinelle \u00dcbersetzungsprogramm analysiert wichtige Datenbanken f\u00fcr jede Sprache, was sehr flie\u00dfende<\/strong> \u00dcbersetzungen erm\u00f6glicht, die allerdings manchmal nicht sehr logisch sind.<\/p>\n

Auf neuronalen Algorithmen basierende Systeme (2015)<\/strong><\/h3>\n

Mit diesen Systemen kann in Echtzeit \u00fcbersetzt<\/strong> und die Wahrscheinlichkeit einer Wortabfalge<\/strong> vorausgesagt<\/strong> werden. Es handelt sich um einen Ansatz, der es Programmen erm\u00f6glicht, mittels neuronalen Netzen, deren Verkn\u00fcpfungen denen eines Gehirns \u00e4hnlich sind, das \u00dcbersetzen zu erlernen. Dieses System der neuronalen maschinellen \u00dcbersetzung liefert \u00dcbersetzungen von h\u00f6herer Qualit\u00e4t<\/strong>: die neuronale \u00dcbersetzung<\/strong> enth\u00e4lt 50 % weniger Fehler bei der Wortstellung, 17 % weniger lexikalische Fehler und 19 % weniger grammatikalische Fehler.<\/strong> Die neuronalen Netze haben sogar gelernt, Geschlecht und Fall in verschiedenen Sprachen korrekt abzustimmen<\/strong> (obwohl ihnen das niemand beigebracht hat!). Hier sehen Sie als Beispiel einen Satz auf Englisch, der zuerst von einem generischen maschinellen \u00dcbersetzungsprogramm und dann von einem lernf\u00e4higen maschinellen \u00dcbersetzungsprogramm ins Deutsche \u00fcbersetzt wurde.<\/p>\n

\"Neuronale-maschinelle-uebersetzung-beispiel\"<\/p>\n

 <\/p>\n

\n

Finden Sie heraus, wie Sie dank moderner Technologien Produktinformationen internationalisieren k\u00f6nnen<\/a><\/p>\n

\n

Die NMT \u2013 ein gro\u00dfer Vorteil f\u00fcr die maschinelle \u00dcbersetzung<\/strong><\/h2>\n

Die Neural Machine Translation arbeitet nach einem ganz anderen Prinzip als andere Ans\u00e4tze wie etwa die statistikbasierte oder die regelbasierte maschinelle \u00dcbersetzung. Die NMT verwendet ein gro\u00dfes neuronales Netz, das mithilfe k\u00fcnstlicher Intelligenz nach dem Modell des menschlichen Gehirns funktioniert<\/strong>.<\/p>\n

Es ist die fortschrittlichste Methode computergenerierter \u00dcbersetzungen und hat dank selbstst\u00e4ndigen Lernens auf der Grundlage von k\u00fcnstlicher Intelligenz<\/strong>, Big Data<\/strong> und Deep Learning<\/strong> in den letzten Jahren enorme Fortschritte gemacht. Heutzutage k\u00f6nnen neuronale Programme maschineller \u00dcbersetzung als Basis f\u00fcr professionelle \u00dcbersetzungen<\/strong> eingesetzt werden.<\/p>\n

Das Programm kann sowohl akkurate \u00dcbersetzungen generieren<\/strong> als auch eine Sprache lernen<\/strong>. Dadurch wird die Qualit\u00e4t der \u00fcbersetzten Daten kontinuierlich verbessert. Damit die NMT gut funktioniert, muss sie unbedingt von einem Menschen trainiert<\/strong> werden. Das bedeutet, dass das Programm mit einer gro\u00dfen Menge an Daten gespeist werden muss, um die Zuverl\u00e4ssigkeit der Endergebnisse zu verbessern.<\/p>\n

Der Mensch kann das Programm au\u00dferdem so trainieren, dass es die spezifischen Bed\u00fcrfnisse einzelner Sektoren wie etwa dem Justiz-, Finanz- oder Medizinbereich, die alle ein eigenes Fachvokabular<\/strong> verwenden, erf\u00fcllt.<\/p>\n

Zwei Unternehmen der GAFAM<\/strong> haben diese Art der \u00fcberpr\u00fcften maschinellen \u00dcbersetzung bereits integriert:<\/p>\n