Maschinelle Übersetzung und romanische Minderheitensprachen

Gastbeitrag von Christine Paasch-Kaiser und Felix Hoberg in der Blogreihe Translation und Technologie

Beitragsbild: Photo by Victor Garcia on unsplash.com

Maschinelle Übersetzung (MÜ) ist in aller Munde und zugleich das Schreckgespenst einer ganzen Branche. Jeder von uns hat sich wohl schon einmal, wenn nicht häufiger, eines kostenlosen maschinellen Übersetzungssystems bedient. Die Gründe dafür sind vielfältig: Es geht schneller als selbst zu übersetzen. Wir sind uns eines Ausdrucks in der Ausgangssprache nicht sicher. Wir beherrschen eine Sprache nicht ausreichend oder überhaupt nicht, benötigen aber Informationen. Auch die pure Neugierde und absurde Ergebnisse sind ein Grund für die Nutzung, wie ihn etwa Carmen Canfora in ihrem Beitrag zur Übersetzung der schwedischen Website von Amazon beschreibt. Vor Einführung der Neuronalen Maschinellen Übersetzung (NMÜ) machte beispielsweise dieser Übersetzungsvorschlag im Internet die Runde:
Kernseife – nuclear soap

Technischer Fortschritt bei der MÜ

Die technischen Fortschritte und Errungenschaften werden von vielen gelobt und die Entwicklung von den Tech-Firmen weiter vorangetrieben. Wie Stephan Grabowski in seinem Beitrag beschreibt, entstehen derzeit vermehrt Domänen-spezifisch trainierte MÜ-Modelle, um den spezifischen Bedarfen gerecht zu werden, die die allgemeinsprachlichen, kostenfreien Systeme von Google und Microsoft nicht decken können. Diese Fortschritte und Entwicklungen sind es auch, die immer wieder Anlass dazu geben, die Existenz einer ganzen Branche und ganzer Studiengänge zu hinterfragen: Brauchen wir überhaupt noch Humanübersetzerinnen und Humanübersetzer? Wenn große Unternehmen wie der IT-Konzern Fujitsu selbst Verträge zur Absicherung inhaltlicher Richtigkeit mit DeepL übersetzen (vgl. Handelsblatt 20, 2020), hat dann das Argument der (hoch)sensiblen Textsorten noch Bestand, schließlich nutzen viele Firmen in der Zwischenzeit eigene Lizenzen oder sogar selbstentwickelte MÜ-Systeme? Aber wie sieht das bei kleineren Sprachen aus? Gibt es für sie überhaupt maschinelle Alternativen zur Humanübersetzung? Und wenn ja, wie gut sind sie und wie vertrauenswürdig sind ihre Anbieter?

Es stellt sich also zugleich die Frage nach der Qualität der zur Verfügung stehenden Systeme. Wenn Larissa Holzki in der Handelsblattausgabe 20/2020 den Google Translate-Chef Macduff Hughes mit den Worten zitiert, dass frühere MÜ-Systeme nicht zu natürlich klingenden Übersetzungen geführt haben, weshalb man heute mit neuronalen Systemen arbeite, dann suggeriert diese Darstellung, dass die heutigen Outputs der MÜ-Systeme „natürlich klingen“. Aber bedeutet „natürlich klingen“ auch, dass sie inhaltlich korrekt sind? Immer wieder zeigt eine genauere Lektüre, dass sich bei maschinellen Übersetzungen inhaltliche Fehler „einschleichen“, die aufgrund des „natürlich klingenden“ sprachlichen Ausdrucks erst bei genauer Analyse und im erneuten Vergleich mit dem Ausgangstext sichtbar werden:

Tabelle 1: Vergleich katalanisches Original und deutsche Neuronale MÜ

kat.	… per períodes de temps iguals o inferiors a 31 dies. (HUT)
dt.	… für Zeiträume von mindestens 31 Tagen angeboten wird. (Bing Translator)

Das Beispiel stammt aus der Übersetzung einer FAQ-Seite der katalanischen Regionalregierung zum Thema der touristischen Vermietung (HUT). Während im katalanischen Text von einem maximal 31 Tage dauernden Zeitraum die Rede ist, bietet der natürlich klingende Satz in der Übersetzung des Bing Translators von Microsoft uns das Gegenteil an. Die Differenz ist subtil.

Eine Landkarte der MÜ-Sprachen

Während davon ausgegangen werden kann, dass entsprechend große Summen in die Verbesserung der Systeme für Sprachkombinationen ressourcenreicher Sprachen mit vielen Sprechern, wie Arabisch, Chinesisch, Deutsch, Englisch, Französisch, Spanisch oder Russisch fließen (können), um die Systeme gezielt zu trainieren und zu verbessern, stellt sich die Frage, wie die Situation bei Sprachen aussieht, die weniger Sprecher und Sprecherinnen haben und mit weniger finanziellen Mitteln und Datenmaterial ausgestattet sind. Wie gestaltet sich die Situation beispielsweise bei Sprachen, die zwar im eigenen Land oder in einer Region eines Landes kooffiziellen Status haben, jedoch nicht Sprache einer internationalen Organisation wie der EU sind?

Beispielhaft sei hier der im Sommer 2020 offiziell an den Start gegangene EU Council Presidency Translator genannt, der eine kostenfreie MÜ in die offiziellen Sprachen der EU anbietet. Allerdings werden andere, auf dem Territorium der EU-Länder gesprochene und geschriebene Sprachen, wie etwa die romanischen Minderheitensprachen Galicisch, Katalanisch, Frankoprovençalisch, Okzitanisch, Friaulisch, Ladinisch oder Sardisch, nicht berücksichtigt.

Einige von ihnen haben zwar im eigenen Land oder in ihrem Sprachgebiet kooffiziellen Status, verfügen jedoch im Vergleich zu den dort vertretenen großen romanischen Sprachen Französisch, Italienisch oder Spanisch über weniger Ressourcen und damit weniger Möglichkeiten, die technologische Entwicklung im Bereich der MÜ voranzutreiben.

Konkrete Beispiele: Das Katalanische, das Galicische und das Rätoromanische

Wie die Beispiele des Katalanischen und des Galicischen zeigen, geschieht eine solche Weiterentwicklung überwiegend für die Zielsprachen Spanisch, Portugiesisch und Englisch. Das erscheint selbstverständlich, angesichts der Tatsache, dass diese Sprachen neben dem Spanischen kooffiziell sind, dass Englisch gegenwärtig die wichtigste Verkehrssprache weltweit ist und dass Portugiesisch im direkt an die galicischsprachige Region angrenzenden Nachbarland gesprochen wird. Französisch spielt bei Übersetzungen ins und aus dem Katalanischen natürlich auch eine wichtige Rolle. Für Übersetzungen von romanischen Minderheitensprachen ins Deutsche gibt es hingegen kaum Systeme, möglicherweise weil dafür weniger Bedarf vorhanden ist, da die von Humanübersetzerinnen und Humanübersetzern am häufigsten zu übertragenden Dokumente sensible Personendaten enthalten, die keinem frei zugänglichen MÜ-Tool anvertraut werden dürfen. Dennoch erstaunt dies auch im Hinblick auf das Rätoromanische, das in seinem Sprachgebiet in der Schweiz kooffiziellen Status hat und die vierte Landessprache ist. Es ist weder in den „großen“, kostenfreien MÜ-Systemen Google Translate, MS Bing Translator, Yandex oder Systran enthalten – ebenso wenig wie andere nicht (ko)offizielle Minderheitensprache anderer Länder –, noch sind im Internet andere frei zugängliche Systeme zu finden, die diese Sprachen anbieten.

Uneinheitlichkeit der MÜ-Systeme

Mit Google Translate kann man aus dem und ins Katalanische und Galizische übersetzen – mit <z> geschrieben, was im Deutschen die Bezeichnung für eine Region in der Ukraine und Polen ist und damit für den Nutzenden zuerst verunsichernd wirken kann. Den MS Bing Translator (und andere Systeme von Microsoft) gibt es wiederrum für Katalanisch und die französischbasierte Kreolsprache Haitianisch. Bei Yandex sind die Sprachen Katalanisch, Galicisch, Haitianisch und die Kreolsprache Papiamentu verfügbar. Systran bietet hingegen nur Katalanisch an. Die Liste ließe sich weiterführen, aber es wird an den genannten Systemen deutlich, dass weitere romanische Kleinsprachen nicht vorhanden sind.

Diese genannten Systeme bieten u. a. eine maschinelle Übersetzung der genannten Sprachen ins Deutsche an. Dass Google keine weiteren romanischen Minderheitensprachen enthält, wird in einem Post aus dem Jahr 2019 auf der Plattform Quora von einem Softwareingenieur hinsichtlich der Frage „Why isn’t there Romansh in Google Translate?“ damit begründet, dass die zur Verfügung stehende Trainingsdatenmenge in Rätoromanisch zu gering sei, ebenso wie die Anzahl an Sprechern, welche ja immer auch eine weitere Sprache – nämlich Deutsch oder Italienisch – sprächen. Es sei an dieser Stelle angemerkt, dass der Bevölkerungsanteil Graubündens, der Italienisch spricht, bei nur 10 % liegt, derer, die Rätoromanisch sprechen, hingegen bei 14 % (https://www.gr.ch/DE/kanton/Seiten/Bevoelkerung.aspx). Der Verfasser ergänzt überdies: „As a speaker of a small dialaect myself, I know it has more of an in-group function, more of a cryptolect, not something for others to read, nor do we need anything translated into it“.

(Sprach-)Prestige als Maßzahl

Abgesehen davon, dass das Rätoromanische als Dialekt wahrgenommen zu werden scheint und nicht als eigenständige Sprache, und dass seine Kooffizialität in der Schweiz ihm kein ausreichendes Gewicht verleiht, wird die Auswahl an vertretenen Sprachen bei Google Translate anhand verfügbarer Trainingsdatenmengen gerechtfertigt und, falls nicht vorhanden, an ihrer Verbreitung im Heimatland des US-Konzerns sowie anhand der Sprecherzahlen. Der Umstand, dass dem einen Kriterium bei der einen Sprache mehr Gewicht zugemessen wird als bei der anderen, zeigt, dass es bei Google keineswegs einen selbstlosen Beitrag zum Erhalt von kleinen, ressourcenschwächeren und schwachen Sprachen geht. Diese Ablehnung ist vor dem Hintergrund interessant – und wirkt widersprüchlich –, dass Google aktuell danach strebt, auch MÜ in kleinere Sprachen anbieten zu können, für die bislang noch keine Paralleltexte vorliegen, da, wie Larissa Holzki in der Handelsblattausgabe 20/2020 den Chefentwickler von Google zitiert, „von dem Grundgedanken aus[gegangen wird], dass es viel einfacher ist, eine elfte Sprache zu lernen als die ersten zehn“ und weil sie bei Google hoffen, „Modelle trainieren [zu] können, die das Erlernen so generalisieren, dass sie nur kleine Datenmengen brauchen“ (Handelsblatt 20/2020: “Das Ende der Sprachgrenzen – wenn der Algorithmus alles übersetzt“). Der positiven Diskriminierung, also dem vielerorts von Organisationen betriebenen Aufwand, weniger ressourcenreiche Sprachen mit geringeren Sprecherzahlen auch im digitalen Umfeld durch die Verfügbarkeit von Dokumenten, Webseiten usw. zu erhalten, wird hier von Seiten des Entwicklers (wahrscheinlich aufgrund des fehlenden ökonomischen Nutzens für das Unternehmen) eine klare Absage erteilt.

Regionalsprachliche Ressourcen

Neben den genannten weithin bekannten neuronalen (z. T. gemischt mit statistischen) MÜ-Systemen gibt es für manche Sprachen jedoch noch eine Reihe weiterer MÜ-Systeme. Auf der Website der katalanischen Regionalregierung finden sich MÜ-Systeme, die die Übersetzung aus dem Katalanischen in andere romanische Sprachen und Varietäten sowie teilweise ins Englische ermöglichen. Dazu gehört der Occitan automatic translator von der Katalanischen Regionalregierung, der Übersetzungen in und aus dem Okzitanischen und Aranesischen ermöglicht, aber über die Webseite und auch so im Netz aktuell (12.11.2020) nicht erreichbar ist. Der Dienst Lexpress unterstützt ausschließlich die Sprachrichtung vom Spanischen ins Katalanische. Das MÜ-System Salt von der valencianischen Regionalregierung bietet Übersetzungen aus dem Valencianischen ins Spanische und umgekehrt. Des Weiteren finden sich dort die Systeme von Tradukka, das auf dem MS Bing Translator basiert und entsprechend dieselben Sprachen anbietet, sowie Softcatalà, das MÜ in und aus dem Katalanischen ins Englische, Französische, Portugiesische und Spanische anbietet, sowie der Bezahldienst Ta with You.

Auch die galicische Regionalregierung stellt auf einer Webseite Bibliosaúde eine Übersicht an MÜ-Systemen bereit. Die galicische Regionalregierung betreibt ein eigenes MÜ-System Gaio, das jedoch nur Übersetzungen in und aus dem Galicischen in Kombination mit Englisch, Französisch, Portugiesisch und Spanisch sowie eingeschränkt Katalanisch anbietet. Verwiesen wird auf der galicischen Seite auch noch auf den Übersetzungsdienst des spanischen Instituto Cervantes, der jedoch bereits im Jahr 2013 seine Arbeit einstellte. Besonders verwirrend ist der Hinweis auf den PROMT Translator, der zwar MÜ in und aus dem Deutschen, aber weder für Galicisch noch für Katalanisch oder sonst eine romanische Minderheitensprache, anbietet.

Weitere sowohl auf der katalanischen als auch auf der galicischen Seite verlinkte MÜ-Systeme sind OpenTrad und Apertium. OpenTrad übersetzt vom Galicischen ins Spanische, Portugiesische und Englische und zurück sowie vom Katalanischen ins Spanische, Portugiesische, Englische und Französische und zurück. Apertium bietet die meisten Sprachkombinationen für Übersetzungen in romanische Minderheitensprachen (https://wiki.apertium.org). Als Ausgangs- und Zielsprachen finden sich Aragonesisch, Asturianisch, Frankoprovenzalisch, Galicisch, Katalanisch, Okzitanisch. Sardisch ist hingegen nur als Zielsprache verfügbar. Die verfügbaren Sprachkombinationen in der MÜ sind für jede Sprache verschieden.

Am breitesten aufgestellt ist das Katalanische, das ins Aragonesische, Englische, Italienische, in zwei Varietäten des Okzitanischen, in verschiedene Varietäten des Portugiesischen, ins Rumänische und Spanische hin- und rückübertragen werden kann. Außerdem besteht die Übersetzungsrichtung unilateral ins Sardische und ins Esperanto. Galicisch bleibt hingegen auf die Kombinationen mit Französisch, Portugiesisch und Spanisch beschränkt. Nicht vertreten ist hier (bislang) das Rätoromanische. Deutsch ist in Apertium ebenfalls nicht vertreten, auch nicht als Zielsprache. Anders als Google Translate und MS Bing Translator ist Apertium aber kein neuronales MÜ-System, sondern ein regelbasiertes System. Die Services von GramTrans schließlich ermöglichen eine Textübersetzung aus dem Dänischen ins Katalanische und Galicische.

Und nun? Minderheitensprachen in der Ausbildung

Die aktuelle Verfügbarkeit von Minderheitensprachen in MÜ-Systemen zeigt also, dass hier noch ein großer Nachholbedarf besteht, wie er auch bereits von einem Verbund von Forschern in der EU (cf. META – A Network of Excellence forging the Multilingual Europe Technology Alliance) und der EU erkannt worden ist: „Ein barrierefreier europäischer digitaler Binnenmarkt ist ein ausgesprochenes Ziel der EU für 2020. Die META-NET-Weißbücher über Sprachen zeigen, dass derzeit nur drei der 27 EU-Sprachen moderate bis gute Unterstützung durch Technologien der maschinellen Übersetzung (MÜ) genießen. Eher schwache oder bestenfalls fragmentarische Unterstützung besteht für die überwiegende Mehrheit der EU-Sprachen“ (DFKI 2002).

Für die Ausbildung mit Deutsch als B-Sprache (also Übersetzen ins und aus dem Deutschen) bedeutet die Abwesenheit von den romanischen Minderheitensprachen in MÜ-Systemen jedoch auch, dass das Studium von ressourcenschwächeren und hinsichtlich Sprecherzahlen kleineren romanischen (und anderen) Sprachen seinen Sinn und Nutzen, aber auch seine Notwendigkeit noch nicht verloren hat. Denn schließlich zeigt sich immer wieder, dass professionelle Übersetzerinnen und Übersetzer die Qualität des Outputs von maschinellen Übersetzungen anders beurteilen als Muttersprachlerinnen und Muttersprachler. Aber sie urteilen auch anders als Softwareingenieurinnen und Computerlinguisten, weshalb eine Zusammenarbeit der unterschiedlichen Berufsgruppen sehr gewinnbringend ist. Dies liegt vor allem daran, dass Übersetzerinnen und Übersetzer auch andere Kriterien, wie etwa den Übersetzungsauftrag, den Kontext usw., im Blick haben, welche für die Beurteilung einer maschinellen Übersetzung relevant sind.

Mit zunehmendem Sprach- und Kulturbewusstsein sowie der breiten öffentlichen Thematisierung von Diskriminierung in diversen Bereichen – ein Beispiel ist das für 2022 geplante Rollenspiel The Wagadu Chronicles von Allan Cudicio, in dem es keine Differenz zwischen Rassen mehr gibt – eröffnet MÜ neue Arbeitsfelder und das Vordringen kleinerer Sprachen in neue, bislang wenig oder nicht berücksichtigte Bereiche, für deren Bearbeitung (Erstellung, Pflege) eine ausgewiesene Sprach- und Kulturkompetenz, wie sie Übersetzerinnen und Übersetzer aber auch Linguistinnen und Linguisten mitbringen, äußerst gewinnbringend ist.

Korektur 2021-04-23: Überschrift der Tabelle 1 korrigiert, Sprachkürzel darin ins Deutsche übersetzt

---

---