Gastbeitrag von Stephan Grabowski in der Blogreihe Translation und Technologie
Beitragsbild: Photo by Kevin Ku on unsplash.com
Die maschinelle Übersetzung ist unersetzlich geworden. Das spart Zeit und Geld. Ohne maschinelle Übersetzung könnte die wachsende Nachfrage nicht mehr gedeckt oder bezahlt werden. Die maschinelle Übersetzung wird immer ausgefeilter, und in einigen Fällen ist es schwierig, sie von der menschlichen Übersetzung zu unterscheiden. Wenn es mit dieser Geschwindigkeit wächst, werden nach einigen Jahren menschliche Übersetzer überflüssig.
Diesen ersten Absatz habe ich mit dem Google Translator vom Deutschen ins Tadschikische und zurück übersetzen lassen. Das Original lautete:
Maschinelle Übersetzung ist nicht mehr wegzudenken. Sie spart Zeit und Kosten. Ohne maschinelle Übersetzung könnte man den steigenden Bedarf nicht mehr decken oder bezahlen. Maschinelle Übersetzung wird immer besser und ist teilweise kaum noch von Humanübersetzung zu unterscheiden. Wenn sie sich in diesem Tempo weiterentwickelt, werden menschliche Übersetzer in wenigen Jahren überflüssig sein.
Eine verblüffend gute Qualität für ein so exotisches Sprachenpaar. Einige dieser Phrasen hat sicher jeder Übersetzer in den letzten Jahren häufiger gehört und mehr oder weniger beklommen darauf reagiert. Dieser Beitrag soll aber alles andere sein als ein Lobesschreiben auf die Technologie. Vielmehr soll er aufzeigen, in wie vielen Bereichen menschliche Arbeit nötig ist und auch in Zukunft sein wird, um diese Technologie weiterzuentwickeln und einzusetzen.
Ich arbeite seit inzwischen über drei Jahren für Altagram, eine Agentur für Videospiellokalisierung. Dieser Bereich der Lokalisierungsbranche ist einer derjenigen, in denen Maschinelle Übersetzung (MÜ) erst in den letzten Jahren begonnen hat, Fuß zu fassen. Ich erlebe diesen Prozess mit und kann daher aus eigener Erfahrung und einigen Entwicklungen innerhalb der relativ kleinen und abgeschlossenen Videospiellokalisierungsbranche berichten.
Maßgeschneiderte MÜ für Jedermann
Zuerst einmal möchte ich über die Landschaft der Anbieter Maschineller Übersetzung berichten. Natürlich kennt fast jeder Mensch den kostenlos verfügbaren Google Translator, den ich für die Einleitung genutzt habe. Auch Microsoft bietet eine kostenlose Übersetzungs-App für mehr als 70 Sprachen an und Facebook übersetzt automatisch fremdsprachige Beiträge oder ermöglicht das Posten eigener Beiträge in mehreren Sprachen. Hinter diesen mächtigen Tools stehen große Teams von Entwicklern, jahrelange Forschung und gewaltige Budgets. Allerdings befinden wir uns in der glücklichen Situation, dass viele Grundmodelle, die aus dieser Forschung hervorgehen, öffentlich verfügbar gemacht werden (siehe z. B. https://about.fb.com/news/2020/10/first-multilingual-machine-translation-model/). Zu einem praxistauglichen MÜ-System gehört natürlich noch einiges mehr. Aber mit diesen offen verfügbaren Grundmodellen ist es möglich, auch mit geringen Mitteln und innerhalb relativ kurzer Zeit ein funktionierendes maschinelles Übersetzungsmodell zu entwickeln.
Aus diesem Grund haben sich inzwischen einige Dienstleister gegründet, die sich auf Maschinelle Übersetzung spezialisieren. Die genannten Riesen Google und Microsoft bieten zwar B2B-Lösungen an, doch sie stellen hauptsächlich die Infrastruktur und eine simple Benutzeroberfläche zur Verfügung. Es liegt somit großteils am Kunden, Trainingsdaten aufzubereiten und ihre MÜ-Systeme zu verwalten, was Zeit und Know-How erfordert. Hier kommen Anbieter wie Systran), Tilde oder Kantan ins Spiel. Sie bieten eine direkte Betreuung in unterschiedlichem Ausmaß an: Beratung und Anleitung bei der Erstellung von MÜ-Modellen, Bereinigung und Aufbereitung von Trainingsdaten, Feintuning der Übersetzungsmodelle, Bereitstellung benutzerfreundlicher Verwaltungstools, APIs zur Integration und mehr. Viele der Anbieter haben sogar Kataloge von vorgefertigten Trainingsdatensets. Große Unternehmen und Institutionen setzen auch auf eigene MÜ-Lösungen, da sie diese besser an ihre Bedürfnisse anpassen können. Die Europäische Kommission hat beispielsweise den Übersetzungsdienst eTranslation entwickelt.
Wenn es kompliziert wird
Maschinelle Übersetzung imitiert und lernt von menschlicher Übersetzung. Aber je nach Sachgebiet und Art der Texte variieren Stil, Terminologie und Form. Hier überschreiten wir die Möglichkeiten der kostenlos und öffentlich verfügbaren Modelle von Google & Co. Unser maschinenübersetzter Einleitungstext war einfach strukturiert, kurz, kontextarm und enthielt kaum spezifische Terminologie – kein Problem also für ein Modell, das mit allgemeinsprachlichen Texten trainiert wurde. Je tiefer wir jedoch in verschiedene Domänen eintauchen, desto mehr Abweichungen und Herausforderungen treten auf, um eine akzeptable Übersetzung zu produzieren.
Entsprechend herrscht derzeit der Trend vor, MÜ-Modelle Domänen-spezifisch zu trainieren, also zum Beispiel ein Modell für Vertragstexte, ein anderes für Automobiltexte und ein drittes für den Chatbot einer Website. Systran hat kürzlich einen Marketplace veröffentlicht, auf dem professionelle Übersetzer eigene Modelle mit ihren verfügbaren Daten trainieren und anbieten – oder die erstellten Modelle Anderer nutzen können. Man kann Domänen praktisch unendlich fein untergliedern, denn es gibt unzählige mögliche Kriterien, doch dem stehen begrenzte Ressourcen entgegen: Für ein spezialisiertes MÜ-Modell für wissenschaftliche Artikel zu Fledermäusen gibt es wohl kaum ausreichende Trainingsdaten und auch nicht genug praktischen Nutzen, um den Einsatz von Geld und Zeit zu rechtfertigen.
Die Videospiellokalisierung ist ein besonders komplizierter Fall. Das ist auch der Grund, warum die Maschinelle Übersetzung hier nur langsam Fuß fasst. Viele Besonderheiten treiben MÜ-Systeme schnell an ihre Grenzen und sind auf absehbare Zeit nicht maschinell lösbar.
Problem 1:
Viele „Texte“ im Videospielbereich passen nicht in klassische Textdefinitionen. Dialogtexte wechseln sich ab mit Strings der Benutzeroberfläche, Listen von Namen, Skripten für Sprecher, Patchnotes und einer Vielzahl weiterer „Texte“ mit unterschiedlichsten Merkmalen. Hinzu kommt, dass diese Inhalte je nach Videospielentwickler vermischt oder auf verschiedene Dateien verteilt sind. Ein Beispiel aus meiner Erfahrung zum Verständnis: In Rollenspiel X führt der Spieler häufig Dialoge mit computergesteuerten Charakteren (NSCs). Im Lokalisierungsprozess befinden sich die Aussagen der NSCs getrennt von den Antwortmöglichkeiten des Spielers in verschiedenen Dateien. Ein menschlicher Übersetzer ist in der Lage, zusammengehörige Aussagen und Antworten über IDs, Nachfragen oder logisches Erschließen zu identifizieren. Ein MÜ-System hingegen übersetzt ohne diesen Kontext, was das Risiko linguistischer und inhaltlicher Abweichungen birgt.
Problem 2:
Wie zuvor erwähnt, sollten maschinelle Übersetzungsmodelle Domänen-spezifisch trainiert werden. Bei Videospielen ist die Unterteilung besonders schwierig. Jedes Videospiel hat eigene Terminologie. Jedes Videospielgenre hat einen eigenen Stil. Jedes Videospielsetting hat einen eigenen Stil (also z. B. Spiele in Fantasiewelten vs. historische Spiele). Videospielentwickler haben eigene Stilvorgaben. Verschiedene Spieleplattformen haben verschiedene Terminologie- und Formvorgaben. Selbst innerhalb eines einzelnen Spiels kann es Unterschiede geben, zum Beispiel in der Sprechweise verschiedener Charaktere oder Völker.
Problem 3:
Videospiele können kreative sprachliche Mittel wie Reime, Kunstsprachen und -Sprechweisen beinhalten und erfinden neue Welten, in denen viele Dinge erst neu benannt werden müssen. Charaktere können Sprachen sprechen, die nicht der Hauptsprache des Spiels entsprechen. Dieses Problem tritt auch häufig bei der Synchronisation von Film und Fernsehen auf, wie zum Beispiel in der bekannten Krankenhausserie Scrubs: Im englischen Original gibt es einen Deutsch sprechenden Patienten, in der deutschen Synchronisation spricht er Dänisch.
Problem 4:
Das Medium Videospiel bringt externe Beschränkungen und Besonderheiten mit sich, darunter Zeichenbeschränkungen aufgrund von Platzmangel, Platzhalter, die das Spiel in verschiedenen Situationen unterschiedlich ausfüllt, Elemente des Entwicklercodes und mehr.
Die meisten dieser Probleme sind natürlich nicht auf Videospiele beschränkt. Zeichenbeschränkungen aufgrund von Platzmangel können beispielsweise bei jeglicher Software auftreten.
Ohne Fleiß kein MÜ-Preis
Das ultimative maschinelle Übersetzungssystem gibt es nicht und wird es wahrscheinlich nie geben. Stattdessen erwarte ich, dass sich die Landschaft der MÜ weiter aufsplitten und spezialisieren wird. Systeme werden immer benutzerfreundlicher und daher auch für Menschen ohne informatischen Hintergrund leichter benutzbar.
Die sich entwickelnde bunte Landschaft an spezialisierten Dienstleistern und Abteilungen für MÜ schafft völlig neue berufliche Ausrichtungen. Für viele davon ist linguistisches und translatorisches Know-How von großer Bedeutung. Ich erwarte eine deutlich höhere Nachfrage nach Spezialisten in Bereichen wie:
Post-Editing:
Es mag Bereiche geben, in denen . Bei Videospielen habe ich persönlich allerdings noch keinen solchen Text gesehen. Und sicher hat jeder schon einmal unfreiwillig komische maschinenübersetzte Webseiten gesehen. Ein Beispiel aus dem Onlineshop für Fanartikel des Spieleentwicklers Blizzard:
Hier wurde „Card Back“ mit „Rückseite aus Karton“ übersetzt. Gemeint sind tatsächlich die „Kartenrücken“ (Hearthstone ist ein digitales Sammelkartenspiel), die auf dem Produkt abgebildet sind.
Post-Editing wird also in Zukunft noch lange stark gefragt sein.
Terminologiemanagement und Datenpflege:
Big Data ist ein häufiges Schlagwort, wenn es um künstliche Intelligenz (KI) geht. Das gilt auch bei Maschineller Übersetzung. Je mehr und je besser die Daten, desto besser die Übersetzungsqualität des Systems. Das Sammeln und Aufbereiten kann sehr zeitaufwendig sein und ist ohne Kenntnis der Sprachen nicht möglich. Die Integration von Terminologie ist noch unausgereift, verspricht aber enormen Qualitätsgewinn.
Erstellung, Verwaltung und Einsatz von MÜ-Systemen:
Mit „Erstellung“ meine ich nicht Programmierung oder Forschung, sondern die Festlegung von Domänen, für die ein MÜ-System benötigt wird, die Auswahl geeigneter Trainingsdaten, das Training und Feintuning des Systems. Einmal erstellte MÜ-Systeme müssen kontinuierlich verbessert und gepflegt werden. Und schließlich muss jemand das System auch einsetzen. In der Videospiellokalisierung habe ich die Erfahrung gemacht, dass bei Weitem nicht alle „Texte“ für MÜ geeignet sind. Also muss jemand mit Fachkompetenz entscheiden, welche Texte maschinenübersetzt werden dürfen. Außerdem ist die Nutzung eines spezialisierten MÜ-Systems nicht so simpel wie der Einsatz von Google Translate.
Die Maschinelle Übersetzung schafft also neue Betätigungsfelder in der Übersetzungsindustrie. Sie führt allerdings ebenso wie CAT-Tools, Online-Auftragsverwaltungssysteme und die Cloud dazu, dass Übersetzer und Sprachdienstleister ihre Kompetenzen erweitern müssen, um mit der Technologie Schritt zu halten.