{"id":3436,"date":"2023-10-19T12:38:12","date_gmt":"2023-10-19T10:38:12","guid":{"rendered":"https:\/\/www-staging.systransoft.com\/?page_id=3436"},"modified":"2023-10-19T12:46:21","modified_gmt":"2023-10-19T10:46:21","slug":"what-is-machine-translation","status":"publish","type":"page","link":"https:\/\/www-staging.systransoft.com\/de\/systran\/technologie\/was-ist-maschinelle-uebersetzung\/","title":{"rendered":"Was ist maschinelle \u00dcbersetzung?"},"content":{"rendered":"<section class=\"rich-text-component\">\n  <div class=\"container\">\n    <rich-text-component class=\"flex flex-col gap-4 w-full\">\n      <section class=\"intro blue\">\n<div class=\"wrapper_grid\">\n<h2>Regelbasierte maschinelle \u00dcbersetzung im Vergleich zur statistischen maschinellen \u00dcbersetzung<\/h2>\n<\/div>\n<\/section>\n<section id=\"content\">\n<div class=\"wrapper_grid\">\n<article>Maschinelle \u00dcbersetzung (MT) ist automatisierte \u00dcbersetzung. Dabei handelt es sich um den Prozess, bei dem Computersoftware verwendet wird, um einen Text aus einer nat\u00fcrlichen Sprache (wie Englisch) in eine andere (wie Spanisch) zu \u00fcbersetzen.\n<p>Um eine \u00dcbersetzung in menschlicher oder automatisierter Form verarbeiten zu k\u00f6nnen, muss die Bedeutung des Textes in der Ausgangssprache (Ausgangssprache) vollst\u00e4ndig in der Zielsprache, d. h. der \u00dcbersetzung, wiederhergestellt werden. Obwohl dies oberfl\u00e4chlich betrachtet unkompliziert erscheint, ist es doch um einiges komplexer. \u00dcbersetzung ist keine blo\u00dfe Wort-f\u00fcr-Wort-Ersetzung. Ein \u00dcbersetzer muss alle Textbestandteile interpretieren und analysieren und wissen, wie sich jedes Wort auf ein anderes auswirken kann. Dies erfordert umfangreiche Kenntnisse in Grammatik, Syntax (Satzstruktur), Semantik (Bedeutungen) usw. in den Ausgangs- und Zielsprachen sowie Vertrautheit mit jeder Region.<\/p>\n<p>Bei der \u00dcbersetzung von Mensch und Maschine stehen alle Herausforderungen im Vordergrund. Beispielsweise kann kein einzelner \u00dcbersetzer eine identische \u00dcbersetzung desselben Texts in demselben Sprachpaar erstellen, und es kann mehrere \u00dcberarbeitungsrunden dauern, um die Kundenzufriedenheit zu erh\u00f6hen. Die gr\u00f6\u00dfere Herausforderung liegt jedoch darin, wie maschinelle \u00dcbersetzung qualitativ hochwertige \u00dcbersetzungen zur Ver\u00f6ffentlichung erzeugen kann.<\/p>\n<h2>Regelbasierte maschinelle \u00dcbersetzungstechnologie<\/h2>\n<p>Regelbasierte maschinelle \u00dcbersetzung basiert auf unz\u00e4hligen integrierten linguistischen Regeln und Millionen von zweisprachigen W\u00f6rterb\u00fcchern f\u00fcr jedes Sprachpaar.<\/p>\n<p>Die Software analysiert Text und erstellt eine \u00dcbergangsdarstellung, aus der der Text in der Zielsprache generiert wird. Dieser Prozess erfordert umfangreiche Lexika mit morphologischen, syntaktischen und semantischen Informationen und gro\u00dfe Regelwerke. Die Software verwendet diese komplexen Regels\u00e4tze und \u00fcbertr\u00e4gt dann die grammatikalische Struktur der Ausgangssprache in die Zielsprache.<\/p>\n<p>\u00dcbersetzungen bauen auf gigantischen W\u00f6rterb\u00fcchern und ausgefeilten linguistischen Regeln auf. Benutzer k\u00f6nnen die Qualit\u00e4t von Standard\u00fcbersetzungen verbessern, indem sie ihre Terminologie in den \u00dcbersetzungsprozess einbinden. Sie erstellen benutzerdefinierte W\u00f6rterb\u00fccher, die die Standardeinstellungen des Systems au\u00dfer Kraft setzen.<\/p>\n<p>In den meisten F\u00e4llen gibt es zwei Schritte: eine Erstinvestition, die die Qualit\u00e4t deutlich erh\u00f6ht, bei begrenzten Kosten, und eine laufende Investition, um die Qualit\u00e4t schrittweise zu erh\u00f6hen. W\u00e4hrend regelbasierte MT Unternehmen an die Qualit\u00e4tsschwelle und dar\u00fcber hinaus bringt, kann der Qualit\u00e4tsverbesserungsprozess langwierig und teuer sein.<\/p>\n<h2>Technologie der statistischen maschinellen \u00dcbersetzung<\/h2>\n<p>Die statistische maschinelle \u00dcbersetzung verwendet statistische \u00dcbersetzungsmodelle, deren Parameter sich aus der Analyse von ein- und zweisprachigen Korpora ergeben. Die Erstellung statistischer \u00dcbersetzungsmodelle ist ein schneller Prozess, aber die Technologie basiert weitgehend auf vorhandenen mehrsprachigen Unternehmen. Mindestens 2 Millionen W\u00f6rter f\u00fcr eine bestimmte Dom\u00e4ne und noch mehr f\u00fcr die allgemeine Sprache sind erforderlich. Theoretisch ist es m\u00f6glich, die Qualit\u00e4tsschwelle zu erreichen, aber die meisten Unternehmen verf\u00fcgen nicht \u00fcber so gro\u00dfe Mengen an bestehenden mehrsprachigen Unternehmen, um die notwendigen \u00dcbersetzungsmodelle zu erstellen. Dar\u00fcber hinaus ist die statistische maschinelle \u00dcbersetzung prozessorintensiv und erfordert eine umfangreiche Hardwarekonfiguration, um \u00dcbersetzungsmodelle f\u00fcr durchschnittliche Leistungsniveaus auszuf\u00fchren.<\/p>\n<h2>Regelbasierte MT im Vergleich zur statistischen MT<\/h2>\n<p>Regelbasierte MT bietet gute Qualit\u00e4t au\u00dferhalb des Bereichs und ist von Natur aus vorhersehbar. Durch die w\u00f6rterbuchbasierte Anpassung wird die Qualit\u00e4t und die Einhaltung der Unternehmensterminologie gew\u00e4hrleistet. Aber die \u00dcbersetzungsergebnisse sind vielleicht nicht so fl\u00fcssig, wie die Leser es erwarten. In Bezug auf Investitionen kann der Anpassungszyklus, der erforderlich ist, um die Qualit\u00e4tsschwelle zu erreichen, lang und kostspielig sein. Die Leistung ist auch bei Standardhardware hoch.<\/p>\n<p>Statistische MT bietet eine gute Qualit\u00e4t, wenn gro\u00dfe und qualifizierte Kapitalgesellschaften zur Verf\u00fcgung stehen. Die \u00dcbersetzung ist flie\u00dfend, d. h. sie liest sich gut und entspricht daher den Erwartungen der Benutzer. Die \u00dcbersetzung ist jedoch weder vorhersehbar noch konsistent. Training von Good Corpora ist automatisiert und billiger. Die Ausbildung in allgemein verst\u00e4ndlichen Korpora, also in anderen Texten als dem angegebenen Bereich, ist jedoch schlecht. Dar\u00fcber hinaus erfordert statistische MT umfangreiche Hardware, um gro\u00dfe \u00dcbersetzungsmodelle zu erstellen und zu verwalten.<\/p>\n<table>\n<tbody>\n<tr>\n<th>Regelbasierte MT<\/th>\n<th>Statistische MT<\/th>\n<\/tr>\n<tr>\n<td>+ Konsistente und vorhersehbare Qualit\u00e4t<\/td>\n<td>- Unvorhersehbare \u00dcbersetzungsqualit\u00e4t<\/td>\n<\/tr>\n<tr>\n<td>+ Qualit\u00e4t der \u00dcbersetzung au\u00dferhalb des Bereichs<\/td>\n<td>- Schlechte Qualit\u00e4t au\u00dferhalb des Bereichs<\/td>\n<\/tr>\n<tr>\n<td>+ Kennt grammatische Regeln<\/td>\n<td>- Kennt keine Grammatik<\/td>\n<\/tr>\n<tr>\n<td><\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>+ Hohe Leistung und Stabilit\u00e4t<\/td>\n<td>- Hohe Anforderungen an CPU und Festplattenspeicher<\/td>\n<\/tr>\n<tr>\n<td>+ Konsistenz zwischen den Versionen<\/td>\n<td>- Inkonsistenz zwischen den Versionen<\/td>\n<\/tr>\n<tr>\n<td><\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>- Mangel an Fl\u00fcssigkeit<\/td>\n<td>+ Gute Flie\u00dff\u00e4higkeit<\/td>\n<\/tr>\n<tr>\n<td>- Schwer zu handhabende Ausnahmen von Regeln<\/td>\n<td>+ Gut f\u00fcr das Abfangen von Ausnahmen von Regeln<\/td>\n<\/tr>\n<tr>\n<td><\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>- Hohe Entwicklungs- und Anpassungskosten<\/td>\n<td>+ Schnelle und kosteng\u00fcnstige Entwicklungskosten<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Angesichts der allgemeinen Anforderungen besteht ein klarer Bedarf an einem dritten Ansatz, durch den die Benutzer eine bessere \u00dcbersetzungsqualit\u00e4t und hohe Leistung erreichen w\u00fcrden (\u00e4hnlich wie bei regelbasierten MT), mit weniger Investitionen (\u00e4hnlich wie bei statistischen MT).<\/p>\n<\/article>\n<\/div>\n<\/section>\n\n    <\/rich-text-component>\n  <\/div>\n<\/section>","protected":false},"excerpt":{"rendered":"","protected":false},"author":12,"featured_media":0,"parent":3001,"menu_order":5,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_acf_changed":false,"_seopress_robots_primary_cat":"","_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","inline_featured_image":false,"footnotes":""},"class_list":["post-3436","page","type-page","status-publish","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/www-staging.systransoft.com\/de\/wp-json\/wp\/v2\/pages\/3436","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www-staging.systransoft.com\/de\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www-staging.systransoft.com\/de\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www-staging.systransoft.com\/de\/wp-json\/wp\/v2\/users\/12"}],"replies":[{"embeddable":true,"href":"https:\/\/www-staging.systransoft.com\/de\/wp-json\/wp\/v2\/comments?post=3436"}],"version-history":[{"count":5,"href":"https:\/\/www-staging.systransoft.com\/de\/wp-json\/wp\/v2\/pages\/3436\/revisions"}],"predecessor-version":[{"id":3442,"href":"https:\/\/www-staging.systransoft.com\/de\/wp-json\/wp\/v2\/pages\/3436\/revisions\/3442"}],"up":[{"embeddable":true,"href":"https:\/\/www-staging.systransoft.com\/de\/wp-json\/wp\/v2\/pages\/3001"}],"wp:attachment":[{"href":"https:\/\/www-staging.systransoft.com\/de\/wp-json\/wp\/v2\/media?parent=3436"}],"curies":[{"name":"WP","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}