Automatische Übersetzung
Maschinelle Übersetzungen mit Post-Editing
- Maschinelle Übersetzungen (MÜ) in 70 Sprachen
- Qualitätssicherung nach DIN ISO 17100 und DIN ISO 18587
- Beratung über die für MÜ geeigneten Texte und Dokumente
Automatische Übersetzung Ihrer Texte
Übersetzungsbüro mit KI-Erfahrung
Automatische Übersetzung, ja oder nein? In der heutigen Zeit stehen Kostensenkungsmaßnahmen ganz oben auf der Prioritätenliste vieler Führungskräfte. Das Interesse an maschineller Übersetzung (MÜ oder MT für engl. machine translation) ist größer denn je.
„Wie viel kann ich mit maschineller Übersetzung sparen?“
„Was ist die Qualität von MÜ und für welche Texte kann ich es einsetzen?“
Das sind einige der Fragen, die viele heute beschäftigen. Wir geben Ihnen hier konkrete Antworten und Entscheidungshilfen. Außerdem können Sie unser Whitepaper herunterladen, das die Funktionsweise von MÜ und die Einsatzszenarien detailliert erläutert.
Die maschinelle Übersetzung hat sich erheblich verbessert, vor allem durch Technologien wie Google Translate, DeepL und Large Language Models (LLM) wie ChatGPT. Die Kosten für eine nachbearbeitete maschinelle Übersetzung hängen stark von der erforderlichen Nachbearbeitungsarbeit ab. Bei vielen Projekten können die Kosten jedoch auf etwa 60-70 % der Kosten für eine neue Übersetzung gesenkt werden.
Die Qualität der maschinellen Übersetzung ist heute besser als in den Anfangsjahren der neuronalen maschinellen Übersetzungssysteme. Einige MT-Systeme ermöglichen sogar die Integration von Terminologie, was die Genauigkeit und Konsistenz der Übersetzungen weiter verbessert.
Seit 2008 beschäftigt sich D.O.G. aktiv mit maschineller Übersetzung. Aus einem gemeinsamen Forschungsprojekt mit der französischen Universität ISIT gingen Funktionen in unserer Qualitätssicherungssoftware ErrorSpy hervor, mit denen Fehler von Übersetzungsmaschinen besser erkannt und korrigiert werden können. Heute nutzen wir diese Erfahrung, um unseren Kunden die bestmöglichen Übersetzungslösungen zu bieten.
Remote Übersetzung und maschinelle Übersetzung in alle Sprachen
In alle Sprachen Texte und Apps automatisch übersetzen
Benötigen Sie eine automatische Übersetzung von Internetseiten? Oder möchten Sie eine Google Translate Übersetzung bearbeiten lassen? Wir schicken Ihnen innerhalb kürzester Zeit ein Angebot.
Automatische Übersetzung mit KI-gestützter Nachbearbeitung
Rundum-Lösung für maschinelle Übersetzungen
Wir bieten eine Reihe von Lösungen für maschinelle Übersetzungen an, die auf die spezifischen Bedürfnisse und Anforderungen unserer Kunden zugeschnitten sind. In vielen Fällen verwenden wir weit verbreitete Systeme wie in erster Linie DeepL, wobei wir die spezifische Terminologie vorab aufbereiten und integrieren, um die Genauigkeit und Konsistenz der Übersetzungen zu verbessern. Die übersetzten Daten werden nicht auf den Servern von DeepL gespeichert. Eine maschinelle Übersetzung Englisch können Sie hier testen.
Alternativ können wir maschinelle Übersetzungssysteme individuell auf der Grundlage Ihrer Daten trainieren und einsetzen. Dies ist jedoch meist nur dann wirtschaftlich sinnvoll, wenn man bereits über große Mengen an noch nicht übersetzten Inhalten verfügt, da die Trainingskosten sonst zu hoch sein können.
Für Unternehmen, die bereits große Mengen an übersetzten Inhalten in Translation Memorys gespeichert haben, ist die Verwendung eines weit verbreiteten Systems wie DeepL oft die kostengünstigste Lösung. Unabhängig von der spezifischen Lösung, die wir anbieten, ist es immer unser Ziel, unseren Kunden die bestmöglichen Übersetzungsergebnisse zu liefern.
Trainingsfortschritt: Evaluierung-Score
Trainingsfortschritt: Gradient
- Wir beraten Sie über die Vor- und Nachteile verschiedener Alternativen.
- Bei individuell trainierten Engines arbeiten wir mit Ihnen ein Pflichtenheft aus, in dem Systeme, Workflows, Integrationsbedarf, Qualitätsrichtlinien festgelegt sind.
- Wir setzen ein für Sie geeignete automatische Übersetzungs-System ein, z.B. ein Neuronales Maschinenübersetzungssystem (NMT), das wir mit Ihren Daten trainieren.
- Sie haben einen festen D.O.G. Ansprechpartner, der das Team von Entwicklern, Post-Editing-Profis und Übersetzern für Ihre Projekte koordiniert.
- Wir bauen das Qualitätsmanagement auf und setzen ein Team von Post-Editoren ein, das die maschinell erzeugten Texte nach den vereinbarten Kriterien korrigiert. Dabei verwenden wir unsere Qualitätssicherungssoftware und eine mit Ihnen vereinbarten Terminologie, die wir auf Wunsch gemeinsam mit Ihnen in unserem Terminologieverwaltungssystem LookUp pflegen.
- Wir pflegen fortlaufend die Sprachressourcen wie Translation-Memorys und Terminologie, die für ein optimales Training der Übersetzungsengines wichtig sind.
Herausforderungen der maschinellen Übersetzung
MTPE: Wir verfügen über notwendige Kenntnisse
Automatische Übersetzung ja, aber nicht für alle Texte
Unternehmen produzieren und verwenden eine ganze Menge an Informationen. Sie dienen unterschiedlichen Zwecken (reine Information und Kommunikation, Werbung, Bedienung von Maschinen usw.), sind rechtlich bindend oder nicht (wie die Bedienungsanleitungen, die die neue Maschinenverordnung (EU) 2023/1230 (MVO) vorgibt, die seit Juli 2023 Nachfolgerin der europäischen Maschinenrichtlinie 2006/42/EG ist). Sie sind anspruchsvoll formuliert oder stark standardisiert.
Je nachdem, wie diese Merkmale und Kriterien ausfallen, wird eine maschinelle Übersetzung empfohlen oder eine menschliche Übersetzung bevorzugt. Weitere Informationen zur maschinellen Übersetzung und ihren Grenzen finden Sie in diesem Blogartikel: Vollautomatische Übersetzungen: Traum oder bald Realität?.
Grundsätzlich muss man wissen, dass maschinelles Übersetzen besser funktioniert, wenn:
- das Thema und die Sprachkombination vorher vom Translation Engine gelernt wurde. Dies erfolgt in der Phase des maschinellen Lernens, während eine relativ große Menge an zweisprachigen Texten (v.a. Segmente aus Translation-Memorys) vom Deep- Learning-Algorithmus verarbeitet wurde.
- Qualitätsabstriche gegenüber Humanübersetzungen vertretbar sind: eine korrekte Übersetzung ist nicht zwangsläufig eine gute Übersetzung. Außerdem ist bei MÜ das Restrisiko einer Fehlübersetzung größer als bei Humanübersetzern.
- die Mengen an Texten ausreichen, um das System wirtschaftlich zu betreiben.
- der Text einfach geschrieben ist: kurze Sätze, kaum Mehrdeutigkeiten, standardisierte Terminologie und Syntax. Besser noch: Der Autor weiß, wie MÜ funktioniert und schreibt Texte, die für maschinelles Übersetzen optimiert sind.
- der Text nur Informationszwecken dient. Das ist z.B. der Fall bei der internen Kommunikation, wenn man wissen möchte, „was im Dokument/in einer Mail drin steht“, wenn der technischer Kundendienst verstehen muss, was für ein Problem zu lösen ist.
- der Zeitfaktor im Vordergrund steht: MÜ ist eindeutig schneller, auch mit Post-Editing.
MÜ ist nicht unbedingt eine Konkurrenz zu Translation-Memory-Systemen. Es ist eher ein weiteres Werkzeug, mit dem Übersetzungen produziert werden können.
Machine Translation: Die häufigsten Fehler und Herausforderungen
Menschliche Übersetzer und maschinelle Übersetzungssysteme machen beide Fehler, aber die Art der Fehler unterscheidet sich oft. Maschinelle Übersetzungssysteme können beispielsweise Schwierigkeiten haben, Eigennamen korrekt zu übersetzen, sie verstehen viele Abkürzungen nicht und können sogar Informationen hinzufügen, die im Originaltext nicht vorhanden sind. Manchmal lassen sie auch Wörter aus der Übersetzung aus. Solche Fehler sind nicht immer leicht zu erkennen, insbesondere wenn der übersetzte Satz ansonsten flüssig und korrekt klingt. Eine Übersicht der typischen Fehler maschineller Übersetzungssysteme haben wir in diesem Artikel der tekom-Zeitschrift zusammengefasst.
Das ist der Grund, warum wir bei D.O.G. eine Kombination aus maschineller Übersetzung, KI-gestützter Qualitätssicherung und menschlicher Überprüfung anbieten. Wir nutzen die Geschwindigkeit und Effizienz der maschinellen Übersetzung, ergänzt durch die Genauigkeit und das Verständnis menschlicher Übersetzer. Auf diese Weise können wir die Vorteile beider Ansätze nutzen und gleichzeitig ihre Schwächen minimieren.
Unabhängig davon, ob wir ein weit verbreitetes System wie DeepL oder ein individuell trainiertes maschinelles Übersetzungssystem verwenden, bereiten wir immer die Fachterminologie vorab auf und binden sie ein. Dies hilft, die Genauigkeit und Konsistenz der Übersetzungen zu verbessern und einige der häufigsten Fehlerquellen zu minimieren. Unser Ziel ist es immer, unseren Kunden die bestmöglichen Übersetzungsergebnisse zu liefern.
Deswegen ist es wichtig, Post-Editoren auszubilden, sie über die Fehlerarten zu informieren, die sie suchen müssen. Und die Typologie dieser Fehler unterscheidet sich je nach Typ von Übersetzungsengine, der eingesetzt wurde: statistische maschinelle Übersetzungssysteme (SMT – Statistical Machine Translation) machen andere Fehler als neuronale maschinelle Übersetzungssysteme (NMT – Neural Machine Translation).
Seit ihrer Gründung vor über 20 Jahren beschäftigt sich D.O.G. sehr intensiv mit dem Thema Übersetzungsqualität und seit dem Jahr 2008 speziell mit der Qualität maschineller Übersetzungssysteme. Wir haben eigene Tools und Metriken entwickelt, um diese Qualität zu überprüfen. Bevor die maschinelle Übersetzung startet, identifizieren wir die Segmente, die für den MÜ-Prozess nicht geeignet sind und sortieren sie aus bzw. kennzeichnen wir sie für weitere Bearbeitungsschritte.
Von unserer Erfahrung können Sie profitieren.
Kosten und Nutzen von automatischen Übersetzungen
Die Implementierung einer maschinellen Übersetzungslösung besteht aus zwei Hauptkomponenten: dem Training des Modells und der anschließenden Nutzung.
Für das Training eines maschinellen Übersetzungsmodells sind beachtliche Mengen an qualitativ hochwertigen, bilingualen Daten erforderlich. Mit der Einführung von Large Language Models (LLMs) und dem rapiden Fortschritt bei Prozessorleistungen, reduzieren sich zwar die Trainingskosten, aber es bleibt eine Investition, die sich erst ab einer bestimmten Nutzung rentiert. Der Trainingsprozess erfolgt auf Spezialrechnern mit GPUs (Graphics Processor Units) und kann mehrere Tage in Anspruch nehmen. Verschiedene Testläufe zur Optimierung der Trainingsparameter sind hierbei unerlässlich.
Wir stehen Ihnen bei der Bewertung einer solchen Investition und der Entscheidung für eine individuelle Lösung gerne zur Seite. Die effektive Nutzung des trainierten Modells wird Ihre Investition auszahlen.
Betrieb und Nutzung des Systems: Auch in der Einsatzphase muss das System von Fehlern lernen und mit neuen Themen und Daten trainiert werden. Schließlich kommen die Kosten des Post-Editing, die im Grunde die Zeit widerspiegeln, die Post-Editoren für die Korrektur von Maschinenfehlern investieren.
Wir berechnen die Kosten für die Einrichtung der Lösung (einmalige Kosten) und für die Nutzung des Systems getrennt. Für den laufenden Betrieb zahlen Sie also einen Preis pro Wort, der unter den Kosten einer Humanübersetzung liegt. Nach Abstimmung der Eckdaten für Ihre Lösung können wir Ihnen hierfür ein Angebot unterbreiten.
Die Wirtschaftlichkeit einer MÜ-Lösung hängt schließlich von ihrem Einsatzmodell ab. Wenn Sie bereits durch den Einsatz von Translation-Memory- Systemen große Einsparungen erzielen und zukünftig dieselben Dokumente maschinell übersetzen möchten, dann könnten die Einsparungen eher gering sein. Wenn Sie aber neue Texte und Inhalte übersetzen, die sie vorher nicht oder ohne Übersetzungstechnologien übersetzt haben, dann steigt die Wirtschaftlichkeit einer maschinellen Übersetzungslösung sehr schnell.
Ihre qualitätsgeprüfte automatische Übersetzung in 7 Schritten
Die Roadmap für Ihre individuelle MÜ-Lösung
Sie möchten Ihre Übersetzungskosten durch maschinelle Übersetzung senken. Aber Sie haben Bedenken hinsichtlich der erreichten Qualität und des Risikos schwerwiegender Fehler. Neben dem Einsatz von KI für die Übersetzung von Texten und der Arbeit von erfahrenen Post-Editing-Profis nutzt D.O.G. GmbH Large Language Models und Methoden der künstlichen Intelligenz, um Stil- oder Bedeutungsfehler in maschinellen Übersetzungen zu finden und zu beseitigen. Hier zeigen wir Ihnen, wie wir gemeinsam eine zuverlässige und qualitativ hochwertige Lösung für maschinelle Übersetzungen aufbauen.
Was wollen Sie erreichen?
Welche Optionen gibt es?
Referenzmaterial und Texte sammeln
Optimierung der Sprachdaten
Aufbau der MÜ-Lösung
Einsatz der MÜ-Lösung
Je nach Zielsetzung entstehen unterschiedliche Workflows und Implementierungen. Auch hier hilft Ihnen unser Team von Spezialisten und Softwareentwicklern, die passende Lösung umzusetzen.
Automatische Übersetzung mit Post Editing für verschiedene Industrien
In diesen Branchen setzen wir maschinelle Übersetzungssoftware ein
Dies sind einige der Branchen, in denen wir maschinelle Übersetzungen anbieten:
Automatische Übersetzung Englisch und weitere Sprachen
Automatische Übersetzung mit Post-Editing in diese Sprachen
Wir bieten eine breite Auswahl von Sprachkombinationen für die maschinelle Übersetzung Ihrer Inhalte an. Hier sind einige der meistgefragten Sprachpaare:
- Maschinelle Übersetzung Deutsch → Englisch
- Maschinelle Übersetzung Englisch → Deutsch
- Maschinelle Übersetzung Deutsch → Spanisch
- Maschinelle Übersetzung Spanisch → Deutsch
- Maschinelle Übersetzung Deutsch → Französisch
- Maschinelle Übersetzung Französisch → Deutsch
Qualität von automatischen Übersetzungen
Unser Ziel bei MÜ: Qualität und Zeitersparnis
Die Daten und das Training einer Übersetzungsengine
Die Qualität Ihrer Trainingsdaten ist entscheidend für den Erfolg einer maschinellen Übersetzungsengine. Das Prinzip „Garbage in, Garbage out“ gilt hier in besonderem Maße: Die Leistung einer automatischen Übersetzungslösung hängt stark von der Qualität und Sauberkeit der Trainingsdaten ab. Hochwertige Daten sind nicht nur für das Training von maschinellen Übersetzungssystemen (MT-Engines) von entscheidender Bedeutung, sondern auch für den Aufbau einer präzisen Fachterminologie. Diese Terminologie kann von automatischen Übersetzungssystemen wie DeepL verwendet werden und so die Übersetzungsgenauigkeit verbessern.
Translation Memories (TMs) sind oft die erste Wahl für das Training, enthalten aber oft Störfaktoren wie leere Segmente, falsch zugeordnete Übersetzungen oder inkonsistente Begriffe. Daher ist es wichtig, diese Daten vor dem Training sorgfältig zu bereinigen.
Darüber hinaus können hochwertige Daten auch den Einsatz von LLMs (Large Language Models) unterstützen. Solche Modelle setzen wir beispielsweise in unserer KI-gestützten Qualitätssicherung ein, um Bedeutungs- und Stilfehler in automatischen Übersetzungen zu erkennen und zu korrigieren.
Das Training eines Modells ist ein fortlaufender Prozess, bei dem jeder neue Text und jedes neue Thema Möglichkeiten zur Verbesserung bietet. Wiederkehrende Fehler werden nach dem Training erkannt und korrigiert. Unser Team aus Post-Editoren und Datenspezialisten gibt regelmäßig Feedback, das für das anschließende Training der Übersetzungsmaschinen oder für den Aufbau der Terminologie verwendet wird.
Wir haben effektive Routinen und Tools entwickelt, wie z. B. unsere Qualitätskontrollsoftware ErrorSpy, um Trainingsdaten zu optimieren und bessere Ergebnisse zu erzielen. Unser Ziel ist es, Ihnen dabei zu helfen, das Beste aus Ihren Trainingsdaten herauszuholen. Nutzen Sie unser Fachwissen, um Ihre maschinelle Übersetzung und Fachterminologie zu optimieren.
Maschinelle Übersetzung und Datensicherheit
Ein wichtiger Grund für viele Firmen, sich für maschinelles Übersetzen zu entscheiden, ist die Datensicherheit. Keine Firmenleitung möchte verantworten, dass vertrauliche Informationen unerwünscht abgegriffen werden, weil unvorsichtige Mitarbeiter sie über ein Online Übersetzungsprogramm im Internet übersetzen lassen.
Die Engines, die wir für Sie trainieren, befinden sich entweder auf unserem eigenen Server in Deutschland, der nach EU-Recht (Datenschutz- Grundverordnung – DSGVO) betrieben wird, oder über abgesicherte Cloud-Dienste in Deutschland.
Sie haben auch die Möglichkeit, die trainierte Engine auf Ihrem eigenen Server zu installieren.
Machine translation + Post-Editing nach ISO 18587
Viele Unternehmen benötigen maschinelle Übersetzungslösungen in Verbindung mit Post-Editing. Zwar definiert die neue Norm über das Posteditieren maschinell erstellter Übersetzungen (ISO 18587:2017) zwei Posteditierstufen Full und Light Post-Editing, aber in der Praxis hängen die Kriterien für eine akzeptable Qualität stark von den verfolgten Zielen und eingesetzten Engines ab.
In der Übersetzungspraxis werden Texte häufig durch eine Kombination aus Segmenten aus einem Translation-Memory und maschineller Übersetzung erstellt. Um einen optimalen Qualitätssicherungsprozess zu gewährleisten, ist es entscheidend, eine klare Strategie für die Kennzeichnung der Herkunft der Segmente zu entwickeln. Dadurch wird sichergestellt, dass jedes Segment – ob menschlich übersetzt oder maschinell generiert – die entsprechende Überprüfung und ggf. Nachbearbeitung erfährt.
Wir helfen Ihnen, für die von Ihnen gewählte Lösung die optimalen Qualitätsziele für die Arbeit der Post-Editoren zu definieren. Daraus entstehen Vorgaben für die Arbeit der Post-Editing-Fachkräfte.
Übersetzungstools für maschinelle Übersetzung
Welche Übersetzungsengine?
Wenn Sie nach Rom reisen möchten, dann können Sie zwischen unterschiedlichen Verkehrsmitteln wählen. Dasselbe gilt für maschinelles Übersetzen. Es gibt nicht ein System und eine Vorgehensweise, sondern mehrere Alternativen, die von Ihrer Zielsetzung, Ihrem Datenumfang und Budget abhängen.
So kann man durchaus zwischen Alternativen wie den folgenden wählen:
- Ein kommerzielles System wie DeepL nehmen und es mit eigenen Glossaren optimieren.
- Vortrainierte neuronale Systeme (NMT), die z.B. mit größeren Datenmengen im Bereich Technik trainiert wurden
- Neuronale Systeme (NMT), die speziell auf Ihre Daten trainiert werden
- Zu weiteren Optionen beraten wir Sie gerne!
FAQ
Diese Fragen werden im Zusammenhang mit MÜ oft gestellt
Ja. Umso mehr, wenn es sich um kostenlose Online-Übersetzer handelt. Das Risiko schwerwiegender Fehler ist bei der maschinellen Übersetzung größer als bei Humanübersetzungen. Manche Sätze lesen sich sehr gut. Es fehlt aber eine wichtige Information oder eine Aussage wurde falsch verstanden. Dies wird von unerfahrenen Post-Editoren oder Post-Editoren, die das Fachgebiet nicht kennen, nicht immer erkannt. Mit geschulten Post-Editoren und Qualitätssicherungstools sowie einer für MÜ optimierten Terminologie lässt sich dieses Risiko deutlich verringern. Man kann es aber nie ganz ausschließen. Eine Entscheidung für MÜ muss daher auch diese Aspekte berücksichtigen.
Die Kosten für das Training einer Engine sind nicht gering. Zunächst die Hardware oder die Infrastruktur. Wegen der sehr großen Datenmengen benötigt man leistungsstarke Computer mit sehr großem Arbeitsspeicher. Man kann diese Computer kaufen oder die Infrastruktur mieten. Dann kostet das Sammeln und die Bereinigung der Trainingsdaten Zeit und Geld. Schließlich das Training selbst, das viel Know-how und einiges an Trial and Error erfordert, bis die optimale Engine-Konfiguration gefunden ist. Daher lohnt sich das Training einer einzelnen Engine (pro Sprachpaar) nur dann, wenn die entsprechenden Mengen an zu übersetzenden Texten zur Verfügung stehen. Außerdem muss in vielen Fällen der zusätzliche Vorteil der MÜ mit den bestehenden Vorteilen von Translation-Memory-Systemen abgewogen werden.
Die Norm DIN ISO 18587 befasst sich mit dem Post-Editing und legt die Anforderungen an die Qualifikation von Post-Editoren fest. Aus pragmatischer Sicht unterscheidet sich das Post-Editing von der Revision menschlicher Übersetzungen, auch wenn es viele Gemeinsamkeiten gibt. Der Post-Editor muss je nach Anforderung an das Qualitätsniveau des Endergebnisses (vollständiges Post-Editing oder leichtes Post-Editing) den Wunsch nach Perfektion unterdrücken können und sich auf die notwendigen Korrekturen beschränken. Er muss wissen, welche spezifischen Arten von Fehlern MÜ-Maschinen machen, denn Maschinen machen manchmal Fehler, die Menschen nie oder nur sehr selten passieren (z. B. Hinzufügen von Text). Deshalb ist es wichtig, auf Dienstleister wie die D.O.G. GmbH zurückzugreifen, die Erfahrung mit dem Post-Editing haben.
Technologien für erfolgreiche maschinelle Übersetzungen
D.O.G.-Technologien unterstützen maschinelle Übersetzungsprogramme
Der Erfolg maschineller Übersetzungslösungen steht und fällt mit der Fähigkeit, Übersetzungsfehler zu entdecken und die richtige Fachterminologie einzusetzen. Hier hat D.O.G. ganz besondere technologische Vorteile. Seit der Firmengründung vor 23 Jahren haben wir Wert darauf gelegt, Softwareprodukte zu entwickeln, die die Qualität unserer Leistung unterstützen. Insbesondere helfen uns dabei ErrorSpy und LookUp.
LookUp ist ein intelligentes Terminologieverwaltungssystem. In LookUp können Relationen zwischen Begriffen erfasst werden, wodurch Kontextinformationen verfügbar sind. Unsere softwaregestützten Prüfungen berücksichtigen diese Relationen und Ihre Terminologie. Somit sind unsere Post-Editoren besser in der Lage, maschinelle Fehler zu erkennen.
ErrorSpy unterstützt den Post-Editoren beim Aufspüren und Korrigieren maschineller Übersetzungsfehler:
- ErrorSpy kann fehlende Übersetzungen erkennen
- ErrorSpy meldet Terminologiefehler
- ErrorSpy prüft die Interpunktion, die Zahlen, die Konsistenz der Übersetzung
- ErrorSpy arbeitet zusätzlich mit regulären Ausdrücken. Typische Maschinenfehler können als regulärer Ausdruck hinterlegt und automatisch erkannt werden.
- ErrorSpy erkennt den Kontext und kann falsche Übersetzungen in einem bestimmten Kontext melden (z.B. bei der Übersetzung eines Wortes wie „Leistung“).
Das KI-Know-how von den D.O.G.-Entwicklern und die Möglichkeit, maschinelle Übersetzungssysteme direkt zu beeinflussen, bringen schon jetzt erhebliche Vorteile. Davon können Sie profitieren.
| Deutsch | Human | DOG-Engine | DeepL | Kommentar |
|---|---|---|---|---|
|
Status Fehlteil setzen |
Set status reject part |
Set status reject par |
Set missing part status |
Terminologie wurde gelernt (Kein Sinnfehler) |
|
Das Handling wurde von der Maschine angefordert. |
Handling was requested by the machine. |
Handling was requested by the machine. |
The handling was requested by the machine. |
Stil wurde gelernt |
|
Ursache: |
Cause: |
Cause: |
cause: |
Groß-/Kleinschreibung wurde gelernt |
|
Als erstes muß die Datei Einstellungen.cfg vom Hauptverzeichnis kopiert werden. |
File Einstellungen.cfg•must be copied beforehand from the main directory. |
First copy the file Einstellungen.cfg from the main directory. |
First, the Settings.cfg file must be copied from the root directory. |
Dateinamen (named entities) und Terminologie wurden gelernt |
Übersetzungsservice im Bereich KI-Übersetzungen
Automatische Übersetzung Ihrer Texte
Diese Texte eignen sich oft für eine Online Übersetzung mit Korrekturlesen
- Benutzerhandbücher
- Website-Inhalte
- Kataloge und E-Commerce-Inhalte
- Datenblätter
- Hotelbewertungen
- Berichte oder Mails an den Kundendienst
- Präsentationen
- Ausschreibungsunterlagen
- Datenbank-Inhalte
- Rundschreiben und Newsletter
- Schulungsunterlagen
Möchten Sie von den Vorteilen der maschinellen Übersetzung profitieren?
Nehmen Sie doch Kontakt mit uns auf. In einem unverbindlichen Gespräch besprechen wir, wie automatische Übersetzungen Ihnen helfen können, Ihre Ziele zu erreichen.
