Die Entwicklung von Übersetzungstools läuft rasend schnell. Befeuert durch künstliche Intelligenz gibt es bereits Dienste, die neben Text und Audio auch Videobotschaften übersetzen und authentische Videos von Personen erstellen, die sogar lippensynchron in der gewünschten Sprache sprechen. (3) Doch auf welchen Technologien basieren diese Tools und sind die maschinellen Übersetzungen in jeder Beziehung verlässlich?

Wie neuronale Netze die Übersetzung revolutionieren

Die erste Generation maschineller Übersetzung stützte sich auf Statistiken, die neue Generation setzt auf künstliche Intelligenz (KI). Diese Übersetzungssysteme verwenden «Large Language Models» (LLMs), die auf künstlichen neuronalen Netzen basieren und mit riesigen Datenmengen trainiert werden. LLMs berücksichtigen den ganzen Text und nicht nur die letzten Worte, um die passende Übersetzung zu finden. Durch ihre besondere Fähigkeit, Kontext und Bedeutung zu erfassen und zu verarbeiten, liefern neuronale Netze deutlich bessere Übersetzungen. Diese lesen sich natürlicher und flüssiger und kommen näher an menschliche Übersetzungen heran als Übersetzungen basierend auf statistikbasierten Systemen.

Die maschinelle Übersetzung hat inzwischen eine derart hohe Qualität erreicht, dass viele Übersetzungsbüros sie einsetzen, um ihre Arbeit zu beschleunigen. Auch im digibasics-Projekt wird maschinelle Übersetzung erfolgreich eingesetzt. Dennoch ist es weiterhin notwendig, dass ein Mensch die generierten Ergebnisse überprüft und nachbearbeitet, um beispielsweise die Fachsprache anzupassen oder nicht adäquate Formulierungen zu eliminieren.

Die maschinelle Übersetzung ist so gut, dass die meisten Übersetzungsagenturen sie einsetzen, um ihre Arbeit zu beschleunigen. Wir verwenden diese auch bei digibasics.

Wo die Maschine noch versagt

Ein Problem bei maschinellen Übersetzungssystemen ist die Übernahme von Stereotypen und Vorurteilen aus den Trainingsdaten. Neuronale Netze lernen aus einem Textkorpus, und diese Texte können gesellschaftliche Vorurteile, Ungleichheiten sowie unzureichende oder gar irreführende Darstellungen der Realität widerspiegeln. Dies lässt sich gut an der Übersetzung von Berufsbezeichnungen aus dem Englischen veranschaulichen. Im Englischen ist das Geschlecht bei Berufsbezeichnungen meist nicht angegeben, während im Deutschen eine männliche und eine weibliche Form existiert. Bei der Übersetzung solcher Begriffe reproduzieren maschinelle Systeme häufig Geschlechterstereotype, etwa wenn nurse einfach mit «Krankenschwester» oder engineer mit «Ingenieur» wiedergegeben wird. Der digibasics-Beitrag «Bilder generieren statt Google-Suche» thematisiert diese Problematik eingehend. (4)

Bild: DeepL Geschlechterstereotype

Das Beispiel DeepL

Im Jahr 2017 ging der Kölner Übersetzerdienst DeepL online und machte bald Schlagzeilen, weil er in Blindtests bessere Resultate lieferte als die Konkurrenten von Google und Microsoft. (7) Mit der kostenlosen Version als App für iOS und Android, MacOS oder Windows können kürzere Texte auf einfache Weise übersetzt, und mit «DeepL Write» können die Rechtschreibung und der Schreibstil optimiert werden. Die kostenpflichtige Version von DeepL bietet zusätzliche Vorteile: Man kann unbegrenzt lange Texte und ganze Dokumente in verschiedenen Formaten (.docx, .pdf, pptx) hochladen und in Sekunden übersetzen lassen, was Zeit und Aufwand spart. Bei der kostenpflichtigen Version von DeepL Write kann zudem der Schreibstil gewählt werden (einfach, geschäftlich, akademisch).

AI und Übersetzungen in der Schule

Die Kollegen der Pädagogischen Hochschule im Tessin, die SUPSI Locarno, erwähnen in ihrem Beitrag in Italienisch (5) die Publikation Maschinelle Übersetzungstools im Fremdsprachenunterricht von Alloatti und Montemarano (6). Darin schlagen die Autorinnen Unterrichtsaktivitäten mit Nutzung von Übersetzungstools vor, beispielsweise werden die Lernenden mit der Übersetzung von Witzen oder humorvollen Texten konfrontiert und müssen beurteilen, ob das Übersetzungstool den Witz übersetzen kann und wo respektive wie Fehler entstehen.

Bild: Deepl-Übersetzung eines Witzes

Ist es noch nötig, eine Sprache zu lernen?

Auch wenn automatische Übersetzungstools heute noch Einschränkungen besitzen, können wir uns vorstellen, dass sie noch besser werden und alltägliche Übersetzungsaufgaben (Nachrichten, Wettervorhersagen, Touristeninformationen, Geschäftsbriefe usw.) vermehrt von Maschinen übernommen werden. Wie können wir Schüler:innen dazu motivieren, sich mit Fremdsprachen zu beschäftigen? Und ist es überhaupt noch nötig, eine Fremdsprache zu erlernen, oder wird dies eine veraltete Fähigkeit sein, die nur noch Linguist:innen vorbehalten ist?

Vielleicht führt die Verbreitung von automatischen Übersetzungstools dazu, die kulturelle und identitätsstiftende Dimension des Zweitspracherwerbs wieder neu zu entdecken.

Eine Sprache zu lernen bedeutet auch, eine andere Kultur «von innen» kennenzulernen, die Welt mit anderen Augen zu sehen, sich selbst in einem neuen Licht zu betrachten. Vielleicht führt die Verbreitung von automatischen Übersetzungstools dazu, die kulturelle und identitätsstiftende Dimension des Zweitspracherwerbs wieder neu zu entdecken.

Autoren: Miriano Romualdi (SUPSI), David Gavin (PHZH)

25. Juni 2024

Zur Vertiefung

1. DeepL
2. Google Translate
3. HeyGen – Videoerstellung mit KI
4. digibasics-Beitrag «Bilder generieren statt Google-Suche»
5. digibasics-Beitrag «IA e traduzione automatica: fino a dove?»
6. Sara Alloatti und Letizia Martini. Maschinelle Übersetzungstools im Fremdsprachenunterricht (2021). Mit Unterrichtsbeispielen für das Fach Italienisch
7. «Warum KI-Übersetzer so gut funktionieren» (Der Beitrag datiert vom Januar 2022. Die im Abschnitt «Wo die Maschine noch scheitert» erwähnten Einschränkungen sind seither weitestgehend überholt.)