Notizen aus der Werkstatt
Dinge, die wir lernen, während wir Transept bauen und Menschen beim Übersetzen zusehen.
Das Neueste
Machine Translation Post-Editing (MTPE): Was es ist, wie es funktioniert und wie man es besser macht
Ein praktischer Leitfaden zum Machine Translation Post-Editing (MTPE): Light- vs. Full-Post-Editing, warum rohe MÜ nach wie vor den Faktor Mensch braucht, wie die Qualität gemessen wird – und warum das übliche Modell aus Stapelverarbeitung und nachträglicher Korrektur oft nicht passt, plus der iterative, speichergestützte Workflow, der in Sachen Qualität und Kosten beides schlägt.
Weitere Beiträge
Zehn Sprachen in drei Tagen: Notizen aus der Praxis zur Lokalisierung eines KI-Übersetzungsprodukts
Wir haben Transept an einem einzigen langen Wochenende ins Deutsche, Ukrainische, Chinesische, Portugiesische, Französische, Spanische, Tschechische, Italienische, Polnische und Türkische lokalisiert. Dabei haben wir die maschinelle Übersetzung genau so eingesetzt, wie wir es unseren Nutzern empfehlen: mit Kontext, Terminologievorgaben und menschlichem Post-Editing. Dies sind die Erkenntnisse zu Pluralregeln, Registerwechseln, typografischen Besonderheiten und hreflang-Lektionen, die wir dabei gesammelt haben.
Literess als Agent: Der Editor, der sich Ihre Entscheidungen merkt und die Arbeit übernimmt
Die meiste KI in Übersetzungstools besteht aus Chatbots, die lediglich nachträglich drangeflanscht wurden. Wir haben Literess stattdessen als Agenten konzipiert – verankert im selben Entscheidungskontext-Speicher, auf dem das gesamte Produkt basiert, und in der Lage, in Ihrem Namen echte Aktionen auszuführen, natürlich immer erst nach Ihrer Bestätigung.
Translation Memory: Was es ist, wie es funktioniert und warum es für die KI-Lokalisierung wichtig ist
Ein Translation Memory speichert die Segmente, die Ihr Team bereits freigegeben hat. Wir mussten klären, was TM bedeutet, wenn ein LLM die Übersetzung übernimmt, wie marktgängige Tools Inhalte behalten (oder vergessen) und worauf wir bei Transept setzen: Memory als Entscheidungskontext.
Wie viel „denkt“ KI-Übersetzung eigentlich?
Wir haben versucht, das Denkbudget von Gemini 3 genauso zu steuern wie bei Gemini 2.5. Doch so funktioniert das nicht mehr. Hier erfahren Sie, was wir stattdessen gemessen haben – und was das für die Qualität und die Kosten von KI-Übersetzungen bedeutet.
Willkommen im Journal
Warum wir hier schreiben, was Sie hier erwartet und eine kleine Einladung, wieder vorbeizuschauen.
Die Autoren
Neue Beiträge erscheinen etwa einmal im Monat.
RSS