Notizen aus der Werkstatt
Dinge, die wir beim Aufbau von Transept lernen und während wir beobachten, wie Menschen übersetzen.
Aktuell
Ten languages in three days: field notes from localizing an AI translation product
We localized Transept into German, Ukrainian, Chinese, Portuguese, French, Spanish, Czech, Italian, Polish, and Turkish in one long weekend, using machine translation the way we tell our users to use it: with context, terminology decisions, and human post-editing. These are the plural rules, register flips, typography inversions, and hreflang lessons we collected on the way.
Weitere Beiträge
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