Vitalii Vlasiuk
Mitgründer
Mitgründer von Transept, schreibt unter dem Pseudonym „Mevkh“. Ein Abschluss in Sprache und Literatur, dann der Wechsel zur Software: Senior AI Engineer, der produktive LLM-Funktionen für 50.000+ Nutzer bereitstellt – RAG, agentenbasierte Tools, LLM-as-Judge-Evaluierung. Ein Romanautor auf dem langsamen Weg, mit 120.000 Wörtern satirischer Romantasy in der Schublade. Die Reibung zwischen KI-Übersetzung und seiner eigenen Prosa hat das Ganze ins Rollen gebracht.
4 Artikel
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.
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.
