{"id":205,"date":"2014-06-16T11:23:25","date_gmt":"2014-06-16T09:23:25","guid":{"rendered":"http:\/\/blog.defrent.de\/?p=205"},"modified":"2022-05-18T17:45:23","modified_gmt":"2022-05-18T15:45:23","slug":"cat-tent-tm-tb-rbsmt-pemt-geheimnisvolle-t9nxl8-kurzworte-2","status":"publish","type":"post","link":"https:\/\/www.defrent.de\/fr\/2014\/06\/cat-tent-tm-tb-rbsmt-pemt-geheimnisvolle-t9nxl8-kurzworte-2\/","title":{"rendered":"CAT, TEnT, TM, TB, (RB\/S)MT, PEMT: Geheimnisvolle t9n\/xl8-Kurzworte 2"},"content":{"rendered":"<div class=\"shariff shariff-align-left shariff-widget-align-left\" style=\"display:none\"><ul class=\"shariff-buttons theme-round orientation-horizontal buttonsize-small\"><li class=\"shariff-button mastodon\" style=\"background-color:#ccc\"><a href=\"https:\/\/s2f.kytta.dev\/?text=CAT%2C%20TEnT%2C%20TM%2C%20TB%2C%20%28RB%2FS%29MT%2C%20PEMT%3A%20Geheimnisvolle%20t9n%2Fxl8-Kurzworte%202 https%3A%2F%2Fwww.defrent.de%2Ffr%2F2014%2F06%2Fcat-tent-tm-tb-rbsmt-pemt-geheimnisvolle-t9nxl8-kurzworte-2%2F via @defrentck@hessen.social\" title=\"Envoyer par Mastodon\" aria-label=\"Envoyer par Mastodon\" role=\"button\" rel=\"noopener nofollow\" class=\"shariff-link\" style=\"; background-color:#79b428; color:#fff\" target=\"_blank\"><span class=\"shariff-icon\" style=\"\"><svg width=\"75\" height=\"79\" viewBox=\"0 0 75 79\" fill=\"none\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M37.813-.025C32.462-.058 27.114.13 21.79.598c-8.544.621-17.214 5.58-20.203 13.931C-1.12 23.318.408 32.622.465 41.65c.375 7.316.943 14.78 3.392 21.73 4.365 9.465 14.781 14.537 24.782 15.385 7.64.698 15.761-.213 22.517-4.026a54.1 54.1 0 0 0 .01-6.232c-6.855 1.316-14.101 2.609-21.049 1.074-3.883-.88-6.876-4.237-7.25-8.215-1.53-3.988 3.78-.43 5.584-.883 9.048 1.224 18.282.776 27.303-.462 7.044-.837 14.26-4.788 16.65-11.833 2.263-6.135 1.215-12.79 1.698-19.177.06-3.84.09-7.692-.262-11.52C72.596 7.844 63.223.981 53.834.684a219.453 219.453 0 0 0-16.022-.71zm11.294 12.882c5.5-.067 10.801 4.143 11.67 9.653.338 1.48.471 3 .471 4.515v21.088h-8.357c-.07-7.588.153-15.182-.131-22.765-.587-4.368-7.04-5.747-9.672-2.397-2.422 3.04-1.47 7.155-1.67 10.735v6.392h-8.307c-.146-4.996.359-10.045-.404-15.002-1.108-4.218-7.809-5.565-10.094-1.666-1.685 3.046-.712 6.634-.976 9.936v14.767h-8.354c.109-8.165-.238-16.344.215-24.5.674-5.346 5.095-10.389 10.676-10.627 4.902-.739 10.103 2.038 12.053 6.631.375 1.435 1.76 1.932 1.994.084 1.844-3.704 5.501-6.739 9.785-6.771.367-.044.735-.068 1.101-.073z\"\/><defs><linearGradient id=\"paint0_linear_549_34\" x1=\"37.0692\" y1=\"0\" x2=\"37.0692\" y2=\"79\" gradientUnits=\"userSpaceOnUse\"><stop stop-color=\"#6364FF\"\/><stop offset=\"1\" stop-color=\"#563ACC\"\/><\/linearGradient><\/defs><\/svg><\/span><\/a><\/li><li class=\"shariff-button linkedin\" style=\"background-color:#ccc\"><a href=\"https:\/\/www.linkedin.com\/sharing\/share-offsite\/?url=https%3A%2F%2Fwww.defrent.de%2Ffr%2F2014%2F06%2Fcat-tent-tm-tb-rbsmt-pemt-geheimnisvolle-t9nxl8-kurzworte-2%2F\" title=\"Envoyer par LinkedIn\" aria-label=\"Envoyer par LinkedIn\" role=\"button\" rel=\"noopener nofollow\" class=\"shariff-link\" style=\"; background-color:#79b428; color:#fff\" target=\"_blank\"><span class=\"shariff-icon\" style=\"\"><svg width=\"32px\" height=\"20px\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" viewBox=\"0 0 27 32\"><path fill=\"#0077b5\" d=\"M6.2 11.2v17.7h-5.9v-17.7h5.9zM6.6 5.7q0 1.3-0.9 2.2t-2.4 0.9h0q-1.5 0-2.4-0.9t-0.9-2.2 0.9-2.2 2.4-0.9 2.4 0.9 0.9 2.2zM27.4 18.7v10.1h-5.9v-9.5q0-1.9-0.7-2.9t-2.3-1.1q-1.1 0-1.9 0.6t-1.2 1.5q-0.2 0.5-0.2 1.4v9.9h-5.9q0-7.1 0-11.6t0-5.3l0-0.9h5.9v2.6h0q0.4-0.6 0.7-1t1-0.9 1.6-0.8 2-0.3q3 0 4.9 2t1.9 6z\"\/><\/svg><\/span><\/a><\/li><li class=\"shariff-button xing\" style=\"background-color:#ccc\"><a href=\"https:\/\/www.xing.com\/spi\/shares\/new?url=https%3A%2F%2Fwww.defrent.de%2Ffr%2F2014%2F06%2Fcat-tent-tm-tb-rbsmt-pemt-geheimnisvolle-t9nxl8-kurzworte-2%2F\" title=\"Envoyer par XING\" aria-label=\"Envoyer par XING\" role=\"button\" rel=\"noopener nofollow\" class=\"shariff-link\" style=\"; background-color:#79b428; color:#fff\" target=\"_blank\"><span class=\"shariff-icon\" style=\"\"><svg width=\"32px\" height=\"20px\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" viewBox=\"0 0 25 32\"><path fill=\"#126567\" d=\"M10.7 11.9q-0.2 0.3-4.6 8.2-0.5 0.8-1.2 0.8h-4.3q-0.4 0-0.5-0.3t0-0.6l4.5-8q0 0 0 0l-2.9-5q-0.2-0.4 0-0.7 0.2-0.3 0.5-0.3h4.3q0.7 0 1.2 0.8zM25.1 0.4q0.2 0.3 0 0.7l-9.4 16.7 6 11q0.2 0.4 0 0.6-0.2 0.3-0.6 0.3h-4.3q-0.7 0-1.2-0.8l-6-11.1q0.3-0.6 9.5-16.8 0.4-0.8 1.2-0.8h4.3q0.4 0 0.5 0.3z\"\/><\/svg><\/span><\/a><\/li><li class=\"shariff-button facebook\" style=\"background-color:#ccc\"><a href=\"https:\/\/www.facebook.com\/sharer\/sharer.php?u=https%3A%2F%2Fwww.defrent.de%2Ffr%2F2014%2F06%2Fcat-tent-tm-tb-rbsmt-pemt-geheimnisvolle-t9nxl8-kurzworte-2%2F\" title=\"Envoyer par Facebook\" aria-label=\"Envoyer par Facebook\" role=\"button\" rel=\"nofollow\" class=\"shariff-link\" style=\"; background-color:#79b428; color:#fff\" target=\"_blank\"><span class=\"shariff-icon\" style=\"\"><svg width=\"32px\" height=\"20px\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" viewBox=\"0 0 18 32\"><path fill=\"#3b5998\" d=\"M17.1 0.2v4.7h-2.8q-1.5 0-2.1 0.6t-0.5 1.9v3.4h5.2l-0.7 5.3h-4.5v13.6h-5.5v-13.6h-4.5v-5.3h4.5v-3.9q0-3.3 1.9-5.2t5-1.8q2.6 0 4.1 0.2z\"\/><\/svg><\/span><\/a><\/li><li class=\"shariff-button twitter\" style=\"background-color:#ccc\"><a href=\"https:\/\/twitter.com\/share?url=https%3A%2F%2Fwww.defrent.de%2Ffr%2F2014%2F06%2Fcat-tent-tm-tb-rbsmt-pemt-geheimnisvolle-t9nxl8-kurzworte-2%2F&text=CAT%2C%20TEnT%2C%20TM%2C%20TB%2C%20%28RB%2FS%29MT%2C%20PEMT%3A%20Geheimnisvolle%20t9n%2Fxl8-Kurzworte%202\" title=\"Envoyer par X\" aria-label=\"Envoyer par X\" role=\"button\" rel=\"noopener nofollow\" class=\"shariff-link\" style=\"; background-color:#79b428; color:#fff\" target=\"_blank\"><span class=\"shariff-icon\" style=\"\"><svg width=\"32px\" height=\"20px\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" viewBox=\"0 0 24 24\"><path fill=\"#000\" d=\"M14.258 10.152L23.176 0h-2.113l-7.747 8.813L7.133 0H0l9.352 13.328L0 23.973h2.113l8.176-9.309 6.531 9.309h7.133zm-2.895 3.293l-.949-1.328L2.875 1.56h3.246l6.086 8.523.945 1.328 7.91 11.078h-3.246zm0 0\"\/><\/svg><\/span><\/a><\/li><\/ul><\/div><p>Auch die \u00dcbersetzungsbranche ist nicht verschont geblieben von <em>total hippen Abk\u00fcrzungen<\/em>, besonders dort, wo sie sich mit der IT-Branche \u00fcberschneidet (siehe auch <a title=\"Geheimnisvolle \u00dcbersetzungskurzworte Teil 1\" href=\"http:\/\/www.defrent.de\/2014\/05\/i18n-l10n-g11n-g12n-geheimnisvolle-t9nxl8-kurzworte\/\">Teil 1<\/a>). DeFrEnT kl\u00e4rt auf!<\/p>\n<p><!--more--><\/p>\n<p>Nachdem ich in <a title=\"Numeronyme: i18n, l10n, g11n, g12n\" href=\"http:\/\/www.defrent.de\/2014\/05\/i18n-l10n-g11n-g12n-geheimnisvolle-t9nxl8-kurzworte\/\">Teil 1<\/a> der geheimnisvollen \u00dcbersetzer-Kurzworte sehr angesagte Numeronyme erkl\u00e4rt habe, bin ich gerade \u00fcber den vierten Absatz von\u00a0<a title=\"Text United Blog: What the future did to translation\u2026\" href=\"https:\/\/web.archive.org\/web\/20140615165244\/http:\/\/www.textunited.com:80\/cms\/blog\/what-the-future-did-to-translation-...-a-note-about-tech-savvy-translators\" target=\"_blank\" rel=\"noopener noreferrer\">What the future did to translation\u2026 a note about tech-savvy translators<\/a> (Text United\/<span class=\"name\">Semir Mehad\u017ei\u0107) gestolpert. Nat\u00fcrlich, wir haben noch mehr Abk\u00fcrzungen in der Schnittmenge von <em>\u00dcbersetzung<\/em> (#xl8 \/ <a rel=\"tag\" class=\"hashtag u-tag u-category\" href=\"https:\/\/www.defrent.de\/fr\/tag\/t9n\/\">#t9n<\/a>) und <em>Informationstechnik<\/em> (IT) parat!<br \/>\n<\/span><\/p>\n<p><strong>CAT<\/strong> oder <strong><span style=\"text-decoration: underline;\">C<\/span>omputer <span style=\"text-decoration: underline;\">A<\/span>ssisted <span style=\"text-decoration: underline;\">T<\/span>ranslation<\/strong> (Deutsch: <em>computerunterst\u00fctzte \u00dcbersetzung<\/em>, aber das sagt keiner) beschreibt den Bereich, in dem Software menschlichen \u00dcbersetzern dabei hilft, ihre Arbeit zu erledigen. Der Begriff umfasst Technologien wie TM und TB, aber auch alle anderen Hilfsmittel, die Computer dem \u00dcbersetzer anbieten k\u00f6nnen, also Rechtschreibpr\u00fcfung, Grammatik- und Stilpr\u00fcfungen, ja selbst Zeitmanagement-Software oder Spracherkennung \u2013 viele Kollegen schw\u00f6ren, dass sie doppelt so schnell diktieren wie tippen k\u00f6nnen. Ein wichtiger Teil von TEnTs sind auch QA-Komponenten.<\/p>\n<p><strong>TEnT<\/strong> oder <strong><span style=\"text-decoration: underline;\">T<\/span>ranslation <span style=\"text-decoration: underline;\">En<\/span>vironment <span style=\"text-decoration: underline;\">T<\/span>ool<\/strong> (Deutsch: <em>\u00dcbersetzungsumgebungswerkzeug<\/em>, wobei \u00ab\u00a0Umgebung\u00a0\u00bb und \u00ab\u00a0Werkzeug\u00a0\u00bb eigentlich ein <a title=\"Wikipedia: Pleonasmus\" href=\"http:\/\/de.wikipedia.org\/wiki\/Pleonasmus\" target=\"_blank\" rel=\"noopener noreferrer\">Pleonasmus<\/a> sind) ist eine spezialisierte Berufssoftware, die eine Reihe von Funktionen bereitstellt, die das \u00dcbersetzen einfacher und schneller machen (sollen). Der Begriff wurde von den Tool-Entwicklern gepr\u00e4gt, wird aber von \u00dcbersetzern eher selten verwendet: Diese sprechen von ihrem \u00ab\u00a0<strong>CAT<\/strong>\u00a0\u00bb oder, korrekter, ihrem \u00ab\u00a0<strong>CAT-Tool<\/strong>\u00ab\u00a0. Meist umfassen <em>TEnTs<\/em> die Komponenten TM, TB und QA sowie eine Reihe von Datei-Import\/Export-Filtern. Sie stellen den zu \u00fcbersetzenden Quelltext (<em>source<\/em>) und den \u00fcbersetzten Zieltext (<em>target<\/em>) parallel dar, <em>segmentweise<\/em> (meist Satzweise, teils Absatzweise) nebeneinander oder \u00fcbereinander.<\/p>\n<p>Kommen wir zu den beiden Kernanwendungen der CAT, TM und TB:<\/p>\n<p><strong>TM<\/strong> oder <strong><span style=\"text-decoration: underline;\">T<\/span>ranslation <span style=\"text-decoration: underline;\">M<\/span>emory<\/strong> (Deutsch: <em>\u00dcbersetzungsspeicher<\/em>) bezeichnet eine M\u00f6glichkeit, bereits \u00fcbersetzte Segmente (einzelne S\u00e4tze, je nach Einstellung auch Abs\u00e4tze) paarweise abzuspeichern und dem \u00dcbersetzer automatisch anzubieten\/einzuf\u00fcgen, sobald derselbe (<em>100% match<\/em>) oder ein \u00e4hnlicher Satz (<em>fuzzy match<\/em>) wieder vorkommt. Heutige \u00dcbersetzungsspeicher sind intelligent genug, nach bestimmten Algorithmen wie der <a title=\"Wikipedia: Levenshtein-Distanz\" href=\"http:\/\/de.wikipedia.org\/wiki\/Levenshtein-Distanz\" target=\"_blank\" rel=\"noopener noreferrer\">Levenshtein-Distanz<\/a> Teil\u00fcbereinstimmungen zu erkennen, ver\u00e4nderte Zahlen auszutauschen, Einheiten zu konvertieren und andere hilfreiche Ersetzungen vorzunehmen. Dies erh\u00f6ht die Arbeitsgeschwindigkeit bei Texten mit vielen Wiederholungen enorm (in einem Einkaufskatalog hatte ich letztens bis zu 39% automatisch eingef\u00fcgte Matches), n\u00fctzt aber bei Texten, bei denen jeder Satz einzigartig ist, zu keinem Vorteil \u2013 bei kreativen Texten wie Werbetexten, die m\u00f6glichst einzigartig sein sollen, kann diese Technologie sogar schaden, weil man versucht ist, einfach \u00ab\u00a0OK\u00a0\u00bb zu dr\u00fccken, anstatt sich etwas Neues einfallen zu lassen. Viele Programme nutzen ihre eigenen Datenbankformate, um diese Informationen zu speichern, aber es gibt ein bekanntes, XML-basiertes Austauschformat f\u00fcr Translation Memories, das <strong>Translation Memory eXchange<\/strong> (<strong>TMX<\/strong>, .tmx)-Format, das alle Tools verwenden k\u00f6nnen.<\/p>\n<p><strong>TB<\/strong> oder <strong><span style=\"text-decoration: underline;\">T<\/span>erm <span style=\"text-decoration: underline;\">B<\/span>ase, Terminology Database<\/strong> (Deutsch: <em>Terminologiedatenbank<\/em>) ist das Gegenst\u00fcck zum TM f\u00fcr <strong>Termini<\/strong>, also festgelegte Begriffe wie <strong>Fachw\u00f6rter<\/strong> und Markennamen, rechtlich vorgeschriebene Begriffe, etc. W\u00e4hrend ein TM bei der Arbeit die \u00fcbersetzten S\u00e4tze erfasst und wieder anbietet, enth\u00e4lt eine <em>TB<\/em> Begriffspaare, die idealerweise schon vorher vom Kunden festgelegt wurden. In anderen F\u00e4llen wird der \u00dcbersetzer selbst den Ausgangstext auf zentrale Begriffe pr\u00fcfen (<em>terminology mining<\/em>), m\u00f6gliche \u00dcbersetzungen recherchieren und einen davon als \u00ab\u00a0Verbindlich\u00a0\u00bb festlegen, w\u00e4hrend die anderen Begriffe z.B. mit \u00ab\u00a0Synonym\u00a0\u00bb, \u00ab\u00a0Veraltet\u00a0\u00bb oder \u00ab\u00a0Verboten\u00a0\u00bb markiert in die TB aufgenommen werden (<em>terminology work, Terminologiearbeit<\/em>). Bei kleinen Projekten und besonders, wenn der Kunde keine eigene Firmenterminologie pflegt, kann es durchaus sein, dass der \u00dcbersetzer Begriffe in die TB aufnimmt und f\u00fcr diesen Kunden festlegt, w\u00e4hrend er beim \u00dcbersetzen zum ersten Mal im Text auf sie st\u00f6\u00dft. Ja, unterschiedliche Kunden haben unterschiedliche Begriffe f\u00fcr dasselbe, also tr\u00e4gt man immer auch mit ein, <em>f\u00fcr wen<\/em> welches Wort wie \u00fcbersetzt werden muss. Danach bietet die TB die korrekte \u00dcbersetzung in der Regel automatisch an, sobald der passende (oder ein sehr \u00e4hnlicher) Begriff im Text auftaucht. Dies erh\u00f6ht nicht unbedingt die Geschwindigkeit, wohl aber die Konsistenz und Qualit\u00e4t der \u00dcbersetzung.<\/p>\n<p><strong>QA<\/strong> oder <strong><span style=\"text-decoration: underline;\">Q<\/span>uality <span style=\"text-decoration: underline;\">A<\/span>ssurance<\/strong> (Deutsch: <strong>QS, <span style=\"text-decoration: underline;\">Q<\/span>ualit\u00e4ts<span style=\"text-decoration: underline;\">s<\/span>icherung<\/strong>) ist ein oft \u00fcbersehener Vorteil von CAT-Tools. Die gro\u00dfen TEnTs erlauben allesamt nach der \u00dcbersetzung menschliche Korrekturl\u00e4ufe, oftmals versioniert, und bieten automatisierte Pr\u00fcfungen an. Diese erstrecken sich von den bekannten Rechtschreib-, Grammatik- und Stilpr\u00fcfungen bis zu Pr\u00fcfungen, ob alle Zahlen und Einheiten korrekt \u00fcbernommen wurden, ob alle Code-Tags richtig platziert sind (z.B. XML Validierung), ob die vorgegebene Terminologie eingehalten wurde, ob Markennamen korrekt \u00fcbernommen wurden (Schreibung? Fehlen &#x2122; oder \u00ae Zeichen?) und arbeiten oft auch mit benutzerdefinierbaren <a title=\"Mozilla Docs: Regul\u00e4re Ausdr\u00fccke\" href=\"https:\/\/developer.mozilla.org\/de\/docs\/JavaScript\/Guide\/Regular_Expressions\" target=\"_blank\" rel=\"noopener noreferrer\">regul\u00e4ren Ausdr\u00fccken<\/a>. Wer sich bei der \u00dcbersetzung an <a title=\"Wikipedia: \u00dcbersetzungsqualit\u00e4tsnormen\" href=\"http:\/\/de.wikipedia.org\/wiki\/%C3%9Cbersetzung_%28Linguistik%29#Qualit.C3.A4tsnormen_f.C3.BCr_den_.C3.9Cbersetzungsprozess\" target=\"_blank\" rel=\"noopener noreferrer\">Qualit\u00e4tsnormen wie der EN 15038<\/a> orientieren will, darf diesen Schritt nicht auslassen!<\/p>\n<p>Die folgenden 2 Abk\u00fcrzungen geh\u00f6ren zu den Reizthemen der Branche:<\/p>\n<p><strong>MT, RBMT, SMT<\/strong> oder <strong><span style=\"text-decoration: underline;\">R<\/span>ule-<span style=\"text-decoration: underline;\">b<\/span>ased \/ <span style=\"text-decoration: underline;\">S<\/span>tatistical <span style=\"text-decoration: underline;\">M<\/span>achine <span style=\"text-decoration: underline;\">T<\/span>ranslation<\/strong> (Deutsch: <em>Regelbasierte \/ Statistische Maschinen\u00fcbersetzung<\/em>) sind 2 Arten von automatisierten Systemen, die menschliche \u00dcbersetzer in gewissen Szenarien ersetzen (sollen). Die \u00e4ltere Technologie ist die <strong>regelbasierte M\u00dc (RBMT)<\/strong>, die mit W\u00f6rterb\u00fcchern und Unmengen von Regeln versucht, die Satzstruktur in der Ausgangssprache zu analysieren (Subjekt, Pr\u00e4dikat, Objekt, \u2026) und den Satz in der Zielsprache nach deren grammatischen Regeln zu rekonstruieren. Dies funktioniert f\u00fcr hochstrukturierte Texte mit einfachen S\u00e4tzen und klarem Wortschatz halbwegs gut, aber bei Alltagssprache mit all ihren Varianzen versagt diese Technologie. \u00ab\u00a0Kontrollierte Sprachen\u00a0\u00bb wie <a title=\"Wikipedia: Simplified Technical English (STE)\" href=\"http:\/\/de.wikipedia.org\/wiki\/Simplified_English\">Simplified Technical English<\/a> wurden unter anderem daf\u00fcr geschaffen, \u00ab\u00a0maschinen\u00fcbersetzbar\u00a0\u00bb zu sein, d.h. Verfasser bekamen genaue Regeln an die Hand, wie sie Dokumentationen zu schreiben hatten. Heutzutage setzt man eher auf die <strong>statistische M\u00dc (SMT)<\/strong>, weil sie flexibler ist. Sie nutzt extrem gro\u00dfe zweisprachige Datenbest\u00e4nde (okay, <strong>Big Data<\/strong>, jetzt hab ich&rsquo;s gesagt) und statistische Verfahren, um zu ermitteln, in welchem Kontext welche Phrasen (Teils\u00e4tze, Satzfragmente) wie \u00fcbersetzt wurden. Die in Tausenden von Texten am h\u00e4ufigsten vorkommende \u00dcbersetzung wird ja wohl die richtige sein, oder? Wiederum funktioniert SMT ziemlich gut f\u00fcr einfache S\u00e4tze, f\u00fcr die es viele Beispiele gibt und weniger gut f\u00fcr komplexere S\u00e4tze, ungew\u00f6hnliche Wendungen, Aussagen, Dialekte, Sprachformen, \u2026 da m\u00fcssen dann wieder \u00ab\u00a0echte\u00a0\u00bb \u00dcbersetzer aus Fleisch und Blut dran. Nicht umsonst hat das <a title=\"EPO: FAQ Patent Translate\" href=\"https:\/\/web.archive.org\/web\/20151121120522\/http:\/\/www.epo.org:80\/searching\/free\/patent-translate\/faq.html\" target=\"_blank\" rel=\"noopener noreferrer\">Europ\u00e4ische Patentamt bei Google ein eigenes SMT-System eingekauft<\/a>: Patentschriften sind hochstrukturierte Texte mit vielen wiederkehrenden Aussagen. Was viele zornige Kollegen nicht verstehen (wollen), ist, dass mit MT oft <em>Texte \u00fcbersetzt werden, f\u00fcr die nie im Leben jemals jemand einen \u00dcbersetzer bezahlt h\u00e4tte<\/em>, sei es, weil sie zu unwichtig oder zu kurzlebig sind (viele Texte im Web), oder weil es schlichtweg zu viele sind (noch mehr Texte im Web). F\u00fcr einen groben Einblick in die ungef\u00e4hre Aussage eines Textes reicht MT heutzutage &#8211; f\u00fcr kommerzielle oder gar rechtliche Texte kommen nur \u00ab\u00a0Human\u00fcbersetzungen\u00a0\u00bb in Frage. W\u00e4re da nicht&#8230;<\/p>\n<p><strong>PEMT<\/strong> oder <strong>Post-Editing Machine Translation<\/strong> (Deutsch: <em>Nachbearbeitung von Maschinen\u00fcbersetzungen<\/em>, ungebr\u00e4uchlich), die \u00ab\u00a0Rettung\u00a0\u00bb f\u00fcr die Maschinen\u00fcbersetzung. Findige Gesch\u00e4ftsm\u00e4nner haben erkannt: Wenn ihr teures M\u00dc-System nicht von alleine gute (d.h. lesbare, verst\u00e4ndliche, verkaufbare) \u00dcbersetzungen erstellen kann, m\u00fcssen sie eben noch einmal von Menschen korrekturgelesen werden. Daf\u00fcr muss man dann keine qualifizierten \u00dcbersetzer mehr einsetzen, denn \u00ab\u00a0\u00fcbersetzt\u00a0\u00bb ist der Text ja schon, sondern irgendwelche Muttersprachler der Zielsprache, zum Beispiel Studenten oder Hausfrauen: Die kriegen das schon heraus, was das Kauderwelsch bedeuten mag, und da sie nach Leistung und nicht nach Recherchezeit bezahlt werden, ist PEMT spottbillig! Die Aussage, die man von professionellen \u00dcbersetzern h\u00f6rt, wenn man sie bittet, eine M\u00dc zu lektorieren, ist h\u00e4ufig: \u00ab\u00a0Das lohnt nicht zu korrigieren, ich bin schneller, wenn ich es neu \u00fcbersetze\u00a0\u00bb und noch h\u00e4ufiger nicht druckreif. Auch hier gilt jedoch: F\u00fcr kurzlebige Massentexte, die m\u00f6glichst billig irgendwie die Kerninhalte transportieren sollen und nebenbei das Sozialsystem entlasten, weil sie Arbeitslosen und Rentnern ein Zusatzeinkommen bescheren, \u2026 aber ich tue Arbeitslosen und Rentnern Unrecht: Selbst Menschen in prek\u00e4ren Situationen sollten keine 3 M\u00dc-Texte am St\u00fcck korrigieren m\u00fcssen.<\/p>\n<p>Wow. Wie ist dieser Mikro-Lexikonartikel pl\u00f6tzlich so bei\u00dfend geworden? \u00ab\u00a0Machen Sie keinen Fehler\u00a0\u00bb, wie unsere englischsprachigen Mitmenschen sagen w\u00fcrden (zu Deutsch: \u00ab\u00a0T\u00e4uschen Sie sich mal nicht\u00a0\u00bb): MT und vermutlich auch PEMT haben ihre Berechtigung und erm\u00f6glichen eine bisher ungeahnte weltweite Kommunikation. Dennoch: Wenn Ihr <em>Marketingerfolg,<\/em> wenn Ihre <em>Rechtssicherheit,<\/em> wenn Ihr <em>\u00dcberleben<\/em> an einem Text h\u00e4ngen, beauftragen Sie einen <a title=\"Christopher K\u00f6bel\" href=\"https:\/\/www.defrent.de\/kontakt\/\" target=\"_blank\" rel=\"noopener noreferrer\">Profi aus Fleisch und Blut<\/a>. Sie sparen Geld, Zeit und Nerven.<\/p>\n<p>Oder wollen auch Sie ein 10 Meter gro\u00dfes Schild mit der Inschrift \u00ab\u00a0<a title=\"LanguageLog: Translate Server Error\" href=\"http:\/\/languagelog.ldc.upenn.edu\/nll\/?p=11907\" target=\"_blank\" rel=\"noopener noreferrer\">Translate Server Error<\/a>\u00ab\u00a0?<\/p>\n<p>Viele Gr\u00fc\u00dfe, Ihr<br \/>\nChristopher K\u00f6bel<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Auch die \u00dcbersetzungsbranche ist nicht verschont geblieben von total hippen Abk\u00fcrzungen, besonders dort, wo sie sich mit der IT-Branche \u00fcberschneidet (siehe auch Teil 1). DeFrEnT kl\u00e4rt auf!<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"activitypub_content_warning":"","activitypub_content_visibility":"","activitypub_max_image_attachments":4,"activitypub_interaction_policy_quote":"anyone","activitypub_status":"","footnotes":""},"categories":[21,32],"tags":[45],"class_list":["post-205","post","type-post","status-publish","format-standard","hentry","category-de","category-uebersetzungsbranche","tag-fuer-kunden"],"aioseo_notices":[],"featured_image_src":null,"featured_image_src_square":null,"author_info":{"display_name":"Christopher K\u00f6bel","author_link":"https:\/\/www.defrent.de\/fr\/author\/defrenter\/"},"_links":{"self":[{"href":"https:\/\/www.defrent.de\/fr\/wp-json\/wp\/v2\/posts\/205","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.defrent.de\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.defrent.de\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.defrent.de\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.defrent.de\/fr\/wp-json\/wp\/v2\/comments?post=205"}],"version-history":[{"count":5,"href":"https:\/\/www.defrent.de\/fr\/wp-json\/wp\/v2\/posts\/205\/revisions"}],"predecessor-version":[{"id":1684,"href":"https:\/\/www.defrent.de\/fr\/wp-json\/wp\/v2\/posts\/205\/revisions\/1684"}],"wp:attachment":[{"href":"https:\/\/www.defrent.de\/fr\/wp-json\/wp\/v2\/media?parent=205"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.defrent.de\/fr\/wp-json\/wp\/v2\/categories?post=205"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.defrent.de\/fr\/wp-json\/wp\/v2\/tags?post=205"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}