Kollektive Intelligenz: Medien und Termine
Hin und wieder bekommen wir die schöne Gelegenheit, in den Medien oder bei Veranstaltungen von unserem Projekt zu erzählen.
Kann die Künstliche Intelligenz auch Literatur? Und soll Literatur überhaupt artifiziell erzeugt werden?
Maschinelles Übersetzen gewinnt seit Jahren an Bedeutung, und mit dem KI-Hype des Jahres 2023 ist die Zeit reif für eine tiefgründige Auseinandersetzung mit dem Phänomen der Maschinenübersetzung. Und zwar aus Sicht derjenigen, die Bücher übersetzen.
Die Tech-Industrie verspricht reibungslose Verständigung – und beträchtlichen Zeitgewinn. Doch taugt die Übersetzungs-KI wirklich für Literatur?
Finden wir es gemeinsam heraus!
Auf dieser Seite sind die Ergebnisse unserer Experimente mit DeepL zu finden. Weitere Beiträge von Expert*innen untersuchen spezifische Aspekte von Literaturübersetzung per generativer KI aus verschiedenen Blickwinkeln – sowohl praktischer als auch wissenschaftlicher Natur.
Neue Beiträge
Die Verarmung übersetzter Sprache als reales Risiko
Waltraud Kolb bietet uns einen wissenschaftlichen Überblick zum Konzept des »Translationese«. Noch stärker als Humanübersetzungen ist davon Maschinen-Output geprägt – und das hat Folgen für das Leseerlebnis.
Zwischen Wissenschaft und Technik: Die Rolle der Literaturübersetzerin
Paola Ruffo untersuchte in ihrer Dissertation das Selbstverständnis von Literaturübersetzer*innen und ihr Verhältnis zur Technik. Die Wissenschaftlerin gibt nun einen Überblick zum Forschungsstand.
On Literary Translators, Research, and Technology
In her doctoral project, Paola Ruffo studied literary translators’ self-imaging strategies and their relationship to technology. The CALT researcher now resumes the state of the art.
Maschinelle Übersetzung – ein Blick unter die Haube
Wie funktioniert eigentlich Maschinelle Übersetzung? Und wie gut können moderne KI-Systeme, wie z. B. ChatGPT, Literatur übersetzen? Der NLP-Forscher Dr. Steffen Eger bringt Licht ins Dunkel.
AI Talks: Veranstaltungen
Wir stellen unsere Erkenntnisse aus dem Projekt »Kollektive Intelligenz« vor, lassen Literaturübersetzer*innen mit ihren Erfahrungen zu Wort kommen und diskutieren mit euch die Handlungsoptionen für unsere Branche.
Urheberrechtsfragen im Kontext professioneller Literaturübersetzung mit (Hilfe von) Künstlicher Intelligenz
Welchen Einfluss hat der Einsatz von KI-Übersetzungstools auf das Entstehen von Bearbeiterurheberrechten? Was ist beim Einsatz solcher Tools im Rahmen professioneller Literaturübersetzung aus rechtlicher Sicht grundsätzlich zu beachten? Diesen Fragen widmet sich Dr. Lisa Käde vom Karlsruher Institut für Technologie | Zentrum für Angewandte Rechtswissenschaft.
Maschinelle Übersetzung: ein Manifest
Der unüberlegte Einsatz von maschineller Übersetzung greift um sich. Der europäische Verband AVTE fordert, Kompetenz und Entscheidungsautonomie der Übersetzer*innen zu respektieren.
Praktische Überlegungen zum Nutzungsvorbehalt
KI-Experte Sebastian Stober beleuchtet einen Aspekt des Urheberrechts aus technischer Perspektive: das Text und Data Mining. Er widmet sich der Frage: Wie können Inhalte vor Crawling und Data Mining geschützt werden?
Kollektive Intelligenz: Kann KI Literatur?
Ist der Siegeszug von DeepL und Co. unaufhaltsam? Werden die Programme unausweichlicher Bestandteil der Arbeit von literarisch Sprachmittelnden sein? Die Studie zeigt ein durchwachsenes Bild. Wir sehen, dass im Jahr 2023 Maschinenübersetzungssysteme nicht leistungsfähig genug zu sein scheinen, um Literaturübersetzer*innen bei ihrer Aufgabe in einem signifikanten Maße weiterzuhelfen.
Gebt uns bessere Übersetzungssoftware!
Daniel Landes erkundet den Einsatz von DeepL im CAT-Tool memoQ. Was er sich als Übersetzer von der weiteren Entwicklung der Technik wünscht, schreibt er in diesem Text.
Denotation doesn’t cut it, baby!
Hanna Reininger nutzt das DeepL-Plug-in im CAT-Tool Wordfast und dabei bleibt kein Stein auf dem anderen.
Hindernismaschine
Imke Brodersen berichtet von der ihr ungewohnten Arbeitsweise mit dem DeepL-Plug-in in Trados Studio 2021. Dabei schreckt sie in ihrer herkömmlichen Arbeitsweise vor dem Einsatz von Technik nicht zurück.
Ablenkende Tools: Oft eintönig und teils völlig am Thema vorbei
Margarita Ruppel experimentiert mit dem CAT-Tool memoQ und verwendet das DeepL-Plug-in. Durch den Einsatz der Tools kann sie sich nicht mehr so recht mit den Ergebnissen ihrer Arbeit identifizieren.
Die Zukunft liegt in automatisierten Tools
Unsere Teilnehmerin unterzieht die Glossarfunktion von DeepL einem gründlichen Test. Die Maschine kann zwar noch nicht glänzen, doch ihr Output wird als beeindruckend gut beurteilt.
Ein Korsett für die Kreativität
Heike Reissig post-editiert einen Sachtext in DeepL und findet, dass die Essenz des Literaturübersetzens verloren geht.
Der Reiz zum Widerspruch
Als Rohfassungsmaschine schätzt Bettina Seifried die digitale Übersetzungsassistenz für Fergusons Meet Me in the Margins.
»So kann ich nicht arbeiten«
Josefine Haubold fühlt sich beim Übersetzen im DeepL-Webinterface bevormundet.
Fast wie Brainstorming. Zeitersparnis? Null.
Katharina Meyer post-editiert eine DeepL-Übersetzung in Word. Ihre Beobachtung: Der Stil des Originals ging flöten, dafür blieben Syntax und Semantik gut erhalten.
Der Inhalt erschließt sich, doch es bleibt viel zu tun
Nina Restemeier lädt eine DeepL-Übersetzung in ihr Textverarbeitungsprogramm und widmet sich dem Post-Editing. Welche Fallstricke diese Vorgehensweise für sie bereithielt, schildert sie in ihrem Arbeitsbericht.
Experimente & Beiträge
Informiert euch über unsere Experimente oder lest tiefergehende Texte zum Thema KI und Übersetzung.