Von März bis Mai 2023 haben 14 Übersetzer*innen mit DeepL experimentiert. Sie haben einen Sachtext (den Anfang von Aubrey Gordons What We Don’t Talk About When We Talk About Fat) und den Ausschnitt eines Unterhaltungsromans (aus Melissa Fergusons Meet Me in the Margins) anhand von unterschiedlichen Aufgabenstellungen bearbeitet. Die Berichte zu den unterschiedlichen Workflows sind auf den Unterseiten zu finden. Zu jedem Bericht hat eine andere Teilnehmerin oder ein anderer Teilnehmer eine Review verfasst. Daraus ist ein vielstimmiges Bild über den Stand der Maschinenübersetzung in der Literatur entstanden. Eine Auswertung der Arbeitserfahrungen unternimmt der Artikel »Kollektive Intelligenz – Kann KI Literatur?«.
Die in den Berichten formulierten Ansichten spiegeln nicht notwendigerweise die Haltung der Projektleitung wider.
Workflow 1: Das einfache Lektorat
Wenn die Maschine übersetzt, brauchen wir dann überhaupt noch eine Person, die die Ausgangssprache beherrscht? Reicht es nicht, den Zieltext zu bearbeiten und für das Publikum zurechtzuschneidern? Im ersten Workflow haben die Experimentierenden nur mit dem DeepL-Output gearbeitet und sollten den Ausgangstext nicht beachten.
»Es ist nur … ein bisschen schwieriger für mich«
Carlotta Herland lektoriert eine Maschinenübersetzung von Melissa Fergusons Meet Me in the Margins, ohne den Originaltext zu kennen. Ob das gutgehen kann, erläutert sie in ihrem Bericht.
Im Ansatz sehr »brauchbar«
Else Laudan lektoriert eine Maschinenübersetzung von Aubrey Gordons What We Don’t Talk About When We Talk About Fat. Den Originaltext kennt sie nicht. Sie erklärt, was es bei aller Liebe zum Redigieren zu beachten gilt.
Workflow 2: Wörterbuch DeepL
Ganze Texte durch die Maschine jagen, das ist vielleicht nicht immer eine gute Idee. Doch wie steht es mit einzelnen Sätzen, Phrasen und Wörtern? Kann DeepL ein erweitertes Wörterbuch sein? Kann es das klassische Wörterbuch vielleicht sogar ersetzen? Schließlich müssten die Trainingsdaten einen viel reichhaltigeren Kontext liefern als die knappen Einträge eines Nachschlagewerks.
Weltraumfetzen und ähnlicher Blödsinn
Für ihre Übersetzung aus Melissa Fergusons Meet Me in the Margins zieht Alexandra Rak DeepL als allererstes Wörterbuch zurate. Sie findet Brauchbares wie Unbrauchbares, möchte auf ihre bewährten Tools jedoch nicht verzichten.
»Woher will die KI das wissen?«
Ursula Wulfekamp testet DeepL als Wörterbuch – und hat einige Verbesserungsvorschläge.
Workflow 3: Post-Editing in Word
»Diesen Text hat eine Kollegin in house übersetzt. Sie müssen nur noch drübersehen, ein Übersetzungslektorat anfertigen.« Die fragliche Kollegin heißt in diesem Fall DeepL, und unsere Teilnehmerinnen haben den maschinenübersetzten Text bearbeitet, gewissenhaft mit dem Original verglichen und ihre Beobachtungen aufgeschrieben.
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.
Workflow 4: Post-Editing in DeepL
DeepL stellt in seiner App und in seiner Web-Oberfläche einige Funktionalitäten bereit, die für Übersetzer*innen nützlich sein könnten. Die wohl wichtigste ist die Möglichkeit, auf ein Wort zu klicken und Alternativen geboten zu bekommen. Lohnt es sich, den DeepL-Output zunächst im Programm selbst zu bearbeiten und ihn erst anschließend einer letzten Korrektur in Word zu unterziehen?
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.
Workflow 5: Post-Editing in DeepL mit Glossarfunktion
DeepL stellt auch eine Glossarfunktion zur Verfügung. Wir können vorab einzelne zentrale Begrifflichkeiten übersetzen, diese Begriffe in DeepL als Glossar hinterlegen und auf diese Weise den Output der Maschine an unsere Bedürfnisse anpassen. Ist das beim Literaturübersetzen hilfreich?
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.
Workflow 6: CAT-Tool mit Glossar und DeepL-Plug-in
In Workflow 6 setzen die Teilnehmer*innen auf eine Kombination verschiedener Technologien. Computergestützte Programme à la Trados Studio und memoQ (CAT-Tools) kommen in Kombination mit einem DeepL-Plug-in zum Einsatz. Ob es hilft, in diesen Mix noch ein Glossar hineinzuwerfen?
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.