Technologie: Eine kleine Geschichte der maschinellen Übersetzung

Künstliche Intelligenz verändert die Übersetzungsbranche drastisch. Sie ist allerdings bei weitem nicht die erste Technologie, die das geschafft hat. Wie sich professionelle Übersetzung immer wieder neu erfunden hat und warum der Mensch dabei der entscheidende Faktor bleibt. Ein Überblick.

Sie übersetzen oder kopieren Zeile für Zeile. Mit Tintenfass und Gänsefeder. Wenn notwendig, auch im Kerzenschein und mit Lupe. Jedenfalls aber mit unglaublicher Geduld. Die Franziskanermönche, die Umberto Eco in „Der Name der Rose“ beschreibt – und die Jean-Jacques Annaud auf die Leinwand bringt –, müssen Fehler unbedingt vermeiden, denn die lassen sich nur mit sehr viel Aufwand ausbessern.

Umberto Ecos Mönche mühen sich im Jahr 1327 ab, aber sie stehen in einer Jahrhunderte alten Tradition: Schon in der Antike entstehen Übersetzungen auf diese Weise, und bis weit ins 20. Jahrhundert ändert sich daran höchstens, dass Beleuchtung, Schreibgerät und Brillen sukzessive besser werden. Der Buchdruck sorgt zwei Jahrhunderte später in Europa dafür, dass Wörterbücher und Lexika beginnen, die Arbeit zu unterstützen, doch die großen Fortschritte geschehen erst viel später.

Das 20. Jahrhundert: Übersetzung bleibt noch lange Handarbeit

Übersetzung bleibt auch im 20. Jahrhundert eine „analoge“ Tätigkeit. Ein langsamer, hochkonzentrierter Prozess. Die Ausgangstexte liegen gedruckt oder handschriftlich vor, die Zieltexte werden mit der Hand oder auf der Schreibmaschine erstellt. Wer professionell übersetzt, nutzt Wörterbücher, Fachlexika für bestimmte Branchen, vielleicht auch selbst angelegte Glossare in Ordnern oder Karteikästen. Für ein einziges Wort blättern Übersetzer:innen oft durch mehrere Bände, bis sie eine passende Bedeutung finden. Recherche bedeutet nicht, einen Suchbegriff einzugeben, sondern über Register und Verweise zu arbeiten, häufig auch mit Quellen aus Bibliotheken.

Die Herausforderungen liegen auf der Hand: Jede Recherche kostet Zeit, und Zeit bedeutete Honorar- oder Projektkosten. Konsistenz ist in erster Linie eine Frage des Gedächtnisses und der eigenen Notizen. Wenn mehrere Personen für denselben Kunden arbeiten, müssen sie sich aktiv abstimmen, um Terminologie und Tonalität konsistent zu halten. Eine zentrale Datensammlung gibt es nicht, stattdessen entstehen persönliche „Wissensinseln“: Übersetzer:innen haben jeweils eigene Systeme aus Zetteln, Markierungen und Merkhilfen. Was komplett fehlt, ist Skalierbarkeit.

Die PC-Revolution: Technologie verändert das Übersetzen

Mit der Verbreitung der Personal Computer ab Anfang der 1990er-Jahre ändert sich alles. Noch gibt es aber weder Übersetzungssoftware oder Internet – die Revolution hat einen anderen Namen: Textverarbeitung.

Anwendungen wie Word oder seine Vorgänger machen es möglich, Texte zu speichern, zu kopieren, zu verschieben und zu überarbeiten, ohne Papierstapel zu produzieren. Tippfehler könnten korrigiert werden, ohne eine ganze Seite neu zu schreiben. Versionen lassen sich als Dateien aufbewahren statt in dicken Ordnern.

Parallel dazu entstehen die ersten digitalen Wörterbücher und Lexika, zunächst als CD-ROM, später auch online. Für Übersetzer:innen bedeutet das einen enormen Geschwindigkeitsgewinn. Plötzlich reicht eine Stichwortsuche, um in Sekunden zu relevanten mehrsprachigen Einträgen zu kommen. Spezialisierte Fachlexika werden digitalisiert, und Suchfunktionen erlauben, mehrere Stichwörter zu kombinieren und Querverweise schneller zu finden.

In dieser Phase entstehen auch erste Datenbanken mit Fachbegriffen, oft noch auf Projekt- oder Unternehmensbasis. Sie ermöglichen, die für bestimmte Kunden bevorzugten Begriffe abzuspeichern. Allerdings fehlt noch, was später als Translation Memory bekannt wird. Datenbanken speichern meist nur einzelne Wörter oder kurze Phrasen, nicht aber ganze Übersetzungseinheiten inklusive Kontext.

Die Auswirkungen auf Geschwindigkeit und Fehleranfälligkeit sind deutlich: Texte lassen sich schneller überarbeiten, Tippfehler werden von Rechtschreibprüfungen gefunden, und dank elektronischer Nachschlagewerke können viele Begriffe effizienter recherchiert werden. Gleichzeitig bleibt der Prozess aber stark linear: Der Ausgangstext wird von oben nach unten übersetzt, jede Formulierung entsteht im Moment des Schreibens neu.

CAT-Tools und Translation Memory: Übersetzungstechnologie macht enorme Fortschritte

Der nächste große Schritt ist CAT. Computer-Aided Translation macht sich ein Prinzip zunutze, das heute ganz selbstverständlich ist: Texte werden in kleine Einheiten, meist Sätze oder satzähnliche Segmente, zerlegt. Für jedes Segment wird die Zielsprachfassung gespeichert. Entsteht später ein ähnlicher oder identischer Satz, schlägt das Tool die bereits vorhandene Übersetzung vor.

Diese Sammlung von Segmentpaaren wird Translation Memory genannt. Sie wirkt wie das Langzeitgedächtnis eines Übersetzungsbüros. Wann immer wiederkehrende Formulierungen auftauchen – beispielsweise in Produktbeschreibungen, Bedienungsanleitungen oder Hilfeartikeln – kann das System auf vorhandene Übersetzungen zurückgreifen. Für Unternehmen bedeutet das konsistentere Texte, für Übersetzer:innen weniger Redundanz.

Eine wichtige Ergänzung dazu sind Termdatenbanken. Sie speichern bevorzugte Fachbegriffe, Produktnamen, rechtlich relevante Formulierungen oder Stilvorgaben. Während das Translation Memory ganze Sätze oder Segmente kennt, sorgt die Terminologiedatenbank dafür, dass innerhalb dieser Sätze immer dieselben Fachbegriffe verwendet werden.

Maschinelle Übersetzung: Von Regeln zu neuronalen Netzen

Parallel zur Entwicklung von CAT-Tools rückt ein alter Traum in Reichweite: die Übersetzung durch Maschinen. Die frühen Systeme arbeiten regelbasiert. Linguist:innen und Informatiker:innen formulieren Grammatik- und Wortschatzregeln, die das System Schritt für Schritt anwendet. Zu Beginn sind diese Ansätze eher Proof of Concept: Die Ergebnisse sind noch ziemlich holprig.

Später folgen statistische Systeme, die große Mengen zweisprachiger Texte analysieren und daraus Wahrscheinlichkeiten ableiteten. An die Stelle fester Regeln traten also statistische Muster. Das verbessert die Qualität der Übersetzung sichtbar, bleibt aber anfällig für ungewöhnliche Formulierungen und eigenartige Satzstrukturen.

Den größten Sprung bringt die neuronale Maschinelle Übersetzung. Hier werden künstliche neuronale Netzwerke trainiert, die Zusammenhänge im Text besser erfassen können. Die Ergebnisse der Maschinellen Übersetzung wirken flüssiger, natürlicher und oft erstaunlich nah an menschlichen Entwürfen. Die Wahrnehmung hat sich dadurch stark verändert. Was früher als „kaum brauchbar“ galt, wird heute vielerorts als „erstaunlich gut – wenn auch nicht perfekt“ erlebt.

Die Differenzierung der Einsatzgebiete

Zwischen einer Rohübersetzung von Large Language Models und einem professionell bearbeiteten Text bleibt allerdings eine breite Lücke bestehen. Maschinelle Rohübersetzungen sind für interne Zwecke, zur schnellen Orientierung oder zur groben Inhaltserschließung geeignet. Für hochwertige Kommunikation, juristisch relevante Dokumente oder Texte mit klarer Markenbotschaft reicht diese Form der Genauigkeit in der Regel nicht aus. Hier kommt das Post-Editing ins Spiel: Übersetzer:innen bearbeiten maschinelle Vorschläge, korrigieren Fehler, passen Stil, Terminologie und Tonalität an und sorgen dafür, dass der Text nicht nur formal, sondern auch inhaltlich und kulturell stimmig ist.

Einsatzgebiete entstehen entlang dieser Unterscheidung. Für große Volumina mit begrenztem Budget oder für interne Kommunikation kann Machine Translation mit professionellem Post-Editing (MTPE) eine wirtschaftliche Option sein. Bei Markenkommunikation, Marketingtexten, rechtlichen Inhalten oder medizinischer Fachkommunikation wird ein höheres Maß an menschlicher Kontrolle benötigt. Dort steht die Verantwortung für die Wirkung und Richtigkeit des Textes im Vordergrund und macht somit eine Humanübersetzung unverzichtbar.

Der Status-quo: Ein prall gefüllter Werkzeugkoffer für Übersetzer:innen

In modernen Übersetzungsbüros findet heute ein Zusammenspiel verschiedener Technologien statt. Der typische Ablauf beginnt mit einer Analyse des eingehenden Textes. CAT-Tools prüfen, welche Anteile bereits in bestehenden Translation Memories vorhanden sind, wie viele Wiederholungen es gibt und welche Teile völlig neu sind.

Auf dieser Grundlage lassen sich Aufwand und Vorgehen planen. Je nach Textsorte und Anforderungen kann zusätzlich maschinelle Übersetzung eingebunden werden. Das System liefert Vorschläge, die direkt im CAT-Tool angezeigt werden. Übersetzer:innen sehen dann nebeneinander den Ausgangstext, mögliche Vorschläge aus dem Translation Memory und eine maschinelle Vorübersetzung in die Zielsprache. Auf dieser Basis entscheiden sie, ob sie einen Vorschlag übernehmen, anpassen oder lieber neu formulieren.

Frühere Übersetzungen und hinterlegte Terminologie werden so zu einer Datenbasis, die die Qualität Schritt für Schritt verbessert. Jede abgeschlossene Übersetzung erweitert das Translation Memory. Jede freigegebene Terminologie-Einheit erhöht die Konsistenz in künftigen Projekten. Aus einzelnen Projekten entsteht über die Zeit ein sprachliches Profil, das zum jeweiligen Kunden passt.

Unterstützt wird dieser Prozess durch spezialisierte QA-Tools. Sie prüfen automatisch Zahlen, Datumsformate, Tags, Referenzen und andere formale Aspekte. Sie können feststellen, ob alle Zahlen korrekt übernommen wurden, ob Formatierungen konsistent sind und ob bestimmte verbotene Begriffe verhindert werden. Die inhaltliche und stilistische Übersetzungsqualität bleibt Aufgabe der Menschen, aber viele potenzielle Flüchtigkeitsfehler lassen sich automatisiert auffangen.

Die Grenzen der Maschine: Warum der Mensch nicht ersetzbar ist

Trotz beeindruckender Fortschritte gibt es Bereiche, in denen Technologie an ihre Grenzen stößt. Sprache transportiert nicht nur Informationen, sondern immer auch Tonalität, kulturelle Anspielungen, Zielgruppenwissen und Emotionen. Maschinen können Muster erkennen und Wahrscheinlichkeiten berechnen, sie haben jedoch kein eigenes Verständnis von Kontext im menschlichen Sinn.

Gerade bei mehrdeutigen Formulierungen, bei Ironie, Humor oder kulturell sensiblen Inhalten entscheidet häufig ein feines Gespür dafür, wie ein Text bei Leser:innen ankommt. Übersetzer:innen wählen nicht nur Wörter aus, sondern gestalten eine Botschaft. Sie berücksichtigen Branchenspezifika, Erwartungen der Zielgruppe und die Rolle, die ein Text in der Gesamtkommunikation eines Unternehmens spielt.

Auch Markenbotschaften lassen sich nur begrenzt automatisieren. Eine Marke lebt von ihrer Tonalität, von wiederkehrenden Bildern und einem eigenen Stil. Diese Elemente erfordern Entscheidungen, die über das statistisch Naheliegende hinausgehen. Technologie kann unterstützen, Vorschläge liefern und auf Konsistenz achten. Die strategische Ausrichtung und die bewusste Feinabstimmung bleiben jedoch menschliche Aufgaben.

Ausblick: Wohin entwickelt sich die Übersetzungstechnologie?

Die Entwicklung der Übersetzungstechnologie wird auch in den kommenden Jahren dynamisch bleiben. Absehbar ist eine noch bessere Integration der Werkzeuge. CAT-Tools, maschinelle Übersetzung, Terminologiemanagement und Projektmanagement werden enger zusammenwachsen. Prozesse, die heute noch manuell angestoßen werden, lassen sich teilweise automatisieren: von der Analyse eingehender Dateien über das Routing an passende Sprachteams bis hin zu Freigabe- und Qualitätsworkflows.

Gleichzeitig ist eine stärkere Spezialisierung zu erwarten. Systeme werden für bestimmte Domänen, Textsorten oder Branchen optimiert. Je homogener die Datenbasis, desto besser können statistische und neuronale Verfahren arbeiten.

Daraus ergibt sich ein weiterer Schlüssel: Datenqualität. Bestehende Übersetzungen, sauber gepflegte Terminologiedatenbanken und konsistente Stilvorgaben bilden die Grundlage für gute technische Unterstützung. Schlechte oder uneinheitliche Daten führen dagegen zu Vorschlägen, die mehr Arbeit verursachen als einsparen.

Die Geschichte der Übersetzungstechnologien zeigt damit vor allem eines: Fortschritt entsteht dort, wo Technik und menschliches Urteilsvermögen zusammenwirken – im Skriptorium ebenso wie im digitalen Übersetzungsbüro von heute.

Zeitleiste: Die Geschichte der Übersetzungstechnologie im Überblick

▶ Antike bis ~1327

Handschriftliche Übersetzung: Mönche und Schreiber kopieren und übersetzen Texte per Hand, mit Gänsefeder und Tintenfass.

▶ Ab dem 15. Jahrhundert

Buchdruck in Europa: Wörterbücher und Lexika beginnen, die Übersetzungsarbeit zu unterstützen.

▶ 20. Jahrhundert (bis 1980er Jahre)

Übersetzung bleibt analog: Ausgangstexte auf Papier, Zieltexte per Hand oder Schreibmaschine; Recherche über gedruckte Fachlexika und Bibliotheken.

▶ Anfang der 1990er Jahre

PC-Revolution und Textverarbeitung: Anwendungen wie Word ermöglichen digitales Schreiben, Speichern und Bearbeiten von Texten; erste digitale Wörterbücher erscheinen auf CD-ROM.

▶Ab Mitte der 1990er Jahre

CAT-Tools und Translation Memory: Texte werden in Segmente zerlegt, Übersetzungen gespeichert und wiederverwendet; Termdatenbanken sichern terminologische Konsistenz.

▶ 2000er Jahre

Statistische maschinelle Übersetzung: Systeme analysieren große zweisprachige Textmengen und leiten daraus Übersetzungswahrscheinlichkeiten ab.

▶ Ab ~2016

Neuronale maschinelle Übersetzung (NMT): Künstliche neuronale Netze erzeugen flüssigere, natürlichere Übersetzungen.

▶ Heute

Integrierte Workflows: Maschinelle Übersetzung, Terminologiemanagement und QA-Tools arbeiten zusammen; Post-Editing durch menschliche Übersetzer:innen bleibt zentraler Qualitätsfaktor.