Ein detaillierter Blick auf Übersetzungstrends: Wichtige Erkenntnisse von der Tekom Stuttgart 2024

Auf der aktuellen Tekom-Konferenz in Stuttgart drehte sich alles um neue Entwicklungen in der Sprachtechnologie, vor allem um die automatisierte Qualitätsbewertung (AQE), automatisierte Post-Editing (APE) und Clean Terminology durch Sammlung, Extraktion und Ergänzung. Auf der Tekom, oder auch TCWorld Conference, einem der größten Branchentreffen weltweit, tauschen sich Teilnehmer, Redner, Studierende und Aussteller aus der ganzen Welt über Themen rund um die „technische Kommunikation“ aus. 

Acolad nahm als Aussteller teil und schickte mit Global Solutions Managerin Leena Peltomaa auch eine Rednerin ans Pult. Sie sprach über die Revolutionierung von DEI und die regulatorische Compliance in der globalen Tech-Kommunikation. 

Aufkommende Trends: KI-gestützte Qualitätskontrolle und verantwortungsvolle Prozesse

Zentrales Thema war auch dieses Mal die KI, vor allem im Zusammenhang mit Qualitätskontrolle und der ethischen Verantwortung bei der Einführung von KI-gestützten Prozessen und Dokumentations-Workflows. Automatisches Qualitätsmanagement und Post-Editing wurden heiß diskutiert. Unternehmen waren vor allem an Clean Terminology, RAG (Retrieval-Augmented Generation) und Wissensgraphen zum Finetuning von KI-Outputs interessiert. Tools mit Fokus auf Sammeln, Extrahieren und Ergänzen von Terminologie waren heiß begehrt, da Unternehmen erkannt haben, wie wichtig präzise sprachliche Ressourcen für gute Übersetzungsergebnisse sind.

Wegweiser durch eine komplexe Lösungsumgebung

Auf der Konferenz wurden unzählige KI- und Sprachtechnologielösungen vorgestellt. Viele Teilnehmer hatten Mühe, sich in diesem Angebot zurechtzufinden. Die rasanten Entwicklungen stellen eine Herausforderung für Kunden dar, die diese Lösungen verstehen und effektiv implementieren möchten. Die große Anzahl neuer Tools führt zu einer wachsenden Nachfrage nach Unterstützung auf der Suche nach dem richtigen Weg, KI-gestützte Sprachtechnologien optimal zu nutzen und zu integrieren.

Wettbewerber im Sprachtechnologiebereich konzentrieren sich derzeit vor allem auf AQE, APE und Clean Terminology und liefern innovative Ansätze für das Sammeln, die Extraktion und das Ergänzen von Terminologie. Unternehmen nutzen verstärkt RAG und Wissensgraphen, um die KI-Genauigkeit und die Anpassbarkeit zu verbessern. So soll sichergestellt werden, dass KI-Outputs den Kundenerwartungen sowie den jeweiligen Branchenstandards entsprechen.

Der Acolad-Ansatz: Qualitätsbewertung aus mehreren Perspektiven

Leena Peltomaa, Global Solution Manager bei Acolad, erläuterte den umfassenden Ansatz der Unternehmensgruppe in Sachen Qualitätsbewertung für einsprachigen und übersetzten Content. Dieser Ansatz berücksichtigt mehrere Perspektiven – darunter Diversität, Chancengerechtigkeit und Inklusion (DEI), regulatorische Compliance und präzise Übersetzungen. Das Ziel ist ein robustes Framework für die Qualitätssicherung. KI und LLMs liefern dabei einen schnellen, einfachen Überblick über die Qualität und bieten die Möglichkeit, Änderungen umgehend in Echtzeit einzuarbeiten, um den Content weiter zu verbessern.

Ein weiteres wichtiges Thema war der Umgang mit den Grenzen der KI vor allem in Bezug auf regulatorische Compliance, Datensicherheit und der manchmal inkonsistenten Qualität von KI-generiertem Content. Ein modellagnostischer Ansatz und der Einsatz von LLMs mit maßgeschneiderten Prompts und Terminologie erwiesen sich als zentrale Strategie bei der Optimierung der KI-Effizienz. Ein weiterer Schritt auf dem Weg zur effizienten Qualitätsbewertung: Die Integration von KI-Tools für die Generierung von personalisierten Outputs, die auf dem spezifischen Content-Bedarf beruhen.

Evolution der Übersetzungstechnologie: Einbettung von Echtzeitübersetzungen

Entwickler integrieren Übersetzungsfunktionen verstärkt in ihre Anwendungen. Ein Beispiel sind automatisierte Echtzeitübersetzungen in Kundensupport-Portalen. Dabei kommen oft LLMs wie OpenAI zum Einsatz, dessen Stärke der Umgang mit „nebulösem“ Content ist. Im Hinblick auf spezifische Sprachaufgaben bleibt die neuronale maschinelle Übersetzung (NMÜ) allerdings weiterhin das Mittel der Wahl. LLMs verändern zwar wichtige Workflows, doch ihre volle Integration in etablierte Geschäftsmodelle braucht weiterhin Zeit.