Die Entwicklung von DeepL: Von Linguee zum Branchenführer

Gegründet im Jahr 2009 in Deutschland unter dem Namen Linguee, begann DeepL ursprünglich als Online-Wörterbuch mit dem ehrgeizigen Ziel, ein neuronales maschinelles Übersetzungssystem zu entwickeln, das die Qualität herkömmlicher statistischer maschineller Übersetzungen übertrifft.

Die Ingenieure von DeepL nutzten dabei die neuesten Deep-Learning-Techniken und trainierten ihre Modelle mit den umfangreichen Daten aus der Linguee-Datenbank.

Mit Erfolg: Seit 2017 erfreut sich DeepL immenser Beliebtheit, mit über einer Milliarde Nutzern, die von den Diensten profitieren. Heute unterstützt es 28 Sprachen und bietet beeindruckende 650 mögliche Übersetzungskombinationen.

Dabei liefert DeepL seinen Nutzern verschiedene Optionen, darunter kostenlose und kostenpflichtige Versionen, sowie die Wahl zwischen einer Web-Schnittstelle und einem eigenständigen Übersetzer. Die kostenlose Version eignet sich für den persönlichen Gebrauch, während die kostenpflichtige Version erweiterte Funktionen für Unternehmen beinhaltet.

Über Übersetzungsdienste hinaus hat sich DeepL auch im Bereich künstliche Intelligenz, insbesondere Textgenerierung, einen Namen gemacht. Das neueste Projekt, DeepL Write, das Anfang 2023 gestartet wurde, zielt darauf ab, sich als englischer Schreibassistent zu etablieren und Konkurrenten wie Grammarly zu übertreffen.

Wie funktioniert DeepL?

Nicht alle maschinellen Übersetzungslösungen funktionieren gleich, und im Laufe der Zeit wurden die Systeme immer ausgefeilter . Bis 2016 basierten maschinelle Übersetzungssysteme entweder auf Regeln, die manuell erstellt wurden, oder auf statistischen Methoden, die auf mehrsprachigen Korpora (grosse Mengen paralleler Texte) beruhten. Diese Methoden übersetzten wort- oder phrasenbasiert und suchten nach statistischen Mustern.

Heutzutage verwenden die meisten gängigen maschinellen Übersetzungssysteme neuronale Netzwerke. Dies wird als neuronale maschinelle Übersetzung bezeichnet, eine Form des End-to-End-Lernens, bei dem das neuronale Netzwerk des Programms den gesamten Eingabesatz bei jedem Schritt berücksichtigt, um den Ausgabesatz zu generieren, anstatt nur einige Wörter auf jeder Seite des übersetzten Begriffs in Betracht zu ziehen.

Auch DeepL ist ein Beispiel für ein solches NMT-System (Neural Machine Translation). Dank Deep-Learning-Algorithmen generiert es Übersetzungen, die menschenähnlicher sind als die von statistischen MT-Maschinen. Die Netzwerkarchitektur ermöglicht es zudem, aus grossen Datenmengen zu lernen und sich neuen Kontexten anzupassen.

Was kann DeepL?

Wie zuvor erwähnt, liegt die Kernstärke von DeepL in seinem NMT-System, das es ihm ermöglicht, genauere und natürlicher klingende Übersetzungen im Vergleich zu traditionellen statistischen MT-Methoden zu produzieren. Hier sind einige seiner herausragenden Fähigkeiten:

Unterstützung mehrerer Sprachen: DeepL unterstützt Übersetzungen zwischen einer Vielzahl von Sprachen, darunter Englisch, Spanisch, Französisch, Deutsch, Chinesisch, Japanisch und viele mehr. Benutzer können Text nahtlos zwischen verschiedenen Sprachpaaren übersetzen, ohne separate Tools verwenden zu müssen.

Bewusstsein für den Kontext: Der KI-Motor von DeepL kann den Kontext des Eingabetextes verstehen, um sicherzustellen, dass die Übersetzungen kontextuell genauer sind und die beabsichtigte Bedeutung beibehalten. Dies ist besonders nützlich bei der Arbeit mit idiomatischen Ausdrücken und komplexen Sätzen.

Übersetzungsqualität: DeepL ist bekannt für seine Übersetzungsqualität für bestimmte Sprachpaare, die von Benutzern hoch geschätzt wird. Seine Fähigkeit, den Kontext zu erfassen und präzise Übersetzungen zu liefern, wird sowohl von Profis als auch von Sprachbegeisterten gelobt.

Übersetzer-Plugin und Desktop-Anwendungen: DeepL bietet Browser-Plugins, die sich in verschiedene Anwendungen integrieren lassen, einschliesslich Microsoft Office. Dies ermöglicht eine direkte Textübersetzung, ohne das verwendete Programm verlassen zu müssen. Alternativ kann die Desktop-Anwendung von DeepL heruntergeladen werden, die mit den gängigsten Betriebssystemen kompatibel ist.

Funktionalität für die Übersetzung von Dokumenten: Neben der Textübersetzung ermöglicht DeepL seinen Nutzern das Hochladen ganzer Dokumente zur Übersetzung. Dies ist eine nützliche Funktion für Einzelpersonen und Unternehmen, die mit mehrsprachigem Inhalt arbeiten.

Datenschutz: Mit Sitz in Deutschland unterliegt DeepL den Datenschutzgesetzen der Europäischen Union. Obwohl das Unternehmen nicht viele Details darüber preisgibt, wie Daten in der kostenlosen maschinellen Übersetzung von DeepL behandelt werden, betont es, dass alle DeepL Pro-Abonnenten eine sichere und verschlüsselte Verbindung für alle Übersetzungen geniessen können und die Daten nach Abschluss der Übersetzung nicht auf ihren Servern gespeichert werden.

API-Integration: DeepL bietet eine API an, die es Entwicklern ermöglicht, seine Übersetzungsdienste in ihre Anwendungen, Websites oder Dienste zu integrieren. Das sorgt für eine nahtlose Übersetzungserfahrung für Endbenutzer.

Bewertung ’der Genauigkeit und Leistung von DeepL

Die Genauigkeit eines maschinellen Übersetzungssystems zu bestimmen, kann äusserst schwierig sein. Die Ergebnisse variieren je nach den beteiligten Sprachpaaren, und auch nach den Arten von Texten, die übersetzt werden sollen – denn ein hochtechnisches Finanzdokument ist nicht dasselbe wie ein Blogbeitrag.

Zudem ist Genauigkeit aufgrund der Dynamik der Sprache und nicht messbarer Faktoren wie der beabsichtigten Bedeutung des Autors relativ definiert. Zum Beispiel unterscheiden sich die Erwartungen an die Genauigkeit von Grammatik und Interpunktion für einen Roman von denjenigen für einen Beitrag in den sozialen Medien.

Dennoch berichten die meisten Nutzer, dass DeepL tendenziell recht genau ist, besonders bei europäischen Sprachpaaren. Eigene Experimente von DeepL unterstützen diese Behauptung. Allerdings könnte die Art und Weise, wie das Unternehmen die Daten präsentiert, möglicherweise als voreingenommen angesehen werden. Ein verlässlicherer Indikator für die Genauigkeit ist daher das Feedback der Benutzer, das überwiegend positiv ist, vor allem in Bezug auf:

  • Interpretation und Äquivalenz von Redewendungen und Slang
  • Natürlichkeit
  • Registersensible Übersetzungen

Schlussendlich wird jeder Nutzer nach dem Testen von DeepL in seinen Anwendungsfällen seine eigene Entscheidung treffen müssen. Die gute Nachricht ist, dass die kostenlose Version es Ihnen ermöglicht, dies kostenfrei für sich auszuprobieren.

Vor- und Nachteile von DeepL

Neuronale maschinelle Übersetzungssysteme wie DeepL eröffnen eine Vielzahl von Möglichkeiten. Als einer der führenden Anbieter von NMT-Technologie hat DeepL die folgenden Vorteile:

Ziemlich genau: Es kann den breiteren Kontext von Wörtern und Phrasen verstehen, um genauere und flüssigere Übersetzungen zu produzieren und sich kontinuierlich zu verbessern.

Lernfähig: Neuronale Netzwerke lassen sich schnell durch automatisierte Prozesse trainieren, im Gegensatz zu den kosten- und arbeitsintensiven manuellen Methoden, die für konventionelle maschinelle Übersetzungen erforderlich sind.

Flexibel und einfach zu integrieren: Über APIs, Erweiterungen und Plugins können Sie es in die meisten Browser oder Software integrieren und auf viele Dateiformate anwenden.

Anpassbar: Sie können in der Regel die Ausgabe von DeepL durch Terminologiedatenbanken, markenspezifische Glossare und andere Datenquellen anpassen, um die Ergebnisse zu verbessern.

Kosteneffizient: Wie jeder andere NMT-Motor ermöglicht DeepL äusserst genaue und schnelle Übersetzungen zu einem Bruchteil der Kosten.

Skalierbar: Wenn Ihr Übersetzungsbedarf zunimmt, kann Ihnen DeepL dabei helfen, die gestiegene Nachfrage einfach zu bewältigen.

Doch auch wenn die Entwicklung von DeepL grosse Fortschritte gemacht hat, wird kaum ein maschinelles Übersetzungssystem jemals perfekt sein – und DeepL hat noch einiges zu tun, bevor es mit menschenähnlicher Genauigkeit mithalten kann.

Wie sehr sich DeepL in den kommenden Jahren verbessern wird, bleibt abzuwarten und ist schwer vorherzusagen. Derzeit bleibt es noch hinter menschenähnlichen Fähigkeiten zurück, wie:

  • Fragen stellen zu können
  • Kontext verstehen
  • Fehler im Ausgangstext identifizieren
  • Ironie erkennen
  • Kreativ übersetzen
  • Überlegte Entscheidungen treffen
  • Recherchieren
  • Konsistenz im Blick behalten
  • Gezielt Informationen weglassen oder hinzufügen
  • Glossare oder Anmerkungen hinzufügen

Während die Fähigkeit von maschinellen Übersetzungsanwendungen, diese Arten von Aufgaben zu bewältigen, begrenzt bleibt, wird die manuelle Nachbearbeitung (ein sogenanntes ‘Post-Editing’) voraussichtlich weiterhin ein wesentlicher Bestandteil jedes Übersetzungsworkflows in naher Zukunft bleiben.

Nutzung von DeepL für professionelle Übersetzungen: Wichtige Tipps

Bei der Verwendung von DeepL für maschinelle Übersetzungen ist es wichtig, sich auf Anwendungsfälle zu konzentrieren, bei denen Sie das Beste herausholen können, ohne die Qualität zu beeinträchtigen. Dazu gehören:

Wenig sichtbare oder kaum frequentierte Texte, wie interne Memos, Website-Fußzeilen, E-Mails, Social-Media-Beiträge, interne Analysen usw.

Sich wiederholende technische Texte, die nur zweckmässig sein müssen, wie z. B. Bedienungsanleitungen. Wenn möglich, sollte ein menschlicher Übersetzer diesen Inhalt jedoch nachbearbeiten, um mögliche Probleme mit der Benutzererfahrung zu vermeiden.

Risikoarme Texte, die nicht zu 100 % exakt sein müssen oder komplexen Vorschriften entsprechen sollen – ein gutes Beispiel ist nutzergenerierter Inhalt wie Produktbewertungen, bei denen Verbraucher im Allgemeinen keine hohe Qualität erwarten.

Schnell generierte Texte, wie Chat- oder E-Mail-Supportnachrichten, Kundenanfragen usw.

Grosse Textmengen mit schneller Umsetzung, wie Hunderte von Produktbeschreibungen, die schnell veröffentlicht werden müssen.

Häufig geänderte Inhalte – denken Sie an Funktions- und Informationsaktualisierungen.

Die meisten dieser Anwendungsfälle erfordern nur eine leichte manuelle Nachbearbeitung (ein Post-Editing) um Genauigkeit und Klarheit sicherzustellen. Unter Umständen können Sie sogar mit der Rohausgabe arbeiten, wenn der Inhalt nicht geschäftskritisch ist.

Einige andere Arten von Inhalten, die eine höhere Genauigkeit erfordern, erfordern eine zeitintensivere Nachbearbeitung. Dazu gehören:

Produktüberschriften: Sie sind hoch informativ und prägnant, enthalten oft Eigennamen und mehrdeutige Wörter, und ihre Wortreihenfolge ist normalerweise relativ frei, was zu Unklarheiten führen kann.

Übersetzungen zwischen Sprachpaaren mit unterschiedlicher Syntax: Japanisch und Spanisch beispielsweise erfordern eine Neuordnung von Wörtern und Phrasen, was gut gebildete Sätze für maschinelle Übersetzungsmotoren herausfordernder macht.

Inhalt, der die Kundenerfahrung beeinflusst: Dazu zählen Informationsdatenbanken, FAQs, Warnungen usw. müssen so genau wie möglich sein, um das Ziel eines effizienten Kundensupports zu erreichen.

SEO-Meta-Informationen für das Backend: Einige SEO-Elemente, wie Bildalternativtexte und Bildunterschriften, haben eine geringe Sichtbarkeit, benötigen jedoch technische Optimierung, z. B. zielgerichtete Schlüsselwörter in der Zielsprache, für eine verbesserte Suchplatzierung.

Fazit

Insgesamt liefert der Artikel einen informativen Rundumblick über DeepL, seine Funktionalitäten und Anwendungsgebiete, sowie essenzielle Einblicke für eine effektive Nutzung dieses KI-Übersetzungsdienstes.