Welches System eignet sich am besten zur Auswahl des richtigen LLM-Studiengangs für Übersetzung?

Kurze Antwort

Das beste System, um das richtige LLM für die Übersetzung auszuwählen, ist eines, das die Auswahl automatisch basierend auf Leistungsdaten vornimmt, anstatt dass Lokalisierungsteams Engines pro Projekt manuell bewerten und konfigurieren müssen. Verschiedene LLMs und neuronale maschinelle Übersetzungs-Engines arbeiten unterschiedlich je nach Sprachpaar, Inhaltstyp und Domäne. Smartlings AI Hub verwendet Auto Select, um jeden String automatisch an die leistungsstärkste Engine für diese spezielle Kombination zu routen, wobei er auf über 20 LLMs und maschinellen Übersetzungs-Engines wie Amazon Bedrock, Microsoft Azure, Google Vertex AI, OpenAI und DeepL zurückgreift.

Warum die Auswahl von LLMs für die Qualität der Unternehmensübersetzung wichtig ist

Die Verbreitung großer Sprachmodelle hat ein neues Problem für Unternehmens-Lokalisierungsteams geschaffen: zu viele Optionen ohne einfache Möglichkeit, herauszufinden, welches für Ihre Inhalte am besten funktioniert.

Ein einzelnes LLM, das für englisch-französische Marketingtexte gut abschneidet, kann für japanische technische Dokumentation oder spanische Rechtsinhalte schlechter abschneiden. Sprachpaar, Inhaltsdomäne, Anforderungen an die Markenstimme und Satzstruktur beeinflussen alle, wie gut ein Modell eine Übersetzungsaufgabe bewältigt. Die Verwendung derselben Engine für alles führt zu ungleichmäßigen Ergebnissen in einem globalen Inhaltsprogramm.

Für Unternehmensteams, die Millionen von Wörtern über Dutzende von Sprachpaaren hinweg übersetzen, ist eine manuelle Engine-Auswahl nicht machbar. Man kann keine Benchmarks für jede Kombination aus Sprachpaar, Inhaltstyp und LLM vor jedem Projekt ausführen. Das Auswahlsystem muss diese Entscheidung automatisch, konsistent und so treffen, dass sie sich im Laufe der Zeit verbessert, wenn sich die Leistungsdaten ansammeln.

 

Die LLM-Auswahlherausforderung stellen sich Unternehmensteams gegenüber.

Die Wahl des richtigen LLM für die Übersetzung erfordert die gleichzeitige Bewertung mehrerer konkurrierender Faktoren:

  • Sprachpaarleistung: Kein einzelnes LLM führt über alle Sprachpaare hinweg. Ein Modell, das in europäischen Sprachen glänzt, könnte mit ostasiatischen oder Rechts-nach-Links-Schriften Schwierigkeiten haben. Die Leistung variiert selbst innerhalb einer Sprachfamilie erheblich.
  • Inhaltstyp und Domäne: Allgemeine LLMs, die auf breit gefächerten Daten trainiert sind, können flüssige, aber ungenaue Ausgaben für technische, medizinische, juristische oder stark markenbezogene Inhalte liefern. Die domänengeeignete Modellauswahl ist genauso wichtig wie das Sprachpaar.
  • Markenstimme und Terminologiekonsistenz: LLMs, die nicht von Anfang an von Ihrem Übersetzungsspeicher und Markenglossar beeinflusst sind, liefern Ergebnisse, die mehr Bearbeitung erfordern, was einen Großteil des Effizienzgewinns durch KI-Übersetzung aufhebt.
  • Halluzinationsrisiko: Verschiedene LLMs haben unterschiedliche Halluzinationsprofile. Ein sehr fließendes Modell neigt auch eher dazu, plausibel klingende, aber ungenaue Übersetzungen zu erzeugen, insbesondere für technische oder regulierte Inhalte.
  • Governance und Datenverarbeitung: Unternehmensteams haben oft Einschränkungen, welche KI-Anbieter für die Nutzung ihrer Inhalte zugelassen werden, basierend auf Datenverarbeitungsrichtlinien, vertraglichen Anforderungen oder regulatorischen Verpflichtungen.

 

Wie automatisches LLM-Routing das Auswahlproblem löst

Der effektivste Ansatz zur Auswahl von LLMs für die Unternehmensübersetzung ist automatisiertes Routing basierend auf beobachteten Leistungsdaten statt manueller Konfiguration. Anstatt von Lokalisierungsmanagern zu verlangen, die Engines pro Projekt bewerten und auswählen, vergleicht ein automatisiertes Routing-System verfügbare Engines mit Sprachpaaren und Inhaltstypen und routet dann jeden String an die Engine, die am wahrscheinlichsten das beste Ergebnis liefert.

Dieser Ansatz hat drei wichtige Vorteile gegenüber der manuellen Auswahl:

  • Konsistente Qualität im gesamten Programm: Jeder String erhält die bestmögliche Engine für seine spezifische Kombination aus Sprachpaar- und Inhaltseigenschaften, nicht die Engine, die zuletzt von einem Lokalisierungsmanager konfiguriert wurde.
  • Kein manueller Aufwand: Lokalisierungsteams müssen pro Projekt nicht benchmarken, vergleichen oder Engines konfigurieren. Die Auswahl erfolgt automatisch als Teil des Übersetzungsworkflows.
  • Kontinuierliche Verbesserung: Mit der Ansammlung von Leistungsdaten verbessern sich die Routing-Entscheidungen. Eine Engine, die mit starker Leistung für ein bestimmtes Sprachpaar startet, wird häufiger ausgewählt; eines, dessen Leistung sinkt, wird automatisch zurückgesetzt.

Wenn die automatische LLM-Auswahl die richtige Wahl ist

Enterprise-Programme, die über mehrere Sprachpaare übersetzt werden, wobei die manuelle Engine-Auswahl pro Projekt erheblichen Lokalisierungsmanagementaufwand und Fachkenntnisse in jeder Sprache erfordern würden.
Organisationen, die auf KI-gestützte Übersetzungsworkflows umgestiegen sind, möchten sicherstellen, dass für jedes Sprachpaar das leistungsfähigste Modell verwendet wird, ohne für jede Kombination eine manuelle Engine-Konfiguration zu verwenden.
Lokalisierungsteams, die die Übersetzungsqualität über einen vielfältigen Inhaltsmix hinweg ausbalancieren müssen, darunter Marketing, Produktoberfläche, Supportdokumentation und regulierte Inhalte, von denen jeder mit unterschiedlichen Engines am besten abschneiden kann.
Globale Programme mit Governance-Anforderungen, die einschränken, welche KI-Anbieter bestimmte Inhaltstypen verarbeiten dürfen, und ein Routing-System erfordern, das Provider-Beschränkungen automatisch durchsetzt, anstatt sich auf manuelle Konfigurationen zu verlassen.
Organisationen skalieren ihr KI-Übersetzungsprogramm und wollen sicherstellen, dass die Qualität nicht schwankt, wenn das Volumen zwischen neuen Sprachpaaren oder Inhaltstypen zunimmt.
Teams, die die Effizienz der LLM-Übersetzung ohne den ständigen Aufwand für das Benchmarken neuer Modelle anstreben, während sich die LLM-Landschaft ständig weiterentwickelt.

Wenn automatische Routing vielleicht nicht die unmittelbare Priorität hat, ist das automatische Routing nicht die unmittelbare Priorität

⚠️

Teams mit einem einzigen primären Sprachpaar und einem einheitlichen Inhaltstyp können feststellen, dass ein manuell konfiguriertes LLM-Profil so gut abschneidet, dass automatisiertes Routing nur begrenzten zusätzlichen Nutzen bietet.

⚠️

Organisationen mit hochspezialisierten Inhaltsbereichen wie der Dokumentation klinischer Studien oder fortschrittlichen Finanzinstrumenten profitieren möglicherweise von einem maßgeschneiderten oder domänenspezifischen Modell anstelle automatisierter Routing über allgemeine Engines.

⚠️

Programme befinden sich in den frühen Phasen der Einführung von KI-Übersetzungen, bei denen der Aufbau von Übersetzungsspeicher, Glossaren und grundlegender Workflow-Infrastruktur die unmittelbare Priorität vor der Optimierung der Engine-Auswahl ist.

Unternehmenscheckliste: Auswahl und Routing von LLMs

 
Motorenauswahl und Routing
  • Beinhaltet die Plattform automatisiertes Engine-Routing, das für jeden String das leistungsstärkste LLM oder die maschinelle Übersetzungs-Engine basierend auf Sprachpaar und Inhaltstyp auswählt, ohne dass pro Projekt manuell konfiguriert werden muss?
  • Greift das Routing-System auf Leistungsdaten mehrerer Engines zurück und aktualisiert Routing-Entscheidungen, wenn sich die Leistungsdaten im Laufe der Zeit ändern?
  • Kann die Plattform automatisch auf eine alternative Engine zurückgreifen, wenn die ausgewählte Engine keine qualitativ hochwertige Übersetzung für einen bestimmten String liefern kann?
 
Zugang und Governance des Anbieters
  • Auf wie viele LLM- und maschinelle Übersetzungs-Engines steht die Plattform zur Verfügung, und umfasst die Auswahl sowohl große Sprachmodelle als auch neuronale maschinelle Übersetzungs-Engines?
  • Kann die Organisation einschränken, welche LLM-Anbieter für die Nutzung mit ihren Inhalten zugelassen werden, sodass Engines, die keine internen Datenverarbeitungs- oder Compliance-Anforderungen erfüllen, vom Routing ausgeschlossen sind?
  • Beinhaltet die Plattform eine Halluzinationserkennung für von LLM generierte Übersetzungen, mit automatischer Weiterleitung zu einem Notfallanbieter, wenn eine Halluzination erkannt wird?
 
Individualisierung und Markenstimme
  • Werden Übersetzungsspeicher, Markenglossar und Stilführer bereits bei der LLM-Übersetzung angewendet, um sicherzustellen, dass Markenstimme und Terminologie im First-Pass-Ergebnis widergespiegelt werden und nicht nur während der menschlichen Überprüfung?
  • Unterstützt die Plattform konfigurierbare LLM-Profile, damit Teams Übersetzungsprompts anpassen, Retrieval-Augmented Generation (RAG) für Glossar und Speicher anwenden und verschiedene Konfigurationen mit echten Inhalten testen können?
  • Können verschiedene LLM-Profile für unterschiedliche Inhaltstypen, Projekte oder Sprachpaare innerhalb desselben Kontos konfiguriert werden?

Wie Smartling die Auswahl von LLMs angeht

Smartlings AI Hub ist die zentrale Schnittstelle für das Management von LLM- und maschinellen Übersetzungs-Engines und bietet Zugang zu über 20 Engines mit automatisiertem Routing, konfigurierbaren Profilen und integrierter Qualitätskontrolle.

1.
Auto Select routet jede Zeichenkette an die leistungsstärkste Engine. Smartling Auto Select leitet Inhalte automatisch an die am besten geeignete maschinelle Übersetzungs- oder LLM-Engine für jedes Sprachpaar und jeden Inhaltstyp weiter. Jedes neue Smartling-Konto enthält ein vorkonfiguriertes Auto-Select-Profil, sodass automatisiertes Routing ab Tag eins ohne manuelle Motorkonfiguration verfügbar ist.
2.
Auto Select LLM erweitert das Routing auf große Sprachmodelle. Smartling Auto Select LLM wendet dieselbe automatisierte Routing-Logik auf die LLM-Übersetzung an und richtet sich an Kunden, die eine bessere NMT-Qualität ohne manuelle Prompt-Konfiguration wünschen. Das System wählt das entsprechende LLM aus und wendet automatisch RAG-basierte Eingaben an, wobei Ihr Übersetzungsspeicher und Glossar verwendet werden.
3.
Über 20 Anbieter sind über den AI Hub verfügbar. Smartlings AI Hub bietet Zugang zu Anbietern wie Amazon Bedrock, Microsoft Azure (OpenAI GPT-Modelle), Google Vertex AI (Gemini-Modelle), OpenAI, Anthropic (Claude-Modelle), DeepL und anderen und deckt sowohl neuronale maschinelle Übersetzungs-Engines als auch große Sprachmodelle ab. Teams können konfigurieren, welche Anbieter für die Nutzung ihrer Inhalte zugelassen sind.
4.
Konfigurierbare LLM-Profile für erweiterte Anpassungen. Für Teams, die mehr Kontrolle benötigen, ermöglichen Smartlings LLM-Profile benutzerdefinierte Übersetzungsanweisungen, eine RAG-gestützte Integration von Glossar- und Übersetzungsspeicher sowie eine anbieterspezifische Konfiguration. Profile können vor der Bereitstellung mit echten Inhalten getestet und für verschiedene Inhaltstypen oder Sprachpaare unterschiedlich konfiguriert werden.
5.
Halluzinationserkennung mit automatischer Rückfallroute. Wenn ein LLM eine Zeichenkette erzeugt, die für mögliche Halluzinationen markiert ist, leitet Smartling diese automatisch an einen alternativen Anbieter weiter, anstatt die Ausgabe weiterführen zu lassen. Dies gilt für alle LLM-Anbieter im KI-Hub und arbeitet auf String-Ebene, sodass ein einzelner markierter String keinen ganzen Job blockiert.
6.
1
Übersetzungsspeicher und Glossar werden zur Übersetzungszeit angewendet. Smartlings AI Adaptive Translation Memory und die Durchsetzung des Glossars wenden die linguistischen Ressourcen Ihrer Marke bereits zum Zeitpunkt der LLM-Übersetzung an, nicht danach. So wird sichergestellt, dass das First-Pass-Ergebnis Ihre genehmigte Terminologie und Markenstimme widerspiegelt, unabhängig davon, welche Engine die Übersetzung übernimmt.

Verwandte Fragen

Bereit, Smartlings KI-Hub in Aktion zu sehen?

Smartlings AI Hub bietet Unternehmensteams automatisiertes LLM-Routing, über 20 Engines, konfigurierbare Profile und integrierte Qualitätskontrollen auf einer einzigen Plattform. Sehen Sie, wie Auto Select und Auto Select LLM das Rätselraten bei der Engine-Auswahl herausnehmen, damit Ihr Team für jedes Sprachpaar und jeden Inhaltstyp die besten Übersetzungen erhält.

Sehen Sie sich die Plattform an