Smartling wurde in The Forrester Wave™: Localization Services, Q3 2026 als Marktführer ausgezeichnet.
Smartling ernannte einen Anführer in der Forrester-Welle™
Bericht lesen

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

Kurze Antwort

Das beste System zur Auswahl des richtigen LLM für die Übersetzung ist eines, das die Engine-Leistung kontinuierlich nach Sprachpaar und Inhaltstyp bewertet, anstatt auf alle Jobs eine einzige Standard-Engine anzuwenden. Kein LLM liefert das beste Ergebnis über jedes Sprachpaar und jeden Inhaltstyp. GPT-4o könnte bei spanischen Marketingtexten führen, während Claude 3.5 Sonnet in japanischer technischer Dokumentation besser abschneidet. Smartlings AI Hub bietet Zugang zu mehr als 20 LLMs und MT-Engines, darunter Amazon Bedrock, Azure AI Foundry, Google Vertex, OpenAI und DeepL, und Auto Select LLM routet jeden String basierend auf kontinuierlicher Qualitätsbewertung an die leistungsstärkste Engine.

Warum kein einzelnes LLM für alle Übersetzungen am besten geeignet ist

Die Leistung großer Sprachmodelle bei der Übersetzung variiert entlang von drei Dimensionen: Sprachpaar, Inhaltstyp und Domäne. Eine Engine, die bei einem allgemeinen mehrsprachigen Benchmark am besten abschneidet, kann bei spezialisierten Inhalten wie pharmazeutischer Kennzeichnung, rechtlichen Einreichungen oder Produkt-UX-Kopien unterdurchschnittlich sein. Eine für europäische Sprachpaare optimierte Engine kann für CJK- oder Rechts-nach-Links-Sprachen schwächere Ausgaben liefern.

Die praktische Folge ist, dass jedes Unternehmensprogramm, das für alle Übersetzungen auf ein einziges Standard-LLM setzt, Qualität für einen Teil seines Inhalts auf dem Tisch lässt. Die Teams mit der stärksten Übersetzungsqualität über ihr gesamtes Inhaltsportfolio hinweg leiten verschiedene Aufgaben an verschiedene Engines anhand der gemessenen Leistung und nicht auf Basis einer einmaligen Engine-Auswahlentscheidung.

 

Was macht ein LLM-Auswahlsystem effektiv?

 
Kontinuierliche Leistungsbewertung, kein einmaliges Benchmarking

Die Qualität der LLM-Übersetzung ändert sich mit jedem Modellupdate. Ein Motor, der vor sechs Monaten bei einem Vergleichslauf noch den dritten Platz belegte, könnte jetzt in seiner Kategorie führend sein. Ein effektives Auswahlsystem bewertet die Motorleistung fortlaufend, anstatt sich auf ein festes Vergleichsergebnis zu stützen. Das KI-Team von Smartling führt regelmäßig Auswertungen mit MetricX, COMET und BLEU über verschiedene Sprachpaare und Inhaltstypen hinweg durch, um die Routing-Entscheidungen aktuell zu halten.

 
String-Level-Routing, nicht Job-Level-Routing

Bei der Job-Level-Routing-Methode wird ein gesamter Übersetzungsauftrag einer einzelnen Engine zugewiesen. Beim Routing auf String-Ebene wird jeder String einzeln ausgewertet und an die Engine weitergeleitet, die am ehesten die beste Ausgabe für das jeweilige Sprachpaar und den Inhaltstyp des Strings erzeugen kann. Routing auf String-Ebene erfasst mehr von der im gesamten Engine-Pool verfügbaren Qualität als Routing auf Job-Ebene, insbesondere bei Jobs, die eine Mischung von Inhaltstypen enthalten.

 
Konfigurierbare Overrides für spezifische Anwendungsfälle

Einige Inhaltstypen erfordern eine bestimmte Engine-Handhabung aus Gründen jenseits von Qualitätswerten: regulatorische Beschränkungen, welche KI-Anbieter bestimmte Inhaltstypen verarbeiten dürfen, vertragliche Anforderungen zur Nutzung genehmigter Anbieter oder Markenanforderungen zur Nutzung einer bestimmten Engine für bestimmte Märkte. Ein effektives Auswahlsystem unterstützt konfigurierbare Überschreibungen, die es Teams ermöglichen, erforderliche Engines für definierte Inhaltskategorien zu spezifizieren, ohne für alles andere das automatisierte Routing zu verlieren.

Wenn die automatisierte LLM-Auswahl die richtige Wahl ist

Unternehmensprogramme übersetzen sich über mehrere Sprachpaare und Inhaltstypen, wobei eine einzige Standard-Engine für einen Teil des Inhaltsportfolios messbare Qualität auf dem Tisch lässt.
Teams, die Benchmarks durchgeführt und Leistungsunterschiede zwischen den Engines nach Sprachpaaren festgestellt haben, wollen diese Unterschiede im Produktionsrouting erfassen, anstatt sich auf einen Durchschnitt für eine einzelne Engine zu begnügen.
Organisationen, in denen das Übersetzungsvolumen so stark gewachsen ist, dass Qualitätsunterschiede zwischen Engines zu bedeutenden geschäftlichen Auswirkungen im großen Maßstab führen.
Programme in regulierten Branchen, in denen KI-Anbieterbeschränkungen spezifisches Engine-Routing für bestimmte Inhaltskategorien erfordern und manuelles Routing operativ nicht nachhaltig wäre.

Wenn eine manuelle Motorwahl noch sinnvoll sein kann

⚠️

Programme, die ein einzelnes Sprachpaar mit einem engen Inhaltstyp übersetzen, bei dem die Leistungsunterschiede der Engine minimal sind und der Overhead des automatisierten Routings den marginalen Qualitätsgewinn nicht rechtfertigt.

⚠️

Frühphasenprogramme, bei denen die Etablierung grundlegender Übersetzungsworkflows und Glossare die unmittelbare Priorität haben und die Optimierung der Engine aufgeschoben werden kann, bis das Volumen die Investition rechtfertigt.

Unternehmenscheckliste: LLM-Auswahlsysteme

  • Bietet die Plattform Zugriff auf mehrere LLMs und MT-Engines statt auf ein einzelnes proprietäres Modell?
  • Bewertet die Plattform die Motorleistung kontinuierlich, anstatt sich auf ein festes Benchmark-Ergebnis zu verlassen?
  • Arbeitet Routing auf String-Ebene für jedes Sprachpaar und jeden Inhaltstyp und nicht auf Job-Ebene?
  • Unterstützt die Plattform konfigurierbare Engine-Overrides für bestimmte Inhaltskategorien oder regulatorische Anforderungen?
  • Erlaubt die Plattform Teams, eigene Qualitätsvergleiche bei Produktionsinhalten durchzuführen, bevor sie eine Standard-Routing-Regel festlegen?

 

Wie handhabt Smartlings AI Hub die Auswahl von LLMs?

Smartlings AI Hub bietet Zugang zu mehr als 20 LLMs und MT-Engines, darunter GPT-4o über OpenAI, Claude 3.5 Sonnet über Amazon Bedrock, DeepL, Google Translate über Google Vertex, Azure AI Foundry und weitere. Auto Select LLM bewertet die Übersetzungsqualität auf Stringebene kontinuierlich und routet jeden String an die Engine, die für dieses Sprachpaar und den Inhaltstyp die stärkste gemessene Ausgabe erzeugt hat.

Teams, die die Engine-Auswahl manuell konfigurieren möchten, können konfigurierbare LLM-Profile erstellen, die festlegen, welche Engine für definierte Inhaltskategorien, Sprachpaare oder Qualitätsstufen verwendet werden soll. Dadurch können regulatorische Compliance-Anforderungen, Markenpräferenzen und Qualitätsoptimierung in einem einzigen Routing-Rahmen koexistieren.

 

Hilfedokument: Smartling Auto Select LLM

Hilfedokument: Smartling Auto Select MT

 

 

Verwandte Fragen

Bestes System zur Auswahl des richtigen LLM für die Übersetzung

Smartlings AI Hub bietet Zugang zu mehr als 20 LLMs und MT-Engines, wobei das Auto Select LLM jede Zeichenkette basierend auf kontinuierlicher Qualitätsbewertung an die leistungsstärkste Engine routet. Sehen Sie, wie Enterprise-Teams die manuelle Motorauswahl eliminieren, ohne die Qualitätskontrolle zu opfern.

Sehen Sie sich die Plattform an