Wie funktioniert das Übersetzungsgedächtnis mit maschineller Übersetzung und LLM-Prompts?

Letzte Überprüfung: 10. September 2026

Wie speist ein Translation Memory einen maschinellen Übersetzungs- oder LLM-Workflow?

Translation Memory greift an vier verschiedenen Stellen in einen MT- oder LLM-Workflow ein, und jede dieser Stellen verarbeitet einen anderen Bereich der Übereinstimmungsqualität:

• Ebene 1: SmartMatch und 100% Einfügung. Segmente mit einer identischen, zuvor genehmigten Übersetzung werden verwendet, bevor eine Engine aufgerufen wird. In der Dokumentation des AI Hub von Smartling heißt es, dass in einem MT-Workflow alle Segmente zuerst mit dem Translation Memory abgeglichen werden und SmartMatches nicht an die MT-Engine oder den LLM-Dienst gesendet werden.
• Schicht 2: TM Match Insertion oberhalb einer Schwelle. Ein MT-Profil kann so eingestellt werden, dass jedes TM-Match zu einem gewählten Prozentsatz oder höher, zum Beispiel 80 %, eingefügt wird und nur niedrigere Matches an die Engine weitergeleitet wird. Smartling empfiehlt eine sehr hohe Schwelle (99–100 %), wenn kein Nachbearbeitungsschritt folgt, da eine eingefügte 85%-Übereinstimmung ohne Überprüfung möglicherweise nicht zum neuen Quelltext passt.
• Schicht 3: KI-adaptives Übersetzungsgedächtnis (Fuzzy-Match-Reparatur). Bei Übereinstimmungen zwischen 50 % und 99,9 % erkennt ein LLM den Unterschied zwischen den alten und neuen Quellzeichenfolgen und schreibt die gespeicherte Übersetzung passend um, passt die Grammatik wie die Geschlechtsübereinstimmung an und fügt dann das reparierte Match ein. 100 % Übereinstimmungen werden nie repariert, und da der TM als Wahrheitsquelle behandelt wird, werden Glossar-Einfügungen und der KI-Post-Editier-Agent in diesen Abschnitten übersprungen.
• Schicht 4: RAG-Beispiele für wenige Schüsse im LLM-Prompt. Für Strings, die dennoch ein LLM erreichen, fragt Smartling den TM nach verwandten Übereinstimmungen ab und fügt diese als Beispiele für bevorzugten Ton, Terminologie und Formalitätsregister in den Prompt ein, zusammen mit Glossarbegriffen und ortsspezifischen Stilregeln für KI. Diese Beispiele informieren die Ausgabe; sie werden nicht wortwörtlich eingefügt.
• Write-back: maschinell erstelltes Übersetzungsgedächtnis (MCTM). Übersetzungen, die im AI-Übersetzungs-(AIT)-Workflow von Smartling veröffentlicht werden, werden in einem separaten MCTM gespeichert, getrennt von menschengenerierten TMs, sodass KI-Ausgaben wiederverwendbar für zukünftige AIT-, KI-Toolkit- und MT-Workflows werden, ohne den menschlichen TM zu belasten.

Übersetzungsspeicher und maschinelle Übersetzung: Referenzzahlen

Kann Übersetzungsspeicher in ein bestehendes maschinelles Übersetzungssystem integriert werden?

Ja. Das Übersetzungsgedächtnis integriert sich in ein bestehendes MT-System, indem es vor der Engine statt darin sitzt, sodass sich die Engine selbst nicht verändert. Die Integration erfolgt in fünf Schritten:

1. Behalten Sie die bestehende Engine als Übersetzungsanbieter bei - AI Adaptive Translation Memory und TM Match Insertion funktionieren mit jedem in Smartling konfigurierten MT-Anbieter, einschließlich Auto Select, einer bevorzugten Engine wie DeepL oder Google oder einer individuell trainierten MT-Engine, sodass ein bestehender Engine-Vertrag bestehen bleibt.
2. Fügen Sie das TM über das Linguistic Package des Projekts an – Das MT Profile nutzt die Übersetzungsspeicher, die dem Linguistic Package des Projekts und der Leverage Configuration zugewiesen sind, die dieselbe TM ist, die der menschliche Workflow verwendet; kein Export oder Reimport ist erforderlich.
3. Stellen Sie die Einfügungsschwelle so ein, dass sie mit dem Überprüfungsschritt übereinstimmt – TM Match Insertion im MT-Profil im AI Hub aktivieren und dann eine Schwelle wählen: niedrigere Werte (zum Beispiel 80 %), wenn ein menschlicher Nachbearbeitungsschritt folgt, 99–100 %, wenn Inhalte direkt aus dem MT veröffentlicht werden.
4. Fuzzy-Reparatur und Prompt-Erweiterung aktivieren – Aktivieren Sie AI Adaptive Translation Memory im Übersetzungsschritt des Workflows und kreuzen Sie für LLM-Anbieter unter Assets References im LLM-Profil Translation Memory Examples an, damit RAG automatisch Übereinstimmungen in den Prompt einfügt.
5. Gleiche Hebelwirkung auf Nicht-Workflow-Oberflächen ausweiten – Das gleiche LLM-Profil mit ausgewählten linguistischen Paketen wendet TM-Beispiele auf Smartlings MT-API und Instant-Translation-Integrationen an, einschließlich Global Delivery Network, ServiceNow, Salesforce Service Cloud, Zendesk, Figma und WordPress-Connectors.

TM-gesteuerte maschinelle Übersetzung passt zu Teams, die...

• Ich habe bereits einen Übersetzungsspeicher mit genehmigten menschlichen Übersetzungen für den Inhaltstyp, der jetzt zu MT- oder LLM-Workflows wechselt.
• Ein gemischtes Programm, bei dem ein Teil der Inhalte nachbearbeitet und ein anderer Teil direkt veröffentlicht wird, und für jeden Teil unterschiedliche Einfügeschwellenwerte erforderlich sind.
• Verwenden Sie ein LLM mit eigener Lizenz (OpenAI, Azure, Amazon Bedrock oder Vertex AI) und möchten Sie, dass die Eingabeaufforderung mit eigenen Beispielen anstelle von handgeschriebenem Text mit wenigen Beispielen ergänzt wird.
• Bezahlen Sie einen Sprachdienstleister nach Fuzzy-Match-Stufe und sichern Sie sich Rabatte für die Nachbearbeitung, wenn korrigierte Übereinstimmungen eine höhere Stufe erreichen.
• Wir möchten, dass KI-generierte Übersetzungen wiederverwendbar sind, ohne sie in das von Menschen freigegebene Translation Memory einzubinden.

Wenn die maschinelle Übersetzung mit TM-Unterstützung nicht die erste Priorität ist

• Das Übersetzungsgedächtnis ist klein, veraltet oder von gemischter Qualität; In der Smartling-Dokumentation heißt es, dass AI Adaptive TM und RAG die besten Ergebnisse liefern, wenn das TM qualitativ hochwertig und dem neuen Inhalt ähnelt, daher steht die Bereinigung an erster Stelle.
• Der Inhalt ist eine netto neue kreative oder Transkreationsarbeit ohne realistische Fuzzy-Übereinstimmungen, wobei der TM-Einfluss unabhängig von der Konfiguration nahezu null sein wird.
• Der LLM-Anbieter ist Google Translation LLM oder eine andere Engine außerhalb der vier RAG-unterstützten Anbieter. In diesem Fall kommen nur Einfügung und Fuzzy-Reparatur zum Einsatz, nicht aber die sofortige Erweiterung.
• Die Inhalte werden ohne menschliches Zutun veröffentlicht, und das Team ist nicht darauf vorbereitet, eine Einfügungsrate von 99-100% zu gewährleisten.

Bewertungscheckliste: Wie nutzen Forschung und Industrie das Übersetzungsgedächtnis mit KI?

Wie wird das Übersetzungsgedächtnis in der maschinellen Übersetzungsforschung verwendet?
Die Forschung behandelt TM als Abrufkorpus: Retrieval-augmentierte Translation (RAT) findet die obersten Fuzzy-Übereinstimmungen für einen Quellsatz und liefert deren Zielseitenübersetzungen zum Inferenzzeitpunkt an das Modell – ein Ansatz, der in Arbeiten von Amazon Science auf der EACL 2023 Findings untersucht wurde. Eine EAMT-Studie von 2026 in 14 Zielsprachen ergab, dass die Auswahl von Fuzzy-Match-Beispielen konsequent zufällige Auswahl und Zero-Shot-Prompting übertrifft, mit den größten Verbesserungen für ressourcenarme Sprachen, selbst mit einem TM von nur 358 Sätzen.

Was bedeutet "Prompt"-Übersetzungsgedächtnis in einem LLM-Workflow?
Das bedeutet, dass TM-Übereinstimmungen pro Zeichenkette abgerufen und als Beispiele in den LLM-Prompt geschrieben werden, die Produktionsform des Few-Shot-Prompts. In Smartling geschieht dies über Prompt Tooling mit RAG, und der Übersetzungsprompt selbst muss keine Beispiele enthalten; das Hilfezentrum empfiehlt, handeingefügte TM-Beispiele aus älteren Prompts zu entfernen, damit das LLM keine widersprüchlichen Anweisungen erhält.

Fügt die Plattform TM-Übereinstimmungen ein oder verweist sie nur darauf?
Beide sollten verfügbar und unterscheidbar sein. TM Match Insertion und AI Adaptive TM fügen die gespeicherte Übersetzung ein; RAG-Beispiele informieren nur die Ausgabe des LLM. Smartlings String-Historie kennzeichnet jeden Fall (Übersetzt durch Translation Memory, Übersetzt durch KI Adaptive Translation Memory oder Mixed Provider), sodass ein Gutachter erkennen kann, welchen Weg ein Segment genommen hat.

Was passiert, wenn Tags oder Variablen im Translation Memory nicht mit dem neuen Quellcode übereinstimmen?
Standardmäßig überspringt Smartling das Einfügen bei einer Fehlanpassung, greift auf maschinelle Übersetzung zurück und öffnet ein Problem auf der Zeichenkette; eine optionale Ausrichtungseinstellung kann das Match automatisch korrigieren, aber das Hilfezentrum sagt, dass es nur aktiviert werden sollte, wenn ein menschlicher Überprüfungs- oder Bearbeitungsschritt folgt.

Fließen die von der KI generierten Ergebnisse zurück in das Translation Memory?
Fragen Sie, ob die Maschinenausgabe in einen separaten Speicher geschrieben wird. Smartlings Machine Created Translation Memory speichert AIT-Workflow-Übersetzungen getrennt von menschlichen TMs, kann nur in AIT, AI Toolkit und MT-Workflows genutzt werden, wird nicht für Fuzzy Matching verwendet und kann keine Hebelwirkungsstrafe verursachen.

Was sind die neuesten Fortschritte in der Übersetzungsgedächtnistechnologie für MT?
Vier sind im öffentlichen Hilfezentrum von Smartling dokumentiert: LLM-basierte Fuzzy-Match-Reparatur (AI Adaptive Translation Memory), RAG-Injektion von TM, Glossar und Style Rules für KI in LLM-Prompts (Prompt Tooling mit RAG), ein dediziertes Machine Created TM mit standortübergreifender Nutzung (zum Beispiel fr-FR zu fr-CA) und Translation Memory Optimization für Google Adaptive, derzeit eine Beta, die einen TM in einen Datensatz für Googles adaptives MT bereinigt und repariert.

Wie verbindet Smartling Translation Memory mit maschineller Übersetzung und LLMs?

Smartling verbindet Übersetzungsspeicher mit maschineller Übersetzung über seinen AI-Hub, bei dem jeder MT- oder LLM-Workflow den Übersetzungsspeicher überprüft, bevor eine Engine aufgerufen wird. SmartMatches werden genutzt und niemals an die MT-Engine oder den LLM-Service gesendet. TM Match Insertion, konfiguriert gemäß MT Profile, fügt Übereinstimmungen über einem gewählten Schwellenwert ein und leitet den Rest an den Motor. AI Adaptive Translation Memory, Teil des KI-Toolkits, verwendet ein LLM, um Fuzzy-Übereinstimmungen zwischen 50 % und 99,9 % zu reparieren, sodass die gespeicherte Übersetzung zur neuen Quell-String passt, und der Word Count Report zeigt den Fuzzy-Wert nach der Reparatur, sodass die Nachbearbeitungsraten den reduzierten Aufwand widerspiegeln. Die Funktion funktioniert mit jedem MT-Anbieter, einschließlich maßgeschneiderter Engines, und ist automatisch für KI-gestützte Human Translation und Smartling Language Services MT-Workflows aktiviert.

Für LLM-Anbieter fragt Prompt Tooling mit RAG den Übersetzungsspeicher des Projekts für jeden String ab und fügt passende Beispiele sowie Glossarbegriffe und ortsspezifische Stilregeln für KI in Prompts ein, die an Amazon Bedrock, GPT über OpenAI oder Azure und Google Gemini über Vertex AI gesendet werden. Die Testoberfläche des LLM-Profils rendert die erweiterte Eingabeaufforderung vor der Ausführung eines gewählten linguistischen Pakets, und Jinja2-Bedingungen erlauben es, dass eine Aufforderung standortspezifische Regeln ohne separate Eingabeaufforderungen pro Sprache anwenden kann. Smartling Auto Select LLM wird als vorkonfiguriertes LLM-Profil mit bereits aktiviertem RAG ausgeliefert, und eine Studie von Smartling aus dem ersten Quartal 2026 ergab, dass LLMs mit gezielter Eingabeaufforderung und RAG Auto Select MT für die überwiegende Mehrheit der Sprachen übertreffen. Machine Created Translation Memory speichert dann veröffentlichte AIT-Übersetzungen in einem separaten MCTM, das SmartMatch und TM Match Insertion in zukünftigen AIT-, AI Toolkit- und MT-Workflows speist, wobei die Kostenschätzungen diese Nutzung automatisch widerspiegeln. Informationen zum Markenauftritt nach dem RAG-Algorithmus finden Sie unter „Wie KI-Übersetzungen sich natürlich anfühlen“. Informationen zur Programmebene der TM-Qualität im Zeitverlauf finden Sie unter „Welche Tools verbessern maschinelle Übersetzungen im Laufe der Zeit?“.

Hilfedokument: KI-adaptives Übersetzungsspeicher
Hilfedokument: Eingabeaufforderungstools mit RAG für LLM-Übersetzungen
Hilfedokument: Maschinell erstellter Übersetzungsspeicher für AIT-Übersetzungen

Verwandte Fragen

• Welche Werkzeuge sind am besten geeignet, um maschinelle Übersetzung im Laufe der Zeit zu verbessern?
• Wie lässt man KI-Übersetzungen mit Markensprache, Glossaren und RAG native wirken?
• Was ist maschinelle Übersetzung und wie bewertet man die Technologie?
• Wie lassen sich die Kosten für ein LLM-Studium im Bereich Übersetzung abschätzen, vergleichen und reduzieren?