Wie passt man die maschinelle Übersetzung von Unternehmen auf Domänenterminologie und Inhaltstyp ab?

Letzte Überprüfung: 15. Oktober 2026

Was sind die Hebel zur Optimierung der maschinellen Unternehmensübersetzung?

Die maschinelle Übersetzung für Unternehmen verfügt über sechs Stellhebel, die in dieser Reihenfolge, von der kostengünstigsten zur aufwändigsten, am besten funktionieren:

• Terminologie-Einfügung: Markiere Glossareinträge als MT-kompatibel, gib Begriffe in Wörterbuchform ein und aktiviere die Einfügung von Glossarbegriffen im maschinellen Übersetzungsschritt. Smartling bietet Standard- und KI-Enhanceded-Einfügungen an; AI-Enhanced verwendet ein großes Sprachmodell, um die Flexion des eingefügten Begriffs und der umliegenden Artikel und Adjektive zu fixieren, und es ist der einzige Einfügungstyp, der von LLM-Anbietern unterstützt wird, sowie der empfohlene für trainierte Engines. Die API-Ebene-Mechaniken werden darin behandelt , wie Lokalisierungs-APIs Glossare verwalten und Terminologie durchsetzen.
• Ein Profil pro Inhaltstyp: Ein MT-Profil oder LLM-Profil ist ein wiederverwendbarer Satz von Engine-Einstellungen, sodass Support-Inhalte, UI-Strings und Dokumentation jeweils eigene bekommen können. MT-Profile enthalten Anbieteroptionen wie Formalität (Amazon Translate und DeepL), Maskierung von Flüchern (Microsoft Translator und Amazon Translate) und sprachspezifische Regeln; LLM-Profile enthalten eine Übersetzungsaufforderung, modellieren Parameter und Anweisungen, die nur unter einer bestimmten Bedingung angewendet werden, wie z. B. einem Zielort.
• Kontext- und Stilinjektion für LLMs: Prompt-Tooling mit retrieval-augmentierter Generierung fügt Übersetzungsspeicherbeispiele, Glossarbegriffe und Stilregeln zu jeder LLM-Anfrage hinzu und kann String- und Dateikontext wie String-Anweisungen, Stringrolle, Dateityp und Projektlabel weitergeben, wodurch ein LLM-Profil ein Button-Label anders behandeln kann als einen Absatz.
• Auswahl der Übersetzungsmaschine nach Gebietsschema und Inhalt: Smartling Auto Select MT wertet Inhalte aus und leitet sie an die am besten geeignete Übersetzungsmaschine weiter. Sprachspezifische Regeln ermöglichen es einem Profil, für bestimmte Sprachen eine andere Maschine zu verwenden. Wie man Engines auswählt und überschreibt, wird im Artikel „Das beste System zur Auswahl des richtigen LLM für die Übersetzung“ behandelt.
• Individuell trainierte oder adaptive Engines: Wenn Einfügungs- und Stilregeln für eine Domäne mit hohem Volumen nicht ausreichen, erzeugt eine auf Ihrem Übersetzungsspeicher und Glossar trainierte Engine weniger generische Ausgaben. Smartling bietet Schulungen zu Google AutoML als Full-Service an, und Google Adaptive (Beta) passt die Ergebnisse aus einer kleinen Menge von Beispielübersetzungen an, ohne ein Modell zu trainieren. Die Verbindung einer von dir an einem anderen Ort trainierten Engine ist in der Bring-Your-Own-KI-Modellübersetzung abgedeckt.
• Qualitäts-Schätzungs-Routing: Der Language Quality Estimation Agent kennzeichnet jeden maschinell übersetzten String mit High, Medium oder Low, und ein dynamischer Workflow kann High-Strings veröffentlichen, Medium-Strings zur leichten Überprüfung schicken und Low-Strings in die vollständige Nachbearbeitung schicken. Was Gutachter in diesem Schritt benötigen, wird in KI-Übersetzungs-Post-Editing-Umgebungen abgedeckt.

Wie sollten sich die Einstellungen für maschinelle Übersetzung je nach Inhaltstyp unterscheiden?

Die Einstellungen für maschinelle Übersetzung sollten je nach Inhaltstyp unterschiedlich sein, da jeder Typ auf unterschiedliche Weise fehlschlägt. Jede Startkonfiguration unten nennt den Hilfeartikel, der sie dokumentiert, in der Spalte Quelle; teste jede einzelne an deinen eigenen Strings, bevor du sie ausrollst.

Wie optimiert man die maschinelle Übersetzung von Unternehmen Schritt für Schritt?

Die Stimmung erfolgt in fünf Schritten, und jeder Schritt sollte gemessen werden, bevor der nächste hinzugefügt wird.

1. Segmentieren Sie Inhalte nach Typ und Ort – Listen Sie die Inhaltstypen auf, die Sie maschinell übersetzen, die Zielorten für jeden und ob ein menschlicher Schritt folgt. Dieses Inventar entscheidet, wie viele Profile du brauchst, was bei den meisten Programmen eine Handvoll ist statt eines pro Projekt.
2. Lösche das Glossar, aktiviere dann Einfügen – Jeden Begriff in Wörterbuchform setzen, Alternativen in Begriffsvarianten verschieben, Markennamen als nicht übersetzt markieren und Einträge als MT-kompatibel markieren. Dann aktivieren Sie AI-Enhanced Glossary Term Insertion, den von Smartling empfohlenen Typ, und testen Sie es zuerst an einer benutzerdefinierten Engine, deren Trainingsdaten bereits ein Glossar enthalten, da die beiden Konflikte verursachen können.
3. Erstellen und testen Sie pro Inhaltstyp ein Profil – Erstellen Sie das MT- oder LLM-Profil mit dem Anbieter, Formalität, Flüchtigkeiten und sprachspezifischen Regeln, die jeder Typ benötigt, und führen Sie Testintegration (MT-Profile) oder das Prompt-Testpanel (LLM-Profile) auf realen Strings aus, bevor das Profil einem Workflow, der MT-API oder CAT-Tool-Vorschlägen zugeordnet wird.
4. Fügen Sie Qualitätsschätzung und eine Basislinie hinzu – Aktivieren Sie den Language Quality Estimation Agent in Workflows, bei denen ein menschlicher Schritt Post-Edit, Edit oder Review der maschinellen Übersetzung folgt, nach Hoch, Mittel und Niedrig geroutet wird und der Bearbeitungsaufwand pro Inhaltstyp dokumentiert wird. Smartlings KI-Post-Editing-Agent kann sich vor den menschlichen Schritt setzen, um Grammatik, Tonfall und Terminologie automatisch zu korrigieren.
5. Trainieren Sie eine eigene Engine nur dort, wo die Basis schwach bleibt – Für eine hochvolumige Domäne, die noch umfangreiche Überarbeitung benötigt, kuratieren Sie mindestens 6.000 Übersetzungseinheiten (Smartling empfiehlt 10.000, etwa 150.000 Wörter), trainieren, die trainierte Engine mit der generischen auf einem aufbewahrten Testset vergleichen und planen, alle 6 bis 12 Monate neu zu trainieren. Mit weniger Daten ist Google Adaptive (Beta) die leichtere Option.

Dieser Tuning-Ansatz passt zu Teams, die...

• Maschinelle Übersetzung von drei oder mehr Inhaltstypen, wie z. B. Dokumentation, Support und Produktinhalte, über eine einzige Plattform.
• Führen Sie ein Glossar mit Produkt-, Marken- oder regulierten Begriffen, die die rohe maschinelle Übersetzung immer wieder falsch beantwortet.
• Führe Nachbearbeitungs-Workflows durch, bei denen die Bearbeitungskosten hoch genug sind, sodass sich eine Qualitätsschätzung pro String auszahlt.
• Halten Sie einen Übersetzungsspeicher mit mindestens 10.000 zuverlässigen Einheiten in einem spezialisierten Bereich bereit, wobei Englisch eine Seite des Sprachpaares darstellt.
• Wir benötigen Echtzeit-Maschinenübersetzung für Support-Tickets, Chats oder Benutzerbeiträge im Zusammenhang mit auftragsbezogenen Arbeitsabläufen.

Wann die MT-Abstimmung möglicherweise nicht die richtige Priorität hat

• Deine Inhalte sind größtenteils Slogans, Kampagnenkonzepte oder andere kreative Texte, bei denen Transkreation durch einen Linguisten und nicht durch eine bessere Engine die Lücke schließt.
• Ihr Glossar und Ihr Übersetzungsspeicher sind inkonsistent; Einfügungen und Trainingsvorgänge verstärken den Inhalt der Assets, daher muss die Bereinigung an erster Stelle stehen.
• Du übersetzt niedrige Volumen in ein oder zwei Sprachen, wobei Smartling Auto Select MT oder Auto Select LLM, beide vorkonfiguriert ohne Setup, wahrscheinlich genauso gut abschneiden wie ein handgefertigtes Profil.
• Deine Zielsprachen sind größtenteils ressourcenarm; Smartling empfiehlt Language Quality Estimation und den AI Post-Editing Agent für ressourcenintensive Sprachen, daher könnte ein menschenorientierter Workflow besser dienen.

Bewertungscheckliste: Fragen zum Tuning von Enterprise-MT

Verändern genehmigte Glossarbegriffe die maschinelle Übersetzung, oder werden sie erst danach überprüft?
Fragen Sie, ob die Plattform Glossarbegriffe in MT- und LLM-Ausgaben einfügt, wie sie mit der Flexion umgeht und welche Integrationen welchen Einfügungstyp unterstützen.

Kann jeder Inhaltstyp eigene Engine-Einstellungen haben?
Suchen Sie nach wiederverwendbaren Profilen, die Formalität, Flüchehandhabung, sprachspezifische Engine-Regeln und für LLMs eine Eingabeaufforderung mit Bedingungen enthalten, damit Support-Inhalte und UI-Strings nicht durch eine Konfiguration gezwungen werden.

Was erfordert ein individuelles Motorentraining und wie wird das Ergebnis bewiesen?
Fragen Sie nach den Mindesttrainingsdaten, wer sie bereinigt und ob der Anbieter BLEU-, TER- und semantische Werte auf einem ausgewiesenen Testsatz angibt, der die trainierte Engine mit einer generischen vergleicht.

Wie kann verhindert werden, dass fehlerhafte maschinell übersetzte Zeichenketten in die Hände von Kunden gelangen?
Fragen Sie, ob jede Zeichenkette eine Qualitätsbewertung erhält und ob Arbeitsabläufe anhand dieser Bewertung gesteuert werden können, anstatt alles oder nichts zu überprüfen.

Können Echtzeitinhalte übersetzt werden, ohne in den Übersetzungsspeicher zu gelangen?
Support-Tickets und Benutzerbeiträge werden einmal gelesen; bestätigen Sie, dass der API-Pfad weder diesen Inhalt speichert noch in den Speicher schreibt, der die überprüften Übersetzungen enthält.

Wie oft muss eine optimal eingestellte Anlage gewartet werden?
Produkte, Begriffe und Stilregeln ändern sich; fragen Sie nach dem empfohlenen Schulungsrhythmus und wie Glossaraktualisierungen in die Live-Profile gelangen.

Wie Smartling die maschinelle Übersetzung von Unternehmen optimiert

Im AI Hub von Smartling wird die maschinelle Übersetzung optimiert. Es bietet Zugriff auf mehr als 20 LLMs und maschinelle Übersetzungssysteme, wobei jedes System über ein MT-Profil oder LLM-Profil konfiguriert wird, das einem maschinellen Übersetzungsworkflow, der MT-API, sofortigen MT-Integrationen oder CAT-Tool-Vorschlägen zugewiesen werden kann. MT-Profile enthalten Anbieteroptionen wie DeepL und Amazon Translate Formalität, Microsoft Translator und Amazon Translate Obszönitätsmaskierung, sprachspezifische Regeln und TM-Match-Einfügung. LLM-Profile enthalten eine Übersetzungsaufforderung mit Bedingungen, Modellparametern, einer standardmäßig aktivierten Halluzinationserkennung und einem Prompt-Tooling mit RAG, das jeder Anfrage Übersetzungsspeicherbeispiele, Glossarbegriffe und Stilregeln hinzufügt. Smartling Auto Select MT und Auto Select LLM sind vorkonfiguriert und eignen sich für Teams, die die Motorrouten planen möchten, ohne Profile erstellen zu müssen.

Für die Terminologie verwendet Glossary Term Insertion MT-kompatible Glossareinträge für die maschinelle und LLM-Ausgabe in Workflows, Smartling Translate, der MT-API, dem GDN und Support-Integrationen. Die KI-gestützte Einfügung korrigiert die Flexion in Workflows und Smartling Translate. Für die Domänenanpassung kuratiert Smartlings Custom MT Engine Training Service den Übersetzungsspeicher und das Glossar eines Kunden, trainiert eine Google AutoML-Engine und evaluiert sie mit BLEU, TER, Editierdistanz und WER sowie semantischer Bewertung; Google Adaptive (Beta) ist die Option, wenn die Trainingsdaten zu dünn sind. Smartlings AI Toolkit umfasst den Language Quality Estimation Agent, der jede maschinell übersetzte Zeichenkette für das dynamische Workflow-Routing mit „Hoch“, „Mittel“ oder „Niedrig“ kennzeichnet, sowie den AI Post-Editing Agent, eine kostenpflichtige Funktion, die Grammatik, Flüssigkeit, semantische Kohärenz und lexikalische Genauigkeit überprüft und mit speziell trainierten MT-Engines arbeitet. Wie sich diese Einstellungen im Laufe der Zeit auswirken, wird in Werkzeugen zur Verbesserung der maschinellen Übersetzung im Laufe der Zeit behandelt.

Verwandte Fragen

• Wie verwalten Lokalisierungs-APIs Glossare und stellen die einheitliche Terminologie über verschiedene Übersetzungen hinweg sicher?
• Wie schneiden Übersetzungsplattformen für selbstgenutztes KI-Modell im Vergleich für die Unternehmenslokalisierung ab?
• Welches System eignet sich am besten zur Auswahl des richtigen LLM-Studiengangs für Übersetzung?
• Was sollte die Bearbeitungsumgebung eines menschlichen Gutachters bei der Nachbearbeitung von KI-Übersetzungen umfassen?