Maschinelle Übersetzung: Funktionsweise

Was maschinelle Übersetzung leistet

Maschinelle Übersetzung bezeichnet die automatische Übertragung eines Textes von einer Sprache in eine andere durch ein Computerprogramm. Die Software analysiert den Ausgangstext, berechnet wahrscheinliche Formulierungen in der Zielsprache und erzeugt daraus einen neuen Text. Dabei wird nicht einfach jedes Wort durch ein einzelnes Wort ersetzt. Moderne Systeme berücksichtigen den Zusammenhang eines Satzes und versuchen, grammatische Strukturen, feste Wendungen und den Sinn einer Äußerung gemeinsam zu erfassen.

Das Ergebnis kann für eine erste Orientierung, für mehrsprachige Kommunikation oder für die Bearbeitung großer Textmengen nützlich sein. Es ist jedoch nicht automatisch mit einer fachlich geprüften Übersetzung gleichzusetzen. Eine Maschine kann sprachliche Muster sehr überzeugend nachbilden, ohne die Absicht eines Textes, seine rechtlichen Folgen oder eine kulturelle Anspielung sicher zu verstehen.

Für Lernende ist diese Unterscheidung besonders wichtig. Eine automatische Übersetzung kann beim Erschließen eines unbekannten Textes helfen. Sie sollte aber nicht die eigene Sprachbeobachtung ersetzen. Wer jede Formulierung ungeprüft übernimmt, lernt unter Umständen einen falschen Gebrauch, eine unpassende Höflichkeitsform oder eine grammatisch mögliche, aber unnatürliche Wendung.

Von der Wortliste zum neuronalen Modell

Frühere Übersetzungsprogramme arbeiteten vor allem mit Wörterbüchern, festgelegten Grammatikregeln und statistischen Verfahren. Ein regelbasiertes System konnte beispielsweise erkennen, dass im Deutschen ein Verb häufig an einer bestimmten Stelle steht. Für viele Einzelfälle mussten Fachleute Regeln formulieren und Ausnahmen eintragen. Statistische Systeme verglichen dagegen große Mengen bereits übersetzter Texte. Sie berechneten, welche Wörter und Wortgruppen in bestimmten Zusammenhängen wahrscheinlich aufeinanderfolgen.

Heute werden häufig neuronale Übersetzungssysteme eingesetzt. Sie werden mit großen Sammlungen zweisprachiger oder mehrsprachiger Texte trainiert. Ein künstliches neuronales Netz verarbeitet dabei nicht nur einzelne Wörter, sondern kleinere und größere Einheiten eines Satzes. Diese Einheiten können je nach Modell Wörter, Wortteile oder andere Textsegmente sein. Das ist wichtig, weil ein unbekanntes Wort manchmal aus bekannten Bestandteilen erschlossen werden kann.

Beim Training sieht das Modell viele Beispiele aus Ausgangs- und Zielsprache. Es verändert seine internen Parameter so, dass seine Vorhersagen den vorhandenen Übersetzungen immer ähnlicher werden. Das Modell speichert dabei normalerweise nicht einfach eine fertige Übersetzung für jeden Satz. Es lernt statistische Zusammenhänge, etwa welche Satzmuster, Verbformen und Wortkombinationen in einem bestimmten sprachlichen Umfeld vorkommen.

Ein verbreitetes Grundprinzip moderner Systeme ist die Transformer-Architektur. Sie kann mithilfe eines Aufmerksamkeitsverfahrens prüfen, welche Teile eines Satzes für ein bestimmtes Wort besonders relevant sind. Bei der Übersetzung eines langen Satzes kann das Modell beispielsweise eine Verbform mit einem Subjekt verbinden, das mehrere Wörter entfernt steht. Diese Fähigkeit verbessert den Umgang mit Kontext, beseitigt aber nicht alle Fehler.

So entsteht eine automatische Übersetzung

Der Ablauf lässt sich vereinfacht in mehrere Schritte gliedern:

Segmentierung: Das System teilt den Text in Sätze und kleinere sprachliche Einheiten auf.
Kontextanalyse: Es ermittelt Beziehungen zwischen den Einheiten und berücksichtigt den bisherigen Satzverlauf.
Repräsentation: Wörter oder Wortteile werden in mathematische Vektoren umgewandelt. Diese Vektoren bilden sprachliche Ähnlichkeiten und Zusammenhänge ab.
Vorhersage: Das Modell berechnet, welches nächste Element in der Zielsprache wahrscheinlich passt.
Ausgabe: Die wahrscheinlich gewählte Folge wird zu einem lesbaren Zieltext zusammengesetzt.

Die Auswahl erfolgt nicht immer nach dem Prinzip, dass jedes einzelne nächste Wort die höchste Wahrscheinlichkeit haben muss. Übersetzungssysteme nutzen Verfahren, die mehrere mögliche Satzverläufe vergleichen können. Trotzdem bleibt die Ausgabe eine Wahrscheinlichkeitsentscheidung. Das Modell fragt nicht im menschlichen Sinn, ob eine Aussage wahr, beabsichtigt oder sachlich angemessen ist.

Ein System kann daher einen sprachlich glatten Satz bilden, der inhaltlich nicht zum Ausgangstext passt. Gerade die sprachliche Flüssigkeit erschwert die Kontrolle: Ein fehlerhafter Satz wirkt oft überzeugender als eine offensichtlich misslungene Übersetzung.

Warum Mehrdeutigkeiten zu Fehlern führen

Viele Wörter haben mehrere Bedeutungen. Das deutsche Wort Bank kann ein Geldinstitut oder eine Sitzgelegenheit bezeichnen. In einem ausreichenden Kontext lässt sich die richtige Bedeutung meist erkennen. Ist der Kontext aber kurz, fehlerhaft oder ungewöhnlich, kann das System die falsche Lesart wählen. Auch grammatische Mehrdeutigkeiten führen zu Problemen. Ein Pronomen wie sie kann je nach Satz eine einzelne Person, mehrere Personen oder eine Sache bezeichnen.

Besonders anspruchsvoll sind Wörter, deren Bedeutung stark vom Fachgebiet abhängt. Der englische Begriff draft kann unter anderem einen Entwurf, einen Luftzug oder im Finanzbereich einen Wechsel bezeichnen. Ein allgemeines Modell kann eine häufige Bedeutung bevorzugen, obwohl der Text eine fachsprachliche Variante verlangt.

Auch der Satz Die Sitzung wurde wegen des Streiks abgesagt kann je nach Kontext unterschiedliche Fragen offenlassen. Unklar bleibt etwa, ob die Sitzung selbst streiken sollte oder ob ein Streik außerhalb der Sitzung die Absage verursachte. Menschen ergänzen solche Informationen oft aus dem Zusammenhang. Ein System kann sich dabei an häufigen Mustern orientieren und dennoch die falsche Beziehung herstellen.

Bei der Überprüfung sollte deshalb nicht nur gefragt werden, ob jedes Wort bekannt vorkommt. Entscheidend ist, ob die gewählte Bedeutung zur Situation, zum Fachgebiet und zum gesamten Dokument passt.

Typische Fehler in Grammatik und Stil

Maschinelle Übersetzungen können grammatisch korrekt aussehen und trotzdem den Stil des Originals verfehlen. Häufige Problemfelder sind:

Bezüge: Pronomen oder Relativsätze werden einer falschen Person oder Sache zugeordnet.
Zeitformen: Das System wählt eine Vergangenheitsform, obwohl der Ausgangstext eine allgemeine Aussage oder eine noch andauernde Handlung meint.
Modalität: Ein vorsichtiges könnte wird als sichere Aussage wiedergegeben oder eine Pflicht wird zu einer bloßen Empfehlung abgeschwächt.
Negation: Ein nicht steht an einer Stelle, an der sich der Geltungsbereich der Verneinung verändert.
Anrede: Die formelle und die informelle Anrede werden nicht passend zur Beziehung der Beteiligten gewählt.
Wortstellung: Der Satz folgt zu stark der Ausgangssprache und wirkt in der Zielsprache unnatürlich.

Ein weiterer Fehler entsteht durch falsche Freunde. Das englische actual bedeutet in vielen Zusammenhängen tatsächlich und nicht aktuell. Das englische sensible entspricht meist vernünftig, während das deutsche sensibel eher durch sensitive oder eine passende Umschreibung wiedergegeben wird. Solche Beispiele zeigen, dass formale Ähnlichkeit keine verlässliche Bedeutungsbeziehung garantiert.

Feste Wendungen, Ironie und kultureller Kontext

Redewendungen sind eine besondere Herausforderung. Die deutsche Wendung Da liegt der Hund begraben bedeutet nicht, dass an einem bestimmten Ort tatsächlich ein Hund liegt. Eine wörtliche Übertragung kann deshalb für die Zielgruppe unverständlich sein. Je nach Kontext wäre eine sinngemäße Wendung oder eine erklärende Formulierung angemessener.

Auch Ironie wird häufig falsch erkannt. Der Satz Das hast du ja großartig gemacht kann echtes Lob sein oder, nach einem offensichtlichen Fehler, das Gegenteil ausdrücken. Die Bedeutung hängt von Situation, Tonfall und gemeinsamem Wissen ab. Textbasierte Systeme sehen diese Signale nur teilweise. Ein Emoji, ein vorangehender Satz oder ein bestimmtes Register kann Hinweise liefern, ersetzt aber nicht die menschliche Einschätzung.

Kulturelle Begriffe benötigen ebenfalls Aufmerksamkeit. Bezeichnungen für Schulsysteme, Behörden, Abschlüsse oder Rechtsformen haben nicht immer ein genaues Gegenstück in einer anderen Sprache. Eine automatische Übersetzung kann einen Begriff durch eine scheinbar ähnliche Bezeichnung ersetzen und dabei falsche Erwartungen wecken. Bei Zeugnissen, Bewerbungen, Verträgen und behördlichen Unterlagen ist deshalb zu prüfen, ob der Originalbegriff erhalten, erklärt oder durch eine offiziell verwendete Bezeichnung ersetzt werden sollte.

Fachtexte und sensible Inhalte prüfen

Je größer die möglichen Folgen eines Fehlers sind, desto weniger genügt eine ungeprüfte automatische Übersetzung. Das gilt unter anderem für medizinische, rechtliche, technische und sicherheitsrelevante Texte. Ein einzelnes falsch übertragenes Modalverb kann eine Empfehlung in eine Anweisung verwandeln. Eine ungenaue Maßeinheit, ein vertauschtes Dezimaltrennzeichen oder eine falsch verstandene Abkürzung kann praktische Konsequenzen haben.

Auch Eigennamen, Zahlen und Einheiten verdienen eine gesonderte Kontrolle. Systeme können Namen wie gewöhnliche Wörter behandeln, Datumsformate verwechseln oder eine Abkürzung aus einem anderen Fachgebiet wählen. Bei Tabellen ist zusätzlich zu prüfen, ob Überschriften, Reihenfolge und Zuordnung erhalten geblieben sind.

Ein sinnvoller Prüfplan umfasst mindestens diese Schritte:

Den Ausgangstext vollständig lesen und Zweck, Zielgruppe sowie Fachgebiet notieren.
Die automatische Übersetzung zunächst auf Auslassungen, Ergänzungen und Sinnveränderungen prüfen.
Zahlen, Namen, Einheiten, Verneinungen und Modalverben einzeln vergleichen.
Fachbegriffe anhand verlässlicher Fachquellen oder vorhandener Terminologielisten kontrollieren.
Die Zielsprache anschließend unabhängig vom Ausgangstext auf Verständlichkeit, Register und Natürlichkeit lesen.
Unklare Stellen mit dem Original abgleichen und gegebenenfalls durch eine fachkundige Person prüfen lassen.

Ein Vergleich der wichtigsten Einsatzfelder

Einsatzbereich	Möglicher Nutzen	Besonderes Risiko	Empfohlene Kontrolle
Erste Orientierung bei einem fremdsprachigen Text	Der grobe Inhalt wird schneller zugänglich.	Details und Einschränkungen können verloren gehen.	Schlüsselstellen im Original nachlesen.
Private Nachrichten	Eine Verständigung über Sprachgrenzen hinweg wird unterstützt.	Höflichkeit, Ironie und persönliche Anrede können unpassend wirken.	Kurze Sätze verwenden und die Ausgabe vor dem Senden lesen.
Lernhilfe	Wortwahl und alternative Formulierungen lassen sich vergleichen.	Fehler werden als korrekt übernommen.	Mit Wörterbuch, Grammatik und eigenem Wissen gegenprüfen.
Fachliche Veröffentlichung	Eine erste Arbeitsfassung kann Zeit sparen.	Terminologie und Aussagegenauigkeit können unzureichend sein.	Fachliche und sprachliche Schlussredaktion einplanen.
Vertrag oder offizielles Dokument	Der Inhalt kann vorläufig erschlossen werden.	Eine kleine Abweichung kann rechtliche Bedeutung haben.	Keine verbindliche Nutzung ohne geeignete fachliche Prüfung.

Maschinelle Übersetzung sinnvoll zum Sprachenlernen nutzen

Für Lernende ist die automatische Übersetzung dann besonders hilfreich, wenn sie als Vergleichswerkzeug eingesetzt wird. Eine mögliche Methode besteht aus fünf Phasen:

Den eigenen Übersetzungsvorschlag zuerst ohne technische Hilfe formulieren.
Die automatische Ausgabe danebenstellen und Unterschiede markieren.
Abweichungen nach Kategorien ordnen, etwa Wortwahl, Grammatik, Satzbau oder Stil.
Für jede wichtige Abweichung in einem Wörterbuch oder einer Grammatik nach dem Grund suchen.
Den Satz anschließend selbst neu formulieren und die Entscheidung begründen.

Diese Vorgehensweise macht aus einem fertigen Ergebnis einen Lernanlass. Wer nur die automatische Ausgabe kopiert, übt vor allem das Erkennen einer fremden Lösung. Wer dagegen mehrere Varianten vergleicht, entwickelt ein Gefühl für Kollokationen, Register und typische Satzmuster.

Nützlich ist außerdem die Rückübersetzung als Warnsignal. Dabei wird ein Zieltext erneut in die Ausgangssprache übertragen und mit dem Original verglichen. Eine Übereinstimmung beweist keine Richtigkeit, weil sich ein Fehler in beiden Richtungen fortsetzen kann. Deutliche Unterschiede zeigen jedoch, dass eine Stelle genauer untersucht werden sollte.

Für den eigenen Schreibprozess sollte man sensible Informationen nicht unüberlegt in externe Dienste eingeben. Dazu zählen personenbezogene Angaben, interne Dokumente und unveröffentlichte Arbeiten. Vor der Nutzung ist zu prüfen, welche Datenschutz- und Nutzungsbedingungen für das jeweilige Werkzeug gelten.

Was menschliche Übersetzerinnen und Übersetzer zusätzlich leisten

Eine fachkundige Übersetzung besteht nicht nur darin, wahrscheinliche Zielwörter zu finden. Menschen können den Zweck eines Textes klären, Rückfragen stellen und Entscheidungen an eine bestimmte Leserschaft anpassen. Sie erkennen eher, ob ein Satz informieren, überzeugen, warnen, beruhigen oder rechtlich festlegen soll.

Zu dieser Arbeit gehört auch die Recherche. Fachleute prüfen Terminologie, vergleichen parallele Dokumente und achten auf die Konventionen eines Fachgebiets. Bei literarischen Texten kommen Klang, Rhythmus, Mehrdeutigkeit und Stil hinzu. Bei technischen Texten stehen dagegen Eindeutigkeit, Konsistenz und die korrekte Bezeichnung von Bauteilen im Vordergrund.

Maschinelle Systeme können solche Arbeitsschritte unterstützen, etwa durch einen ersten Entwurf oder durch Vorschläge für wiederkehrende Formulierungen. Die Verantwortung für die endgültige Fassung liegt dadurch nicht automatisch bei der Software. Wer einen Text veröffentlicht oder für eine wichtige Entscheidung verwendet, muss die Aussage selbst nachvollziehen und die relevanten Stellen prüfen können.

FAQ zur maschinellen Übersetzung

Ist eine neuronale Übersetzung immer besser als eine ältere Methode?

Neuronale Systeme können Kontext und Satzbau oft umfassender verarbeiten als rein wortbasierte Verfahren. Das bedeutet jedoch nicht, dass jede Ausgabe besser ist. Bei seltenen Fachbegriffen, ungewöhnlichen Satzkonstruktionen oder stark standardisierten Texten können andere Verfahren oder eine menschliche Überarbeitung geeigneter sein.

Warum klingt ein falscher Satz manchmal sehr natürlich?

Das Modell wurde darauf trainiert, wahrscheinliche sprachliche Muster zu erzeugen. Flüssiger Stil zeigt deshalb vor allem, dass die Formulierung in der Zielsprache plausibel klingt. Er beweist nicht, dass die Aussage des Originals korrekt erhalten blieb.

Kann maschinelle Übersetzung beim Vokabellernen helfen?

Ja, wenn die Ausgabe als Hypothese betrachtet und mit Wörterbuch, Grammatik und Kontext verglichen wird. Für jedes neue Wort sollte geprüft werden, welche Bedeutung im konkreten Satz gilt und ob die vorgeschlagene Form zur Wortart, Zeitform und Situation passt.

Welche Texte sollten besonders sorgfältig geprüft werden?

Besondere Vorsicht ist bei medizinischen, juristischen, behördlichen, technischen und sicherheitsrelevanten Texten angebracht. Auch Bewerbungen, Zeugnisse und wissenschaftliche Arbeiten benötigen eine Prüfung von Inhalt, Terminologie, Stil und formalen Anforderungen.

Woran erkennt man eine problematische Stelle?

Warnzeichen sind unklare Pronomenbezüge, ungewöhnliche Wortkombinationen, widersprüchliche Zeitformen, fehlende Negationen, falsche Namen oder Zahlen sowie eine auffällige Nähe zur Satzstruktur der Ausgangssprache. Solche Stellen sollten mit dem Original und verlässlichen Sprach- oder Fachquellen verglichen werden.