Beweise, dass Du kein Roboter bist – für Übersetzer ein leichtes Unterfangen

Ob wir einen Newsletter abonnieren, Zugang zu einem Download-Bereich bekommen, an einem Gewinnspiel* teilnehmen oder über ein Kontaktformular Rückfragen zu einem Produkt stellen möchten – bereits seit Jahren ist uns auf vielen Internet-Seiten das Pop-up, das uns auffordert, unser Menschsein gefälligst nachzuweisen, sehr vertraut. Es folgen entweder eine kurze Zeile voller verzerrter Zahlen und Buchstaben, oder etliche unscharfe Bildchen, auf denen wir mit zugekniffenen Augen nach Ampeln, Verkehrsschildern, Rasenflächen, Geschäftsfassaden oder Fahrzeugen suchen müssen. Es ist lästig, kostet Zeit, und ist je nach Tagesform und Sehvermögen nicht immer unbedingt einfach.

Wenn es um unsere Arbeit geht, können wir Übersetzer über eine solche Frage allerdings nur müde lächeln. Für uns gibt es nichts Leichteres, als zu beweisen, dass wir keine Maschinen sind. Allen Fortschritten und Varianten von Maschinenübersetzungen zum Trotz sind die mit automatischen Routinen erstellten fremdsprachlichen Texte nämlich deutlich und auf den ersten Blick von dem Ergebnis einer ganzheitlichen und professionellen Dienstleistung zu unterscheiden.

Der Grund: Wie Maschinen das „Übersetzen“ lernen

Um zu begreifen, warum, ist es hilfreich, zu wissen, wie maschinelle Übersetzung überhaupt funktioniert.
Stellen Sie sich vor, Sie würden ein großes zweisprachiges Wörterbuch mit etwa 200.000 Stichwörtern in der Hand halten. Sie finden darin nicht nur einzelne Wörter, sondern auch geläufige Redewendungen und Beispielsätze. Nehmen wir weiter an, Sie wären in der Lage, innerhalb von wenigen Stunden dieses Wörterbuch in allen Einzelheiten auswendig zu lernen. Könnten Sie diese Fremdsprache dann wirklich wie ein Muttersprachler verstehen und sprechen?
Natürlich nicht. Sie hätten eine sehr breitgefächerte Grundlage dazu, aber es würden Ihnen noch weitere Fähigkeiten und Kenntnisse fehlen. Denn Wörterbücher spiegeln nur eine Seite dessen wider, was Sprache ist: Sie sind nicht lebendig, sie können Nuancen und Sprachgefühl nur sehr begrenzt vermitteln.

Dieses Auswendiglernen von Wort- und Satzpaarungen, die ein wenig an Vokabelhefte aus der Schulzeit erinnern, ist die Basis der maschinellen Übersetzung.
In einem zweiten Schritt wird das, was wir im alltäglichen Sprachgebrauch „Grammatik“ nennen, in Form von Regeln und Algorithmen hinzugefügt. So erkennt die Maschine zum Beispiel nach dem „wenn X, dann Y“-Prinzip, wie ein Verb in der 2. Person Plural auszusehen hat.
Hinzu kommen statistische Analysen von bereits übersetzten Textpaaren, durch die die Maschine versucht, typische Muster und Verbindungen zwischen Sätzen zu erkennen und nachzuahmen. Dies soll dazu beitragen, dass die später produzierten Texte sich weniger hölzern, also flüssiger und natürlicher anhören.

Gefährlich gute Übersetzungsmaschinen: Es ist nicht alles Gold …

Gerade in diesem Aspekt liegt eines der größten Probleme maschinellen Übersetzens: Nur weil ein Text sich gut anhört und flüssig erscheint, muss er noch lange nicht richtig sein. Der Unterschied zwischen Sein und Schein kann sogar zu verheerenden Verwicklungen führen.

Missverständnisse auf Wortebene und bei idiomatischen Redewendungen

Wörter mit mehreren Bedeutungen können hier zu mitunter lustigen, für eine seriöse internationale Kommunikation jedoch sehr heiklen Missverständnissen führen, die schlimmstenfalls mit einem erheblichen Imageverlust einhergehen können. Möchten Sie Ihre Kunden etwa zu einem Workshop in den Truthahn einladen, oder doch lieber in die Türkei?

Und würden Sie sich eher als Weinamateur oder Weindilettant bezeichnen? Das Internet ist geradezu voll von unterhaltsamen Memes und Urlaubsfotos zu diesem Thema.

Dass die KI Fortschritte macht, bedeutet leider nicht, dass solche Verwechslungen ausgeschlossen sind. Sehr kurze Texte, die der Maschine keinerlei Querverbindungen ermöglichen, sind genauso gefährdet wie stilistisch verschachtelte Sätze. Insbesondere, wenn Sie die Zielsprache, in die übersetzt werden muss, selbst überhaupt nicht beherrschen und das Ergebnis nicht überprüfen können, kann dies katastrophale Folgen haben.

Der Grund für Fehlleistungen dieser Art ist einfach: Die Maschine ist bei Begriffen mit unterschiedlichen möglichen Übersetzungen nicht fähig, zu erkennen, was gemeint ist, erst recht nicht, wenn sie von der restlichen Textumgebung keine weiteren Kontextangaben bekommt. Bei Einzeilern wie Slogans und Titeln fällt dies besonders auf. Am fiktiven Beispiel „Die lustige Seefahrt – Ein Schwank in drei Aufzügen“ lässt sich die Schwierigkeit der Aufgabe aufzeigen: Ein Schwank kann ein Theaterstück sein, oder aber eine Bewegung bei Seegang, ein Aufzug kann ein Lift oder auch ein Akt sein. Die Maschine ist von der „Zweideutigkeit“ endgültig überfordert und wählt nach dem Zufallsprinzip bzw. der häufigsten Wortverwendung. Eine Maschine kann nur wiedergeben, aber nicht frei entscheiden.

Die größte Gefahr: Scheinrichtigkeit

Im Falle des Truthahns ist der Fehler für einen durchschnittlich gebildeten Menschen mit rudimentären Kenntnissen des Englischen meistens schnell ersichtlich.
Übersetzungen, die auf den ersten Blick richtig klingen, dennoch falsch sind, sind ein weitaus schwerwiegenderes Problem maschineller Übersetzungen.
Individuelle und hochwertige Texte, die dem von der Maschine Gelernten nicht entsprechen, können ohne Weiteres unbemerkt zu einem angenehm zu lesenden Ergebnis in der Zielsprache werden, inhaltlich aber missverstanden worden sein. Wir haben einen Satz aus diesem Blogartikel verschiedenen Übersetzungsmaschinen anvertraut. Hier die Ergebnisse für die französische Sprache:

Um die Ecke denken ist ihre Sache nicht:

Au coin de la rue, penser n’est pas leur truc (Deepl)

Penser au coin de la rue n’est pas son truc (Google Translate)

Penser au coin de la rue n’est pas leur truc (Microsoft Translator).

Dass diese Sätze nicht idiomatisch sind, ist für den Laien nicht notwendigerweise ersichtlich … und doch sind diese Übersetzungen schlichtweg nicht zu gebrauchen.

Warum der menschliche Übersetzer gegen die Maschine gewinnt

Endlich versus unendlich

Schachcomputer schlagen kaltlächelnd die größten Schachmeister, und dies wird oft und gern als Symptom und Ausdruck maschineller Intelligenz gewertet und kommentiert. Tatsächlich ist das Gegenteil der Fall. Dies zeigt genau, in welchen Bereichen Maschinen dem Menschen überlegen sind: in der schnellen systematischen, aber auch sturen Berechnung, Auswertung und Kombinierung von Millionen oder Milliarden mathematischer feststehender Datenmengen.

Sprache ist aber keine Mathematik, nicht einmal im engen Sinne des Wortes immer logisch, und selbst „Milliarden“ von Zugoptionen sind eine letztlich endliche Größe. Sprachliche Kombinationsmöglichkeiten wiederum sind volumenmäßig nicht nur groß, sie sind unendlichund so vielfältig und komplex wie die Menschen selbst.

Maschinen können Impliziertes nicht erkennen

Computer sind per se komikresistent, ironieblind, humorfrei und unflexibel.

Um die Ecke denken ist ihre Sache nicht. Metaphern können sie nicht erfassen, geschweige denn adaptieren. Was zwischen den Zeilen gesagt wird und mitunter in der Geschäftskorrespondenz oder in der Diplomatie von entscheidender Bedeutung sein kann, bleibt also auf der Strecke. Dies kann in Kategorien von Kundenerhalt oder Torpedierung einer Geschäftsbeziehung durchaus Zünglein an der Waage sein.
Ebenso können Computer Begriffe und ihre Verwendung bis zu einem gewissen Grad lernen, jedoch ihren Inhalt nicht einschätzen. Nicht nur Nuancen verschwinden dabei: So gravierende Realitätsabgrenzungen wie diejenige zwischen Gewährleistung und Garantie werden nicht ordnungsgemäß abgebildet.

FIFO: Wissen versus Wahrscheinlichkeit

Maschinen verarbeiten die Informationen, die ihnen gegeben werden, in einer bestimmten Reihenfolge: entweder derjenigen, die ihnen vorgegeben wird, oder derjenigen, die am einfachsten strukturiert ist und durchschnittlich am häufigsten vorkommt. Sie handeln sozusagen nach dem, was am wahrscheinlichsten ist, und nach dem FIFO-Prinzip. Kontext und Ausnahmen können sie inhaltlich nicht berücksichtigen. Ist die Grammatik für das Verständnis eines Satzes nicht alleine maßgeblich, erreicht maschinelle Übersetzung ihre Grenzen, und dies gilt auch für vermeintlich einfache Sprachpaarungen. So übersetzt Google Translate: „Das Ei isst die Frau“ tatsächlich mit „The egg eats the woman“.

Maschinen haben keinen sprachkulturellen Hintergrund

Übersetzungsmaschinen wissen nicht, was eine Zielgruppe ist, oder welche Werte in einem bestimmten Land wichtig sind, und kennen die Kommunikationsgepflogenheiten einzelner Branchen nicht. Sprachebenen sind ihnen fremd, sie sind nicht in der Lage, stilistische Eigenheiten herauszulesen und zu übertragen.
Soll ein Text frech und leichtfüßig wirken, seriös und gediegen? Die Maschine kann in solchen Typologien nicht denken. Sie erkennt Segmente und Cluster und sucht in ihrem Gedächtnis lediglich nach eintrainierten oder ähnlichen Mustern. Die feinen Nuancen zwischen Synonymen sind für sie austauschbar, und sie setzt sie wahllos nach dem Zufallsprinzip ein. Ob wir mit „schaffen“ eher „to create“, „to make“, „to develop“, „to produce“ oder etwas anderes meinen, ist ihr ziemlich gleichgültig. Deepl bietet für solche Fälle eine Funktion, bei der der Nutzer diese Wahl selbst treffen muss, und begnügt sich im Bewusstsein der eigenen Unzulänglichkeit damit, alle jeweiligen Synonyme vorzuschlagen, wenn man mit der Maus auf das fragliche Wort fährt – für Nicht-Muttersprachler eher eine Scheinlösung und ein „Ene mene muh“-Spielchen …

Raten versus Rückfragen

Ist eine Stelle im Ausgangstext einer Übersetzung nicht eindeutig zu verstehen, sind mehrere Interpretationen möglich, fragen wir Übersetzer bei unseren Kunden zurück. Dies stellt sicher, dass der Auftraggeber das bekommt, was er wirklich will und gemeint hat. Maschinen fragen nicht nach, sie raten im Grunde. Hat sich im Original ein Fehler eingeschlichen, wird er mitübersetzt, während er einem menschlichen Übersetzer nicht entgehen würde.

Es wäre ein Leichtes, in Schadenfreude zu verfallen und selbstgerecht festzustellen, was maschinelle Übersetzungen nicht können. Aber haben wir das nötig? Nein, sicher nicht. Uns genügt es, zu wissen, dass wir die Captcha-Frage gar nicht erst beantworten müssen. Es stimmt, dass die maschinelle Übersetzung in den letzten Jahren erhebliche Fortschritte gemacht hat – wie die KI ganz allgemein in vielen Bereichen. Die Qualität ihrer Arbeit ist jedoch noch lange nicht mit einer professionellen Leistung zu vergleichen. Und das sieht man auf den ersten Blick.

Fotos: @unsplash und Martina Schmid/eurolanguage