Digitale Übersetzungstools wie DeepL liefern immer bessere Ergebnisse. Verlage beteuern zwar, dass sie den Menschen so schnell nicht ablösen werden. Doch Übersetzer:innen stellen sich schon mal auf veränderte Arbeitsbedingungen ein.
"Kann DeepL auch Literatur?", fragte Ende September eine Diskussionsrunde in Frankfurt am Main. Im Haus des Buches stellten André Hansen, Vorstandsmitglied des Verbands deutschsprachiger Übersetzer/innen literarischer und wissenschaftlicher Werke (VdÜ), und die literarische Übersetzerin Alexandra Rak dazu ein Projekt vor: 14 Kolleg:innen hatten getestet, was ihnen DeepL bringt – die KI, die auf diesem Gebiet im Moment besonders vielversprechend ist. Von März bis Mai nahmen sie sich sechs verschiedene Workflows vor, von der einfachen Nachbearbeitung von Maschinenübersetzungen über Post-Editing-Formen bis zum Einsatz von Fachübersetzungstechnik wie CAT-Tools (Computer-Assisted Translation). So hatten sie zum Beispiel mit DeepL einen Sachtext (den Anfang von Aubrey Gordons "What We Don’t Talk About When We Talk About Fat") und den Ausschnitt eines Unterhaltungsromans (aus Melissa Fergusons "Meet Me in the Margins") anhand unterschiedlicher Aufgabenstellungen bearbeitet.
In einem der Schritte hat etwa Alexandra Rak DeepL in der Funktion "Wörterbuch" genutzt. "Manche Wörtersuchen waren passgenau, viele aber auch nicht", resümiert die Übersetzerin und nennt als Beispiel "begrudgingly accommodating coworker". Alle drei von DeepL ausgespielten Ergebnisse passten nicht: "Mitarbeiter, der nur widerwillig entgegenkommt", "hilfsbereiter Mitarbeiter" und "entgegenkommender Mitarbeiter".
Auch bei "begrudgingly" selbst halfen die Wörterangebote "ungerne, beneidend, missgönnend" nicht weiter. Gemeint war "ein mäßig hilfsbereiter Kollege", aber darauf kam die KI nicht. "Beim Übersetzen geht es letztlich um ein Abwägen, ein Verknüpfen von gerade Gelesenem und vorhandenem Wissen, um dann die Entscheidung zu treffen, welcher Ausdruck am besten passt", erläutert Rak.
Die Überschrift dieses Artikels "Naja geht so" hat übrigens DeepL so übersetzt: "Well goes so" kam vor "Well so so" und schließlich "Well goes like this".
Das Fazit des Projekts "Kollektive Intelligenz" fällt gemischt aus. "Im Hinblick auf die literarische Qualität muss sich unser Berufsstand derzeit keine Sorgen machen, dass die Maschine uns irgendwann ersetzt", sagt André Hansen, einer der Leiter des Projekts. Gleichzeitig herrsche "eine gewisse Enttäuschung, dass Tools wie DeepL noch keine wirklich große Hilfe sind, etwa durch Zeitersparnis". Im Gegenteil: Es sei meist sogar aufwendiger, mit der künstlichen Intelligenz zu arbeiten. "Weil damit zu dem ohnehin komplexen Prozess des Literatur-Übersetzens noch ein weiteres Element hinzukommt."
Sie wollen diesen Plus-Artikel weiterlesen?
Dafür benötigen Sie ein Benutzerkonto sowie ein Abonnement!