Maschinelle Übersetzung

Maschinelle Übersetzung (MÜ oder MT für engl. machine translation), auch automatische Übersetzung, bezeichnet die Übersetzung von Texten aus einer Ausgangssprache (in der MÜ als Quellsprache bezeichnet) in eine Zielsprache mit Hilfe eines Computerprogrammes. MÜ ist ein Teilbereich der künstlichen Intelligenz. Während die menschliche Übersetzung Gegenstand der angewandten Sprachwissenschaft ist, wird MÜ vor allem in der Informatik und Computerlinguistik erforscht.

Menschheitstraum

Das Verstehen einer Sprache, ohne sie gelernt zu haben, ist ein alter Menschheitstraum (Turmbau zu Babel, J. Bechers numerische Interlingua, Timerio, Babelfisch, Pfingstwunder, Science-Fiction-Geschichten). Die Erfindung der Computer in Kombination mit der Beschäftigung mit dem Phänomen Sprache als wissenschaftlicher Disziplin (Sprachwissenschaft) haben zum ersten Mal einen konkreten Weg zur Erfüllung dieses Traums geöffnet.

Geschichte

Bis zum heutigen Tag hat das militärische Interesse den Weg der MÜ entscheidend geprägt. Eines der frühesten Projekte war ein Russisch-Englisch-Übersetzungsprogramm für das US-Militär. Trotz seiner anekdotenhaft schlechten Qualität genoss das Programm hohe Popularität unter US-Militärs, die sich zum ersten Mal ohne den Umweg über Dritte (Dolmetscher und Übersetzer) selbst zumindest einen Eindruck vom Inhalt russischer Dokumente verschaffen konnten.

Der 1966 für das Pentagon erstellte ALPAC-Bericht bescheinigte der MÜ grundsätzliche Unrealisierbarkeit und brachte mit einem Schlag die Forschung für fast 20 Jahre praktisch ganz zum Erliegen. Erst in den 1980er Jahren begannen Elektrokonzerne wie die Siemens AG (Metal-Projekt) erneut mit der Forschung. Zu diesen Vorhaben zählt auch die Forschungsarbeit im Sonderforschungsbereich "Eletronische Sprachforschung" an der Universität des Saarlandes. Hier wurde das System "SUSY" entwickelt, das in der Lage war, von und ins Deutsche zu übersetzen.^[1] Ein weiteres System des Sonderforschungsbereichs war ASCOF, in dem neben morpho-syntaktischen auch semantische Informationen für die Übersetzung herangezogen wurden.^[2] In der gleichen Zeit initiierte die japanische Regierung das Fünfte-Generation-Projekt, bei dem MÜ von Englisch in Japanisch zunächst auf der Basis der Programmiersprache Prolog implementiert wurde. Die enge Zusammenarbeit zwischen Universitäten, Elektrokonzernen und Regierung führte zu den weltweit ersten kommerziellen MÜ-Programmen für PCs und hat Japan in die Führungsposition der MÜ-Forschung weltweit gebracht. In den 1990er Jahren lief in Deutschland das BMBF-Leitprojekt Verbmobil, dessen Ziel es war, deutsche, englische und japanische gesprochene Dialogsprache zu dolmetschen. Das Verbmobil-System sollte gesprochene Spontansprache erkennen, die Eingabe analysieren, übersetzen, einen Satz erzeugen und ihn aussprechen.

Der Crash der Dotcom-Unternehmen 2000 bis 2001 hat auch viele kleinere MÜ-Unternehmen in den Ruin getrieben. Heutzutage sind in der MÜ-Software-Industrie weltweit schätzungsweise nur 10 bis 20 Unternehmen aktiv (viele Programme sind lizenziert, so dass der falsche Eindruck einer größeren Vielfalt entsteht), so dass sich die Entwicklung großenteils an den Universitäten abspielt. Eines der bekanntesten Forschungsprojekte dieser Art ist die freie Software Apertium, die von der spanischen Regierung und der Regierung von Katalonien finanziert und an der Universität Alicante weiterentwickelt wird.

Derzeit wird weltweit nur etwa 1 % des gesamten Umsatzes auf dem Übersetzungs-Markt mit MÜ-Anwendungen erzielt.

Dennoch gibt es mehrere Gründe für einen ansteigenden Bedarf an MÜ-Anwendungen:

• Viele Texte sind heute digital verfügbar (also leicht für den Computer zu verarbeiten).
• Die Globalisierung erfordert die Übertragung von immer mehr Texten in immer mehr Sprachen (der Markt für Übersetzung verdoppelt sich alle vier Jahre), während die Popularität des Berufs des Übersetzers/Dolmetschers stagniert.
• Gerade von nur wenigen Westeuropäern/Amerikanern gesprochene beziehungsweise für diese schwierig zu erlernende Sprachen aus Regionen, deren Bewohner ihrerseits kaum westliche Sprachen sprechen, werden immer wichtiger:
  • kommerziell wichtig: die ostasiatischen Sprachen Chinesisch, Koreanisch und Japanisch; sowie Thai.
  • militärisch wichtig: Sprachen der internationalen Konfliktregionen, vor allem mit Beteiligung des US-Militärs. 2003 haben gleich mehrere US-Software-Unternehmen Übersetzungsprogramme für Arabisch und sogar Paschtu (eine der Sprachen in Afghanistan und Grenzregionen Pakistans) herausgebracht. Ebenfalls 2003 hat die DARPA einen Blind-Wettbewerb für eine unbekannte Ausgangssprache durchgeführt.

Übersetzungs-Methoden

Alle MÜ-Systeme benutzen (in Datei-Form vorliegende) zweisprachige Wörterbücher und haben zumindest für grundsätzliche Grammatikregeln Module. Die einzelnen Methoden unterscheiden sich dennoch erheblich.

Die wichtigsten Methoden/Herangehensweisen der MÜ sind:

Direkte MÜ

Die Wörter des Quelltextes werden mit dem Wörterbuch Wort für Wort und in der gleichen Reihenfolge in die Zielsprache übertragen. Anschließend werden Satzstellung und Flexion nach den Regeln der Zielsprache angepasst. Dies ist die älteste und einfachste MÜ-Methode, die beispielsweise auch obigem Russisch-Englisch-System zugrunde lag.

Transfer

Die Transfer-Methode ist die klassische MÜ-Methode mit drei Schritten: Analyse, Transfer, Generierung. Der zweite Schritt hat der ganzen Methode den Namen gegeben. Zunächst wird die grammatische Struktur des Quelltextes analysiert, oft in einer Baumstruktur. Abhängig von der gewählten Transfermethode wird daraus oft eine semantische Struktur abgeleitet. Danach werden die Strukturen in die Zielsprache übertragen (=transferiert). Schließlich werden in der Zielsprache aus den Strukturen mit grammatischen Regeln wiederum Sätze erzeugt und so der Zieltext erzeugt (=generiert).

Interlingua

Die Interlingua-Methode analysiert zunächst die grammatische Information des Quelltextes und transferiert diesen, nach vordefinierten Regeln, in eine „Zwischensprache“ (=Interlingua). Die grammatische Information in der Zielsprache wird aus dieser Zwischensprache erzeugt. Die Interlingua-Methode ist hilfreich bei mehrdeutigen Ausdrücken. So kann man deutsch „Wenn ich arbeiten würde, würde ich mir ein Auto kaufen.“ nicht mit einer Transfer-Regel würde→would übersetzen („If I would work, I would buy a car.“), weil auf Englisch if-Sätze would nicht erlauben. In der Interlingua würde die würde-Information abstrakt als „Irreales Konditional“ weitergegeben und im Englischen je nach dem Satzkontext mit oder ohne would realisiert.

EBMT

(Example-Based Machine Translation, beispielbasierte MÜ)

Das Kernstück eines EBMT-System ist ein Übersetzungsspeicher, in dem häufig wiederkehrende Sätze oder Redewendungen mit ihren jeweiligen Übersetzungen gespeichert werden. Statistisch wird (mit Information-Retrieval-Methoden) berechnet, wie ähnlich alle Einträge des Übersetzungsspeichers jeweils einem Satz des Quelltextes sind. Aus der Kombination der Übersetzung der ähnlichsten Sätze wird die Übersetzung generiert.

SBMT

(Statistics-Based Machine Translation, statistische MÜ)

Vor der eigentlichen Übersetzung analysiert ein Programm ein möglichst großes und breitgefächertes Textkorpus von zweisprachigen Texten (oft zum Beispiel Parlamentsprotokolle, etwa aus dem kanadischen Hansard-Corpus). Dabei werden Wörter und grammatische Formen in Ausgangs- und Zielsprache einander - aufgrund ihrer Häufigkeit und gegenseitigen Nähe - zugeordnet und somit ein Wörterbuch sowie Grammatikübertragungsregeln extrahiert. Auf dieser Basis werden nun Texte übersetzt. Die SBMT ist in letzter Zeit sehr populär, weil sie keinerlei Kenntnis der beteiligten Sprachen voraussetzt. Ein daraus entstehender Vorteil der SBMT ist, dass auch Regeln, die sprachwissenschaftlich noch nicht genau erklärt sind, theoretisch mit erfasst werden können, indem reale Textbestände analysiert werden. Die Übersetzungsqualität ist bisher allerdings meist deutlich schlechter als die mit bestehenden regelbasierten Systemen erreichte, zum Teil auch deshalb, weil die statistische MÜ noch vergleichsweise jung ist. SBMT wird beispielsweise vom Pentagon für die Sprachen favorisiert, für die man schnell ein MÜ-System braucht, ohne Zeit für das Zusammentragen von Regeln durch Menschen zu haben.

HAMT

(Human-Aided Machine Translation, MÜ mit menschlicher Hilfe)

Anstatt die Übersetzung zu 100 % dem Computer zu überlassen, wird der menschliche Benutzer gebeten, mehrdeutige oder schwierig zu übersetzende Konstruktionen selbst zu übersetzen oder zu vermeiden (so genannte Kontrollierte Sprache). Dieses kann im voraus geschehen, indem der Benutzer beispielsweise lange Sätze in kurze Sätze unterteilt, oder in Interaktion, zum Beispiel indem das Programm den Benutzer bittet, die gewünschte Bedeutung eines Wortes auszuwählen. Siehe auch übersetzungsgerechtes Schreiben.

Die meisten Systeme in der Praxis sind eine Mischung aus mehreren Methoden (oft Dominanz des Transfersystems mit Interlingua und EBMT-Elementen).

Nicht zur maschinellen Übersetzung zählt die MAHT (Machine-Aided Human Translation, auch Computer-Aided Translation oder CAT genannt), also die bloß computerunterstützte Übersetzung, bei der ein Computerprogramm den menschlichen Übersetzer durch automatisches Nachschlagen von Terminologie (automatic dictionary look-up), Vergleich mit früheren Übersetzungen (Übersetzungsspeicher) und ähnliche Funktionen unterstützt.

Qualität

Bewertung

Die MÜ-Forschung benutzt die Evaluation, die skalierte Bewertung der Übersetzungsqualität. MÜ-Übersetzungen werden zunächst pro Satz bewertet; die normalisierte Summe der Sätze ist die Qualität des ganzen Textes. In den meisten Fällen wird die Bewertung per Hand von einem Muttersprachler der Zielsprache durchgeführt und in einer Kennziffer ausgedrückt. In Japan wird oft eine fünfstellige Skala mit 0–4 Punkten verwendet:

• 4 Punkte: Sehr gut verständlich bis perfekt; kein offensichtlicher Fehler.
• 3 Punkte: Ein bis zwei falsche Wörter; sonst gut verständlich.
• 2 Punkte: Mit gutem Willen kann man sich ungefähr denken, was ursprünglich gemeint war.
• 1 Punkt: Der Satz wird in einem anderen als dem gemeinten Sinn verstanden (wenn überhaupt). Das liegt oft an teilweise falscher, oder ganz falscher Grammatik-Übersetzung (Struktur).
• 0 Punkte: Der Satz ergibt keinen Sinn; sieht aus wie eine zufällig zusammengewürfelte, chaotische Anordnung von Wörtern.

Für große Übersetzungen benutzen MÜ-Forscher auch automatische Evaluations-Algorithmen wie den Bleu-Score, die allerdings der menschlichen Urteilskraft unterlegen sind.

Erwartungen

Der Stand der MÜ wird von vielen Menschen als unzureichend angesehen. Doch grundsätzlich versteht die Wissenschaft die menschliche Sprache noch unzureichend. Die meisten Sprachwissenschaftler gehen gar davon aus, dass das vollständige Begreifen von Sprache ein vollständiges Begreifen der menschlichen Intelligenz insgesamt impliziert. Man kann also die Ansicht vertreten, dass ein perfektes MÜ-System den menschlichen Geist simulieren und somit eine Form der Künstlichen Intelligenz darstellen müsste. Wie oben erwähnt ist es ein Vorteil der SBMT, dass dieses Problem umgangen wird, da theoretisch auch noch nicht explizit bekannte Regeln extrahiert werden können.

Praktische Probleme

Dass MÜ-Qualität oft als unbefriedigend empfunden wird, hat auch noch handfestere, teilweise behebbare Ursachen:

Wenig qualitative Programme

Viele bewerten den Stand der MÜ aufgrund kostenloser MÜ-Tools, die zum Beispiel im Internet auf Yahoo! oder Google verfügbar sind. Oft handelt es sich hier um abgespeckte oder ältere Versionen von sonst kostenpflichtigen (und besseren) Programmen, oder um eigens schnell (und schlecht) erstellte Programme.

Benutzer kennt Ausgangssprache

Gerade bei Übersetzungen zwischen westlichen Sprachen versteht der Benutzer oft die Ausgangssprache bis zu einem gewissen Grad selbst und ist so empfindlicher gegenüber Abweichungen als jemand, der ausschließlich auf die Übersetzung angewiesen ist.

Sprachstil

Jeder Sprachstil hat Besonderheiten, die teilweise noch nicht einmal in der Linguistik beschrieben wurden. MÜ-Systeme gehen meist von der geschriebenen Zeitungssprache aus. Besonders schlechte Ergebnisse liefern MÜ-Systeme bei den Textarten, für die sie nicht entwickelt wurden, also meistens bei literarischen Texten, bei gesprochener Sprache oder gelegentlich auch bei technischen Texten.

Mangelnde Interdisziplinarität

MÜ ist ein Bereich der Computerlinguistik, aber die meisten Forscher kommen aus einer der zwei Mutterdisziplinen dieser Fachrichtung, entweder aus der Informatik oder aus der Sprachwissenschaft, ohne sich genügend Fachkenntnisse in der jeweils anderen Disziplin anzueignen. Während Linguisten oft die Programmierpraxis fehlt, fehlt Informatikern oft die Bereitschaft zur Beschäftigung mit dem Phänomen Sprache. Aus diesem Grund liegt den meisten MÜ-Anwendungen ein strukturalistisches Sprachmodell zugrunde, das die Erkenntnisse in der Linguistik seit etwa 1960 wenig berücksichtigt.

Kein Austausch zwischen Industrie und Akademien

Kommerzielle MÜ-Unternehmen beschäftigen oft lieber reine Programmierer, die sich das Fachwissen „vor Ort“ aneignen sollen, als MÜ-Forscher von den Universitäten, die teilweise das Image haben, sich auf unwichtige Details zu versteifen bzw. sich in unwichtigen Details zu verlieren.

Zu kleines und/oder fehlerhaftes Wörterbuch

Mit den Veränderungen in Gesellschaft und Wissenschaft nimmt der Wortschatz einer Sprache jeden Tag rasant zu. Außerdem haben viele Wörter mehrere Bedeutungen (siehe Homonym), die durch Kontext-Analyse disambiguiert werden könnten. Wörterbuch-Mängel wie im Anfangsbeispiel Russisch-Englisch sind zu einem überraschend großen Teil für die schlechte Übersetzungsqualität verantwortlich. Die größten MÜ-Programme haben Wörterbücher mit mehreren Millionen Einträgen und einem Vielfachen an Bedeutungsunterscheidungen. Die detaillierte und vor allem fehlerfreie Erstellung solcher großen Wörterbücher für MÜ-Anwendungen durch Lexikographen stellt für kleinere Unternehmen einfach einen zu kostspieligen Aufwand dar.

Mangelnde Transfer-Regeln

Viele grammatische Phänomene unterscheiden sich stark von Sprache zu Sprache bzw. sind nur in bestimmten Sprachen vorhanden. Die Lösung dieser Probleme erfordert oft linguistische Grundlagenforschung; diesen Aufwand suchen MÜ-Unternehmen zu vermeiden.

Computerlinguistische Probleme

Daneben hat die MÜ viele Probleme, die auch bei anderen computerlinguistischen Anwendungen auftreten, zum Beispiel das Verständnis von Weltwissen.

Grammatische Problemgebiete (Diversionen)

In keinem MÜ-System wird jede grammatische Regel angewendet beziehungsweise analysiert. Vielmehr wird oft auf free rides vertraut. Free ride (kostenlose Mitnahme) bedeutet, dass ein bestimmtes, nicht analysiertes grammatisches Phänomen zufällig in der anderen Sprache in ähnlicher Form auftritt (sodass nur die Wörter übersetzt werden müssen). So beim Artikel: der, die, das wird sowieso fast immer zu the im Englischen, fast nie zu a, also scheint eine Analyse als „bestimmter Artikel“ überflüssig. Dass aber auch zwischen Deutsch und Englisch free rides scheitern können, zeigt der obige if-Satz mit „würde“. Zwischen weniger nah und nicht verwandten Sprachen, zum Beispiel Latein und Deutsch bzw. Chinesisch und Deutsch, sind free rides oft nicht mal auf der Wortebene eine sichere Wahl.

Viele komplexe Grammatik-Phänomene sind von der MÜ noch gar nicht oder nur in Ansätzen erforscht. Dann sind free rides oft die einzige Lösung. Solche Phänomene sind (Auswahl):

Artikel

Die germanischen und romanischen Sprachen haben Artikel, viele andere Sprachen dagegen nicht. Bei Übersetzung aus einer anderen Sprache muss der jeweils richtige Artikel quasi „aus dem Nichts“ generiert werden – aber eben nicht in allen Fällen.

Zusammengesetzte Nomina

In Sprachen wie Deutsch oder Japanisch kann die genaue Beziehung zwischen Nomina untereinander „kaschiert“ werden, indem man sie einfach nebeneinander stellt. In anderen Sprachen muss die Beziehung explizit gemacht werden. Beispiel: Donaudampfschifffahrtsgesellschaftskapitän = „Ein Kapitän, der bei einer Gesellschaft arbeitet, die Dampfschiffe auf der Donau betreibt“.

Zusammengesetzte Satzbestandteile

In der walisischen Sprache kann eine sehr lange Nominalphrase in einem Wort stehen, z. B. Llanfairpwllgwyngyllgogerychwyrndrobwllllantysiliogogogoch = „Marienkirche in einer Mulde weißer Haseln in der Nähe eines schnellen Wirbels und in der Gegend der Thysiliokirche, die bei einer roten Höhle liegt“.

Relativpronomen

Die meisten Sprachen haben gar kein oder nur ein einziges Relativpronomen. Bei Übersetzung in Deutsch (der, die, das) oder Englisch muss aber ausdifferenziert werden.

Tempus/Modalität

Jede Sprache hat ihr eigenes System, um zu sagen, dass ein Satz in der Vergangenheit passiert oder ein Befehl ist. In europäischen Sprachen wird dies oft mit Verb und Adverb realisiert.

Siehe auch

• computerunterstützte Übersetzung
• Übersetzung (Sprache)
• Übersetzungsgerechtes Schreiben

Literatur

• Douglas Arnold et al.: Machine Translation. An Introductory Guide. Blackwell, Manchester u. a. 1994, ISBN 1-85554-246-3.
• John W. Hutchins: Machine Translation. Past, Present, Future. Harwood und Wiley, Chichester/New York 1986, ISBN 0-470-20313-7.
• Uwe Muegge: Lokalisierung und Maschinelle Übersetzungssysteme. In: Jörg Hennig, Marita Tjarks-Sobhani (Hrsg.): Lokalisierung von technischer Dokumentation. Schmidt-Römhild, Lübeck 2002, ISBN 3-7950-0789-5, S. 110–121.
• Kurt Eberle: Integration von regel- und statistikbasierten Methoden in der Maschinellen Übersetzung. In: Uta Seewald-Heeg, Daniel Stein (Hrsg.): Maschinelle Übersetzung – von der Theorie zur Anwendung. JLCL, Heft 3/09, 2009.

Weblinks

 Wiktionary: maschinelle Übersetzung – Bedeutungserklärungen, Wortherkunft, Synonyme, Übersetzungen

• Texte von John Hutchins zur Geschichte der Maschinellen Übersetzung, unter anderem das Standardwerk Machine translation: past, present, future.
• Die Babel-Maschine in Brüssel (Artikel)

Einzelnachweise

1. ↑ H.-D. Maas: Das Saarbrücker Übersetzungssystem SUSY. In: Sprache und Datenverarbeitung. 1978 (1).
2. ↑ Axel Biewer et al.: A modular multilevel system for French-German translation. In: Computational Linguistics (Special issue on machine translation). Volume 11 Issue 2-3, April-September 1985, S. 137-154.