KI-Hype und Arbeitswelt. Neue Tools wie ChatGPT oder DeepL machen menschliche Übersetzer nicht überflüssig, sondern bringen Chancen – aber auch Probleme, schildern vier Translator:innen der Uni Innsbruck im Interview.
Extrajournal.Net: In den letzten Jahren sind neue KI-Systeme wie ChatGPT in den beruflichen und privaten Alltag vieler Menschen vorgedrungen. Dabei werden teils große Auswirkungen auf Ausbildung und Arbeitsmarkt prognostiziert. Eine Berufsgruppe, der wohl viele Menschen in der KI-Ära schlechtere Chancen zuschreiben, sind die Translatorinnen und Translatoren. Sehen Sie das auch so, oder geht die Weiterentwicklung der KI nicht auf Kosten dieser Berufsgruppe?
Katharina Walter: Einerseits werden seit einigen Jahren viele Übersetzungs- und auch manche Dolmetschprozesse teilweise automatisiert, andererseits sind Menschen in der professionellen Sprachmittlung weiterhin unverzichtbar. Wenn Sie mit „Kosten“ die Tatsache meinen, dass sich in unserem Berufsfeld vieles verändert bzw. verändert hat, dann bestätige ich gerne, dass die KI-Entwicklung in unserem Tätigkeitsfeld einen starken Einfluss hat. Übersetzer:innen zum Beispiel sitzen heute kaum noch mit riesigen Wälzern, wie z. B. gedruckten Fachwörterbüchern, an ihrem Schreibtisch, wenn sie Sprachdienstleistungen erbringen.
Warum Ikea nicht per KI übersetzt werden kann
Allerdings wirkt sich die Teilautomatisierung in verschiedenen Bereichen des Sprachdienstleistungssektors ganz unterschiedlich aus. Vor allem bei der Übersetzung von Sach- und Fachtexten besteht die Tätigkeit von Humanübersetzer:innen heute oft weitgehend darin, Texte für die maschinelle Übersetzung vorzubereiten und den maschinellen Output zu korrigieren. Wenn Texte – in welchem Bereich auch immer – ein hohes kreatives Potential aufweisen, ist die automatisierte Vorübersetzung oft nur wenig hilfreich. Man denke etwa an die Übersetzung eines Werbeslogans wie jenes von Ikea: „Wohnst du noch oder lebst du schon?“ Dieses Wortspiel beruht auf der nur teilweisen Überschneidung der Wortbedeutungen von „wohnen“ und „leben“ im Deutschen, die es im Englischen zum Beispiel in dieser Form nicht gibt. Im Englischen hat Ikea dafür in der Werbung ein Wortspiel auf der Ebene des Wortklanges konstruiert: „Live your life, love your home.“ Das ist genauso eindringlich wie das Wortspiel im Deutschen, nur funktioniert es eben auf einer ganz anderen Sprachebene.
Dieses Beispiel zeigt, dass man längst nicht alle Übersetzungsprozesse KI-basierten Tools wie DeepL und ChatGPT überlassen kann – schon gar nicht, wenn diese Übersetzungen nicht oder kaum von Menschen nachbearbeitet werden, denn nur ein kritisches sprachliches Bewusstsein erlaubt uns, gute Lösungen für solche Übersetzungsschwierigkeiten zu finden. KI-Tools können nur auf dem Prinzip der Wahrscheinlichkeit beruhende Übersetzungsvorschläge produzieren, die in der Regel nicht besonders originell sind.
Gerade generative KI-Tools wie ChatGPT jedoch – die nicht nur übersetzen, sondern auch neue Texte generieren können – sind unter Umständen auch für solche kreativen sprachlichen Transfers zur Ideenfindung nützlich, wenn man weiß, wie man mithilfe adäquater Prompts das Bestmögliche aus ihnen herausholen kann. Das ist eine von vielen neuen Fertigkeiten, die unsere Studierenden heutzutage erwerben müssen.
Generative KI-Tools sind nur in Sprachen stark, wo es sehr viele Daten gibt
Astrid Schmidhofer: Ebenso ist zu bedenken, dass die Leistung solcher Tools nicht für alle Sprachen gleich ist. Bei so genannten High-Resource-Sprachen, v. a. Englisch, aber auch Deutsch und den großen romanischen Sprachen, sind die Ergebnisse um vieles besser als bei Sprachen mit weniger Sprachdaten.
Des Weiteren gibt es beim Übersetzen oft auch eine rechtliche Haftung, die von einem Menschen übernommen werden muss. Wenn ein Auftragnehmer ein Tool einsetzt, ist er trotzdem für die Qualität der Übersetzung verantwortlich. Wird eine Übersetzung ohne das Eingreifen eines professionellen Sprachdienstleisters angefertigt, riskiert der Nutzer Fehler, die im Geschäftsleben mit finanziellen Einbußen verbunden sein können.
Marco Agnetta: Was einen barrierefreien Zugang zu Gütern und Dienstleistungen (wie z. B. Übersetzungen, Verdolmetschungen, Beschreibungen, Verschriftlichungen etc.) angeht, gewährleistet die (Teil-)Automatisierung von Prozessen eine Mindest- oder Grundsicherung. Hier gilt oft das Motto: „(Teil-)Automatisch generierte Inhalte sind besser als nichts“.
Auch hier könnten Synergien zwischen menschlichem Handeln und maschinellen Prozessen zu einer breiteren Verfügbarkeit von Informationen, Kulturgütern etc. führen.
Es gibt mehr Nachfrage, als es Studierende gibt
Wie entwickelt sich die Anzahl der Studierenden – verzeichnen Sie großen Andrang oder gibt es eher zu wenig Nachwuchs? Kann man eine Aussage über die Nachfrage am Arbeitsmarkt für die Absolvent:innen treffen?
Katharina Walter: Derzeit gibt es an der Uni Innsbruck 158 Studierende des Bachelor Translationswissenschaft und 91 Master-Studierende. Vor zehn Jahren (Wintersemester 2014-15) waren es 543 im BA-Studium und 122 im Master-Studium. Wir haben also einen massiven Rückgang erlebt, wobei es insgesamt einen Abwärtstrend im Bereich der Philologisch-Kulturwissenschaftlichen Fakultät gab, der wir angehören. Die Zahlen für die Germanistik lauten z.B. 131 BA-Studierende und 31 MA-Studierende, im Gegensatz zu 351 (BA) und 34 (MA) vor 10 Jahren.
Die Studierendenzahlen sind bei uns seit einigen Jahren rückläufig, was jedoch nicht den tatsächlichen Bedarf an Arbeitskräften im Sprachdienstleistungssektor widerspiegelt. Die Auftragsvolumen steigen in unserem Berufsfeld kontinuierlich, was vor allem auch mit den voranschreitenden Digitalisierungsprozessen der letzten Jahrzehnte zu tun hat. Heute ist nämlich viel mehr Text digital verfügbar als noch vor 20 Jahren. Viele Prozesse des Alltags werden mehr und mehr digitalisiert. Man denke nur an den Einkauf, Bankgeschäfte und viele andere Routinetätigkeiten.
Konzepte wie Barrierefreiheit in der Kommunikation, die im Alltag immer wichtiger werden, sind in der Theorie und Praxis des Übersetzens und Dolmetschens schon lange ein Thema, was vielen Menschen nicht bewusst ist. Ein Projekt zur Audiodeskription einer Oper für blinde und sehbehinderte Menschen am Tiroler Landestheater, das mein Kollege Marco Agnetta vor Kurzem mit seinen Studierenden durchgeführt hat, ist nur ein Beispiel für die vielfältigen Tätigkeitsbereiche von Sprachmittler:innen.
Was Sprachdienstleister:innen schon zu denken gibt, ist die Tatsache, dass ihre Kund:innen in den letzten Jahren aufgrund von Tools wie DeepL und ChatGPT den Aufwand ihrer Arbeit oft zu gering einschätzen und darum immer weniger bereit sind, die Tätigkeiten von Sprachmittler:innen angemessen zu entlohnen. Dem versuchen wir entgegenzuwirken, indem wir unsere vielfältigen Tätigkeitsbereiche sichtbarer machen.
Humanübersetzungen, Teilautomatisierung und Post-Editing
Außerdem müssen wir den Unterschieden zwischen reinen Humanübersetzungen und teilautomatiserten Übersetzungen, die von Sprachprofis im Rahmen eines so genannten Post-Editing finalisiert werden, auf den Grund gehen. Dabei müssen wir neben den Übersetzungsergebnissen auch die unterschiedlichen übersetzerischen Prozesse genau unter die Lupe nehmen. Nur, wenn man genau versteht, wie sich die Tätigkeit von Humanübersetzer:innen von der Arbeit von Post-Editor:innen unterscheidet, kann man feststellen, in welchen Bereichen sich eine maschinelle Vorübersetzung lohnt und in welchen nicht.
Meine eigene Forschung zu Prozessen der literarischen Übersetzung deutet bisher darauf hin, dass gerade in diesem Bereich die Zeitersparnis durch eine maschinelle Vorübersetzung gering oder kaum vorhanden ist, wenn man ein Ergebnis erzielen will, das an eine qualitativ hochwertige Humanübersetzung herankommt.
Marco Agnetta: Wo durch den Einsatz maschineller Systeme keine Reduktion des zeitlichen oder kognitiven Aufwands beim Übersetzen oder Dolmetschen erzielt werden kann, sind Diskussionen um eine Reduktion der Bezahlung der entsprechenden Sprachdienstleister, wie sie derzeit in der Branche geführt werden, fehl am Platz.
Astrid Schmidhofer: In der Reform unseres Bachelorcurriculums, die derzeit durchgeführt wird, gehen wir mehr auf diese neuen Berufsbilder ein und sehen Kurse zu barrierefreier Kommunikation und mehrsprachigem Content Management vor. Wir hoffen, dass sich dadurch das Interesse an unserem Studiengang erhöht.
Martina Behr: Denn Expert:innen, die für barrierefreie Kommunikation zwischen Menschen sorgen, werden weiterhin benötigt.
Übersetzer teilautomatisieren seit Jahrzehnten die eigene Arbeit
Wie setzen die Translatoren selbst KI-Übersetzungssoftware ein? Die Sprachwissenschaft hat ja solche Tools verwendet, lange bevor die Allgemeinheit darauf aufmerksam wurde.
Katharina Walter: Auch im Bereich der Translation werden bekanntlich schon seit Jahrzehnten viele Prozesse teilautomatisiert. Schon seit langem werden gerade in der Fachübersetzung CAT-Tools verwendet („CAT“ steht für „computer-assisted translation“), um z. B. die einheitliche Verwendung von Terminologie in längeren Texten zu gewährleisten. Neuronale maschinelle Übersetzungssysteme wie DeepL und Google Translate vereinfachen und beschleunigen seit 2017 viele Sprachmittlungsprozesse weiter, und seit 2022 sind nun eben auch generative KI-Tools wie ChatGPT als weitere Werkzeuge hinzugekommen. Diese Chatbots jedoch werden aller Voraussicht nach konventionelle maschinelle Übersetzungssysteme wie DeepL nicht ersetzen, sondern ergänzen.
Neuronale maschinelle Übersetzungssysteme wie DeepL sind weniger energiehungrig und schneller beim Übersetzen als ChatGPT und dergleichen. Außerdem wurden Modelle wie ChatGPT mit noch viel mehr Daten trainiert als neuronale maschinelle Übersetzungssysteme, und zwar in erster Linie mit einsprachigen Daten. Diese Trainingsdaten spiegeln somit eins zu eins die Verwendung unterschiedlicher Sprachen im Internet wider, und de facto sind fast 50% dieser Trainingsdaten englischsprachig. Das führt dazu, dass ChatGPT und Co vor allem im Englischen gute Ergebnisse liefern, in anderen Sprachen weniger, und man sagt manchmal sogar, dass generative KI-Modelle in anderen Sprachen einen „englischen Akzent“ aufweisen.
Der hohe Zufälligkeitsgrad bei der Sprachausgabe macht Probleme
Auch führen die größeren Volumen an Trainingsdaten bei Tools wie ChatGPT zu einem höheren Zufälligkeitsgrad bei der Textausgabe. Es kann also sein, dass man denselben Satz mit etwas zeitlichem Abstand fünf Mal mit ChatGPT übersetzt und dabei fünf recht unterschiedliche Ergebnisse bekommt. Das kann man beim professionellen Übersetzen nicht gebrauchen. Es zeichnet sich jedoch ab, dass zur Ideenfindung bei Texten mit einem hohen kreativen Potential Tools wie ChatGPT unter Umständen recht nützlich sein können, wie ich schon erwähnt habe.
Marco Agnetta: Auch Übersetzungen, die mehr als nur Sprache berücksichtigen, d. h. Bilder, Töne, gesprochene und geschriebene Sprache neu disponieren müssen, können wir heute auf maschinellen Lösungen aufbauen, die oft auch als Open Source im Web zur Verfügung stehen. Angehende und fertig ausgebildete Übersetzer, Untertitler, Hörfilmautoren, Opernbeschreiber, Accessibility-Experten etc. können Teile ihrer Tätigkeit an die Maschine abgeben.
Voraussetzung hierfür ist, dass die Vorgehensweise sowie die Potentiale und Risiken deren Einsatzes bekannt sind: Maschinelle Systeme sind etwa in der Lage, anhand von Speech-to-Text-Technologien automatische Untertitel zu generieren und diese mit dem Gesprochenen zu synchronisieren, während dagegen die Aufteilung in logische Segmente, die Groß- und Kleinschreibung, die Zeichensetzung sowie die Überführung in eine andere Sprache noch fehlerbehaftet sind. Auch Text-to-Speech-Technologien wie die Synthetisierung können genutzt werden – etwa um Menschen mit Behinderung Informationen vorzulesen.
Im Fernsehbereich und bei Kulturveranstaltungen sind automatisch synthetisierte Stimmen allerdings noch weitgehend verpönt – nicht zuletzt deswegen, weil durch die Praxis professionelle Sprecher zu finanziellem Schaden kommen. All dies müssen Akteure auf dem Gebiet berücksichtigen. Marktbezogene und ethische Überlegungen gehören zu einer Translatorenausbildung genauso dazu wie die technischen Kompetenzen und Fertigkeiten.
Martina Behr: Und letztlich müssen wir uns wohl fragen, ob wir Menschen miteinander kommunizieren wollen, oder mit Maschinen – die wenigsten von uns wollen vermutlich, dass ein Roboter eine Diagnose stellt, anstatt dass ein Arzt/eine Ärztin dies macht – und dabei, wo immer es sinnvoll ist, auch Technologien nutzt.
Sprachliche Verarmung durch enorme Mengen automatisch generierter Texte
Wo sind aus translationswissenschaftlicher Sicht die Herausforderungen im Bereich KI, an welchen Themen arbeitet die Uni Innsbruck hier selbst?
Katharina Walter: Das Institut für Translationswissenschaft der Universität Innsbruck arbeitet in unterschiedlichsten Bereichen mit und zu KI-Tools, sei es in der Fachübersetzung, der literarischen und audiovisuellen Übersetzung sowie auch beim Dolmetschen. KI-Tools wie ChatGPT sind hier nur ein weiterer Schritt im Kontext der zunehmenden Technologisierung dieses Tätigkeitsfelds, die schon seit Jahrzehnten voranschreitet.
Die größte Herausforderung derzeit ist aus meiner Sicht, der sprachlichen Verarmung durch enorme Mengen an automatisch generierten und übersetzten Texten im digitalen Raum entgegenzuwirken – und zwar, wenn diese Texte nicht oder nur unzureichend durch Sprachprofis nachbearbeitet werden. Es ist wichtig, sichtbar zu machen, welch vielfältige Tätigkeiten wir im Sprachdienstleistungssektor ausüben und warum es sich lohnt, auch jetzt noch gut ausgebildete Menschen in Sprachmittlungsprozesse einzubinden bzw. ein Studium in diesem Bereich zu beginnen.
Marco Agnetta: Neben den vielen Potenzialen bietet die Arbeit mit automatisch erzeugten Texten auch Risiken. Viele Texte, mit denen wir es tagtäglich zu tun haben, helfen uns dabei, unsere Handlungen und Entscheidungen zu lenken. Sind die Informationen in diesen Texten nicht wahr, sorgfältig recherchiert und zusammengestellt, so ist die Grundlage für eine solche Entscheidungsfindung und Handlungsvorbereitung nicht gegeben. Es entstehen Risiken, die rechtliche oder gar medizinische Konsequenzen haben können. Die Benützung automatisch erstellter Inhalte sollte daher stets mit einer Risikoeinschätzung einhergehen.
Fehler in der Speisekarte versus Fehler im Patientengespräch
Katharina Walter: Wenn Sie sich eine Speisekarte im Restaurant von Google Translate übersetzen lassen und dann ein Gericht serviert bekommen, das Ihnen nicht schmeckt, ist das ein überschaubarer Schaden. Wenn im medizinischen Kontext ein Gespräch zwischen Ärzt:innen und Patient:innen mit DeepL übersetzt wird und dabei eine Fehldiagnose herauskommt, kann der Schaden erheblich höher sein.
Aber auch wenn literarische Texte nicht mehr von professionellen Sprachdienstleister:innen, sondern von Maschinen übersetzt werden, schädigt das die Gesellschaft als Ganzes. Die Originalautor:innen haben sich unter Umständen redlich bemüht, einen wahrhaftigen bzw. schönen Text zu schreiben, der dann aber vielleicht aufgrund einer mangelhaften Übersetzung in der Zielsprache nicht ankommt. Dadurch sind neben den Autor:innen auch die Leser:innen beeinträchtigt, die gerade in Zeiten, in denen uns so viele digitale Tools zur Verfügung stehen, das Recht auf qualitativ hochwertige Texte in allen Sprachen haben sollten. Von den Übersetzer:innen, die es kränkt, wenn ihr Umfeld mutmaßt, dass ihre geliebte und anspruchsvolle Tätigkeit, für die sie viele Jahre studiert haben, gar zu leicht durch eine Maschine ersetzt werden könnte, wollen wir gar nicht reden.
„Wir müssen den Wert menschlicher Sprache wieder schätzen lernen“
Wir müssen den Wert menschlicher Sprache wieder schätzen lernen. Nur durch den kritischen Konsum qualitativ hochwertiger Texte können wir uns selbst das nötige Werkzeug erarbeiten, um in einer oder mehreren Sprachen genau das sagen zu können, was wir zum Ausdruck bringen möchten. Denn dieses Bedürfnis ist vielleicht der wichtigste ursächliche Grund, aus dem wir Sprache verwenden.
Astrid Schmidhofer: In der Forschung setzen wir uns gezielt mit dem Output verschiedener Systeme in verschiedenen Sprachkombinationen auseinander, um die Möglichkeiten, Grenzen und typischen Fehler der KI kennenzulernen. Ebenso beschäftigen wir uns damit, wie Prompting für den Übersetzungsprozess optimiert werden kann. In der Didaktik sehen wir uns auch an, wie wir KI-Tools für selbständiges Lernen von Sprachen nutzen können. Gerade in diesem Bereich sind die Ergebnisse, die Tools wie ChatGPT liefern, weit davon entfernt, Lehrkräfte ersetzen zu können.
Martina Behr: Im Simultandolmetschen in der Kabine wiederum wird untersucht, inwieweit die automatisch generierte Unterstützung (z. B. das Einblenden von Zahlen, die in einer Rede genannt werden) tatsächlich eine Hilfe darstellt: Studien zeigen bereits, dass die Richtigkeit automatisch generierter Zahlen höher ist. Allerdings muss die eingeblendete Zahl von einer Dolmetscherin oder einem Dolmetscher auch am Bildschirm in der Kabine gesehen und verarbeitet werden – das verbraucht kognitive Ressourcen. Normalerweise werden aber während des Dolmetschens durch das gleichzeitige Hören, Verstehen, Mit- und Vorausdenken sowie Sprechen bereits alle Ressourcen benötigt, so dass keine zusätzlichen zur Verfügung stehen.
Hier muss die Forschung folglich dazu beitragen, dass Systeme, die den Dolmetscher:innen in der Kabine helfen sollen, sie auch wirklich unterstützen und keine zusätzliche kognitive Belastung darstellen.
Im Interview
Ass.-Prof. Dr. Marco Agnetta, Univ.-Prof. Dr. Martina Behr, Mag. Dr. Astrid Schmidhofer und Mag. Dr. Katharina Walter vom Institut für Translationswissenschaft der Uni Innsbruck
Jetzt den Newsletter von Extrajournal.Net abonnieren
Täglich aktuell in Ihrer Mailbox.
Zu diesem Thema:
