1. Sammlung - Erfassen der Sprachdaten aus Websites, Glossaren, Sprachdatenbanken, Dokumenten, TMS-Exporten
2. Extraktion - Herauslösen der Sprachpaare aus den gesammelten Daten
3. Verarbeitung - Validieren, Bereinigen und Verarbeiten der Sprachdaten für die Trainings
4. AI-Training - Trainieren der Sprachmodelle auf das Übersetzungswissen
5. Bewertung - Evaluation der Sprachmodelle durch den Kunden im Modell-Blindtest

1. Sammlung:

Einem neuen Übersetzer würden Sie Sprachregelungen erklären. Sie zeigen ihm vielleicht ein Verzeichnis der Produktnamen. Eventuell existiert ein Glossar, in dem Sie Fachbegriffe und Übersetzungen festgelegt haben. In manchen Fällen können Sie sogar ein Dokument zur Corporate Language und dem Tone-of-Voice mitgeben. Oder Sie haben keine Struktur und weisen den Übersetzer an, dass er sich Ihre Veröffentlichungen anschauen soll und diesen Stil beibehalten soll. Diesen Teil der Sammlung machen wir vollautomatisch, sobald wir die Informationen erhalten.

2. Extraktion:

Aus allen Quellen und Daten die uns zur Verfügung gestellt werden, müssen wir Satzpaare finden.
Satzpaare sind die Währung des Trainings für Übersetzungsmodelle.

Ein Beispiel für einen Trainingssatz bei KWS Saat ist beispielsweise:

Deutsch: "Und so widerstandsfähig wie Roggen ist kaum ein anderes Getreide."
Englisch: "And there is hardly any other cereal that is so resistant as rye."

In diesem Satz ist sowohl Grammatik enthalten, als auch die sprachliche Tonalität, dass KWS von "cereal" spricht, während generische Übersetzungsmodelle  "grain" übersetzen würden.

3. Verarbeitung:

Die Daten die wir erhalten sind üblicherweise unsortiert. Gerade in veröffentlichten Dokumenten und Websites finden wir Texte, die nicht 1:1 an derselben Stelle und passend übersetzt worden sind. Daher haben wir eigene Technologie entwickelt, um diese Satzpaare zu finden und aufzubereiten. 
Damit wird ein Training wirtschaftlich und zeitlich sinnvoll machbar.

4. AI-Training:

Die aufbereiteten Sprachdaten führen wir in einem Trainingskorpus zusammen. Selbstverständlich mit Kontrollgruppe und für das zu trainierende Modell optimal aufbereitet. Die Trainingszyklen werden dann solange durchlaufen, bis die Ergebnisse gut genug sind für die Bewertung.

5. Bewertung:

In der Evaluationsphase stellen wir die Ergebnisse in einem separaten Bereich zur Verfügung. Dort können die Übersetzungsverantwortlichen die Ergebnisse der trainierten Unternehmensmodelle mit denen von generischen Modellen oder den bisherigen Übersetzungen validieren und überprüfen.

Im Betrieb stellen wir Ihnen per API und Webfrontend Ihre trainierten Übersetzungsmodelle zur Verfügung. Bei jeder Übersetzung können Sie Veränderungen aus dem Proofreading mitgeben. Zusätzlichen nutzen wir periodisch die Trainingsquellen und prüfen im Abgleich, welche Veränderungen am Sprachschatz stattgefunden haben, um diese wieder ins Modell zu trainieren.

Und wenn wir ad-hoc Änderungen haben und beispielsweise ein neues Produkt veröffentlichen? In unserem Trainingscenter können Sie die Änderungen direkt verwalten und bestimmen, dass Übersetzungen ab sofort zu verändern sind. Ihre Anpassungen im Trainingscenter nehmen wir ebenfalls regelmäßig in das Modelltraining mit auf.

Die Phasen Datenaustausch, Training und Evaluation haben wir schon in wenigen Werktagen realisieren können. Ein üblicher Wert sind etwa 3-4 Wochen. Dabei ist der kritische Pfad der Zugang zu den Daten - gerade bei Drittsystemen wie Translation Memory Systemen. Und die Verfügbarkeit der Übersetzungsverantwortlichen für die Evaluation.

In der Evaluation werden etwa 200 Satzpaare geprüft, Sie sollten mit etwa 16 Stunden Aufwand rechnen.