Übersetzen als Rechenkunst
VON DIRK SIEPMANN
Das Sprachprogramm DeepL legt binnen Sekunden fast fehlerfreie Übersetzungen vor. Fremdsprachenlehrer und Übersetzer müssen sich etwas einfallen lassen.
Einem zum Allgemeinplatz geronnenen Schreckensszenario zufolge wird die Digitalisierung die Arbeitswelt durchgreifend verändern. Inwieweit dies in vielleicht zehn oder zwanzig Jahren auch auf das Berufsbild des Übersetzers und Dolmetschers zutreffen wird, lässt sich seit etwa einem Jahr erahnen. So lange existiert nun der frei verfügbare Übersetzungsdienst DeepL, dessen Leistungsfähigkeit selbst die Dienste von Branchenriesen wie Google und Microsoft in den Schatten stellt. Doch auch Fremdsprachenlehrer und universitäre Philologen werden Überlegungen anstellen müssen, welchen Einfluss solche Übersetzungsdienste auf Lehre und Leistungsmessung nehmen.
Wie der Name bereits suggeriert, handelt es sich bei DeepL um ein sogenanntes Deep-Learning-Netzwerk. Im Gegensatz zu traditionellen Verfahren der maschinellen Übersetzung extrahieren Deep-Learning-Netzwerke wie DeepL automatisch Merkmale des sprachlichen Inputs. Sie stellen dann Zusammenhänge her zwischen relevanten Merkmalen von Ausgangstexten und optimalen Ergebnissen in Zieltexten. Der Vorteil dabei ist, dass ein bereits auf einer geringen Datenmenge trainiertes Netzwerk dann auch mit unstrukturierten Daten und mit einem praktisch unbegrenzten Input arbeiten kann. Je mehr Daten in Form von Sprachkorpora zur Verfügung stehen, desto besser wird das Übersetzungsergebnis aussehen.
Die Qualität der Übersetzungen steht und fällt also mit der Quantität und Qualität der bereits vorhandenen „Paarungen“ von Ausgangs- und Zieltexten. Daher glänzt DeepL besonders bei Übersetzungen mit Englisch als Ausgangs- oder Zielsprache und hier bei wenig kulturspezifischen Passagen von Sachtexten oder bei Firmenporträts, wie sie im Internet massenhaft zu finden sind. Fehler werden jedoch auch reproduziert: So findet sich als einziges englischsprachiges Äquivalent für eine (universitäre) Berufungsliste auf Linguee „appointments list“, das dann in ähnlicher Weise („list of appointments“) in DeepL übernommen wird. Da jedoch jeweils nur ein Kandidat auch tatsächlich zum Professor ernannt wird, sind Übersetzungen wie „final candidates list“ oder „definitive candidate pool“ adäquater. Generell zeigt DeepL noch größere Schwächen bei Fach- und Wissenschaftstexten, umgangssprachlich gefärbten Texten und narrativen Passagen literarischer Texte.
Lücken technischer Übersetzung
Bei Fach- und Wissenschaftstexten scheitert das Programm häufig an seltenen Ausdrücken oder an solchen, die zwar auch in der Alltagssprache auftreten, aber in diesen Textsorten spezifische Bedeutungen aufweisen. Heißt es beispielsweise in einem theologischen Text über die Confessiones des Augustinus, dass diese sich als Protreptikos, als „Werbeschrift“, auffassen lassen, so gibt DeepL dies als „advertising literature“ statt als „genre intended to encourage conversion“ wieder. Auch in der Syntax zeigt sich DeepL noch weniger flexibel als versierte Humanübersetzer, indem es beispielsweise die im Englischen so beliebten Partizipialkonstruktionen nicht systematisch verwendet. So würde ein Humanübersetzer bei einem Satz wie „der Falke stürzt sich kopfüber auf die Beute und erreicht dabei Geschwindigkeiten von 300 km/h“ sicherlich für „… reaching speeds …“ optieren. DeepL verwendet dagegen die einfache Koordination mit „and“.
Bei komplexen Verschachtelungen von Haupt- und Nebensätzen beispielsweise im Französischen produziert DeepL teilweise noch ähnlich unverständliches Kauderwelsch wie Google oder Microsoft: „Die Unterstützung der Konservativen, die im Voraus erworben werden, muss er die Gunst der Gemäßigten gewinnen, die, da sie an dritter Stelle stehen, sehr umworben sind.“ So wird der französische Satz übersetzt: „L’appui des conservateurs lui étant acquis d‘avance, il lui faut s’attirer les faveurs des modérés qui, depuis qu’ils sont arrivés en troisième position, sont très courtisés.“ Treffend wäre: „Da ihm die Unterstützung der Konservativen von vornherein sicher ist, muss er nun noch die Gunst der Mitte suchen, die seit ihrer Drittplazierung bei den letzten Wahlen stark umworben wird.“
Existenzfrage für Übersetzer
Viele der genannten Probleme dürften sich jedoch in nicht allzu ferner Zukunft lösen lassen. Natürlich ist zu erwarten, dass auch Google seine großen Textdatenbanken für solche Zwecke einsetzen oder Amazon sich in diesem Bereich eine neue Geschäftssparte erschließen wird, was die Entwicklung noch leistungsfähigerer Programme beschleunigen wird. Für den Computer bleibt allerdings bislang das Handicap, dass er letztlich nicht weiß, was er tut, und weder Übersetzungsprobleme kognitiv durchdringen noch inhaltliche Fehler erkennen kann. Es steht daher zu vermuten, dass die maschinelle Übersetzung sich der vollständigen Adäquatheit zwar asymptotisch nähern wird, diese aber erst erreicht werden kann, wenn wir menschliche Gehirne in jeder Hinsicht nachahmen werden können. Ob für fast fehlerfrei übersetzte Texte dann jedoch nicht eher ein fachlich versierter Korrekturleser, ein Romanautor oder Lektor in Frage kommt als ein Übersetzer, wird sich für diesen altehrwürdigen Berufsstand zur Existenzfrage entwickeln.
Ist DeepL schon besser als so mancher Hobbyübersetzer, so gilt dies in noch höherem Maße für Fremdsprachenlerner und -lehrer, aber auch für Studenten und Dozenten anderer Fächer. Hier lassen sich geradezu verheerende Entwicklungen voraussehen, die teilweise schon im Gange sind: Hausarbeiten, die Studenten in einer Fremdsprache verfassen sollen, werden auf Deutsch in DeepL eingespeist und in Sekundenschnelle in besserem Englisch, Französisch oder Spanisch wieder ausgespuckt, als es die Mehrzahl der Studenten je selbst hätte produzieren können. Da einige Fehler und stilistische Unebenheiten verbleiben, wird der Dozent den Unterschied nicht merken, aber über die solide sprachliche Leistung erfreut sein.
Fremdsprachendidaktik unter Rechtfertigungsdruck
Mit ähnlichen Problemen wird der schulische Fremdsprachenunterricht zu kämpfen haben, insbesondere dann, wenn, wie geplant, massiv elektronische Geräte in den Unterricht Einzug halten. Wozu sollte man sich intensiv mit dem mühevollen Lernen einer Fremdsprache auseinandersetzen, wenn DeepL einem die Arbeit abnehmen kann? Wozu noch Fremdsprachenunterricht, wenn Studien zur Motivation von Fremdsprachenlernern aus den Niederlanden schon jetzt zeigen, dass viele dortige Lerner ihre Fähigkeiten im Englischen lieber mit authentischen Youtube-Videos als im Schulunterricht ausbauen? Hier wird die Fremdsprachendidaktik an Schule und Hochschule gegenüber der Politik unter Rechtfertigungsdruck geraten. Die reine Kompetenzschulung, die zurzeit an den Schulen dominiert, aber schlechte Ergebnisse zeitigt, wird um eine stärkere bewusste Durchdringung sprachlicher Regelmäßigkeiten und um eine Besinnung auf den Bildungsauftrag des Fremdsprachenunterrichts ergänzt werden müssen, also um die verstärkte Lektüre literarischer, philosophischer und journalistischer Originaltexte, um Landeskunde und Kulturstudien.
Was bedeuten die genannten Entwicklungen für die philologischen Studiengänge? Da komplexe Forschungsprozesse immer noch am besten in Form einer Seminararbeit abgebildet werden können, wird man kaum auf diese Form der Anleitung zum forschenden Lernen, aber auch der Leistungskontrolle verzichten können. Seminararbeiten sollten aber zukünftig nicht mehr in sprachlicher Hinsicht bewertet werden. Stattdessen sollten verstärkt schriftliche und mündliche Leistungskontrollen unter kontrollierten Bedingungen durchgeführt werden, die den Sprachstand der Studenten auch testtheoretisch abgesichert überprüfen.
Schließlich ließe sich aus der Not eine Tugend machen: Zumindest Universitätsdozenten sollten in der Lage sein, die derzeit noch vorhandenen Schwächen von maschinellen Übersetzungsprogrammen wie DeepL mit ihren Studenten zu besprechen und damit eine Sensibilisierung dafür zu erreichen, dass es sich noch lohnt, zu einem Fremdsprachenexperten zu werden, der der Maschine zumindest noch eine Zeitlang überlegen sein wird. Für die wissenschaftliche Gemeinschaft insbesondere in den Geisteswissenschaften ergibt sich darüber hinaus mittelfristig die Chance, regionale Wissenschaftssprachen zu stärken. In zehn oder zwanzig Jahren sollte es für deutsche Wissenschaftler beispielsweise möglich sein, mit Hilfe entsprechender Apps an einer rein chinesischsprachigen Konferenz teilzunehmen. On n’arrête pas le progrès oder, wie DeepL es im Moment noch etwas jugendsprachlich ausdrückt: „Du kannst den Fortschritt nicht aufhalten.“
Das Sprachprogramm DeepL legt binnen Sekunden fast fehlerfreie Übersetzungen vor. Fremdsprachenlehrer und Übersetzer müssen sich etwas einfallen lassen.
Einem zum Allgemeinplatz geronnenen Schreckensszenario zufolge wird die Digitalisierung die Arbeitswelt durchgreifend verändern. Inwieweit dies in vielleicht zehn oder zwanzig Jahren auch auf das Berufsbild des Übersetzers und Dolmetschers zutreffen wird, lässt sich seit etwa einem Jahr erahnen. So lange existiert nun der frei verfügbare Übersetzungsdienst DeepL, dessen Leistungsfähigkeit selbst die Dienste von Branchenriesen wie Google und Microsoft in den Schatten stellt. Doch auch Fremdsprachenlehrer und universitäre Philologen werden Überlegungen anstellen müssen, welchen Einfluss solche Übersetzungsdienste auf Lehre und Leistungsmessung nehmen.
Wie der Name bereits suggeriert, handelt es sich bei DeepL um ein sogenanntes Deep-Learning-Netzwerk. Im Gegensatz zu traditionellen Verfahren der maschinellen Übersetzung extrahieren Deep-Learning-Netzwerke wie DeepL automatisch Merkmale des sprachlichen Inputs. Sie stellen dann Zusammenhänge her zwischen relevanten Merkmalen von Ausgangstexten und optimalen Ergebnissen in Zieltexten. Der Vorteil dabei ist, dass ein bereits auf einer geringen Datenmenge trainiertes Netzwerk dann auch mit unstrukturierten Daten und mit einem praktisch unbegrenzten Input arbeiten kann. Je mehr Daten in Form von Sprachkorpora zur Verfügung stehen, desto besser wird das Übersetzungsergebnis aussehen.
Die Qualität der Übersetzungen steht und fällt also mit der Quantität und Qualität der bereits vorhandenen „Paarungen“ von Ausgangs- und Zieltexten. Daher glänzt DeepL besonders bei Übersetzungen mit Englisch als Ausgangs- oder Zielsprache und hier bei wenig kulturspezifischen Passagen von Sachtexten oder bei Firmenporträts, wie sie im Internet massenhaft zu finden sind. Fehler werden jedoch auch reproduziert: So findet sich als einziges englischsprachiges Äquivalent für eine (universitäre) Berufungsliste auf Linguee „appointments list“, das dann in ähnlicher Weise („list of appointments“) in DeepL übernommen wird. Da jedoch jeweils nur ein Kandidat auch tatsächlich zum Professor ernannt wird, sind Übersetzungen wie „final candidates list“ oder „definitive candidate pool“ adäquater. Generell zeigt DeepL noch größere Schwächen bei Fach- und Wissenschaftstexten, umgangssprachlich gefärbten Texten und narrativen Passagen literarischer Texte.
Lücken technischer Übersetzung
Bei Fach- und Wissenschaftstexten scheitert das Programm häufig an seltenen Ausdrücken oder an solchen, die zwar auch in der Alltagssprache auftreten, aber in diesen Textsorten spezifische Bedeutungen aufweisen. Heißt es beispielsweise in einem theologischen Text über die Confessiones des Augustinus, dass diese sich als Protreptikos, als „Werbeschrift“, auffassen lassen, so gibt DeepL dies als „advertising literature“ statt als „genre intended to encourage conversion“ wieder. Auch in der Syntax zeigt sich DeepL noch weniger flexibel als versierte Humanübersetzer, indem es beispielsweise die im Englischen so beliebten Partizipialkonstruktionen nicht systematisch verwendet. So würde ein Humanübersetzer bei einem Satz wie „der Falke stürzt sich kopfüber auf die Beute und erreicht dabei Geschwindigkeiten von 300 km/h“ sicherlich für „… reaching speeds …“ optieren. DeepL verwendet dagegen die einfache Koordination mit „and“.
Bei komplexen Verschachtelungen von Haupt- und Nebensätzen beispielsweise im Französischen produziert DeepL teilweise noch ähnlich unverständliches Kauderwelsch wie Google oder Microsoft: „Die Unterstützung der Konservativen, die im Voraus erworben werden, muss er die Gunst der Gemäßigten gewinnen, die, da sie an dritter Stelle stehen, sehr umworben sind.“ So wird der französische Satz übersetzt: „L’appui des conservateurs lui étant acquis d‘avance, il lui faut s’attirer les faveurs des modérés qui, depuis qu’ils sont arrivés en troisième position, sont très courtisés.“ Treffend wäre: „Da ihm die Unterstützung der Konservativen von vornherein sicher ist, muss er nun noch die Gunst der Mitte suchen, die seit ihrer Drittplazierung bei den letzten Wahlen stark umworben wird.“
Existenzfrage für Übersetzer
Viele der genannten Probleme dürften sich jedoch in nicht allzu ferner Zukunft lösen lassen. Natürlich ist zu erwarten, dass auch Google seine großen Textdatenbanken für solche Zwecke einsetzen oder Amazon sich in diesem Bereich eine neue Geschäftssparte erschließen wird, was die Entwicklung noch leistungsfähigerer Programme beschleunigen wird. Für den Computer bleibt allerdings bislang das Handicap, dass er letztlich nicht weiß, was er tut, und weder Übersetzungsprobleme kognitiv durchdringen noch inhaltliche Fehler erkennen kann. Es steht daher zu vermuten, dass die maschinelle Übersetzung sich der vollständigen Adäquatheit zwar asymptotisch nähern wird, diese aber erst erreicht werden kann, wenn wir menschliche Gehirne in jeder Hinsicht nachahmen werden können. Ob für fast fehlerfrei übersetzte Texte dann jedoch nicht eher ein fachlich versierter Korrekturleser, ein Romanautor oder Lektor in Frage kommt als ein Übersetzer, wird sich für diesen altehrwürdigen Berufsstand zur Existenzfrage entwickeln.
Ist DeepL schon besser als so mancher Hobbyübersetzer, so gilt dies in noch höherem Maße für Fremdsprachenlerner und -lehrer, aber auch für Studenten und Dozenten anderer Fächer. Hier lassen sich geradezu verheerende Entwicklungen voraussehen, die teilweise schon im Gange sind: Hausarbeiten, die Studenten in einer Fremdsprache verfassen sollen, werden auf Deutsch in DeepL eingespeist und in Sekundenschnelle in besserem Englisch, Französisch oder Spanisch wieder ausgespuckt, als es die Mehrzahl der Studenten je selbst hätte produzieren können. Da einige Fehler und stilistische Unebenheiten verbleiben, wird der Dozent den Unterschied nicht merken, aber über die solide sprachliche Leistung erfreut sein.
Fremdsprachendidaktik unter Rechtfertigungsdruck
Mit ähnlichen Problemen wird der schulische Fremdsprachenunterricht zu kämpfen haben, insbesondere dann, wenn, wie geplant, massiv elektronische Geräte in den Unterricht Einzug halten. Wozu sollte man sich intensiv mit dem mühevollen Lernen einer Fremdsprache auseinandersetzen, wenn DeepL einem die Arbeit abnehmen kann? Wozu noch Fremdsprachenunterricht, wenn Studien zur Motivation von Fremdsprachenlernern aus den Niederlanden schon jetzt zeigen, dass viele dortige Lerner ihre Fähigkeiten im Englischen lieber mit authentischen Youtube-Videos als im Schulunterricht ausbauen? Hier wird die Fremdsprachendidaktik an Schule und Hochschule gegenüber der Politik unter Rechtfertigungsdruck geraten. Die reine Kompetenzschulung, die zurzeit an den Schulen dominiert, aber schlechte Ergebnisse zeitigt, wird um eine stärkere bewusste Durchdringung sprachlicher Regelmäßigkeiten und um eine Besinnung auf den Bildungsauftrag des Fremdsprachenunterrichts ergänzt werden müssen, also um die verstärkte Lektüre literarischer, philosophischer und journalistischer Originaltexte, um Landeskunde und Kulturstudien.
Was bedeuten die genannten Entwicklungen für die philologischen Studiengänge? Da komplexe Forschungsprozesse immer noch am besten in Form einer Seminararbeit abgebildet werden können, wird man kaum auf diese Form der Anleitung zum forschenden Lernen, aber auch der Leistungskontrolle verzichten können. Seminararbeiten sollten aber zukünftig nicht mehr in sprachlicher Hinsicht bewertet werden. Stattdessen sollten verstärkt schriftliche und mündliche Leistungskontrollen unter kontrollierten Bedingungen durchgeführt werden, die den Sprachstand der Studenten auch testtheoretisch abgesichert überprüfen.
Schließlich ließe sich aus der Not eine Tugend machen: Zumindest Universitätsdozenten sollten in der Lage sein, die derzeit noch vorhandenen Schwächen von maschinellen Übersetzungsprogrammen wie DeepL mit ihren Studenten zu besprechen und damit eine Sensibilisierung dafür zu erreichen, dass es sich noch lohnt, zu einem Fremdsprachenexperten zu werden, der der Maschine zumindest noch eine Zeitlang überlegen sein wird. Für die wissenschaftliche Gemeinschaft insbesondere in den Geisteswissenschaften ergibt sich darüber hinaus mittelfristig die Chance, regionale Wissenschaftssprachen zu stärken. In zehn oder zwanzig Jahren sollte es für deutsche Wissenschaftler beispielsweise möglich sein, mit Hilfe entsprechender Apps an einer rein chinesischsprachigen Konferenz teilzunehmen. On n’arrête pas le progrès oder, wie DeepL es im Moment noch etwas jugendsprachlich ausdrückt: „Du kannst den Fortschritt nicht aufhalten.“
