Durch den Einzug der Maschinellen Übersetzung – ob neuronal oder mit Hilfe von Large Language Models – verschiebt sich der Aufgabenbereich der Sprachdienste im Unternehmen: von der Übersetzung selbst zum Qualitätsmanagement von maschinell vorübersetzten Texten.

Vor allem aber erfolgt nun tatsächlich ein Wechsel zur Bereitstellung der mehrsprachigen Terminologiearbeit bereits vor der Übersetzung. Die Terminologie entsteht nicht mehr erst im Übersetzungsprozess und wird dann nachgepflegt, sondern sie muss den Systemen für maschinelle Übersetzung bereits vorab mitgegeben werden.

Auch das CSA stellte 2024 fest: „ “As enterprises increasingly integrate machine translation (MT), large language models (LLMs), and knowledge graphs, terminology management becomes essential.” (CSA https://csa-research.com/Terminology)

Somit wird die Terminologiearbeit im Unternehmen zur neuen Aufgabe von breiter aufgestellten „Linguisten“; „Sprachexperten“ und „LangOps“, die das Wissen um Begriffe und Benennungen in allen erforderlichen Sprachen zusammentragen, in einer unternehmensweiten Terminologieplattform zur Verfügung stellen und für ihre Verteilung sorgen.

Damit einher geht eine neue Wahrnehmung und Anerkennung von Terminologie im Unternehmen als wesentlicher Beitrag zum Sprach(daten)-, Qualitäts- und Wissensmanagement. Neben den bekannten Argumenten für die Terminologiearbeit wie Eindeutigkeit und Konsistenz kann jetzt auch die Effizienzsteigerung in digitalisierten Geschäftsprozessen als weiteres Argument aufgeführt werden.

Diese neuen Aspekte und Chancen für den Sprachendienst beleuchtet das Webinar.

Durch den Einzug der Maschinellen Übersetzung – ob neuronal oder mit Hilfe von Large Language Models – verschiebt sich der Aufgabenbereich der freiberuflichen Übersetzer von der Übersetzung selbst hin zum Qualitätsmanagement von maschinell vorübersetzten Texten.

Die Terminologie entsteht nicht mehr erst durch die Übersetzer im Übersetzungsprozess und wird dann – wenn überhaupt – in der Termbank nachgepflegt, sondern sie muss den Systemen für maschinelle Übersetzung bereits vorab mitgegeben werden.

Qualitativ hochwertige Terminologie in den Fremdsprachen in einer Termbank erfassen zu lassen ist aber immer noch für viele Kunden etwas Neues. Bis heute wird Terminologie von ihnen eher als ein „Nebenprodukt“ gesehen, das bei jedem Übersetzungsauftrag entsteht und in den Translation Memories enthalten ist. Mit den von der KI erstellen Übersetzungen funktioniert das nicht mehr – und so wird Terminologiearbeit zur zwingenden Grundlage für maschinell übersetzte Texte.

Auch das CSA stellte 2024 fest: „ “As enterprises increasingly integrate machine translation (MT), large language models (LLMs), and knowledge graphs, terminology management becomes essential.” (CSA https://csa-research.com/Terminology)

Somit wird die Terminologiearbeit zu einer gemeinsamen Aufgabe von Freiberuflern und internen wie externen Sprachendiensten in Zusammenarbeit mit Landesgesellschaften und Fachabteilungen: das Wissen um Begriffe und ihre Benennungen in allen erforderlichen Sprachen zusammenzutragen und für ihre Verteilung zu sorgen.

Damit einher geht eine Wahrnehmung und Anerkennung von Terminologie als wesentlicher Beitrag zum Sprach(daten)-, Qualitäts- und Wissensmanagement und bei Preisverhandlungen eine Verschiebung der Entgeltung auf Stunden- statt Wortbasis.

Diese neuen Aspekte und Chancen für freiberufliche Übersetzer beleuchtet das Webinar.

Das Aufkommen von „Large Language Models“ wie ChatGPT im Jahr 2022 ist eine logische Konsequenz und Weiterentwicklung der Neuronalen Maschinellen Übersetzung, die bereits seit 2017 Einzug in den Übersetzeralltag gehalten hat. Statt mit bilingualen Datenbeständen, meist TMX-Dateien, werden diese „großen Sprachmodelle“ mit Unmengen von Daten aller Art trainiert, um Aufgaben verschiedenster Art lösen zu können.

Dazu gehört neben Texten, Übersetzen und Bildgenerierung auch das Programmieren. Statt LLMs wie ChatGPT über Prompts selbst Aufgaben bearbeiten zu lassen (Gegenstand des Prompting-Trainings am 19/20.3.2025), kann das LLM gebeten werden, für diese Aufgabestellung ein Skript zu erstellen. Mit diesem können dann wiederkehrende und weniger spannende Routine-Aufgaben erledigt werden, aber auch große Datenbestände wie TMX-Dateien zuverlässig manipuliert werden. Hier fungiert das LLM nicht als Übersetzer oder Terminologe, sondern als Entwickler, der stets verfügbar ist.

Dazu ist es notwendig, dem maschinellen Entwickler per Prompting zum einen genau beschreiben zu können, wie die Aufgabenstellung lautet, und zum zweiten das Ergebnis, den Code, in der verwendeten Programmiersprache auch testen zu können und solange um Nachbesserung zu bitten, bis das Ergebnis zufriedenstellend ist.

Dazu ist – wie beim Erlernen jeder Sprache – ein Grundverständnis über das Vokabular und die Syntax von Programmiersprachen notwendig. Im Training wird Python als Programmiersprache verwendet. Sie wurde speziell für die Ausbildung von Programmierern entwickelt und ist daher leichter zu lernen als andere Programmiersprachen. Zum zweiten ist Python die Sprache, die im KI-Umfeld relevant ist, also in der Umgebung, die für Übersetzer und Terminologen relevant wird.

Für das Training werden Beispiele aus dem Übersetzungs- und Terminologiebereich verwendet, es wird also vor allem mit Wörtern gearbeitet, daher werden wir nicht tiefer in mathematische Fragestellungen eintauchen.

Dieser Workshop richtet sich an absolute Neulinge im Bereich der Programmierung. Um die Gruppengestaltung homogen zu halten bitten wir alle, die andere Programmiersprachen bereits kennen oder bereits erste Programmiererfahrungen haben, von der Teilnahme abzusehen.

Inhalt des Trainings

• Kommentare erstellen
• Mit Funktionen arbeiten: print() und input()
• Variablen, Listen und Dictionaries verwenden
• Schleifen zur Wiederholung von Aktivitäten einsetzen
• Bedingungen erstellen
• Dateien öffnen, lesen, schreiben und schließen
• Ausblick: Python und Datenbanken, Neuronale Netze

Auf Theorieteile folgt immer ein Workshopteil mit interaktiven Übungen, bei dem die Teilnehmer das Gelernte in der Praxis umsetzen können.

Ein Laptop, Kamera und Ton sind für eine Teilnahme am Training notwendig. Sie benötigen einen Zugang zu ChatGPT. Hierzu reicht eine Registrierung aus, ohne dass Ihnen weitere Kosten entstehen. Die verwendete Entwicklungsumgebung Thonny benötigt nicht viel Speicher auf Ihrem Rechner und ist leicht zu installieren.

Für die interaktiven Übersetzungs- und Terminologie-Übungen können Sie gerne eigene Texte verwenden, diese Testtexte müssen aber veröffentlicht bzw. bei Cloud-Anbietern hochgeladen werden dürfen. Ansonsten empfehlen wir Ihnen, die Pro-Versionen zu nutzen. Weitergehende Informationen erhalten Sie nach der Anmeldung.

Das Training ist auf 3 Termine aufgeteilt und findet jeweils von 09:30 – 13:00 Uhr an folgenden Terminen statt:
Dienstag, den 01.07.2025
Mittwoch, den 02.07.2025
Donnerstag, den 03.07.2025

Der Schlüssel zum langfristigen Erfolg eines Terminologieprojekts ist eine systematische Terminologieabstimmung – im Terminologiekreis.

In diesem Webinar erfahren Sie, was beim Aufbau eines Terminologiekreises zu beachten ist, wer daran beteiligt sein sollte und wie Sie den Abstimmungsprozess möglichst effizient gestalten.

Inhalt:

Abstimmungsprozesse und praktische Arbeit im Terminologiekreis

Aufbau, Arten und Nutzen von Terminologiekreisen

Aufgaben des Terminologieverantwortlichen

Ohne Regeln geht es nicht: Die Grundlage für die Vereinheitlichung der Terminologie ist der Leitfaden. Was hinein gehört, erfahren Sie in diesem Webinar.
Anhand von Beispielen erarbeiten wir, wie man einen Terminologieleitfaden aufbaut und was eine gute Benennung ausmacht.

Inhalt:

• Aufbau und Nutzen eines Terminologieleitfadens
• Kriterien zur Bewertung von Benennungen
• Einführung in die Benennungsbildung
• systematische Erarbeitung von unternehmensspezifischen Regeln

Terminologiearbeit ist nicht nur für Terminologen, sondern auch für Redakteure und Übersetzer unverzichtbar. Wie komme ich aber schnell zu einem ersten Bestand und wie kann ich ihn erweitern?

Zu Beginn des Webinars wird zwischen manueller, teilautomatischer und automatischer Terminologieextraktion unterschieden. Verschiedene kommerzielle und open-Source-Extraktionstools vorgestellt und Vor- und Nachteile ihres Einsatzes erläutert.

Was kann alles extrahiert werden? Was ist davon wirklich wichtig und  sollte in den Datenbestand übernommen werden?

Im Webinar wird auch auf die verschiedenen Datenkategorien einer Terminologiedatenbank eingegangen –  und auf die Phase der Terminologierecherche, denn diese bildet die Grundlage einer Terminologieextraktion.

Künstliche Intelligenz ist seit ChatGPT in Alltag und Beruf angekommen. Übersetzerinnen und Übersetzer kennen KI schon länger – durch die Nachbearbeitung maschinell erstellter Texte. Allerdings kommt gerade die Terminologie in diesen Systemen zu kurz.  Daraus ergeben sich neue Anforderungen, aber vor allem viele Perspektiven für den Übersetzerberuf.

In diesem Webinar wird gezeigt, wie neuronale maschinelle Übersetzungssysteme, GPTs und Large Language Models funktionieren und wie in der automatischen Texterstellung und -übersetzung die Terminologie beeinflusst werden kann.

Durch den Einzug der Maschinellen Übersetzung – ob neuronal oder mit Hilfe von Large Language Models – verschiebt sich der Aufgabenbereich der Übersetzer von der Übersetzung von Texten zum Qualitätsmanagement von vorübersetzten Texten und vor allem zur mehrsprachigen Terminologiearbeit bereits vor der Übersetzung. Denn wer weiß mehr über Begriffe und ihre Benennungen als die Fachübersetzer?

Qualitativ hochwertige Terminologie in den Fremdsprachen in einer Termbank erfassen zu lassen ist aber immer noch für viele Kunden etwas Neues. Bis heute wird Terminologie von ihnen eher als ein „Nebenprodukt“ gesehen, das bei jedem Übersetzungsauftrag entsteht und in den Translation Memories enthalten ist. Mit den von der KI erstellen Übersetzungen funktioniert das nicht mehr – und so wird Terminologiearbeit zur zwingenden Grundlage für maschinell übersetzte Texte.

Für viele Übersetzer ist der Aufbau einer mehrsprachigen Terminologie, die Einbindung in die Trainings- und Übersetzungsphase und die Kontrolle im Qualitätssicherungsprozess eine neue und herausfordernde Aufgabe – die aber durchaus Spaß machen kann!

Das Training vermittelt das notwendige Wissen über die aktuellen Anforderungen an mehrsprachige Terminologiearbeit in Zeiten von KI, über Methoden und ihre Umsetzung in verschiedenen Tools. Auf 1,5 Stunden Theorie folgt ein Workshopteil mit interaktiven Übungen, bei dem die Teilnehmer auch ihre eigenen Erfahrungen mit Tools und Terminologieprojekten reflektieren und bewerten können.

Inhalt Theorieteil – 09:30 Uhr bis 11:00 Uhr

• Grundlagen der Terminologie und der Terminologiearbeit: Prinzipien und Begriffe, z. B. erlaubte und verbotene Terme, Klassifikation von Termen (Synonyme, Homonyme)
• Anforderungen an den Aufbau einer mehrsprachigen Terminologie
• Systematische vs. Ad-hoc-Terminologiearbeit vs. Terminologiearbeit während der Übersetzung
• Terminologiedatenbanken im Vergleich: mit zwei Ebenen oder mit drei Ebenen, begriffsorientiert oder benennungsorientiert, benennungsautonom vs. statisch, mit freien vs. festen Datenkategorien, etc.
• Anforderungen an Definitionen und Umgang mit Quellen

Inhalt Praxisteil – 11:30 Uhr bis 13:00 Uhr

Gemeinsame Erarbeitung von Terminologie in verschiedenen online verfügbaren Systemen. Bitte nennen Sie uns für den interaktiven Teil im Vorfeld Tools, die in die Analyse einbezogen werden sollen. Für die Teilnahme an den Gruppenarbeiten empfehlen wir Ihnen einen Laptop mit Headset und Kamera.