Human Post-Editing für die KI-Buchübersetzung: Was zuerst überprüft werden sollte

Das menschliche Post-Editing sollte mit Fehlern beginnen, die die Übersetzung ungültig machen können, nicht mit Sätzen, die lediglich unnatürlich klingen. Stellen Sie sicher, dass das vollständige Zieltitel mit der eingefrorenen Quelle übereinstimmt, und prüfen Sie dann Auslassungen, Hinzufügungen, umgedrehte Bedeutungen, Namen, Terminologie, Zahlen und Querverweise. Erst nach diesen Überprüfungen sollte ein Lektor Zeit in Stil, Rhythmus und Feinschliff investieren.

Diese Reihenfolge ist wichtig, da flüssige KI-Ausgaben dennoch einen fehlenden Absatz oder eine selbstbewusste Fehlübersetzung enthalten können. Ein perfekter Satz kann kein fehlendes Kapitel reparieren.

Verwenden Sie diese Reihenfolge:

1. Definieren Sie, wofür das übersetzte Buch verwendet werden soll.
2. Frieren Sie die genauen Quell- und Zieldateien ein.
3. Gleichen Sie Struktur und Vollständigkeit ab.
4. Korrigieren Sie bedeutungsbezogene und kontrollierte Informationen.
5. Überprüfen Sie die Terminologie und die Kontinuität im gesamten Buch.
6. Bearbeiten Sie den Stil und die Natürlichkeit der Zielsprache in zusammenhängenden Passagen.
7. Testen Sie die exportierte Datei und überprüfen Sie jeden größeren Fix erneut.

Laden Sie das KI-Buch-Post-Editing-Arbeitsblatt herunter, um die Entscheidung, die Beweise, den Schweregrad, den Verantwortlichen und den Status der erneuten Überprüfung für jedes Problem zu erfassen.

Wählen Sie das erforderliche Finish vor der Bearbeitung

„Post-Editing“ bezeichnet keinen festen Arbeitsaufwand. Ein privates Leseexemplar und eine kommerzielle Ausgabe haben unterschiedliche Akzeptanzschwellen.

ISO 18587:2017 deckt das vollständige menschliche Post-Editing von maschinellen Übersetzungsergebnissen und die Kompetenz von Post-Editoren ab. Es ist keine Bezeichnung für eine schnelle Bereinigung. Wenn Ihr Projekt nur einen lesbaren Entwurf benötigt, bezeichnen Sie dies als eingeschränkte Prüfung und geben Sie genau an, was nicht überprüft wurde.

Hier wird auch die Unterscheidung bei KI-gestützter im Vergleich zu menschlicher Buchübersetzung operativ: Die Methode ist weniger wichtig als die Frage, wer die ungelösten Risiken verantwortet.

Fixieren Sie die Belege, bevor Sie das Ziel ändern

Bewahren Sie drei separate Dateien auf:

• die für die Übersetzung verwendete Originalquelle;
• die unberührte KI-Ausgabe; und
• die bearbeitete Arbeitsversion.

Notieren Sie den Quelldateinamen, die Revision, die Sprache, die Zielsprache, das Übersetzungsdatum, das Ausgabeformat, die Glossarversion und alle Workflow-Einstellungen, die das Ergebnis verändert haben. Wenn sich die Quelle während der Überprüfung ändert, erstellen Sie eine neue Quellrevision und bewerten Sie die Änderung. Mischen Sie Absätze aus zwei Ausgaben nicht unbemerkt.

Vergleichen Sie vor der Bearbeitung des Textes:

• öffnenden und schließenden Inhalt;
• Kapitel- und Abschnittsanzahl;
• Reihenfolge des Inhaltsverzeichnisses;
• Überschriften, Listen, Tabellen, Bildunterschriften, Notizen, Anhänge und Anhangsmaterial;
• den ersten und letzten Absatz jedes Hauptabschnitts; und
• Quelltext, der möglicherweise absichtlich beibehalten oder versehentlich nicht übersetzt wurde.

Die umfassendere Übersetzungs-QA-Checkliste für Bücher und lange Dokumente bietet ein problembezogenes Fehlerprotokoll auf Release-Ebene. Das Post-Editing-Arbeitsblatt in diesem Artikel ergänzt die Entscheidung darüber, ob KI-Ausgaben beibehalten, repariert oder neu übersetzt werden sollen.

Prüfen Sie in einer Reihenfolge, die die Release-Entscheidung ändert

Verwenden Sie vier Durchgänge. Jeder Durchgang beantwortet eine andere Frage.

Durchgang 1: Ist die Ausgabe vollständig und mit der richtigen Quelle verknüpft?

Achten Sie auf fehlendes, dupliziertes, hinzugefügtes, abgeschnittenes oder neu angeordnetes Material. Überprüfen Sie die Kapitelgrenzen vor der Zeilenbearbeitung. Stellen Sie sicher, dass Bildunterschriften bei ihren Abbildungen bleiben und Fußnoten weiterhin auf die beabsichtigten Notizen verweisen.

Dies sind Blockaden, da eine spätere Bearbeitung ein unvollständiges Ziel fertig aussehen lassen kann.

Durchgang 2: Bewahrt das Ziel die Bedeutung der Quelle?

Priorisieren Sie Passagen, in denen ein kleiner Fehler eine Handlung oder Behauptung verändert:

• Verneinung: tun versus nicht tun;
• Modalität: müssen, dürfte, sollte, und kann;
• Richtung: erhöhen im Vergleich zu verringern;
• Reihenfolge: vor im Vergleich zu nach;
• Umfang: alle, einige, nur, und außer;
• Zahlen, Daten, Einheiten, Prozentsätze, Bereiche und Kennungen; und
• Zuordnung: wer etwas gesagt, getan, geglaubt oder verursacht hat.

Wenn der Ausgangstext beispielsweise besagt, dass eine Figur fast gestand, ist ein KI-Zieltext, der besagt, dass die Figur gestand, ein Bedeutungsfehler, selbst wenn der Satz natürlich klingt. Wenn eine Wartungsanweisung besagt, die Stromversorgung vorher Öffnen eines Panels, Änderung der Sequenz ist ein Block Fehler, kein Stilproblem.

Durchgang 3: Sind kontrollierte Entscheidungen konsistent?

Durchsuchen Sie das gesamte Ziel nach:

• Charakter- und Ortsnamen;
• Titel und Anredeformen;
• Produkt- und Organisationsnamen;
• definierte Fachbegriffe;
• Abkürzungen und deren Erklärungen;
• erfundene Wörter;
• Zitate und zitierte Titel; und
• Nicht-zu-übersetzende Elemente.

Notieren Sie die genehmigte Form und abgelehnte Varianten. Korrigieren Sie nicht nur ein Vorkommen und nehmen Sie an, dass der Rest sicher ist. Verwenden Sie die Buchübersetzungs-Terminologievorlage um eine einmalige Bearbeitung in eine wiederverwendbare Entscheidung zu verwandeln.

Durchgang 4: Liest es sich wie das beabsichtigte Buch in der Zielsprache?

Überprüfen Sie nun Absätze und Szenen, ohne nach jedem Satz auf die Quelle zu starren. Überprüfen Sie Register, Rhythmus, Absatzkohäsion, Pronomenbezug, Dialogdifferenzierung, Wiederholung und Genrekonventionen. Kehren Sie dann zur Quelle zurück und vergewissern Sie sich, dass stilistische Änderungen die Bedeutung nicht verändert haben.

Diese Zwei-Ansichten-Methode verhindert entgegengesetzte Fehler: quellenförmiges Translationese, wenn der Redakteur das Ziel nie unabhängig liest, und elegante Fehlübersetzung, wenn der Redakteur aufhört, mit der Quelle zu vergleichen.

Verwenden Sie Schweregrad anstelle von gleichmäßigem Polieren alles

Klassifizieren Sie jedes Problem nach Konsequenz.

Die MQM-Fehlertypologie unterscheidet zwischen Genauigkeit, Terminologie, sprachlichen Konventionen, Stil, Lokalkonventionen, Zielgruppenangemessenheit und Design/Markup. Verwenden Sie nur die Kategorien, die Ihre Projektentscheidungen beeinflussen. Eine detaillierte Taxonomie ist nützlich; eine Bewertung, bei der ein Blocker in Hunderten sauberen Segmenten verschwindet, ist es nicht.

Entscheiden Sie, ob Sie weiterbearbeiten oder neu übersetzen möchten

Post-Editing ist nicht automatisch billiger als ein Neustart. Führen Sie einen repräsentativen Testlauf durch, bevor Sie sich für das gesamte Buch verpflichten:

1. Wählen Sie den Anfang, eine dialoglastige Passage, eine terminologiedichte Passage, eine Tabelle oder Notiz und ein schwieriges spätes Kapitel.
2. Notieren Sie die für das Lesen, Recherchieren, Bearbeiten und erneute Überprüfen aufgewendeten Minuten.
3. Zählen Sie Blocker und wiederholte schwerwiegende Muster.
4. Schätzen Sie ab, ob dieselbe Korrektur im gesamten Buch wieder auftreten wird.

Übersetzen Sie einen Abschnitt neu, wenn der Lektor die Bedeutung Satz für Satz rekonstruieren muss, Pronomen oder Subjekte nicht zuverlässig nachverfolgt werden können, die Terminologie systematisch falsch ist oder die Ausgabestruktur nicht mehr auf die Quelle abgebildet werden kann. Wechseln Sie den gesamten Arbeitsablauf, wenn repräsentative Stichproben zeigen, dass die Reparaturkosten von der Neuentwicklung statt von der Korrektur dominiert werden.

Veröffentlichen Sie keinen universellen Schwellenwert wie „Bearbeiten, wenn weniger als 20 % der Wörter geändert werden“. Wortänderungsprozentsätze messen nicht, ob das geänderte Wort eine Warnung umgekehrt oder lediglich die Interpunktion verbessert hat.

Korrektur von Freigabe trennen

Die Person, die Korrekturen vornimmt, übersieht möglicherweise das Muster, das sie erzeugt hat. Fügen Sie einen letzten Durchgang hinzu, der vom Kandidaten-Release ausgeht, nicht vom Arbeitsgedächtnis des Lektors.

• Überprüfen Sie jeden Blocker und jedes schwerwiegende Problem anhand der Quelle.
• Durchsuchen Sie das Ziel nach allen abgelehnten Terminologievarianten.
• Vergleichen Sie das finale Inhaltsverzeichnis und die Struktur erneut.
• Öffnen Sie das tatsächliche EPUB, PDF oder DOCX in den Anwendungsprogrammen, die Leser verwenden werden.
• Metadaten, Links, Notizen, Abbildungen und Navigation überprüfen.
• Aufzeichnen, wer Sprache, Fachgebiet und Produktion freigegeben hat.

Der Gesamtdokumentkontext spielt bei der Auswertung ebenfalls eine Rolle. Eine große professionelle Annotationsstudie zur maschinellen Übersetzung bot Prüfern den vollständigen Dokumentkontext für die MQM-Bewertung; eine isolierte Satzprüfung kann Referenz- und Kontinuitätsprobleme verschleiern.

Wo BookTranslator ins Spiel kommt

BookTranslator kann einen strukturierten übersetzten Entwurf aus einem vollständigen EPUB-, PDF- oder DOCX-Dokument erstellen, ein automatisches Glossar anwenden und eine zweisprachige Ausgabe bereitstellen, sofern dies unterstützt wird. Dies kann den Aufwand verringern, Kapitel durch kurze Textfelder zu leiten, und wichtige Passagen leichter vergleichbar machen.

Es ersetzt keinen qualifizierten Lektor oder Fachgutachter. Laden Sie die saubere Quelle über den Buchübersetzungs-Workflow hoch, behalten Sie die unberührte Ausgabe bei und verwenden Sie das Arbeitsblatt, um zu entscheiden, wo menschliches Urteilsvermögen erforderlich ist. Beheben Sie bei scanlastigen Quellen Extraktionsprobleme, bevor Sie das Ziel als Post-Editing-Kandidaten betrachten.

Letztes Post-Editing-Tor

Genehmigen Sie das Buch erst, wenn all dies zutrifft:

• die exakte Quelle und die unberührte KI-Ausgabe werden beibehalten;
• der Abgleich der vollständigen Datei ergab keinen ungelösten Blocker;
• bedeutungskritische Passagen, Zahlen, Namen, Begriffe und Referenzen wurden überprüft;
• die zielsprachliche Bearbeitung umfasste zusammenhängende Passagen und nicht nur isolierte Sätze;
• jede größere Korrektur wurde auf ein mögliches wiederkehrendes Muster hin untersucht;
• die finale Datei wurde in ihrem Bereitstellungsformat getestet; und
• der beabsichtigte Verwendungszweck, die Prüfungstiefe, die Verantwortung des Prüfers und bekannte Einschränkungen werden dokumentiert.

Menschliches Post-Editing ist wertvoll, wenn es das Urteilsvermögen dort bündelt, wo der KI-Entwurf am schwächsten ist. Es schlägt fehl, wenn „menschlich überprüft“ als vages Etikett für einen undefinierten Umfang an Bereinigungen verwendet wird.