Warum wir an LLMs statt DeepL für unser WordPress-Übersetzungs-Plugin glauben

Robbert Vermeulen

Robbert Vermeulen

· 15 Min. Lesezeit

Im sich schnell entwickelnden Bereich der maschinellen Übersetzung haben sich große Sprachmodelle (LLMs) als leistungsstarke Werkzeuge erwiesen, die oft traditionelle Übersetzungsdienste übertreffen. Bei EPIC WP haben wir uns entschieden, LLMs für unser AI Automatic Translation-Erweiterungs-Plugin für Polylang zu nutzen, da wir glauben, dass sie im Vergleich zu Diensten wie DeepL überlegene Ergebnisse liefern. Dieser Artikel erläutert die Gründe für unsere Entscheidung und die Vorteile, die LLMs für den Übersetzungsprozess bieten.

Kurze Übersicht über LLMs und traditionelle Übersetzungsdienste

Großsprachmodelle sind künstliche Intelligenzsysteme, die auf enormen Mengen an Textdaten in verschiedenen Sprachen und Bereichen trainiert werden. Sie nutzen tiefe Lerntechniken, insbesondere Transformator-Architekturen, um menschenähnliche Texte zu verstehen und zu erzeugen. Traditionelle Übersetzungsdienste wie DeepL hingegen verwenden in der Regel spezialisiertere neuronale maschinelle Übersetzungsmodelle (NMT), die sich gezielt auf die Aufgabe der Übersetzung konzentrieren.

Wichtige Vorteile von LLMs in der Übersetzung

  1. Kontextuelles Verständnis: LLMs haben ein tieferes Verständnis für Kontexte und Nuancen in der Sprache. Sie können idiomatische Ausdrücke, kulturelle Anspielungen und subtile Bedeutungen, die in wörtlichen Übersetzungen verloren gehen können, besser erfassen.
  2. Multilinguale Fähigkeiten: Viele LLMs sind gleichzeitig auf Daten aus zahlreichen Sprachen trainiert, wodurch sie bei einer Vielzahl von Sprachpaaren gut abschneiden können, ohne dass für jedes Paar separate Modelle erforderlich sind.
  3. Anpassungsfähigkeit an verschiedene Bereiche: LLMs können sich leichter an verschiedene Bereiche und Textstile anpassen als spezialisierte Übersetzungsmodelle und sind dadurch vielseitig einsetzbar für verschiedene Arten von Inhalten.
  4. Umgang mit Mehrdeutigkeit: Mit ihrem umfassenderen Sprachverständnis sind LLMs oft besser in der Lage, Mehrdeutigkeiten im Quelltext aufzulösen, was zu genaueren Übersetzungen führt.
  5. Konsistenz in längeren Texten: LLMs können Konsistenz in Terminologie und Stil über längere Texte hinweg aufrechterhalten, was für Dokumente wie wissenschaftliche Arbeiten oder literarische Werke entscheidend ist.
  6. Kreativität in der Übersetzung: Bei kreativen oder literarischen Texten können LLMs oft natürlichere und fließendere Übersetzungen bieten, die das Wesen des Originaltextes einfangen.

Die Kraft der konversationellen Aufforderung und Systemaufforderungen

Einer der überzeugendsten Gründe, warum wir an LLMs gegenüber traditionellen Übersetzungsdiensten wie DeepL glauben, ist die Möglichkeit, konversationelle Aufforderungen und Systemaufforderungen zu verwenden. Dieses Feature ist eine Revolution im Bereich der Übersetzung, insbesondere für Websites mit branchenspezifischen Inhalten.

Übersetzungen für spezifische Branchen anpassen

Mit LLMs können wir den Übersetzer effektiv ‚programmieren‘, um ein Experte im Bereich der Websites unserer Kunden zu werden. Dies wird durch sorgfältig gestaltete Systemaufforderungen und konversationellen Kontext erreicht. Das ist der Grund, warum es darauf ankommt:

  1. Branchenspezifische Terminologie: Wir können das LLM instruieren, spezifisches Vokabular und Jargon einer bestimmten Branche zu verwenden, um sicherzustellen, dass Übersetzungen nicht nur sprachlich korrekt, sondern auch fachlich akkurat sind.
  2. Kontextuelle Nuancen: Durch Bereitstellung von Kontext über die Branche oder das Feld in der Systemaufforderung kann das LLM subtile Nuancen besser verstehen und wiedergeben, die in einer allgemeinen Übersetzung verloren gehen könnten.
  3. Anpassung von Ton und Stil: Wir können das LLM anleiten, den passenden Ton und Stil für eine bestimmte Branche zu übernehmen, sei es formell für rechtliche Inhalte, technisch für Ingenieur-Websites oder lässig für Lifestyle-Blogs.
  4. Konsistente Markenstimme: Für Unternehmenswebsites können wir das LLM instruieren, eine konsistente Markenstimme über alle übersetzten Inhalte hinweg aufrechtzuerhalten und den einzigartigen Kommunikationsstil des Unternehmens zu bewahren.
  5. Umgang mit spezialisiertem Inhalt: Ob medizinische Terminologie, technische Spezifikationen oder kreative Marketingtexte, das LLM kann so angeregt werden, dass es diese speziellen Inhaltstypen angemessen behandelt.

Flexibilität und Anpassung

Dieses Maß an Anpassung ist mit traditionellen Übersetzungsdiensten wie DeepL einfach nicht möglich. Mit unserer AI Automatic Translation-Erweiterung für Polylang können Website-Betreiber von Übersetzungen profitieren, die nicht nur sprachlich korrekt, sondern auch:

  • Kontextuell passend für ihre spezielle Branche
  • In Übereinstimmung mit ihrer Markenstimme und ihrem Kommunikationsstil
  • Fähig, spezialisierten oder technischen Inhalt zu bearbeiten
  • Anpassbar an verschiedene Bereiche einer Website (z. B. formell für rechtliche Seiten, fesselnd für Blogbeiträge)

Durch die Nutzung der Kraft der konversationellen Aufforderung und Systemaufforderungen können wir eine Übersetzungslösung bieten, die über bloße Wort-für-Wort-Übersetzung hinausgeht. Stattdessen bietet sie einen anspruchsvollen, kontextbewussten Übersetzungsdienst, der in der Lage ist, die beabsichtigte Bedeutung und den Ton des Originalinhalts wirklich zu erfassen, unabhängig von der Branche oder dem Feld.

Vergleichende Beispiele: DeepL vs. OpenAI-basiertes LLM

Um die Vorteile von LLMs in der Übersetzung zu veranschaulichen, betrachten wir drei Beispiele, in denen ein OpenAI-basiertes LLM (wie es in unserer AI Automatic Translation-Erweiterung für Polylang verwendet wird) DeepL dank seiner überlegenen kontextuellen Verständniss- und Handhabungskompetenzen bei nuancierten Sprachelementen übertrifft.

Beispiel 1: Kontextuelles Verständnis und Umgang mit umgangssprachlicher Sprache

Dieses Beispiel stammt von einer niederländischen Website, die Festivalprodukte verkauft. Die Produktbeschreibung verwendet umgangssprachliche Sprache und kulturelle Anspielungen, die ein nuanciertes Verständnis erfordern, um effektiv übersetzt zu werden.

Original (Dutch): „De doorgewinterde festival bezoeker herkent het wel. Lekker zeuren bij de bar om een dopje voor je flesje te scoren. Ook een heel arsenaal aan dopjes smokkelen is met de PartyDop verleden tijd! Deze blauwe universele dop past op alle waterflesjes die op festivals worden verkocht.“

DeepL Übersetzung: „Der erfahrene Festivalbesucher wird es erkennen. An der Bar zu meckern, um einen Verschluss für deine Flasche zu ergattern. Ein ganzes Arsenal an Verschlüssen zu schmuggeln ist mit dem PartyDop ebenfalls Vergangenheit! Dieser blaue Universalverschluss passt auf alle Wasserflaschen, die auf Festivals verkauft werden.“

OpenAI LLM Übersetzung: „Der erfahrene Festivalgänger kennt das nur zu gut: das Problem, an der Bar um einen Verschluss für die Flasche betteln zu müssen. Ein ganzes Arsenal an Flaschenverschlüssen einzuschmuggeln ist mit dem PartyCap ein Ding der Vergangenheit! Dieser blaue Universalverschluss passt auf alle Wasserflaschen, die auf Festivals verkauft werden.“

Analyse: Beide Übersetzungen sind allgemein genau, aber die OpenAI LLM Übersetzung zeigt ein besseres Verständnis von Kontext und umgangssprachlicher Sprache:

  1. „Festivalgänger“ vs. „Festivalbesucher“: Das LLM wählt einen natürlichen Begriff im Englischen.
  2. „Kennt das nur zu gut“ fängt die implizierte Vertrautheit besser ein als „wird es erkennen.“
  3. „Das Problem, an der Bar zu betteln“ vermittelt die implizierte Frustration effektiver als „zu meckern.“

Dieses Beispiel zeigt, wie das LLM den Ton und die implizierten Bedeutungen im Originaltext besser einfangen kann und eine Übersetzung produziert, die sich natürlicher und ansprechender für das Zielpublikum anfühlt.

Beispiel 2: Literarische Übersetzung und kulturelle Nuancen

Dieses Beispiel ist ein Absatz aus einer berühmten chinesischen Geschichte, die nicht nur sprachliche Genauigkeit, sondern auch ein Verständnis für den kulturellen Kontext und den literarischen Stil erfordert.

Original (Chinesisch): Ich arbeite seit meinem zwölften Lebensjahr als Kellner im Xian Heng Hotel am Eingang der Stadt. Der Ladenbesitzer sagte, ich sei zu dumm, um die langärmelig bekleideten Kunden zu bedienen, also musste ich draußen arbeiten. Die kurzärmelig bekleideten Kunden draußen waren leicht anzusprechen, aber es gab auch viele, die andauernd nörgelten und unklare Bedürfnisse hatten. Sie wollten oft den gelben Wein sehen, der aus dem Altar geschöpft wurde, beobachteten, wie er geschöpft wurde, und beklagten sich dann auf verschiedene Weise: Der Wein ist zu dunkel, das ist alter Wein; der Wein ist zu hell, es ist verdünnter Wein; nach einem Schluck brennt er im Rachen – wo ist der gute Wein? … Ich wusste schon lange, dass die Worte solcher Kunden nicht vollständig zu vertrauen sind, aber da sie Kunden waren, durften sie natürlich frei sprechen. Es gab nur einen Kunden, der Kong Yiji genannt wurde und immer in der Ecke der Theke versteckt blieb und wirklich nur zu den draußen befindlichen kurzärmeligen Kunden passte.“

DeepL Übersetzung (Englisch): „Seit ich zwölf Jahre alt war, arbeitete ich als Kellner im Xian Heng Hotel am Stadteingang. Der Ladenbesitzer sagte, ich sei zu dumm, um die lang gekleideten Kunden zu bedienen, also musste ich draußen arbeiten. Die kurz gekleideten Kunden draußen waren einfach zu sprechen, aber es gab auch viele nervende und unklare Kunden. Sie mussten oft beobachten, wie der gelbe Wein aus dem Altar geschöpft wird, überprüfen, wie es geschöpft wird, und dann in verschiedener Weise Vorwürfe erheben: Der Weinton ist zu dunkel, ist der alte Wein; der Weinton ist zu hell, ist das Wasserwein; einen Schluck trinken, im Rachen brennen, wo ist der gute Wein? …… Ich habe schon lange gewusst, dass solchen Kundenworte nicht zu sehr geglaubt werden sollen, aber wer sagte, sie seien Kunden? Kunden können natürlich frei sprechen. Es gibt nur eine Art von Kunde, den man Kong Yi Ji nennt, der sich immer in der Ecke der Theke versteckt, und der wirklich nur zu den kurz gekleideten Kunden draußen passt.“

OpenAI LLM Übersetzung (Englisch): „Seit meinem zwölften Lebensjahr arbeitete ich als Diener in der Xianheng Tavern am Stadteingang. Der Ladenbesitzer sagte, ich sähe zu dumm aus und könne die lang gekleideten Kunden möglicherweise nicht richtig bedienen, also ließ er mich stattdessen draußen arbeiten. Obwohl die kurz gekleideten Kunden draußen einfacher zu sprechen waren, gab es noch eine ganze Reihe, die unaufhörlich wählerisch und in ihren Forderungen unklar waren. Sie bestanden oft darauf zu beobachten, wie der gelbe Wein aus dem Krug geschöpft wurde, wie es gemacht wurde, und beklagten sich dann auf verschiedene Weise: Der Wein ist zu dunkel, es ist alter Wein; der Wein ist zu hell, es ist verwässerter Wein; nach einem Schluck brennt er im Rachen – wie kann das guter Wein sein? … Ich wusste schon lange, dass solchen Kundenworte nicht voll vertraut werden darf, aber da sie Kunden waren, durften sie natürlich frei sprechen. Es gab nur einen Kundentyp, genannt Kong Yiji, der sich immer in der Ecke der Theke versteckte und wirklich nur zu den kurz gekleideten Kunden draußen passte.“

Analyse: Die LLM-Übersetzung zeigt ein hervorragendes Verständnis des kulturellen Kontexts und des literarischen Stils:

  1. „Xianheng Taverne“ vs. „Xian Heng Hotel“: Das LLM erkennt korrekt, dass es sich um eine Taverne handelt und nicht um ein modernes Hotel, was den historischen Kontext bewahrt.
  2. „Langbärtige Kunden“ vs. „lang-hemdige Kunden“: Die Wahl des LLM vermittelt besser den durch die Kleidung implizierten sozialen Status.
  3. „Aus dem Krug geschöpft“ vs. „aus dem Altar geschöpft“: Das LLM beschreibt die Handlung korrekt, ohne die Verwirrung durch die falsche Übersetzung von „坛子“ (Krug) als „Altar.“
  4. „Verwässert“ vs. „Wasserwein“: Das LLM verwendet einen natürlicheren englischen Ausdruck, um die Bedeutung zu vermitteln.
  5. Insgesamt hat die LLM-Übersetzung einen kohärenteren erzählerischen Fluss, der den literarischen Stil des Originaltextes besser einfängt als die DeepL-Version.

Dieses Beispiel zeigt, wie die LLM komplexe literarische Texte handhaben kann, indem es nicht nur die wortwörtliche Bedeutung, sondern auch den Ton, die kulturellen Nuancen und den erzählerischen Stil des Originalwerks bewahrt.

Beispiel 3: Technische Fachsprache und idiomatische Ausdrücke

Dieses Beispiel enthält eine Produktbeschreibung für ein fiktives Software-Tool, die technische Fachbegriffe mit idiomatischen Ausdrücken und kreativer Sprache kombiniert.

Original (Englisch): „TechWizPro ist kein alltäglicher Programmierassistent. Es ist ein bahnbrechendes Tool, das zwei Fliegen mit einer Klappe schlägt – die Produktivität steigert und gleichzeitig Programmfehler so vernichtet, wie es sonst niemand kann. Unser KI-gestützter Syntax-Prädiktor ist so intelligent, dass Sie das Gefühl haben, er liest Ihre Gedanken! Verabschieden Sie sich von haarsträubenden Debugging-Sitzungen und begrüßen Sie reibungslose Code-Deployments. Mit seiner quanteninspirierten Algorithmen sprengt TechWizPro nicht nur die Box – es zertrümmert sie vollständig. Egal, ob Sie ein Programmieranfänger oder ein erfahrener Profi sind, dieses Tool wird Ihre Geheimwaffe im digitalen Wettrüsten sein. Lassen Sie Ihre Projekte nicht wie ein Elefant im Porzellanladen werden – lassen Sie TechWizPro Ihr Programmier-Rodeo-Clown sein, der die wilden Bugs in Schach hält!“

DeepL Übersetzung (Spanisch): „TechWizPro no es el típico asistente de programación. Es un cambio de juego que mata dos pájaros de un tiro – aumentar la productividad mientras aplasta errores como nadie. Nuestro predictor de sintaxis basado en IA es tan inteligente que te hará sentir como si leyera tu mente. Despídete de las sesiones de depuración que te tiran de los pelos y da la bienvenida a despliegues de código suaves como la seda. Con sus algoritmos de inspiración cuántica, TechWizPro no sólo piensa fuera de la caja, sino que la rompe por completo. Tanto si eres un novato en codificación como un profesional experimentado, esta herramienta será tu arma secreta en la carrera armamentística digital. No deje que sus proyectos se conviertan en un toro en una cacharrería: ¡deje que TechWizPro sea su payaso de rodeo de codificación, manteniendo a raya a esos bichos salvajes!“

OpenAI LLM Übersetzung (Spanisch): „TechWizPro no es tu asistente de codificación común y corriente. Es un cambio de juego que mata dos pájaros de un tiro: aumenta la productividad mientras elimina errores como nadie. Nuestro predictor de sintaxis impulsado por IA es tan inteligente que te hará sentir como si leyera tu mente. ¡Di adiós a las sesiones de depuración frustrantes y hola a implementaciones de código sin problemas! Con sus algoritmos inspirados en la computación cuántica, TechWizPro no solo piensa fuera de la caja, ¡la destruye por completo! Ya seas un principiante en programación o un profesional experimentado, esta herramienta será tu arma secreta en la carrera digital. No dejes que tus proyectos se conviertan en un toro en una tienda de porcelana: deja que TechWizPro sea tu payaso de rodeo de codificación, manteniendo a raya esos errores salvajes.“

Analyse: Beide Übersetzungen sind im Allgemeinen genau, aber die LLM-Übersetzung zeigt einige subtile Verbesserungen im Umgang mit idiomatischen Ausdrücken und der Aufrechterhaltung des Gesamtons:

  1. „Run-of-the-mill“: Das LLMs „común y corriente“ erfasst die Redewendung besser als DeepLs wörtlichere „típico.“
  2. „Squashing bugs“: Das LLMs „elimina errores“ ist natürlicher als DeepLs wörtliches „aplasta errores.“
  3. „Hair-pulling debugging sessions“: Das LLM vermittelt die Frustration mit „sesiones de depuración frustrantes,“ während DeepLs „sesiones de depuración que te tiran de los pelos“ wörtlicher ist.
  4. „Silky-smooth code deployments“: LLMs „implementaciones de código sin problemas“ vermittelt die Bedeutung natürlicher als DeepLs wörtliches „despliegues de código suaves como la seda.“
  5. „Quantum-inspired algorithms“: Das LLMs „algoritmos inspirados en la computación cuántica“ ist präziser als DeepLs „algoritmos de inspiración cuántica.“
  6. Konsistenz im informellen Ton: Das LLM hält einen konsistenten informellen Ton (unter Verwendung der „tu“ Form), während DeepL zwischen formal und informell („tu“ und „usted“) wechselt.
  7. „Bull in a china shop“: Beide Übersetzungen passen das idiom gut an, aber LLMs „tienda de porcelana“ ist gebräuchlicher als DeepLs „cacharrería.“

Dieses Beispiel zeigt, wie die LLM-Übersetzung einen nuancierteren Umgang mit idiomatischen Ausdrücken bietet und einen konsistenteren Ton beibehält. Es zeigt auch einen kleinen Vorteil bei der Übersetzung von Fachbegriffen. Die Unterschiede sind subtil, summieren sich jedoch zu einer natürlicher klingenden und ansprechenderen Übersetzung, die den Geist des Originaltextes besser einfängt.

Herausforderungen und Überlegungen

Obwohl LLMs erhebliche Vorteile bieten, gibt es einige Herausforderungen zu bedenken:

  1. Rechenressourcen: LLMs erfordern erhebliche Rechenleistung, was sie im Vergleich zu leichteren Modellen weniger praktikabel für Echtzeit-Übersetzungsaufgaben machen kann.
  2. Token-Limits: LLMs haben oft eine maximale Anzahl von Tokens, die sie gleichzeitig verarbeiten können, was bei der Übersetzung sehr langer Dokumente eine Einschränkung darstellen kann.
  3. Geschwindigkeit: Übersetzungen mit LLMs dauern typischerweise länger im Vergleich zu spezialisierten Übersetzungsdiensten. Dennoch glauben wir, dass dieser Kompromiss sich lohnt für die verbesserte Qualität und kontextuelle Genauigkeit der Übersetzungen.

Fazit

Obwohl traditionelle Übersetzungsdienste wie DeepL in der maschinellen Übersetzung erhebliche Fortschritte erzielt haben, glauben wir, dass große Sprachmodelle einen überlegenen Ansatz bieten aufgrund ihres kontextuellen Verständnisses, ihrer mehrsprachigen Fähigkeiten und ihrer Anpassungsfähigkeit. Trotz Herausforderungen wie Rechneranforderungen und Verarbeitungsgeschwindigkeit rechtfertigt die Qualität der von LLMs erzeugten Übersetzungen häufig diese Kompromisse.

Die Fähigkeit, Konversationsaufforderungen und Systemaufforderungen zu verwenden, unterscheidet LLMs im Bereich der Übersetzung. Indem wir den Übersetzungsprozess auf bestimmte Branchen und Kontexte zuschneiden können, bieten LLMs ein Maß an Anpassung und Genauigkeit, das traditionelle Dienste einfach nicht erreichen können.

Unsere Vergleichsbeispiele zeigen, wie LLMs im Umgang mit umgangssprachlicher Sprache, beim Bewahren kultureller Nuancen in literarischen Texten und beim Navigieren durch die Komplexität von Fachjargon gemischt mit idiomatischen Ausdrücken herausragen. Diese Fähigkeiten führen zu Übersetzungen, die nicht nur sprachlich genau, sondern auch kulturell angemessen und kontextuell reichhaltig sind.

Durch die Nutzung von LLMs in unserer AI Automatic Translation extension for Polylang wollen wir WordPress-Nutzern Übersetzungen bieten, die nicht nur die wörtliche Bedeutung des Textes vermitteln, sondern auch seine Nuancen, seinen Stil und kulturellen Kontext erfassen. Da sich die LLM-Technologie rasend schnell weiterentwickelt, sind wir begeistert von den zukünftigen Möglichkeiten und bleiben verpflichtet, diese Fortschritte zu nutzen, um die bestmöglichen Übersetzungslösungen für Polylang-Nutzer zu liefern.

In einer zunehmend vernetzten Welt, in der effektive Kommunikation über Sprachbarrieren hinweg wichtiger denn je ist, glauben wir, dass von LLMs unterstützte Übersetzungstools eine entscheidende Rolle bei der Förderung von Verständnis und Zusammenarbeit auf globaler Ebene spielen werden. Indem wir LLMs gegenüber traditionellen Übersetzungsdiensten auswählen, halten wir nicht nur mit technologischen Fortschritten Schritt – wir gestalten aktiv die Zukunft von mehrsprachigen Inhalten im Internet.

Robbert Vermeulen

Robbert Vermeulen

Founder of EPIC WP Solutions

Alle Beiträge ansehen →