Maschinelle Übersetzung (MT), manchmal auch „automatische Übersetzung“ genannt, hat in ihrer kommerzialisierten Form in den vergangenen Jahren stark an Bedeutung gewonnen. Gewissermaßen haben die wachsende Menge an Dokumenten durch offizielle Mehrsprachigkeit (z.B. in UN und EU) oder Zweisprachigkeit (z.B. in Kanada) sowie die steigende Anzahl von Sprachen im Internet den Forschern im Bereich maschineller Übersetzung dabei geholfen, die Muster und Wahrscheinlichkeiten natürlicher Sprachverwendung im Kontext und bei der Übersetzung besser zu verstehen. Diese Informationen sind wichtig für die Vorhersage und Verbesserung der Ergebnisse einfacher maschineller Übersetzungssysteme, die dem Internetnutzer heutzutage bekannt sind. Dazu zählt insbesondere der Google Übersetzer.       

Die eigentliche Forschung im Bereich maschineller Übersetzung begann in den 1950er Jahren und war mit überzogenen Erwartungen verbunden. Man erwartete eine „fully automatic high quality translation of unrestricted text" (vollautomatische, qualitativ hochwertige Übersetzung von unbeschränktem Text). Der 1966 veröffentlichte ALPAC-Bericht zerschlug diese Hoffnungen und bewirkte eine Kürzung von finanziellen Mitteln. Doch gleichzeitig ermutigte er Forscher, sich im Bereich der computergestützten Übersetzungstechnologien (CAT) zu engagieren. In Kanada wurde das METEO MT System zu einem der besten Beispiele für erfolgreiche maschinelle Übersetzung. Bis zu den 1990er Jahren basierten die meisten maschinellen Übersetzungssysteme auf einem regelorientierten Ansatz, der umfangreiche Wörterbücher, umfassende Grammatiken (Regeln und Ausnahmen) und Programme erfordert, um dem System „beizubringen“, wie es grammatikalisch korrekte Sprache in bestimmten Bereichen produziert. Seit den 1990er Jahren dominieren jedoch im Bereich maschineller Übersetzung (beispielorientiert und statistisch) korpusorientierte Ansätze die Forschungslandschaft und die kommerziellen Systeme. Diese nutzen zwei‑ und mehrsprachige Korpora und Verknüpfungstechniken und erzeugen bei der beispielorientierten maschinellen Übersetzung (EBMT) Segment-Paare und wenden bei der statistischen maschinellen Übersetzung (SMT) statistische Analyse‑ und Wahrscheinlichkeitsmodelle an.  

Maschinelle und menschliche Übersetzung sind beide anwendbar im Bereich professioneller Übersetzung, jedoch für unterschiedliche Zwecke. Maschinelle Übersetzung wird eingesetzt, wenn der Kontext und das Thema (z.B. Wetter, Bedienungsanleitungen oder Produktspezifikationen) eng beschränkt werden können, damit der übersetzte Output nur minimale Fehler enthält. Vorbereitung (kontrollierte Sprache beim Schreiben von Quelltext) und Nachbereitung (menschliche Überprüfung von maschinellem Output) sind notwendig, um eine angemessene Qualität des übersetzten Texts zu erzielen, bevor dieser veröffentlicht wird. Anders als bei der Überprüfung und Bearbeitung von menschlich übersetztem Text, ist es bei der Nachbearbeitung maschineller Übersetzungen erforderlich, dass die Bearbeiter durch Erfahrung wissen, welche Art von Fehler eine Maschine im Gegensatz zum Menschen macht. Maschinen sind weder in der Lage, Text zu „verstehen“ wie Menschen es können, noch sprachliche und kulturelle Mehrdeutigkeiten zu entschlüsseln. Korrekte lexikalische und syntaktische Verbindungen zwischen den Sprachen werden nicht immer einfach gefunden, und außersprachliches Weltwissen ist schwierig zu kodifizieren und zu programmieren. Andererseits steigt die breite Nutzung maschineller Online-Übersetzungssysteme. Hier wird der Bedarf an „groben“ Übersetzungsergebnissen deutlich, bei denen die User nur ein grundlegendes inhaltliches Verständnis erreichen wollen. Der Bereich der maschinellen Übersetzung ist normalerweise ein Fachgebiet innerhalb der Computerlinguistik und der künstlichen Intelligenz. Derzeit sind Speech-to-Speech-Übersetzung und mobile Übersetzung wichtige Forschungsbereiche. Wie neuere gemeinsame Initiativen wie die AMTA- und ATA-Konferenzen in den USA (2010) gezeigt haben, tragen die Berufsbereiche der maschinellen und der menschlichen Übersetzung mit ihren jeweiligen Erkenntnissen dazu bei, den Anforderungen des steigenden Übersetzungsbedarfs weltweit, insbesondere im Internet, gerecht zu werden.

Literaturhinweise:

Commonsense Advisory, "Resources--Glossary", online.

Hutchins, John. "Publications on machine translation, computer-based translation technologies, linguistics and other topics." Web. http://www.hutchinsweb.me.uk/

Hutchins, John. "The development and use of machine translation systems and computer-based translation tools" (1999). Available online.

Baker, Mona and Gabriela Saldanha (eds), Routledge Encyclopedia of Translation Studies. 2nd Edition, London / New York: Routledge, 2009.

Gambier, Yves and Luc Van Doorslaer (eds), Handbook of Translation Studies. Vol. 1, Amsterdam / Philadelphia: John Benjamins Publishing Company, 2010. Also online.

Guzmán, Rafael, "Manual MT Post-editing", Translation Journal (2007). Available online.

Nirenburg, Sergei, Harold Somers, and Yorick Wilks (eds), Readings in Machine Translation, Cambridge, MA (U.S.): MIT Press, 2003.

Somers, Harold (ed), Computers and Translation--A translator's guide, Benjamins Translation Library, Amsterdam / Philadelphia: John Benjamins Publishing Company, 2003.