Entwicklungslinien des Dolmetschens im soziokulturellen Kontext

Eine deutliche Steigerung der Anwendungskurve kann im professionellen Umfeld nach der Optimierung der maschinellen Übersetzung durch das Einbinden Künstlicher IntelligenzDigitalisierungKünstliche Intelligenz in neuronalen maschinellen Übersetzungssystemen (zum Beispiel 2016 DeepL) beobachtet werden. Die dadurch erreichte Qualitätssteigerung ermöglichte den erfolgreichen Einsatz neuronaler Systeme in immer zahlreicheren Kontexten und brachte mit sich, dass sich kaum jemand mehr diesen Werkzeugen entziehen kann. Beigetragen hat dazu vor allem eine verringerte Erwartungshaltung gegenüber dem Output maschineller Übersetzung im Allgemeinen. Im berühmten ALPAC (American Language Processing Advisory Comitee) Bericht des Jahres 1966, der ein ernüchterndes Fazit zu den ersten maschinellen Übersetzungssystemen gezogen hatte, war noch die Rede vom erstrebenswerten Ziel der vollautomatischen hochqualitativen Übersetzung („fully automated high quality translation“, FAHQT), während dies in den letzten Jahren relativiert wurde und TAUS (2016) heute von der vollautomatischen verwendbaren Übersetzung („fully automated usable translation“, FAUT) spricht.

Neuronale MaschinenübersetzungDigitalisierungNeuronale Maschinenübersetzung bindet Künstliche Intelligenz durch das maschinelle Lernen aus zweisprachigen Textkorpora ein, was zu einer deutlichen Verbesserung der Lesbarkeit des Zieltextes führte. Je höher die Qualität der vorliegenden Übersetzungen, je konsistenter Terminologie und Übersetzungen, desto besser wird auch das Produkt solcher Systeme sein.

MT language is all retrospective, based on past language production, whereas human language use is creative and adaptable dependent on entirely different rules to those used in the algorithms that re-create past language. (Griffin-Mason 2018:76)

Die Übersetzung ist jedoch fehleranfällig, wenn ein Ausgangstext nicht durch entsprechende Beispiele im Trainingskorpus abgedeckt wird oder gegensätzliche Übersetzungen bzw. Fehler im Dateninput vorkommen.

Der Einsatz der Maschine beim Dolmetschen erweist sich als komplexer Vorgang, da in Echtzeit zuerst gesprochene Sprache anhand von Spracherkennungsalgorithmen in Text umgewandelt, dieser dann von der Maschine übersetzt und schließlich durch automatische Sprachsynthese wieder in gesprochene Sprache umgewandelt werden muss. Trotz einiger einfacher Anwendungsbeispiele konnte für den professionellen Dolmetscheinsatz bisher noch keine zufriedenstellende Anwendung entwickelt werden.

Bisher gibt es noch keine Technik, die menschliche Dolmetscher ersetzen kann, von Apps, mit denen sich Touristen und Geschäftsleute kurze Sätze übersetzen lassen können, einmal abgesehen. (Gätjens et al. 2019:363)

Neuere Forschungsanstrengungen versuchen mit Hilfe Künstlicher IntelligenzDigitalisierungKünstliche Intelligenz und neuronaler Übersetzungssysteme das maschinelle Übersetzen gesprochener Sprache („speech to speech translation“, S2ST) zu verbesseren und damit die Automatisierung des Dolmetschens voranzutreiben. Innovatoren sind dabei auch hier die großen Technologiekonzerne (Google Translate Conversation Mode, Microsoft Skype Translator, Tencent Mr. Translator-Interpreter). Als kleinere Unternehmen versuchen TranslateLive mit seinem Instant Language Assistant ILA und Wordly for Conferences, automatisierte Dolmetschdienstleistungen auf den Markt zu bringen. TranslateLive erstellt beispielsweise sogenannte ‚online rooms‘, die mit Hilfe einer spezifischen App auf dem Smartphone orts- und sprachunabhängig zur Teilnahme und Diskussion betreten werden können.

Von der technischen Funktionsweise her gesehen, nennt man diese Art der S2ST den Cascading-Ansatz, da mehrere Prozesse nacheinander ablaufen: Von der Spracherkennung über die maschinelle Übersetzung zur SprachsyntheseDigitalisierungSprachsynthese. Ein anderer Forschungsansatz besteht darin, diesen Ablauf durch den Verzicht auf die beiden Schritte der Spracherkennung und -synthese zu vereinfachen, und wiederum mit Hilfe Künstlicher Intelligenz (Google AI) ein direktes Dolmetschen („end-to-end speech-to-speech translation model“) von Sprache zu Sprache zu ermöglichen. Dazu werden die aufgenommenen Sprachdaten in Form von Schallwellen („Waveform“) ohne verschriftlichten Text direkt übersetzt, d.h. in Schallwellen einer anderen Sprache transformiert, wobei zusätzlich eine gewisse Ähnlichkeit zur Ausgangsrede (Modulation, Stimmlage, Emotion) gewährleistet werden soll. Die Forschung in diesem Bereich steckt noch in den Kinderschuhen, zeigt aber bereits das darin verborgene Potential, rednerspezifische Zusatzinformationen wie emotionalen Kontext mit einzubeziehen.

Anhand dieser Entwicklungen lässt sich zumindest eine Annäherung an die technologische Singularität auch für das Dolmetschen beobachten. Insgesamt könnte der Zusammenhang zwischen Mensch und Maschine im DolmetschenDigitalisierungMaschinelles Dolmetschen sowie die entsprechende Entwicklung folgendermaßen tabellarisch skizziert werden.

Tab. 1:

Zusammenhang Mensch-Maschine im Dolmetschen

Dies ist aber nicht zwingend als lineare Weiterentwicklung zu sehen, sondern präsentiert sich zur Zeit eher als ein Nebeneinander der verschiedenen Bereiche, die in jeweils anderen Kontexten und in jeweils unterschiedlicher Frequenz in der Praxis oder experimentell mit all den damit verbundenen Vor- und Nachteilen eingesetzt werden. Dabei gilt es aber, die Auswirkungen und Folgen dieser Entwicklungen auf die mehrsprachige Kommunikation im Allgemeinen und letztlich auf Berufsprofile und Berufschancen im Besonderen zu beachten.

Offensichtlich besteht ein Bedarf nach einer effizienten technologischen Lösung für das Problem der Mehrsprachigkeit, das den kostenintensiven Faktor Mensch reduziert bzw. ausklammert. Doch solange automatisierte Lösungen keine deutliche Verbesserung gegenüber dem Einsatz ausgebildeter Sprachmittler:innen aufweisen können, solange der Einsatz dieser Entwicklungen nicht nahtlos und einfach mit den Erwartungen und Anforderungen der Kommunikationsteilnehmer:innen in Einklang gebracht werden kann, bleibt menschliche Sprachmittlung unabdingbar. Die Gefahr, dass die Arbeit ausgeht, besteht zwar kurzfristig nicht, wie das die oben zitierten Statistiken und Umfragen zeigen, bleibt aber längerfristig in Hinsicht auf das Eintreten der technologischen Singularität mit all ihren sozialen Folgen bestehen.

Was uns bevorsteht, ist die Aussicht auf eine Arbeitsgesellschaft, der die Arbeit ausgegangen ist, also die einzige Tätigkeit, auf die sie sich noch versteht. Was könnte verhängnisvoller sein? (Hannah Arendt 1960: Vita activa oder Vom tätigen Leben)

Bis dahin wird sich die Arbeitswelt kontinuierlich weiterentwickeln und dabei die menschliche Arbeit von einfacheren Tätigkeiten befreien und auf höherwertige kognitive Leistungen fokussieren, die sich einer Automatisierung weitgehend entziehen. Der Schwerpunkt im Bereich der Sprachmittlung verschiebt sich dadurch von automatisierbaren Aufgaben hin zu Aufgaben der Planung, Organisation und Evaluierung, wodurch der Lern- und Vorbereitungsaufwand, aber auch die Verantwortung deutlich steigen. Es kommt zu verstärktem Wettbewerbs- und Preisdruck, der in Verbindung mit den Schwierigkeiten des RI für zusätzlichen Stress im Beruf sorgt. RI bedeutet darüber hinaus eine Isolierung vom Ort des Geschehens: Anstatt am Kongress aktiv vor Ort beteiligt zu sein, sitzt die DolmetscherinDigitalisierungArbeitsplatz zuhause vor dem Bildschirm in einer virtuellen Kabine. Reisen und Auslandsaufenthalte, zufällige Gespräche, Interaktion mit Konferenzteilnehmer:innen sowie Kontakte zu wichtigen Persönlichkeiten außerhalb der zu dolmetschenden Reden fallen weg und viele Dolmetscher:innen, die sich unter anderem auch aus solchen sozialen Gründen für den Beruf entschieden haben, würden dies bei ausschließlichem RI nicht mehr tun. Neben dieser Art der EntfremdungDigitalisierungEntfremdung (vgl. Marx 1844/2017) von anderen Menschen bzw. vom menschlichen Gattungswesen durch das RI fügt die maschinelle Übersetzung beim S2ST die Entfremdung vom Produkt hinzu, das der Algorithmus ohne Zugabe des Menschen fertigt, bzw. ohne kreativen Umgang des Menschen mit Sprache aus Versatzstücken bestehender Übersetzungen zusammenstellt. Diese vom Menschen produzierten Übersetzungen werden lediglich im Trainingsstadium des maschinellen Übersetzungssystems und daher unabhängig vom Zeitpunkt des automatischen Dolmetschens eingebunden. Noch dazu ist den Benutzer:innen eines solchen Systems nicht bekannt, von wem, wann und unter welchen Bedingungen die zugrundeliegenden Übersetzungen zustande gekommen sind. Zur Entfremdung vom Werkzeug, das andere herstellen, kommt damit auch die Entfremdung von der eigenen Tätigkeit, die durch die Maschine aus der Arbeit unbekannter anderer entsteht. Grundsätzlich führt das maschinelle ÜbersetzenDigitalisierungMaschinelles Übersetzen zu einem ungelösten Konflikt zwischen Mensch und Maschine, da kein System ohne Daten, d.h. ohne menschliche Übersetzungen, funktionieren kann. Damit ist die Maschine gerade von dem abhängig, was sie vorgibt zu ersetzen.