Leverage

In der Lokalisierung nutzen bezeichnet die Wiederverwendung zuvor übersetzter Inhalte zur Steigerung von Effizienz und Konsistenz bei der Übersetzung. Übersetzungssysteme identifizieren Segmente, die mit früheren, im Translation Memory gespeicherten Übersetzungen übereinstimmen oder ihnen ähneln, und schlagen sie zur Wiederverwendung vor.

Höherer Leverage bedeutet, dass ein größerer Teil neuer Inhalte mithilfe vorhandener Übersetzungen übersetzt werden kann, wodurch weniger neue Übersetzungsarbeit anfällt.

So funktioniert Leverage

Leverage wird in der Regel anhand von Translation-Memory-Matches berechnet.

Translation-Memory-Matching Das System vergleicht neuen Ausgangstext mit zuvor übersetzten Segmenten.

Match-Identifikation Segmente können als exakte Matches, Fuzzy Matches oder andere Match-Typen erscheinen.

Content-Wiederverwendung Übersetzer können vorgeschlagene Übersetzungen wiederverwenden oder anpassen, statt von Grund auf neu zu übersetzen.

Leverage-Reporting Übersetzungsplattformen können Berichte bereitstellen, die zeigen, welcher Anteil der Inhalte von bestehenden Übersetzungen profitiert.

Vorteile von Leverage

Leverage hilft Organisationen, Übersetzungs-Workflows effizient zu skalieren.

• Reduziert Übersetzungszeit und -kosten
• Verbessert die Konsistenz von Terminologie und Formulierungen
• Verwendet zuvor freigegebene Übersetzungen erneut
• Unterstützt schnellere Aktualisierungen bestehender Inhalte
• Steigert die Effizienz in großen Lokalisierungsprojekten

Leverage in Lokalisierungs-Workflows

Leverage ist eine wichtige Kennzahl in Übersetzungsprojekten – insbesondere bei der Aktualisierung von Dokumentation, Software oder Websites mit wiederkehrenden oder ähnlichen Inhalten. Durch die maximale Wiederverwendung aus dem Translation Memory können Organisationen die mehrsprachige Content-Produktion verschlanken.

Die KI-gestützte Übersetzungsplattform von LILT hilft Teams, die Wiederverwendung von Übersetzungen zu maximieren, indem Translation Memory, adaptive maschinelle Übersetzung und menschliches Feedback kombiniert werden, um die Effizienz über Lokalisierungs-Workflows hinweg zu steigern.