Back

Glossar

MQM

Was ist MQM?

MQM, oder Multidimensional Quality Metrics, ist ein Framework zur Bewertung der Übersetzungsqualität, das verschiedene Arten von Übersetzungsfehlern kategorisiert und misst. Es bietet eine standardisierte Methode, um zu beurteilen, wie gut eine Übersetzung sprachliche und qualitative Erwartungen erfüllt.

MQM wird häufig bei der Bewertung der Übersetzungsqualität, in Lokalisierungs-Workflows und bei der Evaluierung maschineller Übersetzung eingesetzt.

So funktioniert MQM

MQM bewertet Übersetzungen, indem verschiedene Fehlertypen identifiziert und klassifiziert werden.

Fehlerkategorisierung Übersetzungsfehler werden in Kategorien wie Genauigkeit, Flüssigkeit, Terminologie und Stil eingeteilt.

Schweregrade Jedem Fehler wird ein Schweregrad zugewiesen, z. B. geringfügig, schwerwiegend oder kritisch.

Strukturierte Bewertung Prüfer analysieren übersetzte Inhalte und erfassen Fehler auf Basis des MQM-Frameworks.

Qualitäts-Scoring Die erfassten Fehlerdaten werden genutzt, um Qualitätswerte zu erstellen und Verbesserungspotenziale zu identifizieren.

Vorteile von MQM

MQM bietet einen strukturierten Ansatz zur Messung der Übersetzungsqualität.

  • Standardisiert die Bewertung der Übersetzungsqualität
  • Hilft, wiederkehrende Übersetzungsprobleme zu identifizieren
  • Unterstützt eine konsistente Qualitätsbewertung über Sprachen hinweg
  • Ermöglicht messbare Kennzahlen zur Übersetzungsleistung
  • Verbessert das Qualitätsmanagement in Lokalisierungs-Workflows

MQM in Übersetzung und Lokalisierung

Viele Unternehmen nutzen MQM, um sowohl menschliche als auch maschinelle Übersetzungen zu bewerten. Das Framework ermöglicht es Teams, Übersetzungsfehler systematisch zu analysieren und die Übersetzungsqualität insgesamt zu verbessern.

Die KI-gestützte Übersetzungsplattform von LILT unterstützt kontinuierliche Qualitätsverbesserung durch die Kombination von menschliche Überprüfung, automatisierte Evaluierung und Feedback-Schleifen um die Übersetzungsleistung über mehrsprachige Content-Workflows hinweg zu verbessern.

Bereit, Evaluationssignale über alle Sprachen hinweg vergleichbar zu machen?