EventoWeb

Zürcher Hochschule für Angewandte Wissenschaften

Nicht angemeldet (Sonntag, 15. Februar 2026 12:24:17)  

l.MA.AL.FUE-PreMT.24FS (Pre-Editing, MT, Post-Editing) 
Modul: Pre-Editing, MT, Post-Editing
Diese Information wurde generiert am: 15.02.2026
Nr.
l.MA.AL.FUE-PreMT.24FS
Bezeichnung
Pre-Editing, MT, Post-Editing
Veranstalter
LA Master-Studiengang Angewandte Linguistik
Credits
2
Erwartete Gesamtarbeitszeit
Total60.00 h
Status
Aktiv

Beschreibung

Version: 1.0 gültig ab 01.02.2024
Kursbezeichnung Gewichtung
Pre-Editing, MT, Post-Editing --

Informationen zum Modul  
Bestehensbedingungen genügende Modulbewertung
Kurs: Pre-Editing, MT, Post-Editing
Nr.
l.MA.AL.FUE-PreMT.24FS.K
Bezeichnung
Pre-Editing, MT, Post-Editing
Veranstalter
LA Master-Studiengang Angewandte Linguistik
Kategorie
Vorlesung
Unterrichtssprache
Deutsch
Erwartete Gesamtarbeitszeit
Total60.00 h
Kurs18.00 h
Selbststudium42.00 h

Beschreibung

Version: 6.0 gültig ab 01.02.2026
Lernziele Haltung:
  • Die Studierenden sind sich der Stellung und der Aufgaben von Übersetzenden im Hinblick auf den Einsatz von maschinellen Übersetzungssystemen und Systemen mit generativer KI bewusst.
  • Die Studierenden sind in der Lage, das Potenzial maschineller Übersetzungssysteme und Ihrer Einsatzbereiche für bestimmte Projekte und Aufgaben kritisch zu evaluieren und eine informierte Entscheidung zum Einsatz von maschineller Übersetzung und/oder generativer KI zu treffen.
  • Die Studierenden sind in der Lage, beim Einsatz von Übersetzungstechnologien unter Berücksichtigung des menschlichen Mehrwerts beratend zu agieren.
  • Bereitschaft zu Auftritten vor Publikum
  • Bereitschaft zur Arbeit in Gruppen und Teams
  • Bereitschaft zur Übernahme von Führungs- und Beratungsaufgaben
Wissen:
  • Die Studierenden kennen die Geschichte der maschinellen Übersetzung und die dort verwendeten Ansätze.
  • Die Studierenden wissen in Grundzügen, wie moderne (sprich neuronale) maschinelle Übersetzungssysteme sowie generative KI-Systeme funktionieren und wissen um die Stärken und Schwächen solcher Systeme.
  • Die Studierenden wissen, in welchem Umfang und in welchen Szenarien maschinelle Übersetzungssysteme von Nichtprofis bzw. in der Sprachindustrie benutzt werden.
Können:
  • Die Studierenden können maschinelle Übersetzungssysteme und generative KI sinnvoll anwenden.
  • Die Studierenden können humane und automatisierte Evaluationsmethoden auf Outputs von maschinellen Übersetzungssystemen und/oder von Systemen mit generativer KI anwenden.
  • Die Studierenden können Texte für die maschinelle Übersetzung optimieren (Pre-Editing) und die Ergebnisse der maschinellen Übersetzung effizient nachbearbeiten (Post-Editing).
  • Die Studierenden können verschiedene Arten von Übersetzungswerkzeugen (wie maschinelle Übersetzungssysteme, generative KI und CAT-Tools) sinnvoll in Prozesse) einbinden.
  • Hohe Belastbarkeit und Stressresistenz
  • Hoher Grad an Selbstorganisation und Selbststeuerung bei Individualisierung des eigenen Profils.
Lerninhalte Das Semester gliedert sich in drei Unterrichtsblöcke:

A. Der erste Block gibt einen Einblick in die Anwendungsszenarien. die Geschichte, die theoretischen Ansätze, die Methoden der Maschinellen Übersetzung (MÜ) und von Systemen mit generativer KI sowie die Methoden zur Evaluation von MÜ-Systemen.

B. Im zweiten Block werden die einzelnen Prozessschritte beleuchtet, die notwendig sind, um MÜ gemeinsam mit anderen Systemen effizient in der Praxis einzusetzen (Pre-Editing, kontrollierte Sprachen, verschiedene auftragsbedingte Arten von Post-Editing)

C. Im dritten Block wird die Kombination von MÜ-Systemen mit anderen Übersetzungswerkzeugen (wie CAT-Tools) thematisiert und die Auswirkungen des Einsatzes von MÜ-Systemen auf das Berufsbild der ÜbersetzerInnen diskutiert.

Alle Aspekte werden mit konkreten Beispielen vertieft, die die Studierenden aktiv an MÜ-Systemen und generative KI-Systemen bearbeiten, die von Sprachdienstleistern produktiv eingesetzt werden.
Lehrform Online. Vorlesung/Präsentationen der Dozierenden, begleitet von praktischen Übungen (meist am Rechner) und einer Projektarbeit.
Leistungsnachweis

Leistungsbewertung während des Semesters nach Vorgabe der
Dozierenden unter Berücksichtigung der Lernziele.
 
1. Bewertete Aufgaben und Übungen im Laufe des Semesters (70%): Note in Viertelnotenschritten
2. Projektarbeit (30%) in Form eines Konzeptentwurfs zur Einführung von maschineller Übersetzung für eine Organisation, die im Laufe des Semesters erstellt wird (Note in Viertelnotenschritten)
 
Für das Bestehen des Kurses müssen beide Leistungsnachweise bestanden werden.

Bewertungsart: Note in Viertelnotenschritten
Kursunterlagen Arnold, Doug, et. al. (1993). Machine Translation: an Introductory Guide.
London: Blackwell.
Kappus, Martin und Riediger, Hellmut (2026). Moderne MÜ
Grundfunktionsweisen und Paradigmen. In: Czulo, Oliver, Kappus, Martin & Hoberg, Felix (eds.). Forthcoming. Digitale Translatologie. (Translation and Multilingual Natural Language Processing 24). Berlin: Language Science Press. DOI: 10.5281/zenodo.17100314
 
Kenny, Dorothy. 2022. Machine translation for everyone: Empowering users in the age of artificial intelligence. (Translation and Multilingual Natural Language Processing 18). Berlin: Language Science Press. DOI: 10.5281/zenodo.6653406
Weitere Lektüre wird zu Beginn und während des Kurses bekannt gegeben.

Hinweis

  • Weitere verfügbare Versionen: 3.0 gültig ab 01.02.2024, 5.0 gültig ab 01.02.2025