A technology-oriented mapping of the language and translation industry: Analysing stakeholder values and their potential implication for translation pedagogy

Diese Studie analysiert auf Basis von Interviews mit Branchenakteuren, wie sich im automatisierten Übersetzungssektor menschlicher und technologischer Wert neu verhandeln, wobei Effizienz zur Basiserwartung wird und Anpassungsfähigkeit als zentrale, vermittelnde Kompetenz für Übersetzer hervortritt.

Das Wesentliche

Das große Puzzle: Wer ist wertvoll, der Mensch oder der Roboter?

Stell dir die Übersetzungsbranche wie eine riesige, gut organisierte Küche vor. Früher waren die Köche (die Übersetzer) die einzigen, die kochten. Sie wussten genau, welche Gewürze (Wörter) wohin gehören, und jeder Teller (Text) war ein Kunstwerk.

In den letzten Jahren ist jedoch ein super-schneller, automatischer Kochroboter in die Küche eingezogen. Dieser Roboter kann Tausende von Gerichten in Sekunden zubereiten. Aber er hat ein Problem: Er weiß nicht, ob das Gericht schmeckt, ob es für den Gast allergen ist oder ob es kulturell angemessen ist.

Diese Studie von fünf Forschern aus ganz Europa (Dublin, Gent, Wien, Köln, Grenoble) hat sich genau diese neue Küche angesehen. Sie haben 29 Leute interviewt – von Chefs über Köche bis hin zu den Kunden – und gefragt: „Was macht den Teller heute eigentlich wertvoll?"

Hier sind die drei wichtigsten Erkenntnisse, einfach erklärt:

1. Der Roboter ist der neue „Grundpreis" (Effizienz)

Früher war es ein Luxus, schnell zu sein. Heute ist es das Minimum.

• Die Analogie: Stell dir vor, du bestellst Pizza. Wenn die Pizza in 60 Minuten kommt, bist du zufrieden. Wenn sie in 10 Minuten kommt, ist das toll, aber wenn sie in 2 Stunden kommt, bist du wütend.
• In der Studie: Die Kunden und Firmen erwarten heute, dass der „Roboter" (die KI) die Basisarbeit erledigt. Schnelligkeit, Skalierbarkeit (man kann 1000 Gerichte gleichzeitig machen) und pünktliche Lieferung sind die neuen Grundregeln. Das nennt man im Fachjargon „Ethik des Dienstes". Es ist nicht mehr das Highlight, es ist einfach nur erwartet.

2. Der Mensch ist nicht weg, er ist zum „Küchenchef" geworden (Menschlicher Wert)

Viele haben Angst, dass der Roboter die Köche ersetzt. Die Studie sagt: Nein, aber ihre Rolle hat sich geändert.

• Die Analogie: Der Roboter kocht jetzt das Grundgericht (die Nudeln). Aber der menschliche Chef-Koch muss prüfen: „Ist die Soße zu salzig? Passt das Menü zum Geburtstag des Gastes? Ist das Gericht für einen veganen Gast geeignet?"
• In der Studie: Der menschliche Wert liegt heute nicht mehr im bloßen Übersetzen von Wort zu Wort. Er liegt in der Kontrolle, der Verantwortung und dem Urteilsvermögen. Der Mensch ist derjenige, der dem Roboter sagt: „Das hier ist falsch, weil es kulturell unpassend ist." Ohne diesen menschlichen „Geschmackscheck" traut sich niemand, das Essen zu servieren.

3. Die wichtigste Fähigkeit ist „Veränderungsfähigkeit" (Anpassung)

Das ist die spannendste Erkenntnis der Studie. Der wichtigste Begriff, der in fast allen Gesprächen fiel, war Anpassungsfähigkeit.

• Die Analogie: Stell dir vor, du lernst Kochen. Früher hast du gelernt, wie man mit einem Messer schneidet. Heute musst du lernen, wie man mit einem Laser-Messer, einem 3D-Drucker für Essen und einem Roboter-Arm umgeht. Und morgen kommt vielleicht ein neuer App-Koch. Wenn du stur bei den alten Methoden bleibst, wirst du arbeitslos. Wenn du lernst, mit jedem neuen Werkzeug zu kochen, bist du unersetzlich.
• In der Studie: Übersetzer müssen sich ständig weiterbilden. Sie müssen nicht nur Sprachen können, sondern auch verstehen, wie die KI funktioniert, wie man sie „anweist" (Prompting) und wo sie Fehler macht. Sie müssen sich wie ein Gymnast verhalten, der sich ständig an neue Formen anpasst, statt wie ein Stein, der starr bleibt.

Was bedeutet das für die Ausbildung? (Der „Schul"-Teil)

Die Forscher sagen: Unsere Schulen und Universitäten müssen umdenken.

• Früher: Man hat nur gelehrt, wie man perfekt übersetzt (wie man ein Messer hält).
• Heute: Man muss lehren, wie man mit dem Roboter zusammenarbeitet, wie man ihn kritisch prüft und wie man sich an neue Tools anpasst.

Es geht nicht mehr darum, ob man Technologie nutzt, sondern wie man sie nutzt, um bessere Kommunikation zu ermöglichen.

Fazit in einem Satz

Die KI hat die „schwere Hebearbeit" übernommen und macht die Übersetzung schnell und günstig, aber der menschliche Übersetzer ist jetzt der Qualitäts-Garant, der sicherstellt, dass das Ergebnis nicht nur schnell, sondern auch klug, kulturell passend und vertrauenswürdig ist. Und die wichtigste Superkraft für beide ist die Fähigkeit, sich ständig neu zu erfinden.

Technische Zusammenfassung

Hier ist eine detaillierte technische Zusammenfassung des vorliegenden Papers auf Deutsch:

Technische Zusammenfassung: Eine technologieorientierte Kartierung der Sprach- und Übersetzungsindustrie

Titel: A technology-oriented mapping of the language and translation industry – Analysing stakeholder values and their potential implication for translation pedagogy
Autoren: María Isabel Rivas Ginel, Janiça Hackenbuchner, Alina Secară, Ralph Krüger, Caroline Rossi

---

1. Problemstellung und Kontext

Die Sprach- und Übersetzungsindustrie (L&T) durchläuft derzeit einen tiefgreifenden Transformationsprozess, der durch die fortschreitende Automatisierung mittels Künstlicher Intelligenz (KI) getrieben wird. Dieser Wandel reicht von neuronalen maschinellen Übersetzungssystemen (NMT) bis hin zu Large Language Models (LLMs).

• Kernproblem: Es besteht die Sorge, dass sich der Wert von menschlichen Übersetzern zugunsten rein technischer Effizienz verlagert oder gar entwertet. Diskurse deuten auf eine Dominanz des „ethischen Dienstleistungsmodells" (Effizienz, Geschwindigkeit, Skalierbarkeit) hin, was traditionelle Werte wie Expertise, kulturelle Vermittlung und Verantwortung (Norm-basierte Ethik) verdrängen könnte.
• Forschungsfrage: Wie konstruieren und verhandeln verschiedene Stakeholder in der automatisierten L&T-Industrie den Wert von Übersetzung und Übersetzern? Welche Implikationen haben diese Wertekonfigurationen für die Didaktik im Bereich Übersetzen und Dolmetschen (T&I)?

2. Methodologie

Die Studie basiert auf einer qualitativen Datenanalyse innerhalb des Projekts LT-LiDER.

• Datengrundlage: 29 Interviews mit Stakeholdern der L&T-Industrie, durchgeführt zwischen April und Juni 2024. Die Probanden umfassen Übersetzer, Dolmetscher, Projektmanager, Wissenschaftler und Führungskräfte (sowohl interne als auch externe Stakeholder).
• Sprachen: Die Interviews wurden in sechs Sprachen (Baskisch, Katalanisch, Englisch, Französisch, Deutsch, Spanisch) geführt und anschließend in detaillierte englische Zusammenfassungen transkribiert.
• Analytischer Rahmen: Die Auswertung orientiert sich an Chestermans Rahmenwerk der Übersetzungsethik (Norm-basierte Ethik, Repräsentation, Kommunikation, Dienstleistung) sowie an neuen Kategorien, die durch die Automatisierung entstanden sind.
• Kategorien: Die Analyse erfolgte mittels vier Hauptkategorien:
  1. Menschlicher Wert (Vertrauen, Expertise, Validierung).
  2. Technologischer Wert (Leistung, Zuverlässigkeit, Optimierung).
  3. Effizienz (Zeitdruck, Deadlines, Produktivität).
  4. Anpassungsfähigkeit (Adaptability) als vermittelnde Kategorie.
• Verfahren:
  • Vorverarbeitung der Daten mit NotebookLM zur Identifizierung lexikalischer Marker und Synonyme.
  • Annotation der Interviewzusammenfassungen durch zwei Forscher, gefolgt von einer Überprüfung durch einen dritten Annotator (60% der Daten).
  • Berechnung der Inter-Annotator-Übereinstimmung (IAA) mittels Krippendorffs Alpha.
  • Einsatz von Tools wie Sketch Engine, NLTK und Word Clouds (Python) für die linguistische Musteranalyse.

3. Wichtige Beiträge und Ergebnisse

A. Wertkonstruktion und Verteilung:

• Dominanz der Anpassungsfähigkeit: Mit 45% aller Annotationen ist „Anpassungsfähigkeit" die am häufigsten genannte Kategorie. Sie fungiert als zentrale mediierende Tugend zwischen menschlichen und technologischen Domänen.
• Menschlicher Wert (25%): Wird nicht als Opposition zur Technologie, sondern als komplementäre Ebene verstanden. Er manifestiert sich primär durch Expertise, Aufsicht (Oversight), Verantwortlichkeit und kontextuelles Urteilsvermögen. Der Mensch wird als Garant für Qualität und Vertrauen positioniert, insbesondere bei der Validierung von KI-Ausgaben.
• Technologischer Wert & Effizienz (14% bzw. 16%): Technologie wird als Enabler für Geschwindigkeit, Skalierbarkeit und die Bewältigung repetitiver Aufgaben wahrgenommen. Die „Ethik des Dienstes" (Effizienz) ist zur Baseline-Erwartung geworden, verdrängt aber nicht den menschlichen Wert, sondern schafft den zeitlichen und kognitiven Raum für wertschöpfende menschliche Tätigkeiten (z. B. Textanpassung, kulturelle Lokalisierung).

B. Die Rolle der Anpassungsfähigkeit (Adaptability):

• Anpassungsfähigkeit wird nicht als passive Reaktion, sondern als aktive, professionelle Kernkompetenz definiert. Übersetzer müssen ihre Fähigkeiten, Rollen und Identitäten kontinuierlich an sich wandelnde Tools (Prompt Engineering, MT-Qualitätsschätzung, KI-Integration) anpassen.
• Es zeigt sich eine Asymmetrie: Der Mensch muss sich „trainieren" und „vorbereiten", während die Technologie als etwas beschrieben wird, das „hilft", „verbessert" und sich „entwickelt".

C. Linguistische Muster:

• Wort-Sketch-Analysen zeigen, dass „menschlich" oft mit Substantiven wie Expertise, Review und Oversight verknüpft ist.
• „Technologie" wird mit Evolution, Innovation und Automatisierung assoziiert.
• Übersetzer werden durch Verben wie trainieren, vorbereiten und unterscheiden charakterisiert, was auf den Druck hinweist, sich ständig weiterzuentwickeln, um nicht ersetzt zu werden.

4. Signifikanz und Implikationen

Für die Industrie:
Die Studie widerlegt die These eines einfachen „Ersetzens" menschlicher Arbeit durch KI. Stattdessen entsteht eine interdependente Konfiguration: Technische Effizienz ermöglicht menschliche kommunikative Arbeit. Der Wert des menschlichen Übersetzers verschiebt sich von der reinen Textproduktion hin zur strategischen Steuerung, Qualitätskontrolle und ethischen Verantwortung innerhalb automatisierter Workflows.

Für die Didaktik (T&I-Pädagogik):
Die Ergebnisse haben weitreichende Konsequenzen für die Ausbildung von Übersetzern:

1. Integration von Technologie: Technologie darf nicht als separates Modul gelehrt werden, sondern muss durchgängig in den Lehrplan integriert und mit ethischen Entscheidungen verknüpft werden.
2. Adaptive Expertise: Der Fokus muss von der Beherrschung spezifischer (schnell veraltender) Tools hin zur Entwicklung von „Adaptive Expertise" (Lernen-Lernen, kritisches Engagement mit Tools, reflexive Praxis) verschoben werden.
3. Neue Kompetenzprofile: Die Ausbildung muss Fähigkeiten wie Prompt-Design, KI-Qualitätsschätzung und strategische Automatisierung abdecken, um die in der LT-LiDER-Karte identifizierten Anforderungen zu erfüllen.

Fazit:
Die Automatisierung verändert die Wertestruktur der L&T-Industrie, ersetzt sie aber nicht. Sie erfordert eine Neudefinition der professionellen Identität, bei der Anpassungsfähigkeit die Brücke zwischen technischer Effizienz und ethischer Kommunikationsverantwortung bildet.