Translating LHCb's Documentation: First experiences and ensuring maintenance

Der Large Hadron Collider, der leistungsstärkste Teilchenbeschleuniger der Welt, befindet sich unter der Grenze zwischen Frankreich und der Schweiz und lässt Protonen zusammenstoßen, um die Bedingungen des Universums kurz nach dem Urknall zu rekonstruieren. Eines der dort untergebrachten Experimente, bekannt als LHCb, konzentriert sich darauf, zu verstehen, warum das Universum aus Materie statt aus Antimaterie besteht. Um dies zu erreichen, müssen Tausende von Wissenschaftlern aus der ganzen Welt zusammenarbeiten und komplexe Software nutzen, um Milliarden von Kollisionsereignissen zu durchsieben. Diese Software ist jedoch nicht statisch; sie verändert sich ständig, während die Maschine selbst aufgerüstet wird. Für neue Forscher, die dem Team beitreten, war das Erlernen dieser sich ständig ändernden digitalen Landschaft traditionell ein steiler Aufstieg, der auf einer Reihe von Online-Tutorials und jährlichen Workshops in Genf basierte. Als das Experiment in eine neue Phase des Betriebs eintrat, stand das Team vor einer praktischen Herausforderung: Wie man diese lebenswichtigen Trainingsmaterialien genau, aktuell und für eine wachsende Zahl von Kooperationspartnern zugänglich hält, die andere Sprachen als Englisch sprechen, insbesondere jene in China.

Die Geschichte, wie die LHCb-Kollaboration dieses Problem löste, beginnt mit der Erkenntnis, dass ihre bestehenden Trainingsmaterialien, bekannt als Starterkit, eine komplette Überarbeitung benötigten. Das Experiment hatte gerade ein massives Upgrade durchlaufen, und die Software zur Analyse der Daten hatte sich so signifikant geändert, dass die alten Lektionen nicht mehr nützlich waren. Das Team schrieb eine neue Version dieser Lektionen, erkannte aber auch eine demografische Realität: China beherbergt die größte Gruppe von LHCb-Wissenschaftlern außerhalb Europas. Viele dieser Forscher konnten aufgrund der Entfernung und der Visabestimmungen nicht ohne Weiteres zu dem jährlichen Präsenz-Workshop in die Schweiz reisen. Um sicherzustellen, dass diese Wissenschaftler nicht zurückgelassen wurden, entschied sich das Team, eine parallele Trainingsveranstaltung in China zu schaffen, was die Übersetzung des gesamten neuen Lektionensatzes ins Mandarin erforderte.

Die Übersetzung von Hunderten von Seiten hochtechnischer physikalischer Dokumentation ist eine gewaltige Aufgabe, besonders wenn der Text komplexen Code und spezialisierte Fachbegriffe enthält, die Standard-Übersetzungswerkzeuge oft falsch interpretieren. Die Forscher stellten fest, dass, wenn sie eine künstliche Intelligenz einfach baten, den Text zu übersetzen, das Ergebnis häufig ungenau war, wobei die Maschine etwa 20 Prozent der Zeit technische Begriffe erfand oder physikalische Konzepte missinterpretierte. Um dies zu beheben, entwickelten sie ein maßgeschneidertes System, das die Geschwindigkeit der KI mit der Präzision menschlicher Experten kombinierte. Zuerst trainierten sie ein lokales KI-Modell auf einem verifizierten Wörterbuch für Physikbegriffe, um sicherzustellen, dass die Maschine das spezifische Vokabular des Experiments verstand. Die KI erstellte dann einen Entwurf der Übersetzung, aber dieser Entwurf wurde niemals direkt veröffentlicht. Stattdessen wurde er einem Gremium aus zweisprachigen Physikern vorgelegt, die die Arbeit überprüften, subtile Fehler korrigierten und sicherstellten, dass der Fluss der Sprache für einen Muttersprachler natürlich wirkte.

Um dieses System langfristig reibungslos am Laufen zu halten, entwarf das Team einen Wartungsablauf, der verhinderte, dass die chinesische Version hinter dem englischen Original zurückblieb. Sie erkannten, dass, wenn die englischen Lektionen aktualisiert wurden, die chinesische Version sofort angepasst werden müsste, um nützlich zu bleiben. Sie etablierten einen Prozess, bei dem jede Änderung am englischen Text automatisch eine Benachrichtigung an einen speziellen Liaison in China auslöste. Diese Person würde dann die KI-gestützten Werkzeuge nutzen, um das neue Material zu übersetzen und zu verifizieren. Entscheidend war auch, dass das Team die Codebeispiele vom Text trennte. Indem sie den Code in separaten Dateien speicherten, die automatisch in die Lektionen eingefügt wurden, stellten sie sicher, dass der Code in beiden Sprachen identisch blieb. Dies ermöglichte es ihnen, bei jeder Änderung automatisierte Tests am Code durchzuführen, um zu garantieren, dass die Beispiele tatsächlich funktionieren würden, wenn ein Student den Anweisungen folgt, unabhängig davon, welche Sprache er liest.

Der Erfolg dieses Ansatzes wurde dadurch gemessen, wie viele Personen die übersetzten Materialien nutzten. Nachdem die chinesischen Lektionen veröffentlicht wurden, beobachtete das Team, dass etwa 22 Prozent aller Besuche der Starterkit-Website damit einhergingen, dass ein Nutzer mindestens eine Seite auf Mandarin aufrief. Diese stetige Nutzung deutete darauf hin, dass die Übersetzung nicht nur eine Formalität war, sondern eine lebenswichtige Ressource für einen bedeutenden Teil der Kollaboration darstellte. Die Daten zeigten auch ein klares Engagement-Muster, mit einem merklichen Rückgang des Traffics während der Feiertage zum chinesischen Neujahrsfest, was die realen Rhythmen der Wissenschaftler widerspiegelte, die die Website nutzen. Das Projekt bewies, dass es möglich ist, zwei Versionen eines komplexen technischen Dokuments gleichzeitig zu pflegen, ohne einen Engpass zu erzeugen, und sicherzustellen, dass die chinesischsprachige Gemeinschaft vollumfänglich an den Trainings und Analysen des Experiments teilnehmen kann.

Diese Bemühungen haben den Weg für den ersten „Geschwister“-Workshop geebnet, der in China stattfindet, vollständig auf Mandarin unterrichtet wird und das traditionelle Ereignis in Europa ergänzt. Das vom Team entwickelte System ist flexibel genug, dass auch andere wissenschaftliche Gruppen, wie etwa jene in Brasilien, denscht Rahmen für ihre eigenen lokalen Trainingsveranstaltungen adaptieren könnten. Durch die Kombination von automatisierten Werkzeugen mit menschlicher Aufsicht hat die LHCb-Kollaboration sichergestellt, dass Sprache kein Hindernis mehr für den Einstieg in die Wissenschaft darstellt, sodass das globale Team effektiver zusammenarbeiten kann, während es die grundlegende Natur des Universums weiter erforscht.