Maschinelle Übersetzung: Ein umfassender Leitfaden

Jul 07, 2023

Unter maschineller Übersetzung versteht man den Einsatz künstlicher Intelligenz zur automatischen Übersetzung von Text und Sprache von einer Sprache in eine andere. Mithilfe natürlicher Sprachverarbeitung und Deep-Learning-Techniken analysiert maschinelle Übersetzungssoftware die sprachlichen Elemente der Originalsprache, erkennt, wie sich die Wörter gegenseitig beeinflussen, und vermittelt dann ihre volle Bedeutung in einer neuen Sprache.

Maschinelle Übersetzung nutzt KI, um Text und Sprache automatisch von einer Sprache in eine andere zu übersetzen. Es basiert auf der Verarbeitung natürlicher Sprache und Deep Learning, um die Bedeutung eines bestimmten Textes zu verstehen und ihn in verschiedene Sprachen zu übersetzen, ohne dass menschliche Übersetzer erforderlich sind.

Zu den beliebten maschinellen Übersetzungstools gehören Google Translate und Microsoft Translator, die beide in der Lage sind, sowohl gesprochene als auch geschriebene Sprachen zu übersetzen. Sie bauen auf allen vorhandenen Kenntnissen der Verarbeitung natürlicher Sprache auf – einschließlich Grammatik, Sprachverständnis und Sprachgenerierung – und erstellen schnell Übersetzungen in Hunderte verschiedener Sprachen.

Maschinelle Übersetzungen sind alles andere als fehlerfrei, und diese Systeme produzieren Übersetzungen nicht so schnell und flüssig wie die Geräte, die in Science-Fiction-Geschichten wie „Per Anhalter durch die Galaxis“ oder „Star Trek“ dargestellt werden. Dennoch hat diese Technologie im Laufe der Jahrzehnte große Fortschritte gemacht und verspricht, die Sprachübersetzung in Zukunft erheblich zu revolutionieren.

DenkanstoßWerden wir jemals einen echten „Star Trek“-Universalübersetzer sehen?

Die maschinelle Übersetzung hat ihren Ursprung in den 1950er Jahren – als die Vereinigten Staaten sie während des Kalten Krieges nutzten, um Russland und andere Länder auszuspionieren – und ist damit „die ursprüngliche Anwendung der künstlichen Intelligenz“, so Maite Taboada, Linguistikprofessorin an der britischen Simon Fraser University Kolumbien, Kanada.

Die damals verwendeten Methoden erforderten die manuelle Programmierung umfangreicher zweisprachiger Wörterbücher und Grammatikregeln in Computern, um eine Sprache in eine andere zu übersetzen. In den frühen 2000er Jahren begannen Computer, maschinelles Lernen zu nutzen, um Texte zu analysieren und statistische Vorhersagen zu treffen, um die Wahrscheinlichkeit zu bestimmen, dass ein bestimmtes Wort oder eine bestimmte Phrase in einer Ausgangssprache ein entsprechendes Wort oder eine entsprechende Phrase in einer Zielsprache sein würde.

Heute verlassen wir uns auf die neuronale maschinelle Übersetzung, die Deep Learning nutzt, um neue Sprachen zu lernen und dieses Wissen dann mithilfe einer speziellen Methode des maschinellen Lernens namens neuronale Netze kontinuierlich zu verbessern, bei der Eingabedaten mehrere miteinander verbundene Knoten durchlaufen, um eine Ausgabe zu generieren – ähnlich dem Art und Weise, wie das menschliche Gehirn funktioniert.

Neuronale maschinelle Übersetzungssoftware arbeitet mit riesigen Datensätzen und berücksichtigt bei jedem Übersetzungsschritt den gesamten Eingabesatz, anstatt ihn wie andere Methoden in einzelne Wörter oder Phrasen aufzuteilen. Es ist besser in der Lage, die Absicht oder Bedeutung eines Satzes zu erfassen – und sogar zu verstehen – und hat daher viele der älteren statistischen Modelle schnell ersetzt.

Ein neuerer Durchbruch in der neuronalen maschinellen Übersetzung war die Schaffung transformatorischer neuronaler Netze – das „T“ in GPT, das große Sprachmodelle oder LLMs wie ChatGPT von OpenAI und Bard von Google antreibt. Transformer lernen Muster in der Sprache, verstehen den Kontext eines Eingabetextes und generieren eine entsprechende Ausgabe. Dadurch sind sie besonders gut darin, Texte in verschiedene Sprachen zu übersetzen.

Mithilfe einer Technik namens „Selbstaufmerksamkeit“ können sich Transformatoren selektiv auf verschiedene Teile eines Eingabesatzes konzentrieren, deren Bedeutung danach abwägen, wie relevant sie füreinander sind, und wichtige Beziehungen zwischen ihnen identifizieren, sodass sie genau in einen anderen übersetzt werden können Sprache. Sie werden außerdem mit riesigen Mengen zweisprachiger Textdaten geschult, was ihnen hilft, die Nuancen verschiedener Sprachen zu lernen und ihre Fähigkeit verbessert, genaue Übersetzungen zu erstellen.

„Mit Transformatormodellen sagen Sie auch [das nächste Wort] voraus, genau wie bei jedem großen Sprachmodell. Aber Sie sagen es im Kontext voraus“, sagte Olga Beregovaya, Vizepräsidentin für KI und maschinelle Übersetzung beim Übersetzungsunternehmen Smartling, gegenüber Built In. „Während große Sprachmodelle für eine Vielzahl von Aufgaben trainiert werden, schneidet die neueste Generation von LLMs bei Übersetzungsaufgaben gleichermaßen gut ab.“

Auf ihrer ausgefeiltesten Ebene ist maschinelle Übersetzung im Wesentlichen eine Form der generativen KI, bei der LLMs zur automatischen Textproduktion eingesetzt werden. Wenn ein Benutzer beispielsweise ChatGPT auf Englisch auffordert, ihm ein Schokoladen-Eclair-Rezept auf Französisch zu geben, ist die Ausgabe ein Beispiel für maschinelle Übersetzung.

Bis zu diesem Zeitpunkt war die neuronale maschinelle Übersetzung ohne den Einsatz von Transformatormodellen sachlich korrekt, es fehlte ihr jedoch die Fließfähigkeit natürlicher Sprache. Und KI-generierte Texte sind mittlerweile recht gesprächig, können aber auch völlig daneben liegen.

Die nächste Version der maschinellen Übersetzung wird wahrscheinlich die Stärken von LLMs und neuronaler maschineller Übersetzung kombinieren, um eine natürlichere und präzisere Sprachübersetzung zu erzeugen. Tatsächlich sagt Beregovaya, dass dies bereits mit GPT-4 geschieht, dem fortschrittlichsten Sprachmodell von OpenAI.

„GPT-4 produziert bereits maschinelle Übersetzungskopien – oft ist die Qualität für bestimmte Übersetzungsrichtungen der neuronalen maschinellen Übersetzung überlegen“, sagte sie. „Wird es tatsächlich zu einer technologischen Konvergenz kommen? Das bleibt abzuwarten. Aber auf jeden Fall werden sie voneinander lernen und voneinander profitieren.“

Ein Blick in die Zukunft: Die Zukunft der KI: Wie künstliche Intelligenz die Welt verändern wird

Moderne maschinelle Übersetzungstools bieten insbesondere bei Geschäftsanwendungen viele Vorteile.

Laut Rick Woyde, CTO und CMO des Übersetzungsunternehmens Pairaphrase, ist maschinelle Übersetzung im Wesentlichen ein „Produktivitätssteigerer“. Es kann konsistente, qualitativ hochwertige Übersetzungen in großem Maßstab und mit einer Geschwindigkeit und Kapazität liefern, die kein Team menschlicher Übersetzer allein erreichen könnte.

Und mit fortlaufenden Verbesserungen der Algorithmen für maschinelles Lernenund Computertechnologie wird die maschinelle Übersetzung in Zukunft wahrscheinlich noch schneller und effizienter werden.

Maschinelle Übersetzungssysteme können auch dank unüberwachtem Lernen weiter lernen, einer Form des maschinellen Lernens, bei der unbeschriftete Dateneingaben und -ausgaben verarbeitet werden, um Ergebnisse vorherzusagen. Beim unüberwachten Lernen kann ein System selbstständig Muster und Beziehungen zwischen unbeschrifteten Daten erkennen und so autonomer lernen.

Dies ist ideal für die maschinelle Übersetzung. Je mehr Inhalte produziert und eingespeist werden, desto besser kann sich die Qualität ihrer Übersetzungen verbessern. Die Engines können im Laufe der Zeit neue Wörter, Phrasen und sogar Sprachen lernen.

Die maschinelle Übersetzung erledigt einen Großteil der anfänglichen Schwerstarbeit der Sprachübersetzung und minimiert den Bedarf an menschlichem Eingreifen, was sowohl die Kosten als auch die Zeit bis zur Lieferung reduzieren kann. Unternehmen können beispielsweise eine maschinelle Übersetzungsmaschine in ihr Content-Management-System integrieren, um die darin enthaltenen Informationen automatisch in verschiedene Sprachen zu übersetzen, ohne ein Team von Mitarbeitern dafür bezahlen zu müssen.

„Man kann heute mit weniger Leuten viel mehr erreichen“, sagte Woyde. „Der Kostenvergleich fällt heute lächerlicherweise zugunsten der Technologie aus.“

„Der Kostenvergleich fällt heute lächerlicherweise zugunsten der Technologie aus.“

Das heißt nicht, dass die maschinelle Übersetzung menschliche Übersetzer vollständig überflüssig machen wird. Vielmehr werden sich ihre Jobs einfach ändern. Während ein maschinelles Übersetzungsmodell trainiert wird, können menschliche Übersetzer Glossare bestimmter Begriffe und die richtigen Übersetzungen für diese Begriffe erstellen. Sie werden gewissermaßen zu Software-Ingenieuren, die die Regeln diktieren, denen eine Maschine folgen muss. Sobald die Übersetzung fertig ist, können sie bei Bedarf Änderungen oder Änderungen vornehmen.

Diese Art von Arbeit ist besonders wichtig für die Erstellung eines maschinellen Übersetzungsmodells, das genauer auf eine bestimmte Branche oder ein bestimmtes Unternehmen abgestimmt ist. Beispielsweise bedeutet das Wort „Kupplung“ in der Automobilindustrie etwas ganz anderes als in der Modebranche, und ein maschinelles Übersetzungssystem benötigt möglicherweise einen Menschen, der ihm das beibringt.

„Mit einem Glossar können Sie direkt dort 50 Prozent Ihrer Fehler reduzieren“, sagte Woyde. „In diese Richtung gehen wir. Sie können kleinere Datenmengen verwenden, um die Übersetzung, die Sie von einer Maschine erhalten, zu verbessern. Und das ist in großem Maßstab möglich.“

Maschinelle Übersetzung kann eine kostengünstige und effektive Möglichkeit sein, die Barrierefreiheit zu verbessern. Viele große Anbieter maschineller Übersetzungen bieten Hunderte von Sprachen an und können gleichzeitig Übersetzungen für mehrere Sprachen liefern, was hilfreich sein kann, um schnell ein mehrsprachiges Publikum zu erreichen.

Dabei geht es nicht nur darum, Sprachbarrieren abzubauen. Menschen, die blind oder sehbehindert sind, können die Text-to-Speech-Technologie mit maschineller Übersetzung nutzen, sodass ein Text gleichzeitig übersetzt und laut vorgelesen werden kann, sodass sie viel bequemer auf Informationen zugreifen können.

Durch die Beseitigung von Sprachbarrieren und die Verbesserung des Benutzererlebnisses kann maschinelle Übersetzung die Zugänglichkeit von Inhalten, Produkten und Dienstleistungen für Zielgruppen auf der ganzen Welt verbessern.

Obwohl die maschinelle Übersetzung einen langen Weg zurückgelegt hat und Unternehmen weiterhin Vorteile bringt, ist sie noch nicht perfekt. Es gibt immer noch einige Herausforderungen im Zusammenhang mit der Schulung maschineller Übersetzungssysteme und viele Fälle, in denen diese Technologie keine ideale Lösung darstellt.

Wie jedes KI-Modell wissen maschinelle Übersetzungssysteme nur, was in ihrem Trainingsdatensatz enthalten ist. Und da beim Deep Learning unüberwachte Methoden zum Einsatz kommen, lernen sie alles, indem sie Daten aus der Welt abrufen – unabhängig davon, ob diese Daten voreingenommen sind oder nicht. Infolgedessen erben sie dieselben Probleme und Vorurteile wie in der realen Welt.

Dies gilt insbesondere für Sprachen, die ihre Substantive entweder als männlich oder weiblich klassifizieren müssen, wie Französisch und Spanisch. Wenn beispielsweise die Wörter „Arzt“ und „Krankenschwester“ vom Englischen ins Spanische übersetzt werden, muss ihnen ein Geschlecht zugeordnet sein. Für welche Geschlechter sich die maschinelle Übersetzungsmaschine entscheidet, hängt wahrscheinlich vom vorherrschenden Geschlecht ab, das in ihren Trainingsdaten mit Ärzten und Krankenschwestern assoziiert wird.

„Es reproduziert die Welt so, wie sie ist, nicht so, wie wir sie haben wollen.“

„Es wird vorhergesagt, dass Krankenschwestern Frauen und Ärzte Männer sind“, sagte Linguistikprofessor Taboada. „Es reproduziert die Welt so, wie sie ist, nicht so, wie wir sie haben wollen.“

Unterdessen verfügen andere Trainingsdatensätze möglicherweise in einigen Sprachen über eine übergroße Datenmenge, in anderen jedoch nicht annähernd genug, was bedeutet, dass die maschinelle Übersetzungsmaschine für diese unterrepräsentierten Sprachen nicht so genau funktioniert. Seine Algorithmen sind möglicherweise nicht in der Lage, zwischen Nuancen wie Dialekten zu unterscheiden, was die Übersetzungen unzureichend macht.

Mehr zur KI-VoreingenommenheitHey Siri, verstärken KI-Sprachassistenten die Geschlechtervoreingenommenheit?

In vielen Fällen wird die maschinelle Übersetzung ohne Bearbeitung oder Unterstützung durch Menschen keine genaue Ausgabe erzeugen. Ganz gleich, wie viele Daten man in eine maschinelle Übersetzungsmaschine einspeist, sie wird mit den Feinheiten der Sprache zu kämpfen haben.

Bei der maschinellen Übersetzung kommt es oft zu Problemen mit unterschiedlichen Syntax- oder Grammatikregeln, die für bestimmte Sprachen spezifisch sind. Und wenn eine Engine auf seltenes oder spezielles Vokabular stößt, auf das sie nicht trainiert wurde, wie etwa Branchenbegriffe oder branchenspezifischen Jargon, kann es sein, dass sie falsche oder unvollständige Übersetzungen ausspuckt, wenn kein Mensch in der Schleife ist, der Änderungen vornimmt.

Und viele Sprachen enthalten idiomatische Ausdrücke, die wörtlich übersetzt keinen Sinn ergeben. Wenn man zum Beispiel einen „Frosch im Hals“ hat, heißt das nicht, dass jemand eine Amphibie im Mund hat; es bedeutet, dass sie ihre Stimme verloren haben. Eine maschinelle Übersetzungsmaschine würde das wahrscheinlich nicht erkennen und es einfach wörtlich übersetzen, was in anderen Sprachen zu ziemlich umständlichen Ergebnissen führen könnte.

Dies macht maschinelle Übersetzung zu einer nicht optimalen Lösung für die Übersetzung kreativerer Texte wie Romane oder sogar narrativen Journalismus. Die maschinelle Übersetzung verfügt nicht über die Nuancen oder das kontextuelle Know-how, um „Krieg und Frieden“, ein ursprünglich auf Russisch verfasstes Romanwerk, zu sichten und angemessen in eine andere Sprache zu übersetzen.

„Maschinelle Übersetzung hat kein Gehirn.“

„Maschinelle Übersetzung hat kein Gehirn“, sagte Beregovaya von Smartling. „Es ist ein neuronales Netzwerk, aber es ist ein mathematisches Modell. Und das mathematische Modell ist nicht darauf ausgelegt, die Redewendungen zu verstehen.“

Obwohl maschinelle Übersetzungsmaschinen hervorragend darin sind, ganze Sätze zu analysieren, fällt es ihnen immer noch schwer, die Beziehung eines Satzes zu den Sätzen davor und danach zu verstehen. Wenn jemand also „Maria ist Ärztin. Der Arzt betrat den Raum“ ins Spanische übersetzen wollte, übersetzte die Engine „doctor“ im ersten Satz korrekt in „médica“, übersetzte ihn dann aber fälschlicherweise in „médico“. im zweiten Satz, weil es sich nicht an den Kontext erinnert, in dem es sich bei der Ärztin um eine Frau namens Mary aus dem vorherigen Satz handelt.

Dieses Problem kann in anderen Kontextformen auftreten, etwa im Ton oder in der Kultur.

Beispielsweise verwenden einige Sprachen je nach angesprochener Person unterschiedliche Pronomen. Wenn eine Person ihren Freund auf Französisch anspricht, sagt sie für Sie „tu“, aber wenn sie ihren Chef anspricht, sagt sie „vous“. Eine maschinelle Übersetzungsmaschine würde diese Komplexität jedoch wahrscheinlich nicht kennen, da sie nicht versteht, wie französische Grammatik mit Kontext und Kultur verknüpft ist.

Verwandte LektüreMöchten Sie KI nutzen? Investieren Sie zuerst in Business Intelligence

Maschinelle Übersetzungen erzielen in der Regel die besten Ergebnisse, wenn der Quellinhalt eher lehrreich und unkompliziert als kreativ ist oder wenn das Endziel eher darin besteht, einen Standpunkt schnell zu vermitteln, als eine fehlerfreie und differenzierte Übersetzung zu erstellen.

„Es ist [gut] für das, was wir ‚Gisting‘ nennen würden“, sagte Woyde von Pairaphrase, „wo ich den Kern der Idee verstehen möchte.“

Für Unternehmen mit vielen über die ganze Welt verteilten Mitarbeitern kann es schwierig sein, einheitliche und umfassende unternehmensweite Kommunikation zu versenden. Die Sprachkenntnisse können von Büro zu Büro und von Mitarbeiter zu Mitarbeiter unterschiedlich sein, und einige beherrschen möglicherweise nicht die offizielle Betriebssprache des Unternehmens.

Maschinelle Übersetzung kann dazu beitragen, diese Sprachbarriere zu verringern oder zu beseitigen, indem sie es Unternehmen ermöglicht, ihre interne Kommunikation in großem Umfang zu übersetzen. Dies kann bei der Erstellung von Tickets für den technischen Support, Firmenmitteilungen, Präsentationen und Schulungsmaterialien nützlich sein.

Das Gleiche gilt auch für die externe Kommunikation, bei der ein Unternehmen effizient ein globales Publikum erreichen möchte. Es eignet sich gut zum Übersetzen von Videos, Blogbeiträgen, Marketingmaterialien und benutzergenerierten Inhalten wie Produktbewertungen.

Beregovaya sagt beispielsweise, dass Unternehmen wie Tripadvisor seit Jahren maschinelle Übersetzung verwenden, um alle ihre Nutzerbewertungen zu übersetzen, sodass Kunden beispielsweise herausfinden können, welches das beste Restaurant auf Santorin ist, ohne Griechisch sprechen zu müssen.

Sowohl für die externe als auch für die interne Kommunikation kann die maschinelle Übersetzung mit oder ohne einen menschlichen Übersetzer erfolgen, solange es nicht zwingend erforderlich ist, dass das Material die übersetzte Sprache perfekt beherrscht.

Maschinelle Übersetzungen, bei denen Menschen entweder an der Schulung oder der Nachbearbeitung beteiligt sind, eignen sich eher für Inhalte, die möglicherweise zu kompliziert sind, als dass eine maschinelle Übersetzungsmaschine sie alleine bewältigen könnte. Oder es steht zu viel auf dem Spiel, wenn der Motor einen Fehler macht. Dies eignet sich gut für die Übersetzung von Inhalten in stark regulierten Bereichen wie Recht und Medizin – also Dinge wie Patente, Klagen, Ergebnisse klinischer Studien und Arzneimittelwarnungen.

„Mit einem Menschen im Kreislauf erstellen Sie zu 100 Prozent angemessene, brauchbare, flüssige, grammatikalisch korrekte und markengerechte Übersetzungen“, sagte Beregovaya. „Von da an erweitern sich die Anwendungsfälle auf unbestimmte Zeit.“

Hier sind einige maschinelle Übersetzungstools, die eine neue Ära der technologiegestützten Sprachübersetzung einläuten.

Google Translate ist wohl das beliebteste maschinelle Übersetzungstool und bietet kostenlose Übersetzungsdienste in mehr als 100 Sprachen. Es gehörte zu den ersten Motoren dieser Art, die neuronale maschinelle Übersetzung implementierten, was heute in der Branche Standard ist.

Mithilfe neuronaler maschineller Übersetzung übersetzt die Plattform Text, der direkt in ihre Benutzeroberfläche eingegeben wird. Und es ist in Google Docs integriert, sodass Benutzer Texte direkt dort übersetzen können. Benutzer können auch ein Foto von etwas machen – zum Beispiel einem Straßenschild oder einer Zeitung – und Google Translate übersetzt den Text in diesem Bild automatisch in eine andere Sprache.

Mit Microsoft Translator können Benutzer alles übersetzen, von Echtzeitgesprächen über Menüs bis hin zu Word-Dokumenten. Es verfügt außerdem über eine benutzerdefinierte Übersetzerfunktion, die speziell für Unternehmen, App-Entwickler und Sprachdienstleister gedacht ist, um ein neuronales Übersetzungssystem zu erstellen, das ihren eigenen Anforderungen entspricht. Mit Custom Translator können Benutzer auch Text mithilfe des Translator-Diensts in Azure und Sprachübersetzungen mithilfe des Speech-Diensts in Azure anpassen.

Microsoft bietet auch benutzerdefinierte Übersetzungsfunktionen speziell für den Bildungsbereich und stellt Tools bereit, mit denen Vorlesungen und Präsentationen, Eltern-Lehrer-Konferenzen und Lerngruppen übersetzt und mit Untertiteln versehen werden können.

Mit Pairaphrase können Unternehmen alles übersetzen, von gescannten PDFs bis hin zu E-Mails. Sobald sie eine Übersetzung erstellt haben, speichert die Plattform diese Informationen und nutzt maschinelles Lernen, um deren Qualität im Laufe der Zeit zu verbessern.

Pairaphrase bietet auch eine Datensicherheitskomponente – ein wichtiger Unterschied in einer Zeit, in der generative KI und andere Modelle der künstlichen Intelligenz neue Arten von Datenschutzrisiken mit sich bringen. Die Plattform ermöglicht es Unternehmen, alle proprietären Dokumente, Übersetzungen, Glossare usw. vollständig vertraulich und sicher zu behandeln und sie niemals öffentlich weiterzugeben oder in Suchmaschinen zu indizieren.

Mehr erfahrenKI-generierte Inhalte und Urheberrecht: Was wir wissen

Amazon Translate nutzt neuronale maschinelle Übersetzung, um qualitativ hochwertige und schnelle Sprachübersetzungen zu ermöglichen. Die Plattform wird kontinuierlich verbessert, um im Laufe der Zeit genauere Übersetzungen zu erstellen, und fügt ständig neue Sprachen hinzu.

Translate kann in die anderen Kanäle eines Unternehmens integriert werden und Inhalte in verschiedenen Formaten verarbeiten. Dank seiner Anpassungsfähigkeit und Skalierbarkeit ist es einfach für alle Arten von Projekten einsetzbar, von der Übersetzung benutzergenerierter Inhalte bis hin zum Hinzufügen von Echtzeitübersetzungen in Chat-, E-Mail-, Helpdesk- und Ticketing-Anwendungen.

Das maschinelle Übersetzungstool von Smartling wird von Hunderten von Unternehmen verwendet, darunter Lyft, Shopify und Peloton, um mehrsprachige Websites, Marketingkampagnen, Web- und Mobilprodukte sowie Kundenerlebnisse zu automatisieren und zu erstellen.

Seine cloudbasierte Plattform für maschinelles Übersetzungsmanagement bietet KI-gestütztes Inhalts- und Workflow-Management, Leistungs- und Fortschritts-Dashboards sowie automatisierte Inhaltsaufnahme. Kunden können entweder einen der menschlichen Übersetzer von Smartling nutzen, mit dem sie direkt kommunizieren und Styleguides und Glossare teilen können, oder die Engine für neuronale maschinelle Übersetzung.

Die sogenannte „LangOps“-Plattform von Unbabel kombiniert sowohl menschliche als auch maschinelle Übersetzung, um Unternehmen dabei zu helfen, mehrsprachige Kundenerlebnisdienste anzubieten und in neue Märkte zu expandieren. Dazu gehören Echtzeit-Chat-Übersetzungen zwischen Kundendienstmitarbeitern und Kunden, Pressemitteilungen, E-Mail-Marketingkampagnen sowie E-Books und Whitepapers.

Unbable ist in der Lage, sich direkt in das CRM eines Unternehmens und in die digitalen Kanäle zu integrieren, die das Unternehmen bereits nutzt, einschließlich E-Mail, Chat und soziale Medien. Das Unternehmen gibt an, dass es Unternehmen dabei helfen kann, ihre Inhalte bis zu 65 Prozent schneller bereitzustellen und die Kosten im Vergleich zum reinen Einsatz menschlicher Übersetzer um mehr als die Hälfte zu senken.