So schneidet es ab
Drei Wege, wie Übersetzer mit Wiederholungen umgehen
| Was zählt |
Tabelle & Suche |
Altes TMS |
WordBeam |
| Eine frühere Übersetzung finden |
Strg+F in alten Dateien |
Suche im Tool |
Bewertete Treffer, sobald Sie das Segment betreten |
| Fuzzy-Matches (ähnlich, nicht identisch) |
Keine |
Ja |
Ja, mit hervorgehobenen Unterschieden |
| Automatische Übernahme von Wiederholungen |
Manuelles Copy-&-Paste |
Meistens |
Einmal bestätigen, im ganzen Dokument angewendet |
| Wiederverwendung über Kunden und Projekte hinweg |
Was immer Sie sich merken |
Pro Projekt, oft pro Stufe |
Gemeinsam genutzt in jedem Projekt |
| Lernt Ihren Ton und Ihre Terminologie |
— |
Statische Datenbank |
Neuronales TM, passt sich Ihrer Stimme an |
| Terminologie-Absicherung |
Eine zweite Tabelle |
Zusatzmodul |
Terminologiedatenbank inklusive |
| Qualitätsprüfungen gegen die Memory |
— |
Sammelbericht am Ende |
Live, bei jedem Tastendruck |
| Wem die Daten gehören |
Ihnen |
Oft der Plattform oder dem Kunden |
Sie werden nie zum Training öffentlicher Modelle verwendet |
| Kostenmodell |
Kostenlos, bezahlt mit Ihrer Zeit |
Pro Nutzer, Jahresvertrag |
Ab 30 $/Monat, Bezahlung pro Wort |
Match-Typen
101 %, 100 %, Fuzzy – was jede Stufe wirklich bedeutet
| Match |
Was es bedeutet |
Was Sie damit tun |
| 101% Kontext-Match |
Identischer Satz und identische umgebende Segmente, gleiche Stelle, gleiche Dokumentstruktur. |
Übernehmen. Das sicherste Match überhaupt. |
| 100% Exaktes Match |
Identischer Satz, anderer Kontext. Meist korrekt, gelegentlich Prüfung auf Genus, Numerus oder Register nötig. |
Überfliegen und bestätigen. |
| 75–99% Fuzzy-Match |
Ähnlicher Satz mit hinzugefügten, entfernten oder geänderten Wörtern. Die Unterschiede werden für Sie hervorgehoben. |
Nur die Abweichung bearbeiten, nicht den ganzen Satz. |
| <75% Kein nutzbares Match |
Neuer Inhalt. Auf Wunsch vorübersetzt von der KI-Engine Ihrer Wahl. |
Übersetzen, dann wird es in die Memory aufgenommen. |
Was eine Memory bei einem echten Update wert ist
Durchgerechnetes Beispiel
| Segmenttyp |
Wörter |
Anteil |
Aufwand |
Effektive Arbeitslast |
| 101 % / 100 % Matches |
9.000 |
18 % |
Automatisch bestätigt |
0 Wörter |
| Fuzzy 75–99 % |
11.000 |
22 % |
Die hervorgehobene Abweichung bearbeiten |
~4.400 Wörter |
| Neuer Inhalt |
30.000 |
60 % |
Vollständige Übersetzung (optional mit KI-Vorübersetzung) |
30.000 Wörter |
| Gesamt |
50.000 |
100 % |
— |
~34.400 Wörter · 31 % weniger Arbeit |
Veranschaulichendes Beispiel. Fuzzy-Segmente werden hier mit etwa 40 % des vollen Aufwands angesetzt; Ihre tatsächliche Verteilung hängt vom Kunden und vom Inhaltstyp ab. WordBeam zeigt die tatsächliche Analyse pro Datei an, bevor Sie den Auftrag annehmen.