Warum Segmentierung die Wiederverwendung beeinflusst
Übersetzungsabläufe arbeiten häufig mit Textstücken statt ganzen Dokumenten. Unterschiedliche Aufteilung derselben Inhalte erschwert Zuordnung und Wiederverwendung früherer Einheiten.
Bei „Dr. Patel opened the file. It was empty.” erzeugt eine Trennung nach jedem Punkt eine unerwünschte Grenze nach dem Titel. Listen, Abkürzungen, Zahlen und Formatierung bringen weitere Fälle mit.
Nicht jedes Dokument braucht eigene Regeln. Die Annahmen hinter einem Bestand sollten aber verstanden werden, bevor Abweichungen den Übersetzungen zugeschrieben werden.
Beispiel einer Kompatibilitätsprüfung
Erstellen Sie ein kurzes Korpus mit gängigen Abkürzungen, nummerierten Anweisungen, Zitaten und Zeichensetzung der tatsächlichen Ausgangssprache. Verarbeiten Sie es im bisherigen und künftigen System und vergleichen Sie die Grenzen.
Klären Sie bei Abweichungen, ob Regeln, Dokumentfilter oder Einstellungen ursächlich sind. Bewahren Sie das Korpus für spätere Regressionstests auf.
Dies ist redaktioneller Rat, kein formelles Konformitätsverfahren.
LISA und spätere Archive
SRX gehört direkt zu LISAs Erbe und ergänzt den Translation-Memory-Austausch. ETSI verzeichnet das spätere SRX-Projekt als eingestellt. Unicode ULI behandelt Interoperabilität, weist aber ausdrücklich auf die Auflösung des Unterausschusses 2020 hin. Keines der Archive sollte als aktive SRX-Pflegestelle bezeichnet werden. ETSI-Arbeitsregister, Unicode ULI.
KI und Segmentierung
Für KI-gestützte Bewertung empfehlen wir stabile Kennungen und ausreichenden Kontext. Uneinigkeit kann auf fragmentierten Eingaben statt fehlerhafter Übersetzung beruhen. SRX legt weder Kontextfenster noch Tokenisierung eines Modells fest.
Quellen und weitere Lektüre
Die archivierte Spezifikation steht unter ihren ausgewiesenen CC-BY-3.0-Bedingungen; dieser Leitfaden enthält eigene Erklärungen und Beispiele.