Kontakt aufnehmen

Schulungsübersicht

Einführung in die Unternehmenslokalisierung mit LLMs

  • Verständnis von Lokalisierungsökosystemen im Unternehmen
  • Von NMT zu LLLM-gesteuerter Übersetzung
  • Herausforderungen bei Qualität, Governance und Compliance

LLM-Modelllandschaft für Lokalisierung

  • Vergleich von Deepseek-, Qwen-, Mistral- und OpenAI-Modellen
  • Feinabstimmung und Anpassung für Übersetzung und Post-Editing
  • Modellbereitstellung sowie Kosten-Nutzen-Abwägungen

Architektur von LLM-Lokalisierungs-Pipelines

  • Systemdesign-Patterns für LLM-basierte Übersetzung
  • Anbindung von APIs, Datenbanken und Content-Management-Systemen (CMS)
  • Pipeline-Orchestrierung mit LangChain und Docker

Automatisierte Qualitätssicherung für LLM-Übersetzungen

  • Definition linguistischer Qualitätsmetriken (BLEU, COMET, MQM)
  • Aufbau automatisierter QA-Agenten zur Übersetzungsverifikation
  • Feedbackschleifen beim Post-Editing und kontinuierliche Verbesserung

Governance und Compliance in der Lokalisierungs-KI

  • Etablierung von Mensch-in-the-Loop-Governance
  • Nachverfolgung, Audit-Logs und Änderungskontrolle
  • Ethische Standards und Datenschutzrichtlinien in LLM-Systemen

Bewertungs- und Überwachungsframeworks

  • Überwachung der Übersetzungsleistung und Drift-Analyse
  • Echtzeit-Benachrichtigungen und Logging mit Open-Source-Tools
  • Implementierung von Review-Dashboards zur QA-Aufsicht

Unternehmensintegration und Workflow-Automatisierung

  • Integration von LLM-Übersetzungs-Pipelines in CMS- und TMS-Systeme
  • Workflow-Automatisierung und Job-Scheduling
  • Abteilungsübergreifende Zusammenarbeit und Versionskontrolle

Skalierung und Absicherung der Lokalisierungsinfrastruktur

  • Skalierung von Multi-Modell-Bereitstellungen in Cloud und On-Premise
  • Sicherheit, Zugriffsmanagement und Datenverschlüsselung
  • Best Practices für die Governance der unternehmensweiten LLM-Einführung

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Kenntnisse in den Bereichen Machine Learning und Natural Language Processing
  • Erfahrung mit Python oder TypeScript für die API-Integration
  • Vertrautheit mit Unternehmens-Lokalisierungsprozessen und -Tools

Zielgruppe

  • KI- und NLP-Ingenieurinnen und -Ingenieure
  • Lokalisierungstechnologie-Managerinnen und -Manager
  • Softwarearchitektinnen und -Architekten sowie Engineering-Lead-Personen
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien