Schulungsübersicht

Einführung in die Unternehmenslokalisierung mit LLMs

  • Verständnis von Unternehmenslokalisierungssystemen
  • Vom neuronalen maschinellen Übersetzen (NMT) zu LLM-gestützten Übersetzungen
  • Herausforderungen der Qualität, Governance und Compliance

LLM-Modelllandschaft für die Lokalisierung

  • Vergleich von Deepseek, Qwen, Mistral und OpenAI-Modellen
  • Feinabstimmung und Anpassung für Übersetzung und Nachbearbeitung
  • Modellbereitstellung und Kosteneffizienz

Architektur von LLM-Lokalisierungspipelines

  • Systemdesign-Muster für LLM-gestützte Übersetzung
  • Verbindung von APIs, Datenbanken und Content-Management-Systemen
  • Pipeline-Orchestrierung mit LangChain und Docker

Automatisierte Qualitätskontrolle für LLM-Übersetzungen

  • Definieren von linguistischen Qualitätsmetriken (BLEU, COMET, MQM)
  • Erstellen automatisierter QA-Agenten für die Übersetzungskontrolle
  • Feedbackschleifen und kontinuierliche Verbesserung der Nachbearbeitung

Governance und Compliance in Lokalisierung-AI

  • Einrichten von menschlichen Governance-Komponenten (Human-in-the-Loop)
  • Tracking, Audit-Logs und Änderungsverwaltung
  • Ethische und Datenschutzstandards in LLM-Systemen

Evaluations- und Überwachungsrahmen

  • Überwachen der Übersetzungsleistung und des Drifts
  • Echtzeit-Warnungen und -Protokollierung mit Open-Source-Tools
  • Implementieren von Überprüfungs-Dashboards für die QA-Überwachung

Unternehmensintegration und Workflow-Automatisierung

  • Integrieren von LLM-Übersetzungs-Pipelines in CMS- und TMS-Systeme
  • Workflow-Automatisierung und Jobplanung
  • Cross-departmentale Zusammenarbeit und Versionskontrolle

Skalierung und Sicherung der Lokalisierungsinfrastruktur

  • Skalieren von mehrmodelligen Bereitstellungen in der Cloud und On-Premises
  • Sicherheit, Zugangskontrolle und Datenverschlüsselung
  • Governance-Best Practices für die unternehmensweite Einführung von LLMs

Zusammenfassung und Nächste Schritte

Voraussetzungen

  • Grundverständnis von maschinellem Lernen und natürlichsprachlicher Verarbeitung (NLP)
  • Erfahrung mit Python oder TypeScript für API-Integration
  • Kenntnisse in unternehmensweiten Lokalisierungsworkflows und -tools

Zielgruppe

  • AI- und NLP-Ingenieure
  • Lokalisierungstechnologie-Manager
  • Softwarearchitekten und Ingenieurleiter
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien