Der erste Faktor, der zur Herausbildung der heutigen Lage maßgebend beigetragen hat, ist die Entwicklung der maschinellen Übersetzung von einer Utopie der Wort-für-Wort-Übersetzung zu selbstständig lernenden Systemen von heute, die in den Alltag des Übersetzers, aber auch der nicht professionellen Laienübersetzer Eingang gefunden hat. Die wichtigsten Meilensteile dieser technischen Entwicklung lassen sich wie folgt darstellen: Die maschinelle Übersetzung als Idee hat eine lange Geschichte, aber als technologische Innovation nahm sie in den 1930er Jahren ihren Anfang.1 Lange Zeit basierten die Systeme auf zweisprachigen Wörterbüchern und waren nicht gerade syntaxsensitiv konzipiert. Dies änderte sich in den 80er Jahren, als Systeme mit weiterentwickeltem technologischem Hintergrund (Systran System) erschienen und fähig waren, Morphologie, Syntax oder gar die Semantik der Sätze zu analysieren. Die Benutzer dieser Systeme waren große Institutionen wie die Europäische Kommission oder die US Air Force. Für kommerzielle Zwecke erschienen die ersten Anwendungen in den 1990er Jahren: LANT 1997 MÜ-System für die Übersetzung von E-Mails und Webseiten. Im Jahr 2006 erschien die erste Version von Google Translate (GT) für das Englische, Arabische, für Deutsch, Spanisch und Französisch. Seitdem ist die Entwicklung enorm schnell vorangeschritten. Heute übersetzt Google Translate in über 90 Sprachen (2015: 90 Sprachen, 2016: 103), wobei das Englische als Pivot-Sprache, d. h. als Zwischensprache zwischen Ausgangs- und Zielsprache, fungiert.

Diese MÜ-Tools basierten im Grunde auf drei Vorgehensweisen.

(i) Statistisch-maschinelle Übersetzung (z. B. GT oder BIT). „Das Übersetzungsprogramm sucht während des Übersetzungsprozesses nach gewissen Mustern in einem Korpus von über hunderttausend Texten, um die beste Übersetzung algorithmisch nachzubilden. Das Korpus besteht aus Texten, die angeblich von einem menschlichen Übersetzer übersetzt wurden. Danach errechnet das WBMÜ intelligente Raten, um die besten Übersetzungen zu erstellen. Daraus entsteht der sogenannte Output-Text, der bei GT in einem eigenen Kasten zur Verfügung gestellt wird.“5

(ii) Regelbasierte maschinelle Übersetzung (z. B. Babylon). Diese MÜ-Systeme benutzen eingebaute grammatische Regeln und haben Zugang zu einer großen Anzahl von zweisprachigen Wörterbüchern bei der Erstellung der Übersetzung. Sie führen eine Analyse des Ausgangstextes durch und konstruieren die grammatische Struktur des AT in der Zielsprache.6

(iii) Neuronale maschinelle Übersetzung (NMT). „Die NMT verwendet ein großes neuronales Netz, das mithilfe künstlicher Intelligenz nach dem Modell des menschlichen Gehirns funktioniert. Es ist die fortschrittlichste Methode computergenerierter Übersetzungen und hat dank selbstständigen Lernens auf der Grundlage von künstlicher Intelligenz, Big Data und Deep Learning in den letzten Jahren enorme Fortschritte gemacht. Heutzutage können neuronale Programme maschineller Übersetzung als Basis für professionelle Übersetzungen eingesetzt werden. Es braucht eine ausreichende Anzahl von Wiederholungen, ein hinlängliches Volumen spezifischer Daten, um das Programm entsprechend zu trainieren, sowie eine große Menge an Texten zum Übersetzen.“7

Die Folgen der Etablierung der maschinellen Übersetzung sind weitreichend. Es sei nur darauf hingewiesen, dass seit dem Erscheinen dieser Art von Software die maschinellen Übersetzer in erreichbarer Nähe jederzeit zur Verfügung stehen, so dass immer mehr Übersetzungen per Mausklick produziert werden, selbst wenn die Qualität dieser Übersetzungen in vielen Fällen einiges zu wünschen übrig lässt. Die Sicherung der Qualität der Übersetzung rückt deshalb immer mehr in den Vordergrund, so dass auch neue Rollen der humanen Übersetzer, wie die des Posteditors, immer mehr an Bedeutung gewinnen (dazu siehe Kapitel 3 weiter unten).