Beitrag #1

In einem Buch für japanische Schüler über japanische Grammatik habe ich einen interessanten Test gefunden. Man soll die Grammatikalität einiger Sätze beurteilen (einige Sätze sind おかしい) und am Ende schauen, wie viele davon man richtig einschätzen konnte.

Da bei diesen Sätzen einige interessante grammatikalische Phänomene vorkommen, dürfte allein schon dieser Teil für Japanisch-Lerner interessant sein.
Im Moment gibt es hier ja eine Diskussion über maschinelle Übersetzung. Da ich vermute, dass Computer die falschen Sätze in korrektes Deutsch übersetzen werden, werde ich dazu auch etwas schreiben, die beiden Teile aber voneinander trennen (damit nicht jemand, der sich nur für die Sätze interessiert das ganze Übersetzungszeug lesen muss).

Dieser Beitrag ist etwas länger, da ich jeweils 20 Sätze mehrfach analysiere. Daher mal ein kleines Inhaltsverzeichnis:

1. Vorstellung und sprachliche Analyse der Sätze
2. Überlegungen zu maschineller Übersetzung als statistisches Modell und Erklärung meiner Hypothese
3. Analyse der Übersetzungen der Sätze durch Mate und DeepL

---

1. Vorstellung und Analyse der Sätze

Zitat: １ ぼくは、そんなにたくさんの本を読めれません。

Erklärung
ＳＰＯＩＬＥＲ

Dieser Satz ist falsch. 読めれません ist eine doppelte Möglichkeitsform:
読む→読める ist die normale Möglichkeitsform (= lesen können). Das neue einstufige Verb 読める wurde jetzt nochmal in dei Möglichkeitsform (inklusive ら抜き) gebracht: 読める→読めれる→読めれます→読めれません.
Korrekt wäre 読む→読める→読めます→読めません

Zitat: ２ 話をしたり横を向かないでください。

Erklärung
ＳＰＯＩＬＥＲ

Dieser Satz ist falsch. Vielleicht zuerst etwas zur intendierten Bedeutung: Gemeint ist, man soll weder 話をする noch 横を向く. 話をする steht aber in der たり-Form, also muss 横を向く auch in der たり-Form stehen:
話をしたり横を向いたり
Die たり-Form schließt mit einem する ab, das um das "weder noch" auszudrücken noch negiert wird:
話をしたり横を向いたりしないでください。

Zitat: ３ 一人暮らしの祖父は、どんなにさびしかろう。

Erklärung
ＳＰＯＩＬＥＲ

Dieser Satz ist richtig. Das さびしかろう mag zwar falsch wirken, ist in Wirklichkeit aber nur eine selten genutzte Flexionsform von i-Adjektiven (die sog. 未然形). Beudeuten tut das Ganze einfach さびしいだろう.

Zitat: ４ ご注文はお決まりでしたか。

Erklärung
ＳＰＯＩＬＥＲ

Dieser Satz ist falsch. Möchte man fragen, ob man sich zum jetzigen Zeitpunkt (für eine Bestellung) entschieden hat, darf です hier nicht in der Vergangenheit stehen.
Richtig ist also ご注文お決まりですか.

Zitat: ５ クラスの全員を教室に集まりなさい。

Erklärung
ＳＰＯＩＬＥＲ

Dieser Satz ist falsch. Und zwar ist das ein klassicher Fehler bei Japanischlernern
集まる ist ein intransitives Verb. Es hat also kein (direktes) Objekt (= ...を).
Das transitive Gegenstück, das ein direktes Objekt hat, ist 集める.
Korrekt wäre also 全員を集める.

Zitat: ６ 先生は八時前に学校へいらっしゃいました。

Erklärung
ＳＰＯＩＬＥＲ

Dieser Satz ist richtig. いらっしゃる ist 尊敬語 für 行く/来る.

Zitat: ７ こんな鉛筆では字が書けないよ。

Erklärung
ＳＰＯＩＬＥＲ

Dieser Satz ist richtig. Normalerweise sagt man ja 字を書く, aber mit der Möglichkeitsform benutzt man が: 字が書ける.

Zitat: ８ 天気予報によると、午後から雨が降りそうだ。

Erklärung
ＳＰＯＩＬＥＲ

Dieser Satz ist falsch. Auch wieder ein beliebter Fehler. 降りそう ist die gleiche Form wie おいしそう. Dieses そう sagt aus, dass man etwas aufgrund des Aussehens vermutet:
おいしそう = das sieht lecker aus.
Wir wollen aber nicht sagen, dass es nach Regen aussieht, sondern dass es laut Wetterbericht regnen soll. Wir wollen also Gehörtes wiedergeben.
Dafür gibt es eine andere Form von そう. Die wird direkt hinter des Verb geschrieben: 降るそう.

Zitat: ９ みかんが好きなら、持ってお帰りなさい。

ＳＰＯＩＬＥＲ

Dieser Satz ist korrekt. お帰りなさい ist 尊敬語 für 帰ってください.

Zitat:１０ 先生がまさか急に来られるでしょう。

Erklärung
ＳＰＯＩＬＥＲ

Dieser Satz ist falsch. まさか steht in Kombination mit der Verneinung. Richtig wäre also 来られない.

Zitat:１１ 紅茶あるいはコーヒーの二種類の飲み物がある。

Erklärung
ＳＰＯＩＬＥＲ

Dieser Satz ist falsch. あるいは bedeutet "oder". Wenn man Dinge aufzählt, die existieren, muss man aber "und" verwenden. Das ist im Deutschen ja auch so. Korrekt wäre also と紅茶コーヒー.

Zitat:１２ 彼女の目はまるで夜空の星のように美しい。

Erklärung
ＳＰＯＩＬＥＲ

Dieser Satz ist korrekt. まるで steht oft mit ように oder みたい zusammen.

Zitat:１３ 自分のことを棚にお上げにならないで！

Erklärung
ＳＰＯＩＬＥＲ

Dieser Satz ist falsch. Um zu verstehen warum, muss man erstmal das 尊敬語 loswerden. Danach haben wir noch 自分のことを棚に上げないで.
棚に上げる ist eine Redewendung und bedeutet soviel wie "Dingen, die unvorteilhaft für einen selbst sind ignorieren".
Jetzt haben wir auch schon den Grund zusammnen, warum der Satz falsch ist: Redewendungen kann man nicht in Keigo wiedergeben.

Zitat:１４ 母はいろいろな昔話を私に聞かせてくれた。

Erklärung
ＳＰＯＩＬＥＲ

Der Satz ist richtig. Halt ein ganz normaler Kausativsatz. Da gibt es eigentlich nicht viel zu zu sagen.

Zitat:１５ 先生がここへ来るようにとおっしゃられました。

Erklärung
ＳＰＯＩＬＥＲ

Dieser Satz ist falsch. Ein Fehler, den Japaner gerne machen, sogenanntes 二重敬語.
言う wird in 尊敬語 ja zu おっしゃる.
Eine weitere Form des 尊敬語 ist es, Verben einfach ins Passiv zu setzen.
Hier haben wir beides zusammen: おっしゃる im Passiv. Das ist zweimal 尊敬語 hintereinander und damit einmal zu viel.

Zitat:１６ 私は勉強さえきらいなものはありません。

Erklärung
ＳＰＯＩＬＥＲ

Dieser Satz ist falsch. Das さえ stört hier. Übersetzen könnte man das je nach Kontext mit "nur" oder "sogar". Allerdings funktioniert das nicht im Kontext des obigen Satzes.
Ausgedrückt werden soll, dass es nichts gibt, das man weniger mag als Lernen. Das geht zum Beispiel mit ほど: 勉強ほど嫌いないものはありません。

Zitat:１７ 力いっぱい走ったけれど、三着だった。

Erklärung
ＳＰＯＩＬＥＲ

Der Satz ist korrekt. Da ist nun wirklich nichts, was man kommentieren könnte

Zitat:１８ ぼくは笑いながら歩いてくる山田君にあいさつした。

Erklärung
ＳＰＯＩＬＥＲ

Der Satz ist... おかしい. Grammatikalisch gesehen ist er korrekt, aber er ist nicht eindeutig (In der Linguistik spricht man von einem "ambigen Satz").
Es ist nicht klar, wer hier lacht. Das könnte einerseits ぼく sein, der den laufenden Yamada-kun begrüßt, oder es könnte Yamada-kun sein, der sowohl läuft als auch lacht.

Zitat:１９ 勉強とクラブ活動とを両立させたいものです。

Erklärung
ＳＰＯＩＬＥＲ

Der Satz ist korrekt. とを mag einem auf den ersten Blick komisch vorkommen, aber eine Aufzählung mit と abzuschließen ist korrekt, wenn auch nich so häufig.

Zitat:２０ 波が岩に白くぶつかってあわ立っている。

Erklärung
ＳＰＯＩＬＥＲ

Der Satz ist falsch. 白い sollte sich eigentlich auf あわ立っている beziehen, steht aber vor ぶつかる. Es müsste also vor あわ立っている stehen.

---

2. Überlegungen zu maschineller Übersetzung als statistisches Modell und Erklärung meiner Hypothese

Meine Idee war ja, dass die falschen Sätze trotzdem in richtiges Deutsch übersetzt werden. Wie komme ich auf sowas?

Um diese Überlegung zu verstehen, müssen wir uns mit der maschinellen Übersetzung aus der Sicht der Statistik beschäftigen. Diese sogenannte "statistische maschinelle Übersetzung" (= statistical machine translation, SMT) war state of the art bis ca. 2016. Danach wecheselte man auf sog. "neuronale maschinelle Übersetzung", die aber auch auf der selben Grundidee basiert.

Ich werde versuchen, im Folgenden so wenig Mathematik wie möglich zu verwenden, aber ganz kommen wir nicht drum rum.

Nehmen wir an, wir möchten einen Satz aus Sprache A in Sprache B übersetzen. Die Richtung ist also A → B.
Für unseren Satz A spuckt uns unser Übersetzer jetzt verschiedene Kandidaten in der Sprache B aus. Wir suchen jetzt den besten dieser Kandidaten-Sätze. Was genau heißt jetzt aber der "beste" Satz?
Mathematisch suchen wir den Satz aus Sprache B der mit der höchsten Wahrscheinlichkeit (im Folgenden WK) dem Satz A entspricht. Etwas anders formuliert: Wir suchen den Satz B mit der höchsten WK gegeben A.
In Zeichen: arg max P(B|A). Das "arg" vor dem "max" sagt nur, dass wir an dem B, das wir da reinstecken und nicht an der eigentlichen WK interessiert sind.

Die Formel alleine bringt uns nicht weiter, aber mit Regeln der bedigten WKs (auf die ich jetzt nicht weiter eingehen werde) können wir das umschreiben zu
P(B|A) = P(A|B) * P(B)

P(B|A), die Wahrscheinlichkeit unseres besten Ergebnisses, ist also das Produkt aus der WK des Ausgangssatzes gegeben das Ergebnis (P(A|B)) und der Wahrscheinlichkeit des Ergebnissatzes im Allgemeinen. Also nochmal einfacher:

P(A|B) → Wie gut passen Ausgangssatz und Ergebnissatz zusammen?
P(B) → Wie natürlich ist der Ergebnissatz?

Dieses Produkt wollen wir jetzt maximieren. Das klappt nur, wenn beide Faktoren groß sind:
10 * 10 = 100
10 * 1 = 10
100 * 0,1 = 10

Wenn ein Faktor klein ist, kann der andere noch so groß sein; das Endergebnis ist immer kleiner.

Wir wollen also einen Ergebnissatz, der sowohl gut zum Ausgangssatz passt als auch möglichst natürlich klingt.

Wie kann man sowas algorithmisch rausfinden? Man braucht einfach eine große Sammlung von Sätzen. Eine, in der man Sätze in Sprache A und die Übersetzung in Sprache B hat und eine, in der einfach ganz viele Sätze in Sprache B sind.
Solche Textsammlungen (= Korpora) bestehen meistens aus Zeitungstexten oder heutzutage auch aus Texten aus dem Internet (Foren, Blogs etc.). Diese sind meistens von Muttersprachlern geschrieben und damit auch korrekt.
Warum will man korrekte Texte in den Korpora haben? Naja, der Übersetzer soll ja eigentlich keine falschen Texte ausspucken.

Somit stehen wir also vor dem Dilemma, dass wir einen falschen Satz in Sprache A präsentiert bekommen, daraus aber einen möglichst natürlichen Satz in Sprache B generieren sollen.
Folglich wird daraus ein korrekter Satz in der Zielsprache, der ja
a) ziemlich nah am wörtlich übersetzen inkorrekten Satz und
b) häufig so in der Zielsprache zu finden ist.

Daher also die Überlegung, dass ein Übersetzungstool die Fehler einfach ignoriert.

---

3. Analyse der Übersetzungen der Sätze durch Mate und DeepL

Schauen wir uns mal an, wie das in der Praxis aussieht. Im Folgenden gelten folgende Abkürzungen:

O = Original-Satz
M = Mate Translate
D = DeepL

1.
O: １ ぼくは、そんなにたくさんの本を読めれません。
M: 1 Ich kann nicht so viele Bücher lesen.
D: 1 Ich kann nicht so viele Bücher lesen.

Beide Programme kommen auf den gleichen Satz. Der Fehler wurde hier nicht mitübersetzt, sondern das Ergebnis dieses falschen japanischen Satzes ist ein korrekter deutscher Satz. 1:0 für meine Hypothese.

2.
O: ２ 話をしたり横を向かないでください。
M: 2 Sprechen Sie nicht und drehen Sie sich nicht zur Seite.
D: 2 Bitte sprechen Sie nicht und drehen Sie sich nicht zur Seite.

Beide Programme haben wieder den Fehler ignoriert. DeepL ist hier höflicher und fügt noch ein "bitte" hinzu. 2:0 für die Hypothese.

3.
O: ３ 一人暮らしの祖父は、どんなにさびしかろう。
M: 3 Wie einsam lebt mein Großvater allein!
D: 3 Wie einsam muss es für einen Großvater sein, der allein lebt.

DeepLs Übersetzung gefällt mir stilistisch besser.

4.
O: ４ ご注文はお決まりでしたか。
M: 4 Haben Sie sich für Ihre Bestellung entschieden?
D: 4 Haben Sie sich entschieden, was Sie bestellen möchten?

Beide Programme ignorieren den Fehler. 3:0. Mate übersetzt hier recht wörtlich; DeepL natürlicher.

5.
O: ５ クラスの全員を教室に集まりなさい。
M: 5 Versammeln Sie alle in der Klasse im Klassenzimmer.
D: 5 Versammeln Sie alle Teilnehmer der Klasse im Klassenzimmer.

Beide Programme ignorieren den Fehler. 4:0. Beide Programme haben Probleme mit einer schönen Übersetzung für クラスの全員. Ich fände "alle Schüler der Klasse" hier passend.

6.
O: ６ 先生は八時前に学校へいらっしゃいました。
M: 6 Der Lehrer kam vor 8 Uhr zur Schule.
D: 6 Der Lehrer kam vor acht Uhr in die Schule.

Hier gibt es nichts auszusetzen. Dass das 尊敬語 nicht übersetzt wurde, war ja irgendwie klar.

7.
O: ７ こんな鉛筆では字が書けないよ。
M: 7 Mit so einem Bleistift kann ich nicht schreiben.
D: 7 Mit diesem Bleistift kann ich nicht schreiben.

Hier gibt es auch nichts auszusetzen. Der Satz war ja richtig.

8.
O: ８ 天気予報によると、午後から雨が降りそうだ。
M: 8 Laut Wettervorhersage wird es am Nachmittag regnen.
D: 8 Laut Wettervorhersage soll es am Nachmittag regnen.

Die Nuance, die im Original-Satz nicht stimmt, ist nur schwer ins Deutsche übertragen. Trotzdem haben beide Programm aus einem falschen japanischen Satz einen richtigen deutschen Satz gemacht. Der Konsistenz halber sage ich mal 5:0.

9.
O: ９ みかんが好きなら、持ってお帰りなさい。
M: 9 Wenn Sie Mikan mögen, nehmen Sie es mit nach Hause.
D: 9 Wenn Sie Orangen mögen, nehmen Sie einige mit nach Hause.

Mate kennt scheinbar みかん nicht und hat daher entsprechend "es" verwendet. +1 für DeepL.

10.
O: １０ 先生がまさか急に来られるでしょう。
M: 10 Der Lehrer wird plötzlich kommen.
D: 10 Ich glaube nicht, dass der Lehrer plötzlich kommen wird.

Mate hat hier die negative Nuance des まさか ignoriert und den Satz korrekterweise falsch übersetzt.
DeepL hat über den Fehler hinweggesehen und den eigentlich intendierten deutschen Satz daraus gemacht.
Jetzt habe ich ein Problem mit meiner Zählweise. Ich mache aus den 5:0 mal eine 10:0 (ein Punkt pro Programm) und demnach nach diesem zehnten Satz ein 11:1.

11.
O: １１ 紅茶あるいはコーヒーの二種類の飲み物がある。
M: 11 Es gibt zwei Arten von Getränken: Tee oder Kaffee.
D: 11 Es gibt zwei Arten von Getränken: Tee oder Kaffee.

Beide haben hier einen falschen deutschen Satz produziert. Es geht doch 11:3.
Richtig wäre "Tee und Kaffee".

12.
O: １２ 彼女の目はまるで夜空の星のように美しい。
M: 12 Ihre Augen sind so schön wie die Sterne am Nachthimmel.
D: 12 Ihre Augen sind so schön wie die Sterne am Nachthimmel.

Perfekt übersetzt von beiden Systemen.

13.
O: １３ 自分のことを棚にお上げにならないで！
M: 13 Stellen Sie sich nicht ins Regal!
D: 13 Machen Sie sich nicht klein!

Mates Übersetzung ist genial
DeepLs Übersetzung sieht natürlich aus, entspricht aber nicht der Bedeutung des Sprichwortes. Inhaltlich sind also beide falsch.
Grammatikalisch kann man so ein falsches Keigo wieder schlecht ins Deutsche Übertragen. Aber wir hatten vorhin ja schon gesagt, dass hier trotzdem ein falscher Satz zu einem richtigen wurde. Also 13:3.

14.
O: １４ 母はいろいろな昔話を私に聞かせてくれた。
M: 14 Meine Mutter erzählte mir verschiedene alte Geschichten.
D: 14 Meine Mutter hat mir viele alte Geschichten erzählt.

Beide Übersetzungen sind in Ordnung. DeepL finde ich mal wieder natürlicher.

15.
O: １５ 先生がここへ来るようにとおっしゃられました。
M: 15 Der Lehrer sagte mir, ich solle hierher kommen.
D: 15 Der Lehrer hat mir gesagt, ich soll hierher kommen.

Beide übersetzen den Keigo-Fehler nicht. Das ist ja auch schlecht möglich. Trotzdem erstmal 15:3

16.
O: １６ 私は勉強さえきらいなものはありません。
M: 16 Ich hasse es nicht einmal zu lernen.
D: 16 Es gibt nichts, was ich nicht mag, nicht einmal das Lernen.

Beide Systeme sind durch den Fehler verwirrt und produzieren nicht den intendierten Satz. Hier wird aus einem grammatikalischen Fehler ein inhaltlicher. 15:5.

17.
O: １７ 力いっぱい走ったけれど、三着だった。
M: Ich lief so hart wie 17, wurde aber Dritter.
D: 17 Ich bin so hart gelaufen, wie ich konnte, aber ich bin Dritter geworden.

Mate hat hier ein paar Probleme mit der Nummerierung der Sätze
Wenn wir das mal ignorieren wurden die Sätze aber richtig übersetzt.

18.
O: １８ ぼくは笑いながら歩いてくる山田君にあいさつした。
M: 18 Ich begrüßte Herrn Yamada, der mit einem Lachen ging.
D: 18 Ich begrüßte Yamada-kun, als er lachend auf mich zuging.

Beide Systeme haben sich für die Variante entschieden, in der Yamada-kun lacht.
Mates Übersetzung von "kun" als "Herr" finde ich ein bisschen übertrieben... Yamada-kun versteht andererseits auch nicht jeder...
Da der Satz ja grammatikalisch nicht falsch war, lassen wir es bei 15:5.

19.
O: １９ 勉強とクラブ活動とを両立させたいものです。
M: 19 Ich möchte Studien- und Clubaktivitäten in Einklang bringen.
D: 19 Ich möchte mein Studium und meine Clubaktivitäten unter einen Hut bringen können.

Ich finde es interessant, dass DeepL hier mit einer Redewendung (unter einen Hut bringen) ankommt. Das hätte ich nicht erwartet.

20.
O: ２０ 波が岩に白くぶつかってあわ立っている。
M: 20 Wellen treffen den Felsen in Weiß und flattern.
D: 20 Die Wellen schlugen gegen die Felsen und machten sie weiß und kabbelig.

Beide Systeme haben Probleme mit 泡立つ (= schäumen).
Mate übersetzt wörtlich, dass die Wellen weiß den Felsen treffen (macht also den falschen Satz falsch), während DeepL 白い und 泡立つ zusammenbringt. Allerdings werden ja nicht die Felsen weiß sondern die Wellen.
DeepL bringt den Satz interessanterweise in die Vergangenheit, während der Original-Satz in der Gegenwart steht.
Da DeepL das eigentliche syntaktische Problem überwunden hat, entscheide ich mich für 16:6.

Entstand ist also 16:6. Wenn wir die 3 Keigo-Instanzen mit je 2 Punkten rausnehmen, 10:6.
Das ist immer noch eine deutliche Mehrheit für meine Hypothese.

Es zeigt sich also, dass maschinelle Übersetzungstools dazu tendieren, über Fehler in der Ausgangssprache hinwegzusehen und daraus einen korrekten Satz in der Zielsprache zu produzieren.

Was bedeutet das für uns als Sprachenlerner?
Man kann das sowohl als Vor- als auch als Nachteil sehen:

Vorteil: Egal wie schlecht wir schreiben, das Ergebnis wird gut
Nachteil: Wenn wir MT dazu benutzen wollen, um selbst geschriebene japanische Sätze zu überprüfen, indem wir sie nach Deutsch übersetzen, gehen bei diesem Prozess wahrscheinlich Fehler verloren.

---

Sollte jemand wirklich den ganzen Beitrag gelesen haben: Vielen Dank dafür Ich hoffe er war interessant und nicht allzu kompliziert geschrieben.

Beitrag #2

Zitat:Sollte jemand wirklich den ganzen Beitrag gelesen haben: Vielen Dank dafür Ich hoffe er war interessant und nicht allzu kompliziert geschrieben.

Ich sage Danke! Sehr interessant. Leider habe ich nur wenige der Sätze zu falsch/richtig zuordnen können, ein paar aber immerhin doch.

Beitrag #3

Ich schließe mich an. Vielen Dank an vdrummer für den sehr interessanten Beitrag!

Spannend wäre nun auch der umgekehrte Fall:
Fragwürdiges oder auch korrektes Deutsch in korrektes (und am besten natürliches) Japanisch umwandeln.

Das größte Problem mit den Übersetzungshilfen scheint mir zu sein, dass man sich nicht auf sie verlassen kann. Das Ergebnis kann zwar formal richtig sein - aber eben auch nicht. Es kann natürlich klingen, oder auch nicht. Daher ist die Verwendbarkeit doch ziemlich eingeschränkt.

Beitrag #4

Darf ich auch etwas sagen?
Bei Mate gibt es noch einige Sachen, die nicht vom Programm akzeptiert und bearbeitet werden.
Mate ist darueber informiert worden und sicherlich wird man dieses Problem loesen.

Das ist zum einen das Absatzzeichen, wird auch als Carriage Return bezeichnet. Dies geht bei den Uebersetzungen verloren. So geschieht das auch bei Tab-Zeichen.
Ein konvertierter Text aus einem Brief kommt als Block wieder zurueck.
Listen koennen so nicht verwaltet werden und man ist zulange mit der Struktur beschaeftigt dass einem die Puste ausgeht.

Ich habe deine Arbeit auch nicht alles gelesen, weil es eine enorm grosse Arbeit war.
Aber ich werde es jetzt noch einmal mit Mate machen.
Ich werde die Spoiler oeffnen und nach und nach die Absaetze markieren und mit dessen Inhalt vorlesen lassen.

Wie man die Sachen auch einsetzt, kommt auf den User an, der damit rumspielt.
ZB. kann dies von Vorteil sein, wenn man seine eigenen Saetze sich auch vorlesen laesst.
Um etwaige Fehler zu finden.

Und um zu sehen, ob man auch schon mal gutes Deutsch verwendet hat.
Ich werde meine Saetze aber jetzt, mir nicht vorlesen lassen. Weil das in Editier-Modus gar nicht geht.
Ob es wichtig ist, auf Rechtschreibung zu achten, beim verfassen eines Textes, muesste auch noch festgestellt werden. (ich versuche die alte Rechtschreibung beizuhalten, so wie ich es gelernt habe).

Auch der Singsang der Vorlesung, kann einem mitteilen, ob sein Satz korrekt war oder nicht.

bedigten (fand diesen Fehler, der womoeglich - bedingten heissen soll.)

Wer hier behauptet, die Mathematischen Ausfuehrungen verstanden zu haben, muss ein Genie sein.
Ich hab sie nicht verstanden, bin aber schon mal zufrieden, dass diese neue Software, auf allgemeines Interesse gestossen ist.

Beitrag #5

Hallo vdrummer, ...
ES ist der zweite Weihnachts-Feiertag, ich habe aus dem Stephansdom auf ORF 3 die Übertragung des Hochamtes gehört und die Sendung über die Wiedereinführung des Diakonats vor 50 Jahren.

Es war sehr interessant.
Zu Weihnachten habe ich die deutsche, längst vergriffene Übersetzung des Romans yama erhalten (sehr abgegriffen, fast 100 Jahre alt und ich werde mit Japanisch nichts machen, bis ich das russische Hörbuch verstehen werde, das ich in den letzten Wochen gehört habe, aber auf Übersetzung gewartet habe.
Mein russischer Wortschatz wurde seit der VHS Prüfung 2001 nur mehr verringert - Vergessen hängt mit der Zeit zusammen, in der man nichts macht mit einer Sprache.

Dieses aktuelle Thema werde ich kopieren und auf meine Festplatte bringen und die Namen der beiden dem vdrummer folgenden Mitglieder werde ich notieren.

Lesen werde ich derzeit nur mehr Russisch und die Übersetzung dazu

Alles Gute für 2021 und Frieden auf der Welt und in Foren.
wünscht yamaneko

Beitrag #6

Danke yamaneko fuer die Gruesse.
Ich hab vdrummers Text ganz gelesen, nein vorlesen lassen. Das Mathematische nicht verstanden aber das ist nicht so wichtig, weil das Resultat stimmt.

Wie so ein Programm funktioniert, wird es wohl so sein, wie es vdrummer erklaert hat.
Die Daten, mit denen es seine Uebersetzungen vergleicht, existieren hier im Internet.
Manche kann man kaufen, andere liegen nur so herum, dass man sie nur runterladen muss.

Eine Deutsche von Wortliste gibt es zu kaufen.
Wortsammlung-deutsch Vollversion (Wortdatenbank)
Die Vollversion der Wortdatenbank-deutsch mit einer Liste von 616.676 Wörtern erhalten Sie hier für nur 29,50 € inkl. MwSt.

Wortsammlung-deutsch Vollversion nur 29,50 €

Ein Spottpreis, wenn man bedenkt, wieviel Arbeit in so einem Unternehmen steckt.
Aber ich bin nach Johan's Reinfall, doch etwas skeptischer geworden.

Hier der Link zur Webseite.
http://www.debuggen.com/

Beitrag #7

Zongoku-Phil. hat sich wieder verabschiedet und erklärt mit einer neuen Spielwiese zufrieden zu sein..
Ich habe von vdrummer diesen Link bekommen, als Warnung vor blindem Vertrauen zu Übersetzungsmaschinen, aber die Welt arbeitet damit mit Erfolg. Meine Nacht habe ich heute "in Israel" verbracht(!)
Ich schicke ein Beispiel:die Übersetzung aus dem Yvrit, über das ich auch einmal ein Zeugnis bekommen habe vor dreißig Jahren mit Theologiestudenten an der evangelischen Fakultät der Universität Wien
システムに送られ直ちに答えが得られたお願いは、受け取った瞬間からよく深く学ば なくてはなりません。学ぶための助けや助言をお求めの方は、日本の主席ラビであるラビ・ エデリーに連絡してください。
Google-Translator:
Shisutemu ni okura re tadachini kotae ga e rareta onegai wa, uketotta shunkan kara yoku fukaku manabanakute wa narimasen. Manabu tame no tasuke ya jogen o o motome no kata wa, Nihon no shuseki rabidearu rabi ederī ni renraku shite kudasai.

Anfragen, die an das System zur sofortigen Beantwortung gesendet werden, müssen von dem Moment an, in dem sie eingehen, gut und gründlich gelernt werden. Wenn Sie Hilfe oder Rat zum Lernen suchen, wenden Sie sich bitte an Rabbi Eddery, Japans Oberrabbiner.

natürlich bin ich nicht sicher, ob das richtig übersetzt ist, aber ich versuche es mit Englisch: Requests sent to the system for immediate answers must be learned well and deeply from the moment they are received. If you are looking for help or advice to learn, please contact Rabbi Eddery, Japan's chief rabbi.

PS. ich versuche mir die Lautschrift anzuhören und zu erraten, wie die Kanji aussehen könnten und worum es sich handeln könnte. Dann schau ich mir erst die Übersetzung an.
danke vdrummer für dieses Thema, ich werde es mir genauer anschauen. Ich habe gestern meine neuen Brillen bekommen - 300 Euro nur die Gläser - angeblich zahlt die Sozialversicherung nichts!
Es tut mir leid, dass sich Phil. etwas übersensibel zurückgezogen hat. Wir wissen aber nicht wer ihn diesmal vertrieben hat. Ich habe mir sein "Abschiedsgeschenk" heute kopiert, aber da sind die Links nicht dabei
ich hoffe, dass man diese vielen Filme vom Forum aus aufrufen kann. Dass nicht gelöscht wird.