KI-Post-Editing 2026: Wie Unternehmen die Übersetzungs-qualität sichern

Von Saša Tripković · Geschäftsführer und Gründer von SATRI Consulting und ownvia
Veröffentlicht: 9. Oktober 2026 · Lesezeit: ca. 11 Minuten

Die Antwort in Kürze

KI-Post-Editing (Machine Translation Post-Editing, MTPE) ist die menschliche Prüfung und Überarbeitung einer maschinell erzeugten Übersetzung, um ein vereinbartes sprachliches und fachliches Qualitätsniveau zu erreichen.

Generative KI liefert häufig flüssige, natürlich klingende Übersetzungen. Genau deshalb können Bedeutungsverschiebungen, Auslassungen und terminologische Fehler beim Lesen weniger auffallen.

Für verlässliche Qualität sind vier Faktoren entscheidend:

• Klare Vorgaben: Terminologie, Styleguides und Unternehmenswissen werden für die Übersetzung bereitgestellt.

• Systematische Qualitätssicherung: Ein eigener Prüfschritt weist auf mögliche Fehler und Abweichungen hin.

• Menschliche Expertise: Qualifizierte Übersetzer bewerten und bearbeiten die Ergebnisse.

• Durchgängiger Prozess: Übersetzung, Prüfung, Post-Editing und Freigabe greifen ineinander.

Die Wirtschaftlichkeit entscheidet sich nicht allein an der Geschwindigkeit der KI-Erstübersetzung, sondern am Gesamtaufwand bis zur freigegebenen Übersetzung.

Inhalt

1. Was ist KI-Post-Editing?

2. Warum generative KI das Post-Editing verändert

3. Welche Fehler müssen geprüft werden?

4. Light Post-Editing und Full Post-Editing

5. Kann KI die Qualität einer KI-Übersetzung selbst prüfen?

6. Warum Unternehmenswissen entscheidend ist

7. KI-Post-Editing mit ownvia

8. Beispielworkflow: Technische Produktdokumentation

9. Qualität messen und Wirtschaftlichkeit bewerten

10. Die neue Rolle professioneller Übersetzer

11. Häufig gestellte Fragen

1. Was ist KI-Post-Editing?

KI-Post-Editing ist die menschliche Prüfung und Bearbeitung einer KI-generierten Übersetzung mit dem Ziel, ein vereinbartes Qualitätsniveau zu erreichen. Im professionellen Umfeld heißt das Vorgehen Machine Translation Post-Editing (MTPE).

Ein qualifizierter Übersetzer überarbeitet dabei eine maschinell erzeugte Erstübersetzung. Er korrigiert Fehler, prüft Fachbegriffe, berücksichtigt stilistische Vorgaben und kontrolliert, ob alle Aussagen vollständig übertragen wurden.

Mit generativer KI verändert sich vor allem die Ausgangslage. Frühere maschinelle Übersetzungen zeigten oft erkennbare sprachliche Schwächen. Moderne Sprachmodelle erzeugen häufig bereits sehr natürliche Texte. Das kann bei geeigneten Inhalten den sprachlichen Korrekturaufwand senken. Inhaltliche Abweichungen können sich aber hinter überzeugenden Formulierungen verbergen.

Professionelles Post-Editing prüft deshalb nicht nur Sprache, sondern insbesondere Bedeutung, Kontext und fachliche Korrektheit.

Post-Editing, QA, Revision und Freigabe: die Unterschiede

Ein professioneller Prozess kann mehrere dieser Schritte kombinieren. Eine automatische Prüfung ersetzt keine fachliche Bewertung, und menschliches Post-Editing macht eine zusätzliche Revision nicht grundsätzlich überflüssig.

Welche Schritte nötig sind, hängt vom Auftrag, vom Qualitätsziel und von den Folgen eines möglichen Fehlers ab.

2. Warum generative KI das Post-Editing verändert

Große Sprachmodelle verändern nicht nur die Geschwindigkeit der Übersetzung, sondern auch die Art der möglichen Fehler.

Sprachlich überzeugend heißt nicht inhaltlich korrekt

Ein konstruiertes Beispiel:

• Ausgangstext: „Das System ist nur eingeschränkt verfügbar.“

• Fehlerhafte Übersetzung: „The system is unavailable.“

Der englische Satz ist grammatisch korrekt, verändert aber die Aussage: Aus einer eingeschränkten Verfügbarkeit wird ein vollständiger Ausfall.

In technischer Dokumentation, Wartungsanweisungen oder rechtlich relevanten Informationen kann das erhebliche Folgen haben. Ein Post-Editor prüft deshalb, ob die ursprüngliche Bedeutung vollständig und präzise übertragen wurde.

Fachterminologie bleibt eine zentrale Herausforderung

Ein KI-Modell kann für denselben Begriff mehrere plausible Übersetzungen erzeugen. Unternehmen brauchen jedoch verbindliche Begriffe, besonders in technischen Dokumentationen und Produktinformationen.

Eine Übersetzung kann allgemein verständlich sein und trotzdem von der freigegebenen Unternehmensterminologie abweichen.

Entscheidend ist nicht nur, ob eine Formulierung richtig klingt, sondern ob sie den Unternehmensvorgaben entspricht.

Der Dokumentenkontext gewinnt an Bedeutung

Produktbezeichnungen, Abkürzungen, vorherige Aussagen und die Zielgruppe bestimmen, welche Formulierung passt.

Professionelles Post-Editing betrachtet deshalb auch den Zusammenhang des gesamten Dokuments und nicht nur einzelne Segmente.

Der Bearbeitungsaufwand verändert sich

Eine hochwertige KI-Erstübersetzung kann den Aufwand für sprachliche Nachbearbeitung reduzieren.

Post-Editing ist dadurch nicht automatisch schneller oder günstiger. Bei komplexen Fachtexten, schwacher Erstübersetzung oder hohen Qualitätsanforderungen bleibt die Prüfung aufwendig.

3. Welche Fehler müssen beim KI-Post-Editing geprüft werden?

Eine systematische Prüfung berücksichtigt mehrere Fehlerkategorien. Als fachliche Orientierung dient das Framework Multidimensional Quality Metrics (MQM), das Übersetzungsqualität anhand unterschiedlicher Kriterien bewertet.

• Bedeutungsverschiebungen: Aussagen werden verändert, verstärkt oder abgeschwächt. Bei technischen Anweisungen, rechtlichen Informationen und sicherheitsrelevanten Inhalten ist das besonders kritisch.

• Auslassungen und zusätzliche Informationen: Aussagen fehlen oder werden ergänzt, obwohl sie im Ausgangstext nicht stehen. Ein konstruiertes Beispiel: Aus „Die Anwendung ist für registrierte Nutzer kostenfrei verfügbar.“ wird „The application is available to registered users.“ Die Information „kostenfrei“ fehlt.

• Terminologische Inkonsistenzen: Ein Fachbegriff wird im Dokument unterschiedlich übersetzt oder weicht von der vorgegebenen Terminologie ab.

• Stilistische Abweichungen: Die Übersetzung ist inhaltlich korrekt, entspricht aber nicht dem gewünschten Sprachstil, der Zielgruppenansprache oder den festgelegten Schreibweisen.

• Formatierungs- und Strukturfehler: Überschriften, Listen, Platzhalter oder Tags werden nicht korrekt übernommen.

Professionelle Übersetzungsqualität umfasst sprachliche Genauigkeit, fachliche Korrektheit, terminologische Konsistenz und die technische Verwendbarkeit des Dokuments.

4. Light Post-Editing und Full Post-Editing

Nicht jede Übersetzung braucht denselben Bearbeitungsumfang.

Light Post-Editing stellt die Verständlichkeit in den Vordergrund. Wesentliche Fehler werden korrigiert, stilistische Verbesserungen nur, soweit der Verwendungszweck sie verlangt. Das Verfahren kann sich für interne Informationen mit geringem Risiko eignen.

Full Post-Editing bearbeitet die maschinelle Übersetzung umfassend, um das vereinbarte Qualitätsniveau zu erreichen. Geprüft werden inhaltliche Genauigkeit, Vollständigkeit, Fachterminologie, Stil und sprachliche Qualität.

Die Norm ISO 18587:2017 beschreibt die Anforderungen an das vollständige menschliche Post-Editing maschinell erzeugter Übersetzungen und an die Kompetenzen der beteiligten Post-Editoren.

Welches Verfahren passt zu welchem Text?

Die Entscheidung richtet sich nach dem Verwendungszweck und den möglichen Folgen von Übersetzungsfehlern.

5. Kann KI die Qualität einer KI-Übersetzung selbst prüfen?

Ja. KI kann Übersetzungen analysieren und Hinweise auf mögliche Fehler liefern. Sie ersetzt damit jedoch nicht automatisch die fachliche Bewertung durch einen Menschen.

KI-Systeme können dabei unterstützen, mögliche Bedeutungsabweichungen, Auslassungen, terminologische Probleme und stilistische Unstimmigkeiten zu identifizieren.

Sinnvoll ist die Trennung zweier Aufgaben:

• Übersetzen: Ein KI-System erzeugt die Zieltextfassung.

• Prüfen: Ein separater Prüfschritt analysiert die Übersetzung und weist auf mögliche Abweichungen hin.

Diese Trennung kann Qualitätsprüfungen nachvollziehbarer machen. Fehlerfreiheit garantiert sie nicht: Auch ein KI-gestütztes QA-System kann Fehler übersehen oder korrekte Formulierungen beanstanden.

Automatische Prüfhinweise sind deshalb eine Unterstützung für den Qualitätsprozess, kein Ersatz für die menschliche Entscheidung.

6. Warum Unternehmenswissen für erfolgreiches Post-Editing entscheidend ist

Ein KI-Modell kennt nicht automatisch die bevorzugten Produktbezeichnungen, internen Formulierungen oder freigegebenen Übersetzungen eines Unternehmens.

Dieses Wissen muss im Übersetzungsprozess verfügbar sein.

• Terminologiedatenbanken enthalten verbindliche Fachbegriffe und ihre zugelassenen Übersetzungen. Sie unterstützen die konsistente Verwendung von Produktnamen und technischen Bezeichnungen.

• Translation Memories speichern vorhandene Übersetzungen. Sie können bei passenden Übereinstimmungen wiederverwendet oder als Referenz genutzt werden. Freigegebene Übersetzungen sind wertvolles Unternehmenswissen, das nicht bei jedem Auftrag neu erzeugt werden sollte.

• Styleguides legen Tonalität, Anrede, Schreibweisen und bevorzugte Formulierungen fest.

• Referenzmaterialien wie Dokumentationen und Produktinformationen liefern zusätzlichen Kontext.

Je besser dieses Wissen eingebunden ist, desto gezielter können KI-Übersetzung und Post-Editing auf die Anforderungen des Unternehmens ausgerichtet werden.

Gutes Post-Editing beginnt deshalb bereits vor der Übersetzung.

7. KI-Post-Editing mit ownvia

Professionelles KI-Post-Editing braucht mehr als ein Textfeld, in dem maschinelle Übersetzungen nachträglich korrigiert werden.

Unternehmen und Sprachdienstleister benötigen eine Umgebung, in der Vorgaben, Unternehmenswissen, Qualitätsprüfung und menschliche Bearbeitung zusammenwirken.

ownvia ist eine Produktionsumgebung für professionelle Übersetzungen, die diese Elemente in einem gemeinsamen Workflow verbindet.

Translation Templates: Anforderungen vor der Übersetzung festlegen

Mit Translation Templates lassen sich Terminologie, Styleguides, Referenzmaterialien und weitere Vorgaben für wiederkehrende Aufgaben bündeln.

Unternehmensspezifische Anforderungen können so bereits vor der KI-Erstübersetzung berücksichtigt werden. Das kann helfen, terminologische Abweichungen und Nacharbeit zu reduzieren.

Übersetzung und Qualitätsprüfung als getrennte Aufgaben

Bei ownvia ist die Qualitätsprüfung ein eigenständiger Schritt im Übersetzungsprozess. Die KI-gestützte Prüfung untersucht die Übersetzung auf mögliche Qualitätsabweichungen und stellt entsprechende Hinweise bereit, ohne die Übersetzung selbstständig zu verändern.

Die Ergebnisse können anschließend bei der weiteren Bearbeitung und fachlichen Bewertung berücksichtigt werden.

ownEDITOR: Übersetzungen strukturiert prüfen und bearbeiten

Im ownEDITOR können Übersetzer und Revisoren KI-generierte oder vorhandene Übersetzungen segmentweise bearbeiten.

Ausgangstext, Übersetzung und bearbeitete Fassung stehen übersichtlich nebeneinander, sodass sich Änderungen nachvollziehen lassen.

Suche, Filter und die Navigation zwischen Segmenten unterstützen die Arbeit an umfangreichen Dokumenten.

Über Filter lassen sich beispielsweise Segmente mit möglichen Terminologieabweichungen gezielt eingrenzen und bearbeiten.

Translation Chat: KI-Unterstützung direkt am Segment

Nicht jede Entscheidung lässt sich durch den Austausch eines einzelnen Wortes lösen.

Der Translation Chat ermöglicht es, Passagen direkt im Editor zu hinterfragen und alternative Formulierungen zu entwickeln, ohne die Arbeitsumgebung zu verlassen.

Dabei können relevante Terminologie und Dokumentenkontext berücksichtigt werden.

Die Entscheidung über die passende Formulierung bleibt beim Übersetzer.

Integration in bestehende Übersetzungsprozesse

Unternehmen und Sprachdienstleister arbeiten häufig bereits mit etablierten CAT-Tools und vorhandenen Übersetzungsressourcen.

Mit dem ownvia AI Translation Provider für Trados Studio sowie unterstützten Austauschformaten lässt sich ownvia in bestehende Arbeitsabläufe einbinden.

Ziel ist nicht, bewährte Prozesse grundsätzlich zu ersetzen, sondern KI-gestützte Funktionen sinnvoll darin nutzbar zu machen.

ownvia wurde 2026 in die Slator-Liste „Language AI 50 Under 50“ aufgenommen.

Der Mehrwert liegt im Zusammenspiel: Unternehmenswissen wird für die Übersetzung nutzbar, Qualitätsprüfungen unterstützen die Fehlererkennung und professionelle Übersetzer bearbeiten die Ergebnisse in einer gemeinsamen Arbeitsumgebung.

8. Beispielworkflow: Technische Produktdokumentation

Ein vereinfachtes, konstruiertes Beispiel:

Ein Maschinenbauunternehmen möchte eine technische Produktdokumentation mit Sicherheitshinweisen vom Deutschen ins Englische übersetzen.

Terminologiedatenbank, freigegebene Übersetzungen und Styleguide sind vorhanden.

Schritt 1: Anforderungen festlegen

Verbindliche Fachbegriffe, Schreibweisen und Referenzmaterialien werden in einem Translation Template zusammengeführt.

Schritt 2: KI-Erstübersetzung erstellen

Die KI erstellt die Übersetzung unter Berücksichtigung der bereitgestellten Vorgaben.

Schritt 3: Qualität prüfen

Ein KI-gestützter Prüfschritt untersucht die Übersetzung auf mögliche Abweichungen und kann beispielsweise auf eine Formulierung hinweisen, die sprachlich korrekt ist, aber von der technischen Aussage des Ausgangstextes abweichen könnte.

Schritt 4: Menschliches Post-Editing

Ein qualifizierter Übersetzer prüft die betreffende Passage im ownEDITOR anhand des Ausgangstextes, entwickelt bei Bedarf mit dem Translation Chat Alternativen und entscheidet über die geeignete Formulierung.

Schritt 5: Revision und Freigabe

Je nach Qualitätsanforderung prüft eine weitere qualifizierte Person die Übersetzung. Anschließend erfolgt die Freigabe.

Die KI-Erstübersetzung ist nur ein Baustein. Der eigentliche Mehrwert entsteht, wenn Unternehmenswissen, automatische Prüfung und menschliche Expertise aufeinander abgestimmt sind.

Hinweis: Das Beispiel veranschaulicht einen möglichen Workflow. Es handelt sich nicht um eine dokumentierte Kundenimplementierung oder eine Leistungsmessung.

9. Qualität messen und Wirtschaftlichkeit bewerten

Ob eine Übersetzung gut ist, erkennt man nicht allein daran, wie flüssig sie klingt oder wie wenige Korrekturen nötig waren.

Und ob KI-Post-Editing wirtschaftlich ist, zeigt nicht die Geschwindigkeit der Erstübersetzung.

KI-Post-Editing kann sich wirtschaftlich lohnen, wenn der Gesamtaufwand bis zur freigegebenen Übersetzung bei vergleichbarem Qualitätsniveau sinkt.

Zum Gesamtaufwand zählen Erstübersetzung, menschliche Bearbeitung, Qualitätssicherung, mögliche Revision und organisatorische Tätigkeiten.

Eine hochwertige Erstübersetzung kann den Aufwand reduzieren. Ist sie schwach, kann die nötige Überarbeitung den Zeitgewinn teilweise oder vollständig aufheben.

Beispiel: Vorbereitung oder Nachbearbeitung?

Ein konstruiertes Beispiel ohne Messwerte:

Auftrag A: Die KI erstellt eine Übersetzung innerhalb weniger Minuten. Weil Terminologie und Styleguide nicht berücksichtigt wurden, entsteht anschließend ein hoher Korrekturaufwand.

Auftrag B: Vor der Übersetzung werden Terminologie und Vorgaben festgelegt. Das benötigt zunächst zusätzliche Zeit, kann aber den Aufwand für Bearbeitung und Revision senken.

Welcher Auftrag wirtschaftlicher ist, zeigt erst der Vergleich des Gesamtaufwands.

Welche Kennzahlen sind sinnvoll?

Vergleichen Sie ähnliche Aufträge mit einem einheitlichen Qualitätsziel. Geeignete Kennzahlen sind:

• Anzahl und Schwere relevanter Qualitätsabweichungen, beispielsweise nach MQM eingeordnet

• Terminologische Konsistenz

• Bearbeitungszeit pro Wort oder Segment

• Anteil erforderlicher Überarbeitungen

• Aufwand für Revision und Freigabe

• Gesamtkosten pro abgeschlossenem Übersetzungsauftrag

Nicht jeder Fehler wiegt gleich schwer: Ein stilistischer Unterschied ist weniger kritisch als eine Bedeutungsverschiebung in einer Sicherheitsanweisung.

Das Ziel ist deshalb nicht die schnellste KI-Erstübersetzung, sondern ein kontrollierbarer Prozess, der auf das erforderliche Qualitätsniveau ausgerichtet ist.

10. Die neue Rolle professioneller Übersetzer

Generative KI verändert die Aufgabenverteilung.

Wenn KI die Erstübersetzung liefert, kann sich ein größerer Teil der menschlichen Arbeit auf Prüfung, Bearbeitung und fachliche Bewertung konzentrieren.

Übersetzer korrigieren dabei nicht nur Fehler. Sie übernehmen weiterhin zentrale Aufgaben:

• Fachliche Bewertung: Ist die Aussage korrekt und vollständig?

• Terminologische Entscheidungen: Entspricht die Übersetzung den fachlichen und unternehmensspezifischen Vorgaben?

• Sprachliche Gestaltung: Passt die Formulierung zur Zielgruppe und zum Kommunikationsziel?

• Qualitätsverantwortung: Erfüllt die Übersetzung die vereinbarten Anforderungen?

• Wissenspflege: Welche Erkenntnisse gehören in Terminologiedatenbanken, Styleguides oder Translation Memories?

Die Tätigkeit kann sich damit stärker in Richtung Qualitätsbewertung, fachlicher Steuerung und sprachlicher Beratung entwickeln.

Für kreative, kulturell sensible oder fachlich besonders anspruchsvolle Inhalte bleibt die eigenständige menschliche Übersetzung relevant.

KI verändert die Arbeit professioneller Übersetzer. Sie macht deren Fachwissen aber nicht überflüssig.

11. Häufig gestellte Fragen zum KI-Post-Editing

Was ist KI-Post-Editing?

KI-Post-Editing ist die menschliche Prüfung und Überarbeitung einer KI-generierten Übersetzung, damit sie die vereinbarten sprachlichen und fachlichen Qualitätsanforderungen erfüllt.

Was bedeutet MTPE?

MTPE steht für Machine Translation Post-Editing. Gemeint ist die menschliche Nachbearbeitung maschinell erzeugter Übersetzungen.

Was ist der Unterschied zwischen Post-Editing und Revision?

Beim Post-Editing wird eine maschinell erzeugte Übersetzung überarbeitet. Bei der Revision prüft eine weitere qualifizierte Person die Übersetzung anhand des Ausgangstextes.

Was ist der Unterschied zwischen Light und Full Post-Editing?

Light Post-Editing konzentriert sich auf Verständlichkeit und die Korrektur wesentlicher Fehler. Full Post-Editing umfasst eine umfassendere Bearbeitung, um das vereinbarte Qualitätsniveau zu erreichen. ISO 18587:2017 beschreibt Anforderungen an vollständiges menschliches Post-Editing.

Kann KI das Post-Editing vollständig übernehmen?

Nein. Post-Editing bezeichnet die menschliche Überarbeitung einer maschinell erzeugten Übersetzung. Ein vollständig automatisierter Prozess ist daher kein menschliches Post-Editing.

KI kann die Bearbeitung jedoch durch Qualitätsprüfungen und alternative Formulierungsvorschläge unterstützen.

Welche Fehler treten bei KI-Übersetzungen auf?

Typisch sind Bedeutungsverschiebungen, Auslassungen, unbegründete Ergänzungen, terminologische Inkonsistenzen sowie stilistische und strukturelle Abweichungen.

Ist KI-Post-Editing günstiger als eine rein menschliche Übersetzung?

Nicht automatisch. Die Wirtschaftlichkeit hängt von der Qualität der Erstübersetzung, dem Fachgebiet, den Qualitätsanforderungen und dem Bearbeitungsaufwand ab.

Welche Rolle spielen Translation Memories?

Translation Memories stellen bereits vorhandene Übersetzungen bereit, die wiederverwendet oder als Referenz genutzt werden können. So bleibt vorhandenes Sprachwissen für neue Aufträge nutzbar.

Welche Software eignet sich für professionelles KI-Post-Editing?

Geeignet ist Software, die den jeweiligen Übersetzungsprozess unterstützt. Wichtige Funktionen können ein strukturierter Editor, Terminologiemanagement, Translation Memories, automatische Qualitätsprüfungen und die Einbindung menschlicher Bearbeitung sein.

ownvia verbindet KI-gestützte Übersetzung, Unternehmenswissen, Qualitätssicherung und menschliche Bearbeitung in einer Produktionsumgebung für professionelle Übersetzungen.

Wie können Unternehmen die Qualität von KI-Übersetzungen sicherstellen?

Unternehmen sollten verbindliche Qualitätsanforderungen definieren, Terminologie und Referenzmaterialien bereitstellen, Übersetzungen systematisch prüfen und bei Bedarf qualifizierte Fachleute in Bearbeitung, Revision und Freigabe einbeziehen.

Fazit: Professionelle Übersetzungsqualität entsteht durch einen kontrollierten Prozess

Generative KI kann die Erstellung von Übersetzungen erheblich beschleunigen.

Eine flüssige Erstübersetzung ist aber noch kein Nachweis für fachliche Genauigkeit, terminologische Konsistenz oder die Einhaltung von Unternehmensvorgaben.

Professionelles KI-Post-Editing verbindet die Möglichkeiten generativer KI mit systematischer Qualitätssicherung und menschlicher Expertise.

Entscheidend ist, dass die Arbeitsschritte nicht isoliert stattfinden: Unternehmenswissen steht vor der Übersetzung bereit, Qualitätsprüfungen können mögliche Abweichungen sichtbar machen und Übersetzer bewerten und bearbeiten die Ergebnisse gezielt.

Genau diesen Ansatz verfolgt ownvia.

Die entscheidende Frage lautet nicht mehr nur, wie gut KI übersetzt, sondern wie Unternehmen sicherstellen, dass aus KI-Übersetzungen verlässliche, fachlich geeignete und freigegebene Inhalte werden.

KI übersetzt. Mit ownvia wird daraus ein professioneller Prozess.

Mit ownvia verbinden Unternehmen und Sprachdienstleister KI-gestützte Übersetzung, Terminologie, Unternehmenswissen, Qualitätssicherung und menschliches Post-Editing in einer gemeinsamen Arbeitsumgebung.

Erfahren Sie, wie ownvia Ihre bestehenden Übersetzungsprozesse unterstützen kann.

ownvia kennenlernen

Fachliche Grundlagen und weiterführende Quellen

• ISO 18587:2017: Translation services — Post-editing of machine translation output — Requirements. Internationale Norm für vollständiges menschliches Post-Editing maschinell erzeugter Übersetzungen.

• ISO 17100:2015: Translation services — Requirements for translation services. Norm für professionelle Übersetzungsdienstleistungen. Ihr Anwendungsbereich ist vom maschinellen Post-Editing nach ISO 18587 abzugrenzen.

• MQM (Multidimensional Quality Metrics): Framework zur systematischen Kategorisierung und Bewertung von Übersetzungsfehlern. Weitere Informationen: https://themqm.org/