Using international standards for terminology exchange

Internationale Standards für den Terminologieaustausch nutzen KLAUS-DIRK SCHMITZ Cologne University of Applied Sciences SCHLÜSSELWÖRTER: Terminologiemanagement, Terminologieaustausch, Standards, Datenkategorien, TBX 1. MOTIVATION Die Erstellung hochwertiger Terminologie und ein professionelles Terminologiemanagement sind zeitaufwendige und kostenintensive Tätigkeiten. Der Zugriff auf bereits vorhandene terminologische Ressourcen und deren Wiederverwendung können den Aufwand für die Terminologiearbeit erheblich verringern. Diese wirtschaftlichen Aspekte sind in vielen Fällen die wichtigsten Argumente für das Interesse am Terminologieaustausch. Es gibt jedoch viele weitere Gründe, warum der Terminologieaustausch so wichtig ist. Geschäftliche Übersetzungsaktivitäten zwischen Auftraggebern, Sprachdienstleistern und freiberuflichen Übersetzern erfordern den Transfer terminologischer Daten in beide Richtungen. Unternehmen stellen Terminologie zur Unterstützung von Übersetzungsprojekten bereit, und Übersetzer geben terminologische Ressourcen zurück, die sie während des Übersetzungsauftrags aktualisiert haben. Die konsistente Verwendung von Terminologie in größeren Projekten mit mehreren einzelnen Übersetzern kann nur gewährleistet werden, wenn alle Beteiligten Zugriff auf dieselben terminologischen Datenressourcen haben; unterschiedliche Terminologiemanagementwerkzeuge und individuell gestaltete Terminologiedatenbanken erschweren jedoch den verlustfreien und konsistenten Austausch terminologischer Daten. Ein weiteres wichtiges Szenario für den Austausch terminologischer Daten ist die Migration terminologischer Datensammlungen von einem System zu einem anderen. Dies kann erforderlich sein, wenn ein Unternehmen oder ein Freiberufler den Werkzeuganbieter wechselt und die Terminologie aus dem alten Terminologiemanagementsystem in das neue Werkzeug konvertieren muss, aber auch dann, wenn terminologische Daten in anderen Programmen wie Content-Management-Systemen oder (regelbasierten) maschinellen Übersetzungssystemen benötigt werden. Ein einfacher und unkomplizierter Terminologieaustausch in all diesen Szenarien kann jedoch problematisch sein, da die technischen Anforderungen an das Terminologiemanage- Terminologija | 2012 | 19 3 3 …mente (Sprachen, Datenkategorien, Datenwertmengen) können je nach Bedarf der jeweiligen Benutzergruppen und den organisatorischen Rahmenbedingungen ganz unterschiedlich sein. 2. ANFORDERUNGEN Austauschroutinen zwischen zwei bestimmten Terminologiedatenbanken werden in der Regel individuell entwickelt, wobei die vorhandenen Import- und Exportroutinen sowie die Formate der beiden beteiligten Systeme berücksichtigt werden. Außerdem müssen die Datenmodelle und die „Semantik“ der Datenkategorien beider Systeme bekannt sein. Ist ein Datenaustausch zwischen mehr als zwei Systemen erforderlich, steigt die Zahl der notwendigen Konvertierungsroutinen rasch an. Deshalb besteht eine starke Nachfrage nach standardisierten Austauschformaten, bei denen jedes der beteiligten Terminologieverwaltungssysteme lediglich eine Funktion zum Import von Daten aus dem standardisierten Austauschformat und eine Funktion zum Export in das Standardaustauschformat bereitstellen muss. Eines der bekanntesten und am häufigsten angebotenen Formate ist CSV (comma-separated values). Dieses Format trennt Informationen durch Kommas oder Tabulatoren und Datensätze durch Zeilenumbrüche oder Absatzmarken. Obwohl einzelne Daten gewöhnlich voneinander getrennt sind, sind Bedeutung und Interpretation der einzelnen Daten unklar und im CSV-Format nicht ausdrücklich festgelegt. Abb. 1: Daten aus einer MultiTerm-2011-Terminologiedatenbank, exportiert im CSV-Format Das CSV-Format wird häufig verwendet, um Daten in Excel-Tabellen und aus diesen zu konvertieren. Manchmal sind die Spaltennamen in der ersten Zeile der Austauschdatei angegeben, was Rückschlüsse auf 34 Klaus–Dirk Schmitz | Using international standards for terminology exchange die Semantik der folgenden Daten ermöglicht. Das funktioniert jedoch nur, wenn die Struktur der terminologischen Daten nicht zu komplex ist und jeder Datensatz dieselbe Art und Anzahl von Daten enthält; variable Daten (z. B. eine unterschiedliche Anzahl von Termini in mehreren Sprachen) verschieben die Spalten und machen eine korrekte Interpretation der Daten unmöglich. Die Verwendung von Auszeichnungssprachen wie XML (extensible markup language) umgeht genau dieses Problem. Jede einzelne Information trägt die Semantik ihrer Bedeutung in einem sogenannten Tag, und die Gruppierung sowie Zuordnung jedes Datenelements wird durch die XML-Struktur eindeutig festgelegt. Abb. 2: Daten aus einer MultiTerm-2011-Terminologiedatenbank, exportiert im XML-Format Abbildung 2 zeigt den Anfang der CSV-Austauschdatei aus Abbildung 1 im XML-Format, genauer gesagt im spezifischen XML-Format von MultiTerm 2011, das für die Konvertierung von MultiTerm-Datenbanken verwendet wird. 3. L Ö S U N G Wir sind nun nicht mehr weit davon entfernt, ein klar definiertes standardisiertes Austauschformat zu erreichen. Es ist lediglich erforderlich, das Markup in den spitzen Klammern, die Tags und die Typattribute zu standardisieren, um einen sogenannten „blinden Austausch“ zwischen Terminologiedatenbanken zu ermöglichen. Blind bedeutet, dass man die Struktur, die Datenkategorien und ihre Werte weder in der Ausgangs- noch in der Zieltermbase kennen muss. Genau dies versucht die Norm ISO 30042:2008 zu erreichen, die TBX (Term Base eXchange) spezifiziert. TBX basiert auf ISO 16642:2003, die ein terminologisches Metamodell mit mehreren Ebenen und Strukturelementen für die Terminologija | 2012 | 19 35 XML-Datei definiert, sowie auf ISOCAT (www.isocat.org), das terminologische Datenkategorien gemäß ISO 12620:2009 spezifiziert. Abbildung 3 zeigt einen vereinfachten Auszug eines terminologischen Eintrags in TBX-Darstellung. Abb. 3: Vereinfachtes Beispiel einer TBX-Datei TBX ist als eine einzige internationale Norm festgelegt, doch bei der Lektüre des Dokuments und der ISOcat-Website erkennt man, dass es verschiedene TBX-Varianten gibt. Die Norm selbst definiert so etwas wie eine Familie TBX-kompatibler Formate, wobei TBX–Default die gesamte Menge terminologischer Datenkategorien der TBX-Familie unterstützt und TBX–Basic nur eine kleinere Teilmenge von Datenkategorien verwendet, um einfachere Import- und Exportroutinen für bestimmte Benutzergruppen und weniger komplexe Datenbanken zu ermöglichen. 4. HERAUSFORDERUNGEN Obwohl TBX eine klar definierte ISO-Norm ist, müssen zwei Probleme erwähnt werden, die den Austausch terminologischer Daten erheblich erschweren können: eine mangelnde Strenge von TBX in einigen Bereichen und die Flexibilität moderner Terminologiemanagementsysteme. Unter anderem versucht TBX, die zulässigen Instanzen geschlossener Datenkategorien zu standardisieren, d. h. die möglichen Werte. Dies kann bei bestimmten Datenkategorien wie dem grammatischen Geschlecht (gender = m / f / n) funktionieren, ist jedoch bei einer Datenkategorie wie dem Sachgebiet zum Scheitern verurteilt, da es keine (ideale) Sachgebietsklassifikation gibt 36 Klaus–Dirk Schmitz | Using international standards for terminology exchange das für alle Benutzeranforderungen und alle Anwendungsbereiche geeignet ist. Daher kann ein vollständig „blinder“ Datenaustausch mithilfe von TBX nicht für alle Datenkategorien gewährleistet werden, da TBX die möglichen Werte für Datenkategorien wie das Sachgebiet nicht festlegen kann. Ein Terminologieverwaltungssystem sollte Import- und Exportschnittstellen bereitstellen, die den TBX-Standard unterstützen. Einige Systementwickler geben ausdrücklich an, dass ihre Software Dateien im TBX-Format importieren und exportieren kann. Dies kann jedoch nur dann zutreffen, wenn das Terminologieverwaltungssystem eine feste, vorgegebene Eintragsstruktur mit vordefinierten Datenkategorien hat; nur in diesem Fall kennt der Systementwickler die Semantik der Datenkategorien und kann sie in TBX-Exportdateien angemessen darstellen oder in TBX-Importdateien interpretieren. Wenn das Terminologieverwaltungssystem jedoch verlangt bzw. zulässt, dass der Benutzer das Datenmodell und die Datenkategorien entsprechend seinen spezifischen Anforderungen festlegt (z. B. MultiTerm) oder zumindest eine vordefinierte Datenmodellierung ändert (z. B. crossTerm, qTerm oder TermStar), kann der Systementwickler keine saubere TBX-Schnittstelle bereitstellen, da er die Semantik der benutzerdefinierten Datenkategorien nicht kennen kann. Um solche Fälle auszugleichen, gibt es nur zwei Lösungen (außerhalb von TBX): Entweder unterstützt ein spezifisches Mapping-Tool den Benutzer dabei, seine eigenen Datenkategorien den standardisierten ISOcat-Kategorien zuzuordnen, oder der Benutzer erstellt von Anfang an seine eigene Terminologiedatenbank auf der Grundlage der standardisierten Datenkategorien in ISOcat. 5. SCHLUSSFOLGERUNG ISO/TC37, das internationale technische Komitee für die Normung der Terminologie, hat mehrere Normen entwickelt und veröffentlicht, die sich unmittelbar auf den Austausch terminologischer Daten beziehen (z. B. ISO 30042:2008 für TBX). Auch andere TC37-Normen können jedoch zur Auswahl terminologischer Datenkategorien und zur Modellierung von Terminologiedatenbanken verwendet werden, um den Austausch terminologischer Daten zu erleichtern und sicherzustellen. Da es bei modernen Terminologieverwaltungssystemen grundlegende Probleme hinsichtlich der Unterstützung von Austauschformaten wie TBX gibt, muss die Frage des Datenaustauschs bei der Entwicklung einer Lösung für das Terminologiemanagement in Unternehmen und für Freiberufler berücksichtigt werden. Falsche Entscheidungen und fehlerhafte Auswahl von Datenkategorien behindern den künftigen Austausch terminologischer Daten und lassen sich nur mit großem Aufwand beheben. ISO-Normen wie ISO 12620:2009 und ISO 26162:2012 Terminologija | 2012 | 19 37 sowie das Data Category Registry (www.isocat.org) unterstützen Benutzer bei der Entwicklung professioneller und hochmoderner Terminologieverwaltungssysteme, die einen standardbasierten Terminologieaustausch ermöglichen. BIBLIOGRAPHY ISO 12620:2009 Terminology and other language and content resources – Specification of data categories and management of a Data Category Registry for language resources. Geneva: ISO. ISO 16642:2003 Computer applications in terminology – Terminological markup framework. Geneva: ISO. ISO 26162:2012 Systems to manage terminology, knowledge and content – Design, implementation and maintenance of terminology management systems. Geneva: ISO. ISO 30042:2008 Systems to manage terminology, knowledge and content – TermBase eXchange (TBX). Geneva: ISO. Melby A. K., Schmitz K.-D., Wright S. E. 2001: Terminology Interchange. – Handbook of Terminology Management, Volume 2, Wright S. E., Budin G. (eds.), Amsterdam/Philadelphia: John Benjamins, 613–642. Schmitz K.-D. 2004: Terminologiearbeit und Terminographie. – Angewandte Linguistik – Ein Lehrbuch, Knapp K. et al. (Hrsg.), Tübingen/Basel: Francke, 435–456. Schmitz K.-D. 2008: Bedeutung von Normung und Terminologiearbeit für die Technische Dokumentation. – Terminologiearbeit für Technische Dokumentation. (= tekom Schriften zur technischen Kommunikation 12); Hennig J., Tjarks-Sobhani M. (Hrsg.), Lübeck: Schmidt-Römhild, 11–17. Schmitz K.-D., Straub D. 2010: Successful Terminology Management in Companies – Practical tips and guidelines, Stuttgart: TC and More. TARPTAUTINIŲ STANDARTŲ NAUDOJIMAS TERMINOLOGIJOS MAINAMS Kruopštus terminologijos darbas ir profesionali terminijos tvarkyba įmonėms ir laisvai samdomiems darbuotojams yra daug laiko ir išlaidų reikalaujanti veikla. Ją gerokai palengvintų prieiga prie esamų terminologinių išteklių ir jų panaudojimas. Klientų, vertimo paslaugas teikiančių įmonių ir vertėjų bendravimui ir bendradarbiavimui reikalingas duomenų perdavimas įvairiomis kryptimis. Skirtingos terminologijos tvarkybos sistemos ir nesuderinti, atskiri terminologinių išteklių duomenų modeliai gali trukdyti terminologinių duomenų mainams ar užkirsti jiems kelią. ISO/TK37 – tarptautinis terminologijos ir kitų kalbos bei turinio išteklių standartizavimo technikos komitetas – parengė ir išleido keletą standartų, skirtų terminologinių duomenų mainams (pvz., TBX mainų formatui skirtas ISO 30042). Pasirenkant tinkamas terminologinių duomenų kategorijas ir modeliuojant terminologinių duomenų bazes, galima remtis ir kitais ISO/TK37 standartais, kurių taikymas palengvintų terminologinių duomenų importą ir eksportą iš kitų išteklių. Straipsnyje kalbama apie bendruosius terminologinių duomenų mainų tikslus, principus ir problemas, supažindinama su tarptautiniais standartus, skirtais veiksmingus duomenų mainus užtikrinančioms terminologijos tvarkybos sistemoms kurti, aiškinamas TBX mainų formato taikymas. Gauta 2012-11-18 Klaus-Dirk Schmitz Cologne University of Applied Sciences Institute of Translation and Multilingual Communication Ubierring 48, 50678 Cologne, Germany E-mail [email protected] 38 Klaus-Dirk Schmitz Using international standards for terminology exchange