Sie fragen sich vielleicht, was Maia ist und welche Veränderungen die Plattform bei Janus Worldwide bringt?

Im Zeitalter des digitalen Wandels suchen Unternehmen nach innovativen Lösungen, die ein stabiles Wachstum ermöglichen, ihre Prozesse optimieren, die Produktivität steigern und höchste Servicequalität gewährleisten können. Bei Janus Worldwide wurde als Antwort auf diese Herausforderungen das Projekt Maia ins Leben gerufen – ein internes KI-Ecosystem, das künstliche Intelligenz und kritische Tools des Unternehmens an einem zentralen Ort zusammenführt.

Was ist Maia?

Maia ist ein mehrstufiges Ecosystem, das KI-Tools in die Produktions-, Verwaltungs- und Kommunikationsprozesse des Unternehmens integriert. Die Grundidee besteht darin, einen vernetzten digitalen Raum zu schaffen, in dem alle Daten, Dienste und Interaktionen zusammenfließen, um die Mitarbeitenden zu unterstützen, das Benutzererlebnis der Kunden zu verbessern und Routineaufgaben zu automatisieren.

Die erste Phase des Projekts ist bereits abgeschlossen: Lösungen wie die Integration von MemoQ und KI, ein RFI-Assistent für das Vertriebsteam und der Xbench-Analysis-Assistent für die Abteilung der Qualitätssicherung wurden eingeführt.

Architektur und kritische Komponenten des Ecosystems

Maia ist modular aufgebaut. Jeder Block erfüllt spezifische Funktionen, allerdings sind alle durch eine gemeinsame Infrastruktur verbunden.

1. Ecosystem-Datenbank

Die Datenbank ist der zentrale Speicher und der analytische Kern des Ecosystems:

• Hier werden alle eingehenden und ausgehenden Daten gespeichert, darunter die Benutzerdaten, Anweisungen, Sprachen und Modelle.
• Eine detaillierte Protokollierung wird über die API und die Benutzeroberfläche vorgenommen
• und die administrative Kontrolle und Konfiguration sichergestellt.

2. Browseroberfläche

Diese Schnittstelle dient zur Benutzerinteraktion mit Maia und umfasst:

• Assistenten für RFI, Xbench und ChatGPT;
• universellen Zugang zu allen KI-Funktionen;
• benutzerfreundliche Bedienung und intuitive Aufgabenverwaltung.

3. CAT-Integration

Die Integration mit dem Übersetzungssystem MemoQ bietet viele Möglichkeiten:

• Automatisierung der TEP-Prozesse;
• höhere Qualität der maschinellen Übersetzung;
• Verbesserung des Editings mithilfe von KI.

4. E-Mail-Server-Integration

Maia verarbeitet und analysiert E-Mails:

• automatisierte Beantwortung und Feedback-Analyse;
• Bearbeitung von Forderungen;
• Unterstützung von Freiberuflern und Bewerbern.

5. MT-Hub

Trainingsmodul und kombinierte Nutzung von maschineller Übersetzung und KI:

• Verbesserung der MT-Qualität;
• Erstellung thematischer Datenbanken.

6. KI-Sammlung

Bibliothek von KI-Modellen:

• von grundlegenden Modellen bis zu fein abgestimmten Lösungen für bestimmte Kunden;
• umfasst Vektor-Datenbanken für Übersetzungsspeicher (Translation Memory, TM) und Glossare.

Wir haben mit dem Chief Technology Officer Walerij Bolschakow gesprochen, der die Entwicklung von Maia leitet und wollten von ihm wissen, mit welchen Herausforderungen das Team in seiner Arbeit konfrontiert ist.

MAIA fungiert als Proxy-Dienst, der MemoQ (ein marktführendes Übersetzungsmanagementsystem) mit großen Sprachmodellen (Large Language Models, LLMs) von OpenAI zusammenführt. Es ist wichtig zu verstehen, wie komplex und innovativ die Prozesse sind, die hinter dieser Lösung stecken. Das Ziel, KI für eine effektivere Übersetzung von Inhalten zu nutzen, erscheint einfach – der Entwicklungsprozess ist es aber keinesfalls. Im Weiteren sind die wichtigsten Aufgaben beschrieben, die unser Team lösen muss.

1. Zwei verschiedene Welten: memoQ und OpenAI
memoQ ist eine strukturierte Übersetzungsplattform, die für die Fachleute der Branche entwickelt wurde und auf strengen Arbeitsprozessen basiert. Sie verarbeitet Dokumente, Segmente, Terminologiedatenbanken und detaillierten Formatregeln, während OpenAI universelle KI-Tools umfasst, die für die flexible und kreative Bearbeitung natürlicher Sprache bestimmt sind. Damit diese beiden Systeme reibungslos miteinander kommunizieren können, sind eine gründliche technische Ausarbeitung und eine durchdachte Architektur erforderlich. Es handelt sich nicht einfach um eine API-Verbindung, sondern um die Interpretation, Anpassung und manchmal auch Neugestaltung des Informationsaustauschs zwischen zwei völlig unterschiedlichen Ecosystems.

2. Content-Management und Qualität
memoQ bearbeitet Inhalte in Form von Segmenten. Es zerlegt den Text in kleine, überschaubare Abschnitte. LLMs sind dagegen besser, wenn es um die Bearbeitung langer, verbundener Textfragmente geht. Das Senden einzelner Segmente führt zu einer schlechten Übersetzungsqualität. Die Zusammenführung von Segmenten ist jedoch mit anderen Risiken verbunden: Die KI kann den Kontext durcheinanderbringen und möglicherweise überflüssige Informationen hinzufügen. Die Entwickler von MAIA setzen eine intelligente Gruppierungslogik ein, die zwischen Kontext und Genauigkeit abwägt, um eine hohe Übersetzungsqualität ohne Veränderungen der Struktur zu gewährleisten.

3. Kontrolle der Ergebnisse
Eine weitere Aufgabe besteht darin, die Konsistenz sowie die Einhaltung von Übersetzungsstandards sicherzustellen. Übersetzer legen Wert auf präzise Terminologie, Formatierung (z. B. Tags) und Stil. Im Unterschied zu herkömmlichen Systemen der maschinellen Übersetzung verfügen LLMs über Flexibilität und besitzen „Vorstellungsvermögen“, d. h. sie fügen Wörter oder Formate hinzu, die im Original nicht enthalten sind. MAIA verfügt über eine Reihe von KI-Steuerungsmechanismen, darunter spezielle Eingabeaufforderungen (Prompts), Terminologieintegration und Postediting, um sicherzustellen, dass das Ergebnis den Anforderungen entspricht.

4. Produktivität, Kosten und Konformität
Die Verwendung von LLMs wirft praktische Fragen auf. Jeder Aufruf der API OpenAI verbraucht Token und kostet Geld. Unsere intelligente Gruppierung, die Nutzungsüberwachung und eine Optimierungsstrategie sorgen dafür, dass MAIA effektiv und rentabel ist. Darüber hinaus ist die Einhaltung von Vorschriften von entscheidender Bedeutung. Da Übersetzungen oft sensible Daten enthalten, wurde MAIA unter Berücksichtigung der Anforderungen an den Datenschutz und die Einhaltung der DSGVO entwickelt. Dadurch wird garantiert, dass Daten nicht gespeichert werden und keinem Risiko ausgesetzt sind.

5. Nahtlose Integration in die Arbeitsabläufe und Prozesse
Für den Benutzer ist nur wichtig, dass alles „einfach funktioniert“. MAIA verwaltet hinter den Kulissen die Projektdateien, die Sprachkombinationen, die Metadaten-Segmente und die verschiedenen memoQ-Projekttypen. MAIA behebt Probleme, wiederholt Anfragen bei Bedarf automatisch und stellt Feedback in Echtzeit bereit. Das alles dient der nahtlosen Interaktion der Übersetzer und Projektmanager.

Verwendung von Maia bei der täglichen Arbeit

Maia wird in vielen Abteilungen des Unternehmens aktiv verwendet. Nachfolgend sind die wichtigsten Aufgaben aufgeführt, die mit Hilfe von Maia gelöst werden.

• Produktion und QS: Automatisierte Überprüfung von Dateien, Aufwandsschätzung, Sortierung der Projekte nach Sprachen.
• Verkauf: Verfassen von Kampagnen- und Marketing-E-Mails sowie Informationsanfragen (RFI).
• IT: technische Aktualisierungen, Risikomanagement, automatisiertes Berichtwesen.

Projektteam und Unterstützung

Zur Umsetzung von Maia wurde ein funktionsübergreifendes Team gebildet.

• Entwickler (PHP, Python, C# und Frontend) entwickeln die Architektur und verbinden die externen Tools.
• QS und Prüfer stellen eine konsistent hohe Qualität und den stabilen Betrieb des Systems sicher.
• Implementationsspezialisten und Prompt-Ingenieure schulen die Mitarbeitenden und erstellen effektive Anleitungen.
• Projektmanager koordinieren die Entwicklung und Skalierung des Projekts.

Blick in die Zukunft

Die Roadmap für die Entwicklung und Implementierung von Maia ist in mehrere Etappen unterteilt, die zunehmend mehr Prozesse im Unternehmen umfassen. Die nächsten Schritte umfassen die Erweiterung des Assistenzteams, die Einführung in die Vertriebs- und Personalabteilung sowie die Einrichtung eines voll funktionsfähigen KI-Hubs für das Training von Modellen auf Basis interner Daten.

Maia ist nicht nur eine technologische Plattform, sondern ein wichtiger Treiber für die Weiterentwicklung von Janus Worldwide. Durch die intelligente Integration von KI und Unternehmenstools erhält Janus Worldwide einen leistungsstarken Hebel zur Steigerung der Effizienz, Verbesserung der Servicequalität und Stärkung seiner Wettbewerbsposition auf dem globalen Markt.