EU-översättning

Översättning inom EU – hur fungerar det?

6 jun, 2025

EU:s institutioner producerar enorma mängder text, som i många fall ska översättas till alla 24 officiella EU-språk. Hur går det till egentligen?

På SFÖ-SAT:s konferens i Kalmar i april berättade Johan Martelius och Christopher Scott om översättningsarbetet i EU-kommissionen sedan Sverige gick med i EU 1995.

EU-kommissionen ansvarar för lagstiftning och budget inom EU, och ska vara fördragens väktare. 1 944 personer är anställda som översättare varav 43 % sitter i Bryssel, 55 % i Luxemburg. Översättarkåren består idag dessutom i stor utsträckning av frilansande översättare på distans, vilket tidigare inte var fallet.

Idag är översättningar mellan engelska och tyska de vanligast förekommande, vilket inte är förvånande med tanke på antalet invånare. Svenskan, som ett mycket mindre språk, kommer en bra bit efter.

Med 24 officiella språk och en oerhört stor mängd text som ska översättas har det blivit absolut nödvändigt att använda AI och MT för att kostnadseffektivisera översättningsprocessen. Man samarbetar flitigt över institutionsgränserna trots att översättningarna är domänspecifika. Centralt i arbetet är databasen Euramis (European advanced multilingual information system), som omfattar alla EU:s institutioner och som växer med 400 000 nya fraser varje dag. Euramis används som uppslagsbok, som konkordansverktyg och för att generera ämnesspecifika TM.

Flera EU-databaser är endast till för EU-personal, men undantag kan göras när forskningsprojekt och AI-utvecklare behöver åtkomst. Ca 15 procent av Euramis är öppet för allmänheten – resten skyddas av sekretess. I en del fall krävs mycket säkra miljöer för känsliga data och viss information raderas redan efter 24 timmar. Man måste även hela tiden utvärdera arbetet med olika metoder. En av dem är att med hjälp av mänskliga översättare bygga upp en rad olika termdatabaser i form av lexikon och olika artificiella språkmodeller (LLM) där även ChatGPT och Copilot medverkar i hög grad.

Man använder sig också av Retrieval Augmented Generation – RAG med fuzzy matching och Neural Machine Translation – NMT vilket är en snabb och billig metod som fungerar på många olika texttyper. RAG är fortfarande den bästa lösningen för automatisk översättning till och från svenska, medan LLM är den bästa lösningen mellan franska och engelska.

Efter Martelius och Scotts föredrag tog Ingemar Strandvik över och talade om maskinöversättning och AI ur ett översättarperspektiv.

Kvalitetskraven på EU:s texter är mycket höga och detaljerade anvisningar och förlagor är mer regel än undantag, eftersom detta förväntas minska juridiska risker.

Det var aspekten kostnadseffektivitet som gjorde att antalet anställda översättare inom EU behövde minskas till förmån för frilansare. Samtidigt kom digitaliseringen att erbjuda helt nya lösningar. EU:s översättningstjänst skapade användargrupper och användarhandböcker liksom en kompetenskatalog för fortbildningskurser. Tjänster som språktekniksamordnare tillkom för att fungera som helpdesk och projektledare för frilansarna. Detta ledde till både effektivisering och vidareutveckling. Fortfarande behövs experten, dvs. översättaren, i allra högsta grad. Lasagne-metoden kallas denna metod med föröversättning via allt bättre automatiska verktyg, i kombination med den absolut nödvändiga insatsen av mänskliga översättare. Man lägger då lager på lager av kunskap, erfarenhet och termer som bedömts under processens lopp.

Ingemar Strandvik. Foto: Jennifer Evans

Begreppet kvalitetsledning avser översättningskvaliteten i sig, i absoluta termer, och fungerar dessutom som en kravuppfyllelse. Man måste dock först och främst fokusera på själva processen och arbetsflödena för att skapa god användbarhet för översättarna och göra processen hållbar och kostnadseffektiv. Genom att hela tiden utvärdera riskerna gör man också besparingar. Genom detaljerade riktlinjer för översättningsarbetet underlättas detta, om riskreduceringen dessutom prioriteras väl.

Kommissionen kontrollerar hela tiden att översättningarna håller måttet, genom att fokusera på kravspecifikationerna. På så sätt uppnår man god riskidentifiering och/eller -tolerans. AI-verktygen utvärderas mycket noggrant genom hela processen. Det finns detaljerade standarder för översättning, MTPE och projektledning. Dessa standarder behandlades i ett separat föredrag av Ingemar Strandvik.

SAMMA FÖRFATTARE +

SENASTE INSLAG +