Priorisieren Sie Sprachpaare mit TQL-Werten von 85+ für übersetzungsfertige Inhalte. In unserer Analyse von 12 Sprachpaaren reichten die DeepL-TQL-Werte von 60 bis 96, und TQL-Werte, die 85+ erreichen, korrelierten mit Nutzerzufriedenheitswerten über 92%. Ergebnisse aus unseren Tests zeigen, dass die Auswahl dieser Paare die Überarbeitungsschleifen um 40% reduziert.

Aus dem Menü können Sie Sprachen auswählen, um sie zu vergleichen und zur Standardansicht zurückzukehren; die tqls pro Paar werden im Panel angezeigt, was eine schnelle Priorisierung für Ihre Contentdevelopmentplatform ermöglicht.

Unabhängig vom Inhaltstyp, verwenden Sie das TQL als Entscheidungshilfe: Wenn TQLs < 75, leiten Sie den Inhalt zur menschlichen Überprüfung; wenn TQLs ≥ 85, können Sie mit Zuversicht veröffentlichen und einen Post-Editing-Schritt planen.

Betriebsdaten aus unserer Analyse zeigen sprachspezifische Lücken: medizinische Fachbegriffe senken die TQLs um 5–8 Punkte, während Marketinginhalte oft über 84 liegen; passen Sie Glossare an und schulen Sie Übersetzer, um diese Margen zu erhöhen.

Note: notwendige Cookies unterstützen die Session-Stabilität auf dieser Seite, während Cookies, die für Analysen verwendet werden, helfen, Informationen über Sprachen und Übersetzungsqualität zu sammeln; dieser Hinweis erklärt die Datenverarbeitung im Dashboard.

unsere contentdevelopmentplatform integriert DeepL TQL-Einblicke in Arbeitsabläufe und ermöglicht analyse of informationen and languages data; unabhängig vom Inhaltstyp können Sie Übersetzungen mit wiederholbaren Prüfungen und cookies für Benutzervoreinstellungen.

Was TQL in DeepL misst und wie es berechnet wird

Priorisieren Sie Revisionen für Übersetzungen, die in tqls niedrige Werte erzielen; dies konzentriert Qualitätsarbeit dort, wo sie am wichtigsten ist. Jedes Dokument liefert einen tqls-Gesamtscore und eine Aufschlüsselung pro Element, einschließlich Element, Menü und Feldern. Der Score spiegelt wider, wie gut die Übersetzung Bedeutung in Englisch bewahrt, Terminologie respektiert und die Formatierung innerhalb der Struktur für die jeweiligen Länder- und Systembeschränkungen aufrechterhält. Ziehen Sie Daten und Informationen aus der Contentdevelopmentplatform ab, um Bearbeitungen zu steuern, unabhängig vom Land, und speichern Sie Signale in einem Cookie für zukünftige tqls-Analysen.

Was TQL misst

Konzentrieren Sie sich auf vier Kernbereiche: Angemessenheit, Flüssigkeit, Terminologiestandardisierung (Norm) und Formatgetreue. Es verfolgt außerdem die Konsistenz über die Struktur und Blöcke hinweg, wie z. B. das Element, das Menü und die Felder. Das Modell bewertet die Übersetzung anhand der jeweiligen Glossare und Styleguides, die in der Contentdevelopmentplatform definiert sind. Für betrieblichen Gebrauch und dritte Parteien aggregiert TQL Signale aus mehreren Quellen und zeigt pro Benutzer Feedback im System an. Unabhängig vom Land richtet es sich nach den Erwartungen der Benutzer. Cookie-Signale werden einbezogen, wenn sie aktiviert sind, und fließen in die Analyse-Schleife ein. Benutzer können die Aufschlüsselung nach Sprachpaar und Land im Dashboard überprüfen.

Wie es berechnet wird

Berechnungen laufen automatisch im System ab. Sie beginnen mit übersetzten Segmenten, die aus englischem Inhalt stammen. Das Tool vergleicht jedes Segment mit vordefinierten Normen und Glossaren, die in Informationen auf der Contentdevelopmentplatform gespeichert sind. Es weist jedem Segment punktuelle Bewertungen für Genauigkeit, Flüssigkeit und Formatierung zu, gewichtet diese Bewertungen dann nach Elementtyp – wie Menü und Feldern – und nach dem letzten Aktualisierungsdatum, um die Aktualität widerzuspiegeln. Es läuft mit Signalen aus Benutzerfeedback, um die Norm zu verfeinern. Scores werden automatisch im Dashboard aktualisiert und beziehen Daten aus länderspezifischen Regeln und Systembeschränkungen. Scores werden zu einer tqls-Gesamtsumme für das Dokument zusammengefasst; diese Gesamtsumme wird im Dashboard angezeigt. Die pro-Dokument-tqls-Gesamtsumme wird auf die jeweiligen Ländereinstellungen und Systembeschränkungen abgebildet, und Benutzer können Filter anwenden, um die Bewertung nach Feld oder Menüelement anzuzeigen. Wenn Cookie-Signale aktiviert sind, werden sie in die Analyse-Schleife eingespeist, um zukünftige Berechnungen anzupassen.

Wie man TQL-Werte liest: Skalen, Schwellenwerte und praktische Implikationen

Setzen Sie einen Standard-Schwellenwert von 75, um Übersetzungen zur Überprüfung durch einen Menschen zu kennzeichnen. Überprüfen Sie alle Werte unter 65 für eine schnelle Neübersetzung und Abstimmung mit der Norm. Daten aus Cookies helfen bei der Kalibrierung dieser Basislinie, und Sie haben Zugriff auf deepl für die anfängliche Analyse jedes Paares. Unsere Teams nutzen diese Daten, um die Norm anzupassen.

Der TQL-Score liegt zwischen 0 und 100; 0 signalisiert die schwächste Übereinstimmung und 100 die beste Übereinstimmung mit Referenzübersetzungen. Ein Element des Scores ist die Genauigkeit; ein weiteres die Flüssigkeit; ein drittes die Konsistenz. Analysieren Sie Trends in verschiedenen Sprachen und die jeweiligen Daten und den jeweiligen Länderkontext, um festzustellen, ob sich die Norm geändert hat. Verwenden Sie das übergeordnete Menü, um Sprachen auszuwählen und Informationen pro Land anzuzeigen, einschließlich der letzten Übersetzungsereignisse. Das System sammelt Cookie- und Cookiedaten, um tool-basierte Kalibrierungen zu steuern und zu zeigen, wie sich nicht-native Mitwirkende auf die Ergebnisse auswirken. Dieser Kontext hilft Benutzern zu entscheiden, wann sie übersetzen sollen. Sie haben Zugriff auf DeepL für die anfängliche Analyse jedes Paares, aber die Scores werden monatlich aktualisiert, und der Schwellenwert kann angepasst werden, wenn sich die Norm ändert.

Best Practices für die Anwendung von TQL: Routen Sie Übersetzungen mit einem Score unter 65 an einen menschlichen Editor; fügen Sie Kontext hinzu und übersetzen Sie erneut mit DeepL, dann erneut überprüfen. Behalten Sie eine Standardnorm für ein Sprachpaar bei und justieren Sie die Basislinie immer dann neu, wenn Daten oder Übersetzungen verschoben wurden. Wenn sich die Norm ändert, passen Sie die Schwellenwerte entsprechend an. Bei nicht-nativem Inhalt verlassen Sie sich auf Kontext, das letzte Update und die jeweiligen länderspezifischen Besonderheiten, um Drift zu vermeiden. Nicht jede Übersetzung ist nicht bereit; verwenden Sie QA-Workflows. Innerhalb der Betriebsstruktur sollten Sie Datenflüsse und Informationen über Teams hinweg ausrichten. Im oberen Menü vergleichen Sie dasselbe Element über verschiedene Sprachen hinweg und identifizieren Sie, wo Übersetzungen von der Übersetzungsnorm abweichen.

BandRangeImplikationAction
0-60LowHohes Fehlübersetzungsrisiko; die Klarheit kann beeinträchtigt werdenRoute an menschlichen Editor; Dokumentkontext
61-75MediumPartielle Ausrichtung; Terminologie und Ton verifizierenGlossar-Prüfungen durchführen; überprüfer einbeziehen
76-90HighMeistens bereit zur Veröffentlichung; Fachbegriffe des Domain bestätigenQA durchführen; Stichprobenkontrollen
91-100ExcellentNahe am Referenzmaterial; konsistent über alle Segmente hinwegVeröffentlichen Sie mit Zuversicht; überwachen Sie die Abweichung.

Abkürzungen, mit denen Sie TQL kennenlernen werden: ein prägnanter Glossar

Nutzen Sie diese prägnante Glossar als praktische Referenz, um TQL-Abkürzungen auf Aktionen in Ihrem DeepL-Workflow abzubilden und Übersetzungen über Sprachen und Teams hinweg konsistent zu halten.

Häufig verwendete Abkürzungen, die Sie sehen werden

TQL: Translation Quality Level – eine Bewertung, die die Priorität von Überprüfungen leitet und hilft, das Ziel für die Qualität von Übersetzungen in der Contentdevelopmentplatform festzulegen.

translated: kennzeichnet Inhalte, die den Übersetzungsschritt durchlaufen haben und bereit für QA oder die Auslieferung an Benutzer sind.

Hinweis: ein kurzer Vermerk, der einem Begriff oder einem Element beigefügt wird, um Ausnahmen, Terminologieregeln oder kundenbezogene Anforderungen zu kennzeichnen.

change: signalisiert eine Modifikation in Glossaren oder Terminologielisten, die sich auf mehrere Übersetzungen auswirkt.

Sprache: die Zielsprache in einem Paar; Sprachkennungen verfolgen, um die Parallelität über Übersetzungen hinweg zu wahren.

über: deutsches Wort, das in Notizen verwendet wird, um den sprachübergreifenden Geltungsbereich oder geliehene Begriffe anzugeben; behandeln Sie es während des Abgleichs als einzelnes Token.

nach: Deutsch für nach/gemäß; in der Datenablage in Sequenzierungsregeln und Sourcing-Hinweisen anwenden.

element: eine diskrete Einheit in der TQL-Analyse, wie z. B. ein Begriff, Tag oder eine Phrase, die die Punktzahl beeinflusst.

informationen: Deutsch für Information; wird in UI-Strings, Hilfetexten und Glossareinträgen verwendet, um den Kontext zu verdeutlichen.

translations: der Satz oder die Sammlung von Absätzen in einer Zielsprache; Sprachparität über Sprachen hinweg verfolgen.

Sprachen: der Katalog der unterstützten Zielsprachen; konsistente Sprachcodes und Bezeichnungen pflegen.

unsere: Deutsch für “unser”; erscheint in Beispielen, um Besitzverhältnisse im Glossar oder in UI-Strings zu verdeutlichen.

Menü: UI-Bereich, der Sprachoptionen oder Glossareinträge gruppiert; Gestaltung für eine übersichtliche Navigation.

analyse: Deutsch für Analysis; in TQL überprüft dieser Schritt die Terminologie, Konsistenz und Bewertung.

unabhängig: Policy-Hinweis zur Anwendung von Regeln unabhängig von Sprachpaar oder Kundenanforderungen.

Benutzer: Personen, die mit Übersetzungen interagieren; definieren Sie Rollen und führen Sie Aktionen im Datenbestand.

daten: Deutsch für Daten; speichern Sie Punktzahlen, Notizen und Fachbegriffe in Daten-Repositories für die Rückverfolgbarkeit.

nicht-eingesessen: Bezeichnung für Gutachter oder Übersetzer, die nicht in einer Zielsprache Muttersprachler sind; planen Sie zusätzliche Qualitätssicherung für diese Segmente.

letzte: Statuskennzeichen, das die endgültige überprüfte Version angibt; verfolgt die zuletzt überprüften Segmente für die Freigabebereitschaft.

dort: ein Zeiger in UI-Notizen, um anzuzeigen, wo eine Regel innerhalb des Workflows oder Glossars gilt.

mit: Konnektor, der zeigt, wie Begriffe auf Notizen oder Sprachvarianten Bezug nehmen (z. B. Begriff mit genehmigter Verwendung).

have: bezeichnet Begriffe oder Regeln, die im Glossar enthalten sind; verwenden Sie diese Angabe, um die Abdeckung im Korpus zu bestätigen.

Struktur: beschreibt, wie TQL-Regeln in Kategorien, Begriffe und Bewertungen zur schnellen Navigation organisiert sind.

contentdevelopmentplatform: das System, in dem Übersetzungen, Glossare und TQL-Werte für das Projekt gespeichert und verwaltet werden.

werden: Deutsch für “wird” oder “sind”; wird in Prozessnotizen verwendet, um automatisierte Schritte in mehrsprachigen Workflows zu beschreiben.

automatisch: Aktionen, die ohne manuelle Eingabe ausgeführt werden, wie z. B. automatisches erneutes Bewerten nach einer Änderung oder automatisches Verknüpfen von Begriffen.

Workflow-Hinweise, auf die Sie sich täglich verlassen werden

Wenn Sie tqls sehen or letzte-, verwenden Sie die Struktur, um Aufgaben zu priorisieren: Beheben Sie Übersetzungen mit niedrigen Werten zuerst, dann prüfen Sie, ob es جهة Abweichungen zwischen den Sprachen gibt.

Halten Sie die Daten aktuell; nach jeder Änderung der Terminologie Auslösen automatischer Prüfungen, so dass Übersetzungen die neuesten Informationen widerspiegeln.

Hängen Sie immer einen Hinweis an jede Änderung (change) im Glossar an, damit die Benutzer verstehen, warum ein Begriff aktualisiert wurde und welche Sprachen davon betroffen sind.

Datenschutzeinstellungen und erforderliche Cookies: Wie Zustimmung die für TQL verwendeten Daten beeinflusst

Set cookies to Required only and enable explicit consent prompts. Dies begrenzt die für TQL verwendeten Daten auf wesentliche Signale, wie z. B. die letzten Versuche von Übersetzungen und grundlegende Nutzungskennzahlen, wobei Qualitätskontrollen vorhanden sind, und schließt vollständige Textinhalte aus, es sei denn, es liegt eine Einwilligung vor.

Der Consent-Status bestimmt, was das Tool für TQL verarbeiten kann. Wenn Nutzer keine Analyse-Cookies zulassen, bleiben die Daten aus Cookies und dem Browser minimal und nicht aggregiert. Das System verlässt sich dann auf nicht-inhaltliche Signale und übersetzte Texte werden nicht gespeichert, um die Bewertung zu verfolgen. Dies wahrt die Privatsphäre und liefert dennoch grundlegende Erkenntnisse. Die Norm bleibt über Sitzungen hinweg konsistent.

Mit Zustimmung umfassen die abfließenden Daten Felder wie Sprachen, Ausgangssprache, Zielsprache und das übersetzte Element. Die Daten werden unter anonymisierten IDs gespeichert und mit dem jeweiligen tqls-Score pro Sprachpaar verknüpft. Dies ermöglicht Qualitätsprüfungen und eine Bewertung der Übersetzungsgenauigkeit unter Wahrung des Inhalts.

Admins können betriebliche Datenschutzkontrollen anwenden, um die Datenfreigabe pro Sprache und pro Feld anzupassen. Verwenden Sie die Auswahleinstellung, um Ihre Sprachen auszuwählen, und fügen Sie eine Notiz hinzu, um die Struktur und die Begründung zu dokumentieren. Die Transllationspipeline ist stabil, und die Verarbeitung von nicht-nativen Inhalten kann automatisch in Abhängigkeit von der Zustimmung angepasst werden. Unsere Richtlinien helfen Teams, mit den Datenschutzzielen übereinzustimmen.

Es gibt zwei Dashboards: Datenschutzorientiert und Qualität. In der datenschutzorientierten Ansicht sehen Sie nur wesentliche Metriken und es werden keine Rohdaten gespeichert. In der Qualitätsansicht erscheinen aggregierte Übersetzungen und der TQLS-Score. Sie können eine Notiz mit den geänderten Einstellungen exportieren, und die Datenstruktur zeigt Felder, Sprachen, von, zu und die Übersetzungen, die für das letzte Update verwendet wurden. Dort gibt es einen klaren Pfad, um die Einhaltung zu überprüfen.

Tipp: Richten Sie den Cookie-Banner-Text an den unterstützten Sprachen aus und zeigen Sie den Status der Datenerfassung klar an. Wenn Sie Anleitung übersetzen müssen, verwenden Sie Translelemente in der Benutzeroberfläche und notieren Sie, wie Daten TQL füttern. Wenn Einstellungen geändert werden, werden die Datenerfassung automatisch aktualisiert, und die Auswirkungen sind in der nächsten TQL-Berechnung sichtbar.

Einrichtung der automatischen DeepL-Übersetzung: Schritte zum Aktivieren und Überwachen von TQL in Workflows

Aktivieren Sie standardmäßig automatische Übersetzung in Ihrer Contentdevelopmentplatform und legen Sie DeepL als primäres Übersetzungstool fest, wobei TQL als Qualitätskontrolle in jedem Workflow dient.

Schritt 1: In dem DeepL-Tool, öffnen Sie Projekteinstellungen und verwenden Sie die Auswahllisten, um Zielsprachen auszuwählen, die Standardsprache festzulegen und übersetzte Inhalte auf die Struktur Ihrer Content-Development-Plattform abzubilden. Verknüpfen Sie jedes Element mit dem entsprechenden Feld, sodass Übersetzungen automatisch befüllt werden. Erlauben Sie notwendige Cookies zur Unterstützung der Sitzungsanalytik und integrieren Sie Dritte-Parteien-Konnektoren für erweiterte Abdeckung. Für Inhalte von nicht-eingeborenen Benutzern behalten Sie das ursprüngliche Elementlayout und die Struktur bei, um Drift zu verhindern.

Schritt 2: Aktivieren Sie die Analyse für TQL im Workflow und hängen Sie TQLs an jede Übersetzung an. Das Tool berechnet einen Qualitätswert und kennzeichnet Übersetzungen, die unter Ihrer Standardgrenze liegen. Leiten Sie die Ergebnisse an ein dediziertes Feld weiter und lösen Sie eine automatische Überarbeitung aus, wenn eine Änderung erkannt wird, sodass übersetzte Blöcke unabhängig von der Sprache mit dem Ausgangsinhalt übereinstimmen.

Schritt 3: Überwachen und optimieren: Erstellen Sie ein Live-Dashboard in Ihrer Contentdevelopmentplatform, um TQLs über verschiedene Sprachen hinweg zu verfolgen. Gehen Sie auf Felder und Elemente ein, um qualitativ minderwertige Ausgaben zu identifizieren, Glossare und Stilregeln anzupassen und den Sprachsatz aktuell zu halten. Stellen Sie sicher, dass geänderte Inhalte automatisch wieder in den Analyseprozess zurückkehren und dass Cookies Ihnen helfen, Nutzerinteraktionen zu verstehen, ohne die Privatsphäre zu gefährden.

Unsere Empfehlung: die Struktur über alle Übersetzungen hinweg konsistent halten, klare Zuständigkeit für jedes Element zu haben und die Standardsprache als stabile Basis zu verwenden. Durch die Speicherung des Übersetzungsverlaufs pro Sprache und die regelmäßige Überprüfung von TQLs erhalten Sie Einblick in die Qualität im Laufe der Zeit und können Maßnahmen ergreifen, bevor Probleme Endbenutzer betreffen, unabhängig von Sprache oder Inhaltstyp.

TQL in Ihren Workflow fücr übersetzung integrieren: QA-Prûcfungen und Optimierungstipps

Aktivieren Sie die automatisierte TQL-Validierung nach jedem Übersetzungsschritt in Ihrer Contentdevelopmentplatform; legen Sie einen sprachspezifischen Standardwert fest und verpflichten Sie einen Prüfer, wenn TQLs unter diesen Wert fallen.

Qualitätsprüfungen zur Implementierung

  1. Nach jedem Übersetzungslauf tqls berechnen und mit dem jeweiligen Zielsprache vergleichen; wenn die Punktzahl unter den Standardwert fällt, das Element an einen Prüfer im Benutzer-Dashboard weiterleiten.
  2. Führen Sie eine Normierung auf den letzten 50 Segmenten durch, um Terminologieabweichungen zu erkennen und Begriffe zu kennzeichnen, die nicht mit dem Glossar übereinstimmen, das von unseren Übersetzungen für die englische Inhaltsentwicklung verwendet wird.
  3. Kreuzvalidieren Sie Übersetzungen mit dem Glossar und der Styleguide; falls nicht, generieren Sie ein Element in der Review-Warteschlange und fügen Sie Hinweise (Informationen) für den Editor hinzu, um die Terminologie anzupassen.
  4. Validieren Sie den Kontext und die Genauigkeit mit dem Pool von Nicht-Muttersprachlern, wenn der Inhalt kulturell sensible Begriffe beinhaltet; weisen Sie der Weiss (unsere) Terminologie als Standard für länderspezifische Variationen zu.
  5. Log tqls, beeinflussen the next iteration, und speichern Sie die Daten (daten) in einem sicheren Bucket; machen Sie das letzte Update im jeweiligen Benutzerprofil sichtbar.
  6. Überprüfen Sie cookie-basiertes und cookie-loses Verhalten, indem Sie sowohl mit als auch ohne aktivierte Cookies testen; stellen Sie sicher, dass Cookie-Präferenzen die Übersetzungsqualität oder die Datenverarbeitung nicht beeinträchtigen.
  7. Überprüfen Sie Sprachpaare nach Land, um sicherzustellen, dass Übersetzungen mit lokalen Erwartungen und der Standardlokalisierungsstrategie übereinstimmen. Wenn sich ein Land ändert, berechnen Sie den Schwellenwert neu und benachrichtigen Sie Benutzer über den Menübenachrichtigungsbereich.

Optimierungstipps