Tessiner Übersetzungsmodell: Bewahrung des kulturellen Erbes mit KI
"Das Tessiner‑Dialekt‑Modell zeigt, dass künstliche Intelligenz nicht nur ein Werkzeug zur Innovation ist, sondern auch zur Bewahrung. In einer Zeit, in der viele regionale Dialekte vom Verschwinden bedroht sind, bietet Technologie neue Möglichkeiten, wertvolle sprachliche und kulturelle Traditionen lebendig zu halten."
Challenge
Während KI-basierte Sprachmodelle heute bei der Übersetzung der wichtigsten Weltsprachen hervorragende Ergebnisse erzielen, bleiben regionale Dialekte weitgehend unbeachtet. Der Tessiner Dialekt, der im Schweizer Kanton Tessin gesprochen wird, ist im Alltag – auch im geschäftlichen Kontext – lebendig, verfügt jedoch nicht über die strukturierten digitalen Datensätze offizieller Sprachen.
Die Herausforderung bestand aus mehreren Ebenen:
• Kein standardisiertes digitales Korpus. Im Gegensatz zu Hauptsprachen standen keine leicht zugänglichen Trainingsdaten zur Verfügung.
• Einzigartige orthografische Merkmale. Der Dialekt verwendet Zeichen, die im Standarditalienischen nicht existieren (z. B. ein „i“ mit Akzent und Trema).
• Regionale Variationen. Je nach geografischem Gebiet existieren vier bis fünf unterschiedliche Begriffe für dasselbe Konzept.
• Historische vs. zeitgenössische Sprache. Verfügbare schriftliche Quellen stammen aus den 1950er- und 1960er-Jahren und enthalten rustikale, stark gefärbte Sprache, die für allgemeine Übersetzungen ungeeignet ist.
• Grammatikalische Besonderheiten. Verbzeiten und Hilfsverben unterscheiden sich deutlich vom Standarditalienischen.
Ziel war es, in kurzer Zeit ein funktionsfähiges Übersetzungsmodell zu entwickeln, ausgehend von einer Sprache, die hauptsächlich durch mündliche Tradition überliefert wurde.
Im tessinischen Wirtschaftsgefüge wachsen und innovieren Unternehmen, während sie gleichzeitig eine starke Verbindung zu ihrem Gebiet und ihrer kulturellen Identität bewahren.
Eine KI-gestützte Übersetzungslösung für den Tessiner Dialekt ermöglicht eine natürlichere und inklusivere Kommunikation, beispielsweise durch die Integration des Dialekts in kulturelle Ökosysteme wie Museen oder regionale Initiativen. Dies fördert Verständnis, Engagement und Zugehörigkeitsgefühl und zeigt, wie Technologie lokale Wurzeln stärken und gleichzeitig die digitale Entwicklung der Region unterstützen kann.
Unsere KI-Lösung
Artificialy entwickelte ein maßgeschneidertes Sprachmodell auf Basis von Mixtral, einer Open-Source-„Mixture-of-Experts“-Architektur, die sich besonders für europäische Sprachen eignet. Der Ansatz vereinte kulturelle Expertise mit fortschrittlichen NLP-Techniken.
Zentrale Bestandteile der Lösung:
• Entwicklung eines eigenen OCR-Systems. Nach Tests mit Open-Source-Lösungen entwickelten wir ein proprietäres OCR, das die spezifischen Grapheme des Tessiner Dialekts verarbeiten und die Digitalisierungsbedingungen optimieren kann.
• Strategischer Aufbau des Datensatzes. Italienisch wurde als sprachliche Brücke genutzt und das Modell schrittweise mit Tessiner Inhalten aus Literatur, Theater, Poesie und Liedern angereichert, um unterschiedliche Register und Formate abzubilden.
• Sprachliche Standardisierung. Offizielle Varianten und Deklinationen, etwa des Centro di dialettologia di Bellinzona, wurden übernommen, um regionale Mehrdeutigkeiten aufzulösen.
• Iterative Trainingszyklen. In mehr als zehn Trainingsiterationen wurde das Modell verfeinert, insbesondere in Bezug auf Verbzeiten, Hilfsverben und die Filterung allzu farbiger Ausdrücke durch gemeinsam mit Fachexperten entwickelte Data-Augmentation-Techniken.
• Gezielte Validierung. Testsets mit zuvor ungesehenen Sätzen ermöglichten eine quantitative Bewertung der Übersetzungsqualität, die nach mehreren Optimierungszyklen zufriedenstellende Ergebnisse erreichte.
Der finale Datensatz umfasste zehntausende präzise zugeordnete Wortpaare zwischen Italienisch und Tessiner Dialekt.
Ergebnisse
Das Tessiner Übersetzungsmodell zeigt, wie KI gefährdetes sprachliches Erbe bewahren und gleichzeitig konkreten Mehrwert für Unternehmen schaffen kann.
• Erstes Modell seiner Art für den Tessiner Dialekt und ein Beitrag zur Wiederbelebung einer vom Aussterben bedrohten Sprache.
• Kommerzielle Nutzung. Dieses Projekt versetzt uns heute in die Lage, On-Prem-LLMs auch für seltene Sprachen und hochspezialisierte Domänen wie Militär, Medizin oder Recht zu trainieren.
• Replizierbare Methodik. Der Ansatz hat das Interesse von Organisationen geweckt, die an anderen Minderheitensprachen wie Ladinisch arbeiten, und belegt die Skalierbarkeit auf weitere „seltene“ Sprachen mit ausreichenden schriftlichen Quellen.
• Innovative Anwendungen. Potenzielle Integration mit digitalen Avataren in Museen und kulturellen Einrichtungen für immersive Erlebnisse in der lokalen Sprache.
