Ursprünglich war die Idee, ein Sprachmodell direkt auf Leichte Sprache zu trainieren. Diesen Plan haben wir aufgegeben. Nicht, weil die Idee falsch war, sondern weil die Grundlage fehlt. Was wir stattdessen machen, halten wir für den besseren Weg.

Das Problem mit den Daten

Um ein Modell zuverlässig zu trainieren, braucht man viele gute Beispiele. In unserem Fall: Paare aus Originaltext und sorgfältiger Übersetzung in Leichte Sprache. Unsere Bestandsaufnahme war ernüchternd. Es gibt keine große, öffentlich verfügbare Sammlung solcher Texte in hoher Qualität. Was frei zugänglich ist, ist verstreut, uneinheitlich oder nicht geprüft. Viele gute Übersetzungen liegen bei Auftraggebern und dürfen nicht weiterverwendet werden.

Unsere eigene Sammlung zeigt das deutlich. Die Textpaare liegen meist als PDF vor, in unterschiedlichen Layouts. Die Fassung in Leichter Sprache ist oft keine Satz-für-Satz-Übersetzung, sondern eine Neufassung mit eigener Gliederung. Für ein verlässliches Training braucht es 500 bis 1.000 saubere Beispielpaare. Jedes davon müssten wir aufbereiten und fachlich prüfen lassen.

Mit dünnen Daten trainiert man ein Modell, das Leichte Sprache imitiert. Es klingt einfach, hält sich aber nicht verlässlich an die Regeln. Und niemand kann sagen, warum ein bestimmter Satz so herauskommt.

Das deckt sich mit der Untersuchung von VERSO Dresden, die wir im letzten Blogbeitrag erwähnt haben: Selbst mit ausführlichem Prompt setzen allgemeine Chatbots nicht alle Anforderungen der DIN SPEC 33429 um.

Was wir im Workshop mit OKAY gelernt haben

Einen ganzen Tag hat das Team mit Helga Mock von OKAY, Büro für Leichte Sprache, gearbeitet. Wir haben echte Texte aus der Praxis durchgegangen und dabei gesehen, wie Übersetzerinnen vorgehen. Sie übersetzen nicht einfach drauflos. Sie prüfen einen Text Satz für Satz gegen konkrete Regeln: Ist der Satz zu lang? Steht da ein Passiv? Ein Fremdwort? Eine Verneinung, die man positiv formulieren kann? Eine Zahl, die man anders darstellen sollte?

Genau dieses Prüfen lässt sich zu einem guten Teil automatisieren. Der Workshop hat uns außerdem gezeigt, welche Regeln in der Praxis besonders oft verletzt werden. Das bestimmt jetzt, welche wir zuerst umsetzen.

Die Regeln der Leichten Sprache lassen sich auf drei Ebenen ordnen:

• Wortebene: bekannte und kurze Wörter, keine Redewendungen und Metaphern, Verneinungen positiv formulieren, lange Wörter mit Bindestrich oder Mediopunkt gliedern
• Satzebene: kurze Hauptsätze, eine Aussage pro Satz, Aktiv statt Passiv, kein Konjunktiv, Genitiv auflösen, nur Präsens und Perfekt
• Textebene: Inhalte auswählen und kürzen, gliedern, schwierige Begriffe erklären, Leserinnen und Leser direkt ansprechen, Bilder einsetzen

Wort- und Satzebene lassen sich gut maschinell prüfen. Die Textebene bleibt zum großen Teil Aufgabe von Menschen. Was in einem Text wichtig ist und was wegkann, entscheidet keine Regel.

Die neue Reihenfolge

Statt eines Modells, das direkt übersetzt, bauen wir ein System in zwei Schritten:

1. Prüfen. Regelmodule untersuchen einen Text und melden jeden Verstoß mit Begründung. Jeder Befund ist einer benannten Regel zugeordnet, etwa „Satz zu lang" oder „Fremdwort, einfacher wäre …".
2. Verbessern. Diese Befunde gehen als Rückmeldung an ein Sprachmodell. Es überarbeitet den Text, das System prüft erneut, und das wiederholt sich, bis die Regeln erfüllt sind.

Die Idee für diesen Ablauf stammt aus Gesprächen mit einem externen KI-Experten im vergangenen Jahr: umschreiben, bewerten, mit Begründung ablehnen, verfeinern, wieder bewerten. Damals war das eine von zwei Optionen, die aufwändigere. Jetzt ist es unser Weg, und das Prüfwerkzeug übernimmt die Bewertung.

Als Maßstab dient die DIN SPEC 33429. Sie nennt konkrete Werte: acht bis zehn Wörter pro Satz, höchstens drei Silben pro Wort. Lange Wörter werden in ihre Teile zerlegt, aus Blumengeschäft wird Blumen-Geschäft. Grobe Kennzahlen reichen dafür nicht. Die VERSO-Untersuchung zeigt, dass eine durchschnittliche Wortlänge wenig darüber verrät, ob die schwierigen Wörter tatsächlich verschwunden sind. Deshalb prüft jedes Modul eine konkrete Regel und zeigt auf die Stelle im Text.

Auch klassische Lesbarkeitsformeln wie Flesch-Kincaid haben wir uns angesehen. Sie messen Wort- und Satzlängen, sagen aber nicht, gegen welche Regel ein Satz verstößt und wie man ihn besser schreibt.

Der Vorteil: Das Ergebnis ist nachvollziehbar. Man sieht nicht nur einen vereinfachten Text, sondern auch, welche Regel wo gegriffen hat. Und die Prüfung allein ist schon nützlich. Wer selbst in Leichter Sprache schreibt, bekommt eine Kontrolle, bevor der Text zur Prüfgruppe geht.

Was das für den Zeitplan bedeutet

Der Umweg kostet Zeit. Wir müssen jede Regel einzeln ausformulieren, umsetzen und testen. Dafür bauen wir die Regelmodule so, dass sie unabhängig voneinander funktionieren. Eine neue Regel soll später eine neue Datei sein und kein Eingriff in den Kern. So können auch andere eigene Regeln beitragen, zum Beispiel für Fachsprache.

Eine Frage nehmen wir mit: Wer einen Text Satz für Satz in Leichte Sprache überträgt, bekommt einen längeren Text. Kurze Sätze und Erklärungen brauchen Platz. Deshalb testen wir auch eine Variante, die den Text zuerst zusammenfasst und die wichtigsten Inhalte festlegt, bevor sie ihn umformuliert.

Das Projekt wird von netidee gefördert. Weitere Infos auf netidee.at oder auf unserer Projekt-Seite.