Lexikographische Arbeit mit KI · Lexicographic Work with AI
Leksikografska obrada i umjetna inteligencija · Lexikographische Arbeit mit KI · Lexicographic Work with AI
Leksikografska obrada uz podršku umjetne inteligencije
Koncepcija i nastanak rječnika
Bosansko-njemački online rječnik predstavlja digitalni leksikografski projekt koji povezuje savremenu lingvistiku, računarsku obradu prirodnog jezika i umjetnu inteligenciju. Cilj je razvoj sveobuhvatnog dvojezičnog rječnika koji, pored prijevodnih ekvivalenata, pruža informacije o značenju, gramatičkim osobinama i upotrebi riječi u različitim kontekstima.
Rječnik je zamišljen kao dinamičan digitalni sistem čiji se sadržaj postupno proširuje, provjerava i unapređuje. Temelj obrade čini pojedinačno značenje riječi: višeznačne riječi razgraničavaju se po značenjima, a svakom se značenju pridružuju odgovarajući njemački ekvivalenti, gramatički podaci i, u skladu sa stepenom obrađenosti, primjeri upotrebe, tipične leksičke veze i frazeološki izrazi.
Jezički modeli u leksikografskoj obradi i kontroli
Posebnost projekta jeste primjena velikih jezičkih modela (Large Language Models – LLM) u različitim fazama izrade rječnika. Oni se koriste za analizu i strukturiranje leksičke građe, razgraničavanje značenja, predlaganje prijevodnih ekvivalenata i pripremu njihovih leksikografskih opisa.
Jezički modeli pomažu u semantičkoj obradi, provjeri gramatičkih podataka (uključujući rod, fleksiju, rekciju i valenciju), pripremi dvojezičnih primjera te prepoznavanju kolokacija, tipičnih leksičkih veza i frazeoloških izraza. Dodatni postupci automatske kontrole služe otkrivanju mogućih grešaka, nedosljednosti i nepotpunih podataka.
Obrada se odvija u više faza: analiza i priprema podataka, razgraničavanje značenja, njemačka semantička i gramatička obrada, provjera primjera i leksičkih veza te kontrola prije objavljivanja. Jezički modeli nisu nepogrešivi niti samostalno potvrđuju tačnost rječničkih podataka; njihovi rezultati podliježu redakcijskim pravilima i provjerama.
Pouzdanost podataka i moguće greške
Primjena umjetne inteligencije omogućava bržu obradu velike količine građe, ali ne isključuje greške. Posebno tokom razvoja rječnik može sadržavati netačne ili nepotpune informacije. Moguće vrste grešaka obuhvataju:
Prepoznavanje teksta i leme: pogrešno očitavanje slova, dijakritika, granica natuknice ili oblika riječi tokom digitalizacije i automatske obrade.
Semantičke i prijevodne greške: pogrešno razgraničavanje značenja, izostavljeno značenje ili njemački ekvivalent koji odgovara samo drugom kontekstu; moguć je i neidiomatičan prijevod.
Gramatičke greške: netačan rod, fleksija, glagolski oblik, rekcija, valencija ili druga gramatička informacija.
Primjeri i frazeologija: neprirodni primjeri, neprikladan prijevod ili pripisivanje izraza pogrešnom značenju.
Vjerovatnost greške nije jednaka u svim kategorijama. Povećan rizik postoji kod složene višeznačnosti, homonimije, rijetkih riječi, stručne terminologije i idiomatskih izraza, kao i kod loše očitane digitalizirane građe. To su kvalitativne procjene rizika, a ne izmjerene stope grešaka.
Pouzdani procenti grešaka po kategorijama mogu se objaviti tek nakon reprezentativne empirijske provjere. Automatska kontrola smanjuje dio rizika, ali ne garantuje potpunu tačnost.
Učešće korisnika i prijedlozi korekcija
Jedan od razvojnih ciljeva jeste sistem kroz koji će korisnici moći slati prijedloge za ispravku, dopunu i brisanje rječničkih podataka. To uključuje korekcije natuknica, značenja, prijevoda, gramatičkih informacija, oznaka, primjera, kolokacija i frazeoloških izraza, kao i prijedloge za nove jedinice.
Planirano je da svaki zaprimljeni prijedlog najprije prođe AI-analizu: jezički model identificirat će vrstu intervencije, uporediti prijedlog s postojećim unosom, procijeniti opravdanost promjene i sastaviti obrazloženo moguće rješenje za autora, uključujući procjenu potrebe za korekcijom i eventualne alternative. Procjena modela bit će pomoćno sredstvo, a ne automatska odluka.
Konačnu odluku o prihvatanju, izmjeni ili odbijanju prijedloga donosit će autor rječnika. Trenutni obrazac za korekcije na stranici još je probna funkcija: omogućava izvoz prijedloga kao JSON-datoteke, ali ga ne šalje automatski niti pokreće navedeni postupak AI-kontrole.
Kontinuirani razvoj
Rječnik se razvija kao živi digitalni leksikografski resurs. Njegova struktura omogućava proširivanje leksičkog fonda, naknadnu doradu postojećih jedinica i povezivanje s elektronskim korpusima radi pronalaženja autentičnih primjera i istraživanja kolokacija.
Dugoročni cilj jeste pouzdan, transparentan i naučno utemeljen bosansko-njemački online rječnik u kojem se jezički modeli, automatizirana kontrola, lingvistička redakcija i doprinosi korisnika međusobno dopunjuju.
Autor i voditelj projekta: Prof. dr. Vedad Smailagić
Lexikographische Arbeit mit KI-Unterstützung
Konzeption und Entstehung des Wörterbuchs
Das bosnisch-deutsche Onlinewörterbuch ist ein digitales lexikographisches Projekt, das moderne Sprachwissenschaft, computergestützte Sprachverarbeitung und künstliche Intelligenz verbindet. Ziel ist ein umfassendes zweisprachiges Wörterbuch, das neben Übersetzungsäquivalenten Informationen zur Bedeutung, Grammatik und Verwendung von Wörtern in unterschiedlichen Kontexten bereitstellt.
Das Wörterbuch ist als dynamisches digitales System angelegt, dessen Inhalte schrittweise erweitert, überprüft und verbessert werden. Im Mittelpunkt steht die einzelne Wortbedeutung: Polyseme Wörter werden nach Lesarten differenziert. Jeder Lesart werden geeignete deutsche Äquivalente, grammatische Angaben und – je nach Bearbeitungsstand – Verwendungsbeispiele, typische Wortverbindungen und phraseologische Ausdrücke zugeordnet.
Sprachmodelle in der lexikographischen Bearbeitung und Qualitätssicherung
Eine Besonderheit des Projekts ist der Einsatz großer Sprachmodelle (Large Language Models – LLMs) in verschiedenen Phasen der Wörterbucherstellung. Sie unterstützen die Analyse und Strukturierung lexikalischer Daten, die Unterscheidung einzelner Lesarten, die Ermittlung möglicher Übersetzungsäquivalente und die Erstellung lexikographischer Beschreibungen.
Sprachmodelle helfen bei der semantischen Analyse, der Kontrolle grammatischer Angaben (einschließlich Genus, Flexion, Rektion und Valenz), der Vorbereitung zweisprachiger Beispiele sowie bei der Erkennung von Kollokationen, typischen Wortverbindungen und Phraseologismen. Ergänzende automatische Prüfverfahren sollen mögliche Fehler, Inkonsistenzen und Datenlücken aufdecken.
Der Arbeitsprozess besteht aus mehreren Phasen: Datenaufbereitung, Lesartentrennung, deutsche Semantik und Grammatik, Prüfung von Beispielen und Wortverbindungen sowie Qualitätskontrolle vor der Veröffentlichung. Sprachmodelle sind nicht fehlerfrei und bestätigen lexikographische Angaben nicht eigenständig; ihre Ergebnisse unterliegen redaktionellen Regeln und Prüfungen.
Datenzuverlässigkeit und mögliche Fehler
Der KI-Einsatz beschleunigt die Verarbeitung großer Datenmengen, schließt Fehler jedoch nicht aus. Insbesondere während der Weiterentwicklung kann das Wörterbuch unrichtige oder unvollständige Informationen enthalten. Mögliche Fehlerarten sind:
Texterkennung und Stichwörter: falsch erkannte Buchstaben, diakritische Zeichen, Stichwortgrenzen oder Wortformen bei Digitalisierung und automatischer Verarbeitung.
Semantik und Übersetzung: falsche Lesartentrennung, übersehene Bedeutungen oder ein nur in einem anderen Kontext passendes bzw. unidiomatisches deutsches Äquivalent.
Grammatik: unzutreffendes Genus, falsche Flexions- oder Verbformen, Rektion, Valenz oder weitere grammatische Angaben.
Beispiele und Phraseologie: unnatürliche Beispiele, ungeeignete Übersetzungen oder die Zuordnung einer Wendung zu einer falschen Lesart.
Unvollständigkeit: fehlende Wörter, Bedeutungen, Fachtermini, Kollokationen oder Phraseologismen.
Das Fehlerrisiko ist nicht in allen Kategorien gleich. Es ist insbesondere bei komplexer Mehrdeutigkeit, Homonymie, seltenen Wörtern, Fachterminologie, idiomatischen Wendungen und schlecht erkannten Digitalisaten erhöht. Dies sind qualitative Risikoeinschätzungen, keine gemessenen Fehlerquoten.
Belastbare Prozentangaben zu Fehlerhäufigkeiten können erst nach einer repräsentativen empirischen Prüfung veröffentlicht werden. Automatische Kontrollen reduzieren bestimmte Risiken, gewährleisten aber keine vollständige Fehlerfreiheit.
Beteiligung der Nutzer und Korrekturvorschläge
Ein Entwicklungsziel ist ein System, über das Nutzer Vorschläge zur Korrektur, Ergänzung oder Löschung von Wörterbucheinträgen einreichen können. Dazu gehören Änderungen an Stichwörtern, Lesarten, Übersetzungen, grammatischen Angaben, Markierungen, Beispielen, Kollokationen und Phraseologismen sowie Vorschläge für neue Einträge.
Geplant ist eine vorgeschaltete KI-Prüfung jedes eingegangenen Vorschlags: Ein Sprachmodell soll die Art der Änderung bestimmen, den Vorschlag mit dem vorhandenen Eintrag vergleichen, die sachliche Notwendigkeit abschätzen und dem Autor eine begründete Lösungsempfehlung einschließlich möglicher Alternativen vorlegen. Die Modelleinschätzung dient der Unterstützung, nicht der automatischen Entscheidung.
Die endgültige Entscheidung über Annahme, Änderung oder Ablehnung trifft der Autor des Wörterbuchs. Das derzeitige Korrekturformular auf der Website ist noch eine Testfunktion: Vorschläge können als JSON-Datei heruntergeladen werden; sie werden aber noch nicht automatisch eingesandt oder einer KI-Prüfung zugeführt.
Kontinuierliche Weiterentwicklung
Das Wörterbuch wird als lebendiger digitaler lexikographischer Bestand entwickelt. Seine Struktur ermöglicht die Erweiterung des Wortschatzes, die Überarbeitung vorhandener Einträge und eine stärkere Anbindung an elektronische Korpora, um authentische Belege zu gewinnen und Kollokationen zu untersuchen.
Langfristiges Ziel ist ein zuverlässiges, transparentes und wissenschaftlich fundiertes bosnisch-deutsches Onlinewörterbuch, in dem Sprachmodelle, automatische Qualitätssicherung, sprachwissenschaftliche Redaktion und Beiträge der Nutzer zusammenwirken.
Autor und Projektleitung: Prof. dr. Vedad Smailagić
Lexicographic Work with AI Support
Concept and development of the dictionary
The Bosnian–German online dictionary is a digital lexicographic project combining modern linguistics, computational language processing and artificial intelligence. Its aim is to develop a comprehensive bilingual dictionary that provides not only translation equivalents but also information about word meanings, grammar and usage in different contexts.
The dictionary is designed as a dynamic digital resource whose content is gradually expanded, checked and improved. The fundamental unit of description is an individual sense: polysemous words are divided into distinct senses, each associated with suitable German equivalents, grammatical information and, depending on the stage of editing, usage examples, typical word combinations and phraseological expressions.
Language models in lexicographic processing and quality control
A distinctive feature of the project is the use of large language models (LLMs) at different stages of dictionary development. They support the analysis and structuring of lexical data, sense differentiation, the identification of potential translation equivalents and the preparation of lexicographic descriptions.
Language models assist with semantic analysis, the checking of grammatical information (including gender, inflection, government and valency), the preparation of bilingual examples and the identification of collocations, typical word combinations and idioms. Additional automated checks are intended to detect possible errors, inconsistencies and missing information.
The workflow includes several stages: data preparation, sense differentiation, German semantic and grammatical description, review of examples and word combinations, and quality checks before publication. Language models are not infallible and cannot independently guarantee the accuracy of dictionary entries; their outputs remain subject to editorial rules and review.
Data reliability and possible errors
Artificial intelligence makes it possible to process large volumes of data more efficiently, but it does not eliminate errors. Especially while the dictionary is under development, some information may be inaccurate or incomplete. Potential error types include:
Text recognition and headwords: incorrectly recognized letters, diacritics, entry boundaries or word forms during digitization and automated processing.
Semantics and translation: incorrect sense distinctions, missing meanings or German equivalents that are suitable only in another context or are not idiomatic.
Grammar: incorrect gender, inflectional or verb forms, government, valency or other grammatical details.
Examples and phraseology: unnatural examples, unsuitable translations or phrases assigned to the wrong sense.
The risk of error is not uniform across categories. It tends to be higher for complex polysemy, homonymy, rare words, specialized terminology, idiomatic expressions and poorly recognized digitized materials. These are qualitative assessments, not measured error rates.
Reliable percentages for each error category can only be published after a representative empirical evaluation. Automated checks can reduce certain risks but cannot guarantee complete accuracy.
User participation and correction proposals
One development goal is a system through which users will be able to suggest corrections, additions and deletions. Proposals may concern headwords, senses, translations, grammar, labels, examples, collocations and idioms, as well as entirely new entries.
Each submitted proposal is intended to undergo an initial AI-assisted review: a language model would identify the type of change, compare the suggestion with the current entry, estimate whether a correction is warranted and prepare a reasoned recommendation for the author, including possible alternatives. The model’s assessment will support rather than replace editorial decisions.
The dictionary’s author will make the final decision to accept, amend or reject a proposal. The correction form currently available on the website is still a test feature: it can export a proposal as a JSON file, but it does not yet submit it automatically or trigger the planned AI review.
Ongoing development
The dictionary is conceived as a living digital lexicographic resource. Its structure supports extending lexical coverage, revising existing entries and closer integration with electronic corpora to identify authentic examples and study collocations.
The long-term aim is a reliable, transparent and academically grounded Bosnian–German online dictionary in which language models, automated quality checks, linguistic editing and user contributions complement one another.
Author and project lead: Prof. dr. Vedad Smailagić
