Zerstörte Formeln bei arXiv-Papers? Praktische Übersetzungstools für wissenschaftliche Literatur

Wer wöchentlich die neuesten Preprints auf arXiv verfolgt oder Konferenzbeiträge sichtet, stößt als Forschender oder Promovierender schnell auf eine frustrierende Hürde: Kopiert man Textabschnitte aus zweispaltigen akademischen PDFs in herkömmliche Übersetzungsfenster, zerfallen präzise gesetzte LaTeX-Formeln, Indizes und Summenzeichen im Handumdrehen in zusammenhanglose Sonderzeichen. Silbentrennungen (Hyphenation) an Spalten- oder Seitenumbrüchen trennen Wörter mitten im Satz ab, was zu holprigen oder sinnentstellten Übersetzungen führt. Hat man schließlich eine Seite bewältigt, sind Abbildungsnummern und mathematische Herleitungen oft völlig durcheinandergeraten – das ständige Hin- und Herwechseln zwischen Fenstern raubt die Konzentration für die eigentliche inhaltliche Arbeit.

Die entscheidende Hürde beim Erfassen aktueller Fachliteratur liegt selten im englischen Fachvokabular. Vielmehr unterbrechen zerstückelte Formeln, zerstörte zweispaltige Layouts und das mühsame synchrone Abgleichen zwischen Original und Übersetzung den gedanklichen Lesefluss.

Dieser Leitfaden analysiert die zentralen Auswahlkriterien für wissenschaftliche Übersetzungstools, beleuchtet die praktischen Grenzen gängiger Open-Source- sowie Standardlösungen und stellt einen strukturierten Workflow vor, der Formeln schützt und das ursprüngliche zweispaltige Layout erhält.

---

1. Warum wissenschaftliche Arbeiten eine besondere Herausforderung für Übersetzungstools darstellen

Herkömmliche Übersetzungswerkzeuge – etwa browserbasierte Pop-up-Übersetzer oder standardmäßige Texteingabefelder – eignen sich gut für fortlaufende Alltagstexte. Bei wissenschaftlichen PDF-Dokumenten stoßen sie jedoch schnell an ihre Grenzen. Das liegt im Wesentlichen an drei technischen Besonderheiten:

1. Ineinandergreifende LaTeX-Formeln und mathematische Symbole: Fachaufsätze enthalten zahlreiche Inline-Variablen (wie $\theta_i, \mathbf{W}_Q$), Indizes, Brüche und abgesetzte Tensorgleichungen. Standard-Übersetzungsmodelle erfassen den typografischen Syntaxbaum nicht: Sie behandeln mathematische Variablen fälschlicherweise wie Fließtext, übersetzen Formelbestandteile wörtlich oder zerlegen Terme wie $\sqrt{d_k}$ in fehlerhafte Fragmente, wodurch die mathematische Herleitung unbrauchbar wird.
2. Zweispaltige Layouts und physische Seitenumbrüche: PDFs basieren im Kern auf statischen Druck- und Zeichenbefehlen, ohne einen natürlichen logischen Textfluss zu definieren. Bei zweispaltigen Layouts lesen einfache Tools oft quer über Spalten hinweg. Sätze, die am Seitenende beginnen und auf der Folgeseite fortgesetzt werden, werden zudem häufig mittendrin abgeschnitten, was zu gravierenden Übersetzungsfehlern führt.
3. Verlust von Abbildungsnummern und Querverweisen: Nummerierungen von Architekturdiagrammen (Figure), Ablationstabellen (Table) sowie Verweise auf konkrete Formeln (z. B. Equation 3) gehen bei der einfachen Textextraktion oft verloren oder verschieben sich, was die Argumentationskette unterbricht.

Ein praxistaugliches Übersetzungstool für wissenschaftliche Literatur erfordert daher zwingend drei Kernkompetenzen: eine strukturierte PDF-Layoutanalyse, den Schutz von LaTeX-Formeln an Ort und Stelle sowie eine synchrone Gegenüberstellung von Original und Übersetzung.

---

2. Vergleich gängiger Ansätze zur Übersetzung wissenschaftlicher Literatur

In der Forschungspraxis lassen sich im Wesentlichen drei Ansätze unterscheiden, die jeweils spezifische Stärken und Grenzen aufweisen:

Für Szenarien, in denen Formelpräzision, sauberes Layout und eine sofortige Nutzung ohne Installationsaufwand im Vordergrund stehen, zeigen wir den konkreten Ablauf anhand unseres Tools Equalang.

---

3. In drei Schritten zum zweispaltigen Lese-Workflow mit synchroner Gegenüberstellung

Für einen reibungslosen Lesefluss können Sie das Original und die generierte Übersetzung Seite an Seite gegenüberstellen, um ein immersives, vertieftes Lesen zu ermöglichen.

Schritt 1: Vollständige Analyse und Aktivierung des Formelschutzes

Laden Sie das von arXiv heruntergeladene Original-PDF im Webbereich von Equalang unter Dokumentenübersetzung hoch. Bei mathematisch anspruchsvollen Arbeiten aus MINT-Fächern wie Informatik, Mathematik oder Physik schützt das System Inline-Symbole und abgesetzte Gleichungen bereits während der Analysephase.

Sätze, die durch das Seitenende unterbrochen wurden, führt das System auf logischer Absatzebene wieder zusammen, bevor die Übersetzung erfolgt. Dadurch bleibt der Kontext über Seitenumbrüche hinweg erhalten.

Schritt 2: Formeln und mathematische Symbole prüfen

Nach Abschluss der Übersetzung behält das generierte Dokument die zweispaltige Spaltenbreite, die Überschriftenhierarchien sowie die Positionen von Originalgrafiken und Bildunterschriften vollständig bei.

Bei anspruchsvollen Herleitungen – wie etwa im DeepSeek-V4-Paper – veranschaulicht die obige Abbildung das Formel- und Übersetzungslayout:

• Inline-Symbole nicht als Text übersetzt: Inline-Symbole wie 2m und Z^a werden nicht als Text übersetzt, allerdings fällt die Schriftgröße einiger Inline-Formeln deutlich kleiner aus.
• Ausrichtung abgesetzter Formeln und Nummerierungen: Die CSA-Gleichungen (11) und (12) bleiben zentriert ausgerichtet, und die zugehörigen Formelnummerierungen am rechten Rand bleiben erhalten, wodurch der mathematische Faden intakt bleibt.

Schritt 3: Original und Übersetzung in zwei Fenstern nebeneinander gegenüberstellen

Öffnen Sie das englische Original und die heruntergeladene chinesische Übersetzung jeweils separat in der Vorschau-App unter macOS, in Adobe Acrobat, PDF Expert oder im Microsoft Edge-Browser und ordnen Sie die beiden Fenster nebeneinander an:

1. Öffnen Sie im Fenster auf der linken Bildschirmseite das englische Original.
2. Öffnen Sie im Fenster auf der rechten Bildschirmseite die entsprechende chinesische Übersetzung und blättern Sie zur selben Seitenzahl.

Nach dieser Einstellung sehen Sie auf der linken Bildschirmseite Seite $N$ der Originalfassung und auf der rechten Seite exakt synchron die Seite $N$ der chinesischen Übersetzung.

• Unterbrechungsfreier Lesefluss: Beim fortlaufenden Lesen erfassen Sie auf der rechten Seite die chinesische Fassung, um methodische Ansätze, Hypothesen und Forschungsergebnisse zügig zu verstehen; bei zentralen theoretischen Definitionen oder Nuancen genügt ein kurzer Blick auf die linke Originalseite, um den Wortlaut direkt abzugleichen.

---

4. Wichtige Hinweise für das zweisprachige Lesen von Fachliteratur

Beim Einsatz softwaregestützter Übersetzungsmethoden empfiehlt es sich, folgende Grundsätze zu beachten:

• Kernaussagen anhand des Originals verifizieren: Maschinelle Übersetzungen senken die Verständnisbarriere erheblich. Bei formalen Zitaten, mathematischen Beweisen oder der Implementierung von Algorithmen sollte jedoch stets die präzise Definition des englischen Originaltextes herangezogen werden.
• Unterschiede zwischen Scans und Vektor-PDFs beachten: Bei älteren, eingescannten Publikationen hängt die Layout-Erhaltung stark von der OCR-Erkennungsqualität ab. Nutzen Sie nach Möglichkeit stets die offiziellen Vektor-PDFs von Plattformen wie arXiv, IEEE oder ACM.
• Bezeichner in Pseudocode im Original belassen: Funktionsnamen, Variablen und Bezeichnungen externer Bibliotheken (wie PyTorch- oder TensorFlow-Befehle) sollten unverändert bleiben, um Verwirrung bei der praktischen Umsetzung zu vermeiden.

---

Quellen & Referenzen

• Equalang Dokumentenübersetzung
• arXiv.org Open-Access-Preprint-Archiv
• Keshav, S. (2007). How to Read a Paper. ACM SIGCOMM Computer Communication Review, 37(3), 83-84.
• Vaswani, A., et al. (2017). Attention Is All You Need. Advances in Neural Information Processing Systems (NeurIPS 2017), arXiv:1706.03762.
• PDFMathTranslate: Open-Source-Projekt zur Übersetzung mathematischer Dokumente