Search for a command to run...
Presentation given at the Netzwerktreffen der Hochschulübersetzer*innen 2026 on 24 March 2026 in Mannheim, Germany: ChatGPT und Universitätsterminologie: Ein Perfect Match oder mehr Schein als Sein? Große Sprachmodelle (LLMs) werden zunehmend in Übersetzungs- und Terminologie-Prozesse integriert und werden für Aufgaben wie die Zusammenfassung von Ausgangstexten, die Anpassung von Zieltexten und die Terminologierecherche eingesetzt. Universitätstexte stellen jedoch oftmals eine Herausforderung dar. Da sie mehrere Ebenen der Universitätsterminologie, wie dem Europäischen Hochschulraum über nationale Rechts- und Verwaltungssprache bis hin zu universitätsspezifischer Terminologie reichen, abdecken. Zudem gibt es in der deutschen Sprache mehrere Standardvarietäten (darunter jene von Deutschland, Österreich, der Schweiz und Südtirol), die sich unter anderem im Wortschatz, der Grammatik und der Syntax unterscheiden. Diese Unterschiede sind in Fachbereichen wie dem Universitätssystem besonders markant, was sich auch in Universitätstexten wie Curricula und strategischen Dokumenten niederschlägt. Viele für Übersetzungen verwendete LLMs berücksichtigen diese Sprach- und Systemvielfalt jedoch oft nur unzureichend. Deswegen weisen von LLMs generierte Texte häufig Inkonsistenzen oder Abweichungen bei der verwendeten Universitätsterminologie auf (beispielsweise durch Verwendung von Terminologie des „falschen“ Hochschulsystems). Daher müssen sich Übersetzer*innen und Terminolog*innen auf ihr Wissen über das jeweilige Universitätssystem und ihre jeweilige Universität verlassen, um die von LLMs ausgegebenen Texte kritisch zu bewerten. Diese Herausforderungen werden im Forschungsprojekt „Universitätsterminologie im Zeitalter von ChatGPT“ (UniTermGPT) behandelt, das untersucht, wie ChatGPT mit universitärer Terminologie in verschiedenen deutschen Sprachvarietäten umgeht, insbesondere bei Übersetzungsaufgaben. Übersetzer*innen, die an oder für Universitäten im deutschsprachigen Raum tätig sind, spielen in diesem Projekt eine wesentliche Rolle. Durch die Annotation von LLM-generierten Übersetzungen tragen sie zur Bewertung der Qualität von Texten bei. Außerdem haben sie die Möglichkeit, an der Ausarbeitung praktischer Empfehlungen für den Einsatz von LLMs in der Fachübersetzung sowie eines Policy Briefs mitzuwirken. English version: Large language models (LLMs) are increasingly integrated into translation and terminology workflows, supporting tasks such as source text summarisation, target text adaptation and terminology research. However, university texts present a particularly complex challenge. They encompass multiple layers of university terminology, ranging from the European Higher Education Area to national legal and administrative frameworks as well as institution-specific terminology that may be unique to individual universities. In addition, German exists in several standard varieties (including those of Germany, Austria, Switzerland and South Tyrol), which differ in lexis, grammar and syntax, among others. These differences are especially pronounced in specialised fields such as university communication, including curricula and strategic documents. Many LLMs commonly used in translation, however, do not adequately account for this linguistic and systemic diversity. As a result, LLM-generated texts often display inconsistencies or inaccuracies in university terminology (for example, by implicitly referring to the wrong higher education system or by producing plausible-sounding but non-existent (‘hallucinated’) terms). This highlights the continued importance of domain expertise: translators and terminologists must rely on their knowledge of specific institutional and systemic contexts to critically assess and refine LLM output. These challenges are addressed in the research project University Terminology in the Age of ChatGPT (UniTermGPT), which investigates how ChatGPT handles university terminology across different varieties of German, particularly in translation tasks. Translators working at or for universities in German-speaking regions play a key role in this project. By annotating LLM-generated translations, they contribute to the evaluation of output quality and are invited to support the development of practical recommendations for the use of LLMs in specialised translation, as well as a policy brief on their responsible integration. Acknowledgement: The project University terminology in German in the age of ChatGPT (UniTermGPT) has received funding from the Autonomous Province of Bozen/Bolzano – Department for Innovation, Research and University in the frame of the EC-MCSA Seal of Excellence Programme