STAR wurde aufgefordert, Lösungsansätze für das Ziel von Endress+Hauser zu präsentieren. Nach mehreren Auswahlrunden und einem Proof of Concept durfte STAR die Implementierung angehen. Nach zahlreichen kundenspezifischen Anpassungen ging das System in den Produktivbetrieb. Bis hin zum vollautomatisierten Prozess mussten einige Komponenten entwickelt und Prozesse definiert sowie getestet werden.
Die Salesforce-Anbindung an STAR CLM ist das Produkt aus einer intensiven Zusammenarbeit mit dem Salesforce-Team und wird über den sogenannten SF2CLM-Konnektor hergestellt, welcher für die Bündelung der zu übersetzenden Informationen in Salesforce und deren Übergabe an die nachfolgenden Systeme verantwortlich ist. Eine Middleware in Gestalt einer von STAR entwickelten Bridge-API bereitet dann die eingehenden Pakete COTI-freundlich auf und reicht diese an STAR CLM weiter, welches für die Steuerung des MT-Übersetzungsprozesses eingesetzt wird. Projektanlage, Empfang und Lieferung der Übersetzungspakete erfolgen vollautomatisiert in Form vordefinierter Workflows.
Die maschinelle Übersetzung der KBA-Texte geschieht mithilfe eigens für Endress+Hauser durch STAR trainierte neuronale MT-Systeme (sogenannte „MT-Engines“). Im Vergleich zu generischen Systemen, welche ihr Trainingsmaterial aus allgemein verfügbaren Datenquellen beziehen, basieren die Endress+Hauser-Engines vorwiegend auf kundenspezifischem Material, was eine für diesen Use Case besser angepasste Tonalität und Terminologieverwendung zur Folge hat.
Die Qualität der initial verfügbaren MT-Engines wurde in Feedback-Runden mit den Endress+Hauser-Ansprechpartner*innen festgestellt und im Rahmen von Re-Trainings und Abnahmeprozessen stetig verbessert. Mittlerweile sind insgesamt 9 Sprachen verfügbar, die beliebig miteinander kombiniert werden können. Englisch wird je nach Sprachkombination als sogenannte Pivotsprache eingesetzt, um die Übersetzungsqualität bei Sprachen mit weniger Ressourcen zu steigern.
