2025-05-21 · Redaktion Baduno · 7 blog.readMin · Blog & Viden
Genkend maskinoversættelse: Syv typiske fejlbilleder
AI-oversættelser er blevet gode – deres fejl også: sjældnere, men mere subtile. Hvordan kontrollører genkender dem, før kunderne gør.
De iøjnefaldende fire
Falske venner (‚eventuell' bliver til ‚eventually'), inkonsistente fagudtryk i samme tekst, ordsprog taget bogstaveligt og brud i tiltale mellem du og De: Disse klassikere finder et øvet øje på få minutter.
De subtile tre
Selvsikkert forkerte tal og egennavne, kulturelt skæve eksempler og en for glat ensartet tone, der fjerner al brandkarakter. Farligt, fordi teksten ser fejlfri ud – den er bare ikke rigtig.
Systematisk kontrol
Maskiner kontrollerer struktur (tal, pladsholdere, fuldstændighed, terminologi), mennesker kontrollerer betydning og effekt – i denne rækkefølge, med dokumenteret resultat. Stikprøver erstatter ikke systematisk kontrol på betalingssider.
Konsekvens for indkøbere
Spørg ikke tjenesteudbydere, om de bruger AI – spørg, hvordan de finder dens fejl. Den, der ikke kan beskrive en kontrolproces, har ingen. Vores svar står offentligt på denne hjemmeside.
Vildledende idiomer og metaforer
Maskinoversættelser fejler ofte ved idiomatiske vendinger, der ikke kan overføres en-til-en. Således bliver 'to kick the bucket' på tysk hurtigt til 'den Eimer treten', selvom det korrekte udtryk er 'den Löffel abgeben'. Også metaforer som 'the ball is in your court' bør kulturelt tilpasses efter målgruppen, f.eks. 'du er på spil'. Korrekturlæsere skal her ikke kun genkende den bogstavelige betydning, men også den tilsigtede virkning. Et typisk eksempel: 'break a leg' oversættes ofte af AI til 'brich dir ein Bein', hvilket på tysk opfattes som et dårligt ønske – det rigtige er 'Hals- und Beinbruch'. I marketingtekster kan sådanne fejl virke pinlige og forvrænge budskabet. Derfor bør korrekturlæsere lede efter almindelige idiomer i kildeteksten og manuelt kontrollere deres målsproglige ækvivalent. En god arbejdsgang: AI oversætter, korrekturlæseren markerer alle idiomer og validerer dem med en referencedatabase eller modersmålsfornemmelse.
Fejl ved tal, datoer og formater
KI-oversættelser behandler ofte tal korrekt, men ikke altid – især ved tusindtalsadskillere, decimalseparatorer og datoformater. En amerikansk dato '03/04/2024' kan tolkes som 3. april eller 4. marts. Valutaer: '$1.50' bliver på tysk til '1,50 $', men nogle AI'er springer kommaet over eller sætter punktum. Også måleenheder: '10 miles' bør blive til '16 kilometer', ikke '10 miles'. Endnu mere tricky er procentangivelser med kulturelle forskelle: 'a 50% increase' kan betyde 'en stigning på 50 %' eller 'til 150 %'. Korrekturlæsere bør derfor systematisk sammenligne alle tal, datoer, enheder og valutaer med kildeteksten. En tjekliste hjælper: kontrol af decimalseparatorer, datoformat (DD.MM.ÅÅÅÅ vs. MM/DD/ÅÅÅÅ), valutasymboler (€ vs. $) og enheder (km vs. miles). Især vigtigt ved priser i onlinebutikker – et forkert komma kan tidoble prisen. Dokumenter hver afvigelse, og korriger formateringen efter målsprogets regler.
Forkerte egennavne og varemærkebegreber
Egennavne, varemærker og produktbetegnelser bør som regel forblive uoversatte. Men AI har en tendens til også at oversætte dem: 'Apple' bliver til 'æble', 'Microsoft' til 'mikrosoftware'. Endnu mere kritisk: Fagudtryk som 'SAP' eller 'CRM' bliver nogle gange erstattet med formodede ækvivalenter ('Sozialistische Arbeiterpartei' i stedet for systemer). Også akronymer som 'NASA' bør ikke skrives ud, medmindre målsprogskulturen anvender oversættelsen. Korrekturlæsere bør derfor vedligeholde en terminologidatabase, der fastlægger, hvilke navne der skal bibeholdes. Ved gennemgang bør alle egennavne, firmanavne, produktnavne og akronymer markeres og afstemmes med denne database. En hyppig fejl: 'Köln Bonn Airport' bliver til 'Cologne Bonn Airport' – alt efter målsprog kan begge være korrekte, men konsistens er afgørende. Dokumenter hver beslutning, så samme navn behandles ensartet ved senere oversættelser.
AI-oversættelser er blevet gode – deres fejl også: sjældnere, men mere subtile. Hvordan kontrollører genkender dem, før kunderne gør.
Manglende langtidskontekst og opdatering
Maskinoversættelser ser oftest kun den aktuelle sætning eller afsnit, ikke hele teksten eller tidligere oversættelser for samme kunde. Det fører til inkonsistens ved tilbagevendende begreber, fraser eller budskaber. Eksempel: En virksomhed ændrer sit slogan fra 'Quality first' til 'Quality & Speed'. AI oversætter den nye tekst korrekt, men alle gamle oversættelser forbliver – besøgende ser forskellige claims på forskellige sider. Også ved produktlanceringer: En version hedder 'Pro 2024', den næste 'Pro 2025'. Uden langtidskontekst oversætter AI måske 'Pro 2024' som 'Pro 2024' og 'Pro 2025' som 'Pro 2025', men hvis kunden ønsker, at varemærket altid forbliver uoversat, skal det gælde globalt. Korrekturlæsere bør derfor inden arbejdet gennemgå kundens stilguide og kontrollere eksisterende oversættelser for konsistens. Endnu bedre: Brug AI-systemer med oversættelseshukommelse (TM), der genkender tidligere oversættelser. Ikke desto mindre forbliver menneskelig gennemgang uundværlig for at sikre, at brandidentiteten forbliver ensartet på tværs af alle kanaler.
Fejl i URL'er, metadata og hreflang-angivelser
Maskinoversættelser fokuserer ofte på den synlige tekst og ignorerer tekniske elementer som URL'er, metadata og hreflang-tags. Disse er dog afgørende for flersproget søgemaskineoptimering. Typiske fejl: AI'en oversætter URL-slugs, selvom de normalt bør forblive uændrede – fra "/de/produkte" bliver fejlagtigt til "/en/products", hvilket fører til døde links. Også meta-titler og -beskrivelser oversættes ofte automatisk uden hensyntagen til tegnbegrænsningen: Tyske meta-beskrivelser på 160 tegn er ofte for lange efter oversættelse til engelsk og bliver afskåret. Særligt kritiske er hreflang-angivelser: Disse HTML-tags viser søgemaskiner sprogversionerne af en side. En AI kan ved et uheld sætte hreflang="de" for en engelsk side eller henvise den kanoniske URL til den forkerte sprogversion. Resultatet: Søgemaskiner indekserer forkerte sider eller straffer duplikeret indhold. Kontrollører bør derfor efter oversættelsen systematisk gennemgå alle links, metadata og hreflang-tags. Brug værktøjer som Screaming Frog eller manuelle stikprøver. Sørg for, at URL-strukturer forbliver konsistente (f.eks. /de/, /en/ som sprogstier), og at meta-angivelser er sprogspecifikt optimeret. Dokumenter hver justering for at bevare den tekniske ramme ved fremtidige oversættelser.
Lokalisering af juridiske tekster og sikkerhedsanvisninger
Juridiske tekster som generelle forretningsbetingelser, databeskyttelseserklæringer eller impressum indeholder ofte standardiserede formuleringer, som oversættes af AI ordret korrekt, men juridisk utilstrækkeligt. Således bliver den tyske 'Einwilligung gemäß Art. 6 DSGVO' på engelsk ofte til et generisk 'consent according to law', uden at nævne det specifikke retsgrundlag. Dette kan føre til påtaler. Også sikkerhedsanvisninger for produkter er særligt sårbare: Advarsler som 'Nicht in die Hände von Kindern gelangen lassen' bliver af AI nogle gange svækket ('Keep out of reach' i stedet for 'Keep out of reach of children'). I Europa er præcise advarsler lovpligtige; unøjagtigheder bringer produktansvaret i fare. Kontrollører bør derfor ikke kun kontrollere juridiske tekster for sproglig korrekthed, men for juridisk ækvivalens. En gennemprøvet fremgangsmåde: Opret en ordbog med bindende oversættelser for klausuler, paragraffer og juridiske begreber. Arbejd med en modersmålstalende, der kender mållandets retssystem. Lad til sidst en juridisk fagperson gennemlæse. AI kan fremskynde workflowet, men ansvaret forbliver hos virksomheden – derfor er systematisk menneskelig kontrol uundværlig.
Hreflang-tags og SEO: De usynlige faldgruber
Mens sproglige fejl straks springer i øjnene, truer usynlige fejl i kildekoden findbarheden af din flersprogede hjemmeside. Maskinoversættelser leverer ofte korrekte tekster, men glemmer tilpasningen af hreflang-tags, metadata og URL-strukturer. Et typisk eksempel: AI'en oversætter indholdet, men hreflang-attributten henviser stadig til kildesiden – søgemaskiner viser derefter den forkerte sprogversion i søgeresultaterne. Også oversættelsen af meta-titler og -beskrivelser bliver ofte forsømt, så din side godt nok læses på tysk, men vises under engelske snippets. Endnu mere kritisk: Når AI'en oversætter sidetitler, men lader URL'en uændret, opstår der duplicate-content-problemer. Korrekturlæsere bør derfor systematisk kontrollere hver side for fuldstændig lokalisering af SEO-elementer: hreflang, canonical, meta-beskrivelse, alt-tekster og URL'er. Fejlen ligger i kildekoden: en manglende sprogkode eller en forkert region (de-DE i stedet for de-AT) kan ødelægge din internationale synlighed. Vores gennemgang omfatter derfor ikke kun den synlige tekst, men også den tekniske infrastruktur for lokalisering. Kun på den måde sikrer du, at dit indhold findes på alle målmarkeder – uden rangeringstab på grund af maskinel forsømmelse.
Terminologiledelse som kvalitetsanker
En af de største udfordringer ved maskinoversættelser er den inkonsistente brug af fagudtryk. Mens en enkelt tekst kan virke fejlfri, afslører sammenligningen med tidligere oversættelser fra samme kunde ofte alvorlige afvigelser. AI'en har ingen hukommelse for virksomhedens egne vokabular – den oversætter hver forekomst forfra uden at tage hensyn til det etablerede ordforråd. Derfor er en central terminologiledelse uundværlig. Opret forpligtende glosarer før oversættelsen, som fastlægger foretrukne begreber, forbudte synonymer og kontekstafhængige varianter. Dette glosar skal integreres både i AI-miljøet og i gennemgangsmiljøet. En korrekturlæser bør derefter systematisk afstemme hvert fagudtryk i målteksten mod glosaret. Særligt kritiske er neologismer, produktnavne og juridiske formuleringer. Uden et glosar risikerer du, at det samme begreb oversættes forskelligt i forskellige publikationer – en forpasset mulighed for mærkekonsistens og en irritation for dine kunder. Invester derfor i vedligeholdelsen af din terminologibase; det er den mest effektive løftestang til at hæve kvaliteten af maskinoversættelser til et professionelt niveau.
blog.faqT
Hvordan håndterer jeg fejloversatte egennavne?
Opret en bindende terminologidatabase, der for hvert egennavn fastlægger den korrekte stavemåde på målsproget. Kontrollører bør markere alle egennavne og afstemme dem mod databasen. Afvigelser rettes, og databasen opdateres ved nye tilfælde. På den måde sikrer du, at varemærke- og produktnavne forbliver konsistente.
Hvilke værktøjer understøtter kontrol af tal- og formateringsfejl?
Brug QA-værktøjer som Xbench eller Verifika, der automatisk kontrollerer tusindtalsseparatorer, datoformater og valutaer. Disse værktøjer viser afvigelser, som derefter skal valideres manuelt. Alternativt kan regulære udtryk overtage brugerdefinerede kontroller. Resultaterne registreres i kontrolprotokollen.
