AI-vertaling met terminologie sturen: glossaren die werken

Terminologie in AI-vertaling: Grondbeginselen en termen

De integratie van terminologie in machinevertaalsystemen (MT) is een cruciale hefboom voor consistente en vakkundig correcte resultaten. In tegenstelling tot pure statistische of neurale vertaling, werken moderne AI-vertaalmodellen met contextuele patronen. Een terminologiedatabase (ook wel termbase genoemd) dwingt het systeem echter om in geval van twijfel uw specificaties te volgen. In principe wordt onderscheid gemaakt tussen statische glossaria (lijsten met vaste vertalingen) en dynamische termbases die extra informatie bevatten zoals woordsoort, geslacht, contextvoorbeelden of gebruiksbeperkingen.

Voor de praktijk betekent dit: een glossarium is geen woordenboek, maar een regelgeving voor vakspecifieke termen. Voorbeeld: In de machinebouw moet "trekspanning" altijd worden vertaald met "tensile stress", niet met "tension" of "pull stress". Zonder terminologieondersteuning kiest het MT-systeem op basis van trainingsdata de meest waarschijnlijke variant – wat vaak tot inconsistenties leidt. Ook het verschil tussen voorkeur en verplichting is belangrijk: in de meeste MT-systemen kunt u per invoer bepalen of de vertaling de voorkeur heeft of moet worden afgedwongen. Dit laatste kan leiden tot grammaticaal stroeve zinnen als de term niet in de zinstructuur past.

Een ander basisbegrip is morfologie: invoer in de basisvorm (bijv. "schroef") moet vaak worden aangevuld met verbuigingsvormen, omdat MT-systemen niet automatisch verbuigen. Leg daarom – afhankelijk van het taalpaar – ook meervoudsvormen en vervoegde werkwoordsvormen vast. Anders werkt de terminologie alleen bij exacte overeenkomst. In de praktijk is bewezen: maximaal 5.000 tot 10.000 invoeren per taal, geprioriteerd op frequentie en vakrelevantie. Een goed onderhouden glossarium vermindert de nabewerkingstijd aanzienlijk – vooral bij technische documentatie of juridische teksten.

Aanbevolen actie: start met een kernset van 200–500 termen uit uw product- of vakgebied. Bepaal of de terminologie "hard" (afgedwongen) of "zacht" (voorkeur) wordt toegepast. Test met 10 representatieve zinnen of de vertalingen vloeiend blijven. Documenteer ook waarom een term is opgenomen – dat vergemakkelijkt later onderhoud. Houd er rekening mee: hoe specifieker het domein, hoe effectiever de sturing door terminologie.

Opbouw van een terminologiedatabase: Structuur en onderhoud

Een effectieve terminologiedatabase (TDB) gedijt bij een doordachte structuur en regelmatig onderhoud. De basis is de selectie van de juiste velden: minimaal vereist zijn brontaalterm, doeltaalterm, taalcodes (bijv. DE-DE, EN-US) en status (bijv. "gecontroleerd", "voorlopig", "verouderd"). In de praktijk is het ook zinvol om de woordsoort, het vakgebied en een korte definitiecontext op te geven. Voorbeeld: Bij "looptijd" in de IT-omgeving moet onderscheid worden gemaakt tussen "runtime" (programma-uitvoering) en "term" (tijdsduur). Zonder contextaanduiding kan het MT-systeem niet correct toewijzen.

Onderhoud moet worden georganiseerd als een continu proces, niet als een eenmalige actie. Aanbevolen wordt een centraal terminologiebeheertool (bijv. T-Manager of een overeenkomstige module in uw vertaalgeheugensysteem). Definieer verantwoordelijkheden: een vakexpert controleert nieuwe termen, een vertaler of localisator voert de invoer in. Let erop dat de TDB taalneutraal is opgebouwd – dus elke invoer krijgt voor elke taal een eigen gegevensrecord. Anders ontstaan problemen bij meerduidigheid.

Een veelgemaakte fout is het overladen met zeldzame termen. Concentreer u op termen die in uw teksten herhaaldelijk voorkomen of vakinhoudelijk bijzonder gevoelig zijn. Voor de eerste vulling zijn de volgende bronnen geschikt: bestaande klantglossaria, terminologie uit vertaalgeheugens (geëxtraheerd via frequentieanalyse), normen en standaarden (bijv. ISO-terminologie) en productbeschrijvingen. Zorg ervoor dat elke invoer uniek is – synoniemen moeten worden gemarkeerd als verwijzingen of met extra kenmerken zoals "voorkeur"/"toegestaan".

Aanbevolen actie: stel een onderhoudsprotocol op met een maandelijkse frequentie. Voer een query uit op ongebruikte invoeren (ouder dan 12 maanden) en controleer of deze kunnen worden verwijderd of gearchiveerd. Werk ten minste elk kwartaal de invoeren uit actuele projecten bij. Test de TDB regelmatig met een steekproef van 50 zinnen – als meer dan 10% van de verwachte termen niet worden toegepast, controleer dan de morfologie of de systeemconfiguratie. Een goed onderhouden glossarium is geen statisch document, maar een levend werkmiddel dat meegroeit met uw inhoud.

Glossariumformaten en koppelingen met MT-systemen

De technische koppeling van een terminologiebestand aan een AI-vertaalsysteem is cruciaal voor het daadwerkelijk gebruiken van terminologie. Gangbare MT-platforms ondersteunen verschillende importformaten. Het meest voorkomende is CSV (Comma-Separated Values) met een kopregel die de velden definieert. Voorbeeld: "source_language","target_language","source_term","target_term","pos","domain". Belangrijk: Gebruik UTF-8-codering om speciale tekens correct over te brengen. Sommige systemen verwachten bovendien een bepaalde kolomvolgorde – raadpleeg de documentatie. Alternatief worden XML-formaten zoals TBX (TermBase eXchange) gebruikt, dat ISO-genormeerd is en complexere metadata toestaat. Ook XLIFF (XML Localisation Interchange Format) kan terminologie bevatten, maar meestal als annotatie.

Hoe stuurt u de terminologie nu aan in het vertaalproces? Moderne MT-systemen bieden twee hoofdvarianten: statische glossaria (lijsten vóór de vertaling) en dynamische glossaria (promptgebaseerde integratie). Bij platforms met API (bijv. DeepL, Google Cloud Translation) kunt u bij de API-aanroep een glossarium in realtime meesturen. Let erop dat elk glossarium is afgestemd op de betreffende taalcombinatie en domein – een algemeen glossarium voor alle gevallen verzwakt het effect. In de praktijk is gebleken: gebruik per taalcombinatie en vakgebied een apart glossarium met maximaal 1000 termen.

De nacontrole van het glossariumeffect is een vaak verwaarloosde stap. Na een vertaling moet u steekproefsgewijs controleren of de gedefinieerde termen correct zijn vertaald. Veel MT-systemen loggen niet of een glossariumterm daadwerkelijk is toegepast. Daarom is een geautomatiseerde vergelijking aan te raden: exporteer de vertaling en zoek met een script naar de glossariumtermen in de doeltaal. Wordt een term niet zoals voorgeschreven vertaald, onderzoek dan de oorzaak: verkeerde morfologie, ontbrekende context of overschrijving door zinsstructuur. Grenzen van de sturing tonen zich vooral bij sterk poliseme termen of bij zinnen die meerdere glossariumtermen tegelijk activeren – dan kan het systeem in conflicten raken.

Aanbevolen actie: Begin met CSV in UTF-8-formaat, aangezien dit door de meeste MT-systemen wordt geaccepteerd. Gebruik de API van de betreffende aanbieder om glossaria direct te testen. Voer na elke glossariumupdate een regressietest uit met 20–30 testsegmenten. Documenteer de exacte instellingen (bijv. prioriteit "force" of "prefer") voor elk glossarium. Mocht u onverwachte afwijkingen tegenkomen, dan helpt vaak een vermindering van het aantal termen of het toevoegen van contextvoorbeelden. De technische interface is slechts zo goed als de kwaliteit van de data – investeer daarom in schone, uniforme glossaria.

Integratie van termenbanken in machinevertaalworkflows

Het integreren van een terminologiedatabank in de MT-workflow vereist een doordachte technische en organisatorische implementatie. Moderne MT-systemen zoals DeepL, Google Translate of gespecialiseerde platforms bieden interfaces om glossaria als aparte bestanden (CSV, TBX, XLSX) of via API's te importeren. Essentieel is dat de termenbank in het door het systeem ondersteunde formaat wordt aangeleverd: TBX (TermBase eXchange) is een ISO-standaard die geschikt is voor uitwisseling tussen verschillende tools. CSV-bestanden zijn eenvoudiger te beheren, maar vereisen een schone kolomstructuur met term, vertaling, optionele definitie en grammaticale gegevens.

In de praktijk is het aan te raden om de termenbank direct in het MT-systeem te hosten, indien mogelijk, in plaats van deze telkens handmatig te uploaden. Sommige CAT-tools zoals memoQ of Trados bieden bijvoorbeeld de mogelijkheid om termenbanken te koppelen aan de MT-engine. Bij cloudgebaseerde diensten zoals DeepL Pro kunt u een glossarium in het klantenportaal opslaan. Houd er rekening mee dat het maximaal aantal termen beperkt kan zijn – bij DeepL is dat 5.000 per glossarium. Plan daarom een prioritering van de belangrijkste vakbegrippen.

Een veelgemaakte fout is de aanname dat de MT-engine het glossarium automatisch op elke zinsvariant toepast. In werkelijkheid houden veel systemen alleen rekening met de terminologie als de term exact in de brontekst voorkomt. Vervoegingen, samenstellingen of synoniemen worden vaak genegeerd. Om dit te omzeilen, kunt u "beschermde termen" definiëren die ook in verbogen vorm worden herkend, als het systeem deze functie biedt. Test vóór productief gebruik of uw termen echt worden toegepast.

Aanbevolen actie: Voer een testvertaling uit met 50–100 zinnen die uw kritieke termen bevatten. Controleer de output op correcte weergave. Werkt het glossarium niet, controleer dan het formaat, de spelling (hoofd-/kleine letters) en de taalrichting. Documenteer de workflow zodat bij updates van de MT-engine de termenbank eenvoudig opnieuw kan worden geïmporteerd.

Prompt-engineering voor terminologiegestuurde vertaling

Bij grote taalmodellen (LLM's) zoals GPT-4 of Claude, die via API voor vertalingen worden gebruikt, kunt u de terminologie via prompts sturen. In plaats van een glossarium in de traditionele zin definieert u in de prompt welke termen hoe vertaald moeten worden. Een bewezen werkwijze is het opgeven van "Translation Rules" in de systeemprompt: "Vertaal de volgende technische termen altijd zoals aangegeven: 'data warehouse' → 'datawarehouse', 'machine learning' → 'machine learning'. Let op: formuleer de regels precies en contextvrij, anders voegt het model eigen interpretaties toe.

De effectiviteit hangt sterk af van het model en de promptstructuur. In de praktijk blijkt dat expliciete voorbeelden in een few-shot-prompt beter werken dan alleen instructies. Geef 2–3 voorbeeldparen met bron- en doeltekst waarin de gewenste terminologie voorkomt. Voeg daarna de te vertalen tekst toe. Vermijd dat het model de voorbeelden beschouwt als onderdeel van de te vertalen tekst – scheid deze duidelijk door opmaak zoals """Voorbeelden""" en """Te vertalen""".

Een nadeel van de prompt-methode is het gebrek aan persistentie: elke prompt moet de terminologie opnieuw bevatten, wat bij veel aanvragen onhandig is. Bovendien reageren LLM's gevoelig op kleine wijzigingen in de prompt – een ontbrekende komma kan de uitvoer veranderen. Daarom is het aan te raden om voor terugkerende vertalingen een API-aanvraag te programmeren die de prompt automatisch genereert en de terminologie uit een externe databank laadt.

Aanbevolen actie: Test verschillende promptvarianten met dezelfde 20 testtermen en vergelijk de resultaten. Noteer of het model de regels betrouwbaar volgt of uitzonderingen maakt. Voor productieve workflows moet u de prompts versiebeheren en na modelupdates opnieuw valideren. Gebruik prompt-engineering alleen als uw infrastructuur dynamische generatie van prompts toestaat – anders is de klassieke glossariumintegratie in MT-systemen robuuster.

Testen en valideren van glossariumtermen in de MT-output

Voordat u een woordenlijst in de productieve vertaalworkflow opneemt, is een systematische controle essentieel. Maak hiervoor een testsuite met zinnen die uw belangrijkste termen in verschillende contexten bevatten – bijvoorbeeld in enkelvoud, meervoud, samenstellingen en verschillende zinsplaatsen. Vertaal deze met ingeschakelde en uitgeschakelde woordenlijst om het effect geïsoleerd te meten. Automatiseer deze stap indien mogelijk via de API: vergelijk de output met een referentiecorpus of extraheer gericht de termvoorkomens.

De validatie moet niet alleen de correcte vertaling van de term zelf controleren, maar ook de grammaticale inbedding. Een woordenlijst die 'Datenbank' met 'database' vertaalt, is nutteloos als in de Duitse zin de datief of accusatief niet correct wordt gevormd. Sommige MT-systemen passen de woordenlijstitems aan de zinscontext aan (bv. flexie), andere niet. Test daarom bewust lastige gevallen: 'mit der Datenbank' vs. 'die Datenbanken'. Als u afwijkingen vaststelt, kunt u woordenlijstitems voorzien van uitgebreide attributen (bv. POS-tag), voor zover het systeem dit ondersteunt.

Een ander controlepunt is de volledigheid: Bevat uw woordenlijst alle relevante termen voor de huidige tekst? Voer een dekkingsanalyse uit door de brontekst te doorzoeken op woordenlijsttermen en de trefkans te berekenen. Hiaten kunt u opvullen met extra items. Let er echter op dat een overladen woordenlijst de MT-engine kan overweldigen – sommige systemen prioriteren de eerste items of stoppen bij te veel regels. Houd het aantal per taalpaar op 200–500 items, tenzij het systeem expliciet meer toestaat.

Aanbevolen actie: Leg een validatieprotocol aan dat voor elke testcase het verwachte en het werkelijke resultaat vastlegt. Voer de tests na elke woordenlijst- of MT-systeemupdate opnieuw uit. Betrek vakexperts die de vakinhoudelijke juistheid beoordelen. Alleen als de woordenlijst in de test reproduceerbaar de gewenste terminologie afdwingt, mag deze in de productieomgeving worden opgenomen. Anders moet u de items herzien of de integratietechniek optimaliseren.

Nacontrole en kwaliteitsborging: terminologietrouw controleren

Het beheren van terminologie via glossaria is een krachtig instrument, maar de daadwerkelijke naleving in de vertaaloutput moet worden gecontroleerd. Alleen vertrouwen op de AI is niet voldoende. In de praktijk is een meertraps controleproces effectief gebleken: eerst voert u automatische controles uit, bijvoorbeeld met CAT-tools of speciale QA-scripts. Deze vergelijken de doeltekst met uw termbase en markeren afwijkingen of ontbrekende vertalingen voor bepaalde termen. Een praktisch voorbeeld: als uw glossarium voor 'Lastenheft' de vertaling 'specification document' voorschrijft, maar een andere vertaler 'requirements document' gebruikt, wordt dit in de QA-lijst opgenomen.

Daarna volgt de handmatige controle door een vakredacteur of een tweede vertaler. Deze persoon leest de doeltekst en let specifiek op de in het glossarium gedefinieerde termen. Een nuttige werkwijze is het gebruik van zoekfuncties in het document of in de vertaalomgeving om alle voorkomens van de getermineerde termen te lokaliseren en te verifiëren. Als alternatief kunt u ook een steekproefcontrole uitvoeren: kies tien tot twintig sleuteltermen uit het glossarium en controleer of ze consistent zijn vertaald in het hele document. Dit is met name bij omvangrijke projecten met veel herhalingen een efficiënte aanpak.

Een ander aspect is het waarborgen van consistentie over meerdere bestanden of projectversies heen. Hier biedt een regelmatige terminologiecontrole uitkomst, waarbij alle vertalingen uit het huidige project worden vergeleken met de termbase. Een praktisch voorbeeld uit de technische documentatie: in een handleiding voor een machine komt de term 'Sicherheitsabschaltung' voor. Het glossarium schrijft 'safety shutdown' voor. Als in een latere revisie 'emergency stop' wordt gebruikt, is dit een geval voor nacontrole. De beslissing of het om een fout gaat of dat de term afhankelijk van de context anders moet worden vertaald, moet worden gedocumenteerd.

Tot slot raden we aan de resultaten van de nacontrole systematisch vast te leggen en via een feedbackloop terug te koppelen naar het glossarium. Als een term in het glossarium niet tot de juiste vertalingen leidt, moet u de invoer aanpassen of aanvullen. Zo wordt de termbase continu verbeterd. Houd er echter rekening mee dat de controle van terminologietrouw juridische implicaties kan hebben – met name in gereguleerde gebieden zoals medisch of juridisch. Raadpleeg hiervoor uw juridische afdeling of een externe adviseur.

Grenzen van terminologiebeheer en omgang met uitzonderingen

Zelfs bij zorgvuldig onderhouden glossaria stuit terminologiebeheer op grenzen. Machinevertaalsystemen interpreteren glossaria vaak strikt, wat tot ongewenste resultaten kan leiden als context of polysemie niet in acht worden genomen. Een veelvoorkomend probleem: een term heeft afhankelijk van de zin of het vakgebied verschillende vertalingen. Als het glossarium slechts één variant voorschrijft, vertaalt de MT deze dwangmatig, zelfs wanneer de context een andere betekenis vereist. Voorbeeld: het Engelse woord 'bank' kan in het Duits zowel 'Bank' (financiële instelling) als 'Ufer' (oever) betekenen. Een glossarium dat 'Bank' definieert als financiële instelling, leidt bij 'river bank' tot een foutvertaling. Hier moet u uitzonderingen toestaan.

Een pragmatische aanpak is om glossaria niet als starre regels, maar als voorkeursvertalingen te definiëren. Veel MT-systemen staan het instellen van een prioriteit toe: het glossarium wordt meegenomen, maar kan door de context worden overruled (bijv. via een confidence-level). In de praktijk is het effectief gebleken om voor meerduidige termen aparte glossariumitems met voorwaarden aan te maken – bijvoorbeeld door het vermelden van het onderwerp of een voorbeeldzin. Zo kan het systeem bij 'river bank' de vertaling 'oever' kiezen, wanneer de term in een geografische context voorkomt.

Een andere grens doet zich voor bij neologismen of eigennamen die nog niet in de termbase zijn opgenomen. De MT kan deze onvertaald laten of een creatieve maar foutieve vertaling leveren. Hier is handmatige nabewerking onvermijdelijk. Een praktisch voorbeeld: de productnaam 'SpeedMaster 3000' mag in het Engels niet worden vertaald. Als de term niet in het glossarium staat, riskeert het systeem een vertaling als 'Geschwindigkeitsmeister 3000'. Om dit te voorkomen, moet u eigennamen expliciet als onveranderlijk markeren.

Tot slot kan oversturing door te veel of te gedetailleerde glossariumitems de vertaalkwaliteit schaden. Als elk woord een vaste opdracht krijgt, verliest de MT zijn vermogen om vloeiende en natuurlijke tekst te genereren. De oplossing: prioriteer sleutelbegrippen en geef het systeem bij minder kritische termen vrije keus. Controleer na elk groot project welke glossariumitems daadwerkelijk tot verbeteringen hebben geleid en welke eerder schadelijk zijn. Juridisch relevant kan de kwestie van aansprakelijkheid bij terminologiefouten zijn – laat u hierover adviseren door een jurist.

Automatische termextractie als basis voor glossaria

Het handmatig opbouwen van een glossarium is tijdrovend. Een efficiënt alternatief is automatische termextractie uit bestaande referentieteksten. Hierbij wordt met behulp van software – zoals TAUS, Sketch Engine of geïntegreerde tools in CAT-systemen – een lijst van potentiële vaktermen uit een corpus verkregen. De extractie is gebaseerd op statistische en linguïstische methoden: het systeem zoekt naar terugkerende woordgroepen (collocaties) of zeldzame woorden die typisch zijn voor het vakgebied. Een typische werkwijze: u laadt een verzameling van 10 tot 20 zorgvuldig vertaalde documenten in de software en laat deze een frequentieanalyse uitvoeren. Termen die vaak en in verschillende contexten voorkomen, worden gemarkeerd als termkandidaten.

De aldus verkregen kandidaten moeten echter handmatig worden gevalideerd. Niet elke veelvoorkomende term is een relevante term – algemene woorden zoals 'werk' of 'systeem' kunnen als ruis verschijnen. Een praktisch voorbeeld: bij extractie uit een technische documentatie zou het algoritme de term 'schroef' als belangrijk kunnen beoordelen, maar het gaat in feite om een alledaagse benaming. Hier is een vakredacteur nodig die de lijst doorneemt en irrelevante items verwijdert. Een tweefasige controle heeft zijn waarde bewezen: ten eerste een automatische voorselectie op frequentie en statistische significantie (bijv. met TF-IDF), ten tweede een handmatige controle van de top-100-kandidaten door een domeinexpert.

Een ander voordeel van automatische termextractie is de mogelijkheid om meertalige glossaria te genereren. Als u parallelle referentieteksten in de bron- en doeltaal heeft, kan de software ook vertaalvoorstellen voor de geëxtraheerde termen leveren. Dit gebeurt via alignment-procedures die zins- of woordparen herkennen. De kwaliteit van deze voorstellen varieert: bij goed parallelmateriaal (bijv. uit consistente vertalingen) zijn de resultaten vaak bruikbaar, bij mindere gegevens echter foutgevoelig. Daarom moet elk automatisch gegenereerd vertaalvoorstel voordat het in het glossarium wordt opgenomen, worden gecontroleerd door een moedertaalspreker.

Automatische termextractie is bijzonder geschikt als eerste stap voor het opbouwen van een glossarium of voor het actualiseren van bestaande termbases. Het bespaart tijd en brengt termen aan het licht die bij handmatige creatie over het hoofd zouden kunnen worden gezien. Het vervangt echter niet de menselijke kwaliteitscontrole. Een hybride aanpak – automatische voorselectie plus handmatige controle – levert in de praktijk de beste resultaten. Houd bij het gebruik van termextractiediensten ook rekening met privacyaspecten, met name als uw referentieteksten vertrouwelijke informatie bevatten. Verduidelijk dit vooraf met uw juridische afdeling.

Terminologievarianten: dubbelzinnigheid en context herkennen

In de praktijk komen vertalers en projectmanagers vaak termen tegen die afhankelijk van de context anders vertaald moeten worden. Een klassiek voorbeeld is het Engelse "lead": in marketing kan het "lead" (potentiële klant) betekenen, in een technische handleiding echter "kabel" of "loodglas". Zonder contextherkenning kan de AI-vertaling hier fout zitten. De uitdaging is om dergelijke dubbelzinnigheden systematisch vast te leggen en in het glossarium te voorzien van contextafhankelijke regels.

Een effectieve aanpak is het gebruik van contextattributen in de termbase. In plaats van één enkele entry voor "lead" maakt u er meerdere aan, elk met vermelding van het vakgebied (bijv. marketing, elektrotechniek, geneeskunde). In uw MT-systeem kunt u dan regels definiëren die, afhankelijk van de categorie van het brondocument of zelfs de zinsomgeving, de juiste vertaling kiezen. Praktisch betekent dit: u vult in het glossarium velden zoals "Context", "Bronvoorbeeld" en "Doelvoorbeeld". Zo herkent de engine bij "lead generation" onmiddellijk de marketingcontext en kiest "Leadgeneratie". Deze fijnmazigheid vergt wel meer onderhoud, maar vermindert correcties achteraf aanzienlijk.

Om de inspanning te beperken, prioriteert u de meest voorkomende of kritieke dubbelzinnigheden. Maak een lijst van de top 50 termen die in uw teksten steeds opnieuw verkeerd worden vertaald. Analyseer bestaande vertalingen en noteer in welke contexten de fouten optreden. Maak vervolgens voor deze termen contextsensitieve entries aan. Gebruik daarvoor de mogelijkheden van uw MT-platform: veel systemen staan voorwaardelijke vertaalregels toe die zijn gebaseerd op woordsoorten, naburige termen of documentmetagegevens.

Test deze entries gericht: maak een korte zin met elke context en controleer de output. Bijvoorbeeld voor "lead": "The lead is 2 cm long" (elektrotechniek) vs. "The lead clicked on the CTA" (marketing). Pas de regels iteratief aan. Documenteer de beslissingen in het glossarium, zodat alle teamleden de logica kunnen volgen. Na verloop van tijd ontstaat zo een fijn afgestemd regelsysteem dat de vertaalkwaliteit in uw vakgebied merkbaar verbetert.

Kosten-batenanalyse: inspanning voor glossariumonderhoud versus kwaliteitswinst

Het onderhoud van een terminologiedatabank vergt middelen: tijd voor onderzoek, afstemming in het team, technische integratie en regelmatige actualisering. Tegelijkertijd nemen door consistente terminologie de correctiekosten in de nabewerking af en neemt de tevredenheid van de lezers toe. Een algemene uitspraak over de ROI is niet mogelijk, omdat deze sterk afhangt van het tekstvolume, de frequentie van fouten en de gevolgen van verkeerde vertalingen. In de praktijk blijkt: zodra u meer dan 50.000 woorden per maand vertaalt of uw bedrijf actief is in sterk gereguleerde sectoren (medisch, juridisch, technisch), verdient de inspanning zich meestal binnen enkele maanden terug.

Voer een inspanningsinschatting uit: noteer hoeveel uur u momenteel besteedt aan het corrigeren van terminologiefouten. Meet over twee tot drie projecten de tijd die u kwijt bent aan nabewerking. Schat vervolgens in hoeveel van deze fouten door een goed onderhouden glossarium voorkomen hadden kunnen worden – uit ervaring is dat 30–50%. Vergelijk dit met de geschatte onderhoudsinspanning: een basisglossarium met 200 entries vergt initieel ongeveer 20–40 uur, maandelijks onderhoud (bij 10–20 wijzigingen) ongeveer 2–4 uur. Reken uit of de bespaarde correctietijd deze investering overtreft.

Houd ook rekening met zachte factoren: uniforme terminologie versterkt de merkbeleving en voorkomt misverstanden bij klanten. Bij technische documenten kunnen verkeerde termen leiden tot storingen of veiligheidsrisico's – de schade overtreft dan elke glossariuminspanning. Begin met een minimaal maar gefocust glossarium: leg alleen de termen vast die echt vaak voorkomen of kritiek zijn. Breid het geleidelijk uit op basis van de meest voorkomende correcties.

Om het nut meetbaar te maken, definieert u metrieken: terminologiefouten per 1.000 woorden in de MT-output voor en na introductie van het glossarium. Meet deze over een periode van drie maanden. Zo ziet u objectief of de kwaliteit stijgt. Als de inspanning het nut overtreft, onderzoek dan of u het onderhoud kunt automatiseren – bijvoorbeeld via termextractietools of integratie in uw CMS. In veel gevallen loont de investering als u langetermijndenkt en het glossariumonderhoud als vast onderdeel van uw vertaalproces vestigt.

Praktische checklist: Glossarium invoeren in team

De invoering van een glossarium voor AI-vertaling lukt alleen als alle betrokkenen aan hetzelfde touw trekken. Gebruik de volgende checklist om uw proces gestructureerd aan te pakken.

1. Inventarisatie en doelen definiëren: Analyseer uw meest voorkomende terminologiefouten uit de afgelopen projecten. Stel concrete doelen, zoals 'Vermindering van terminologiefouten in MT-output met 30% binnen drie maanden'. Bepaal welke vakgebieden en talen prioriteit krijgen.

2. Team samenstellen en rollen verdelen: Wijs een terminologieverantwoordelijke aan die het glossarium beheert en wijzigingen coördineert. Betrek vakexperts (bijv. technici, juristen) die bij omstreden termen beslissen. De vertaler/corrector controleert de invoer op praktische bruikbaarheid.

3. Glossariumstructuur bepalen: Beslis welke velden uw glossarium moet bevatten: bronterm, doelterm, definitie, context, vakgebied, status (goedgekeurd/verouderd), geldigheidsdatum. Houd de structuur eenvoudig – te veel velden bemoeilijken het onderhoud.

4. Eerste invoer verzamelen en vrijgeven: Begin met 50–100 kritische termen. Elke invoer moet door ten minste twee teamleden worden gecontroleerd. Documenteer beslissingen inclusief motivering om latere discussies te voorkomen.

5. Technische integratie testen: Koppel het glossarium aan uw MT-systeem. Test met representatieve teksten uit uw bestand. Controleer of de regels zoals verwacht werken. Voer aanpassingen door tot de resultaten bevredigend zijn.

6. Team trainen en processen instellen: Train alle vertalers, editors en projectmanagers in het gebruik van het glossarium. Leg vast hoe nieuwe termen worden voorgesteld (bijv. via een formulier) en wie ze vrijgeeft. Stel een maandelijkse reviewcyclus in waarin het glossarium wordt bijgewerkt.

7. Succes meten en itereren: Meet regelmatig het terminologiefoutenpercentage. Verzamel feedback van het team en pas het glossarium aan. Vier kleine successen om de motivatie hoog te houden.

Met deze checklist creëert u een solide basis voor de introductie van het glossarium. De sleutel ligt in het consequent onderhoud en de betrokkenheid van alle deelnemers. Begin klein en breid het glossarium stap voor stap uit – zo blijft de inspanning beheersbaar en is de kwaliteitswinst merkbaar.

Hulpmiddelen en platforms voor terminologiebeheer

De keuze van het juiste terminologiebeheer hangt grotendeels af van de grootte van het bedrijf, het aantal talen en de integratie met bestaande vertaaltools. Voor beginners bieden cloudgebaseerde oplossingen een laagdrempelige start: ze bieden centrale toegang, versiebeheer en gebruikersrechten. Een typische setup omvat een webinterface voor het beheer van invoer met velden zoals term, definitie, taal, status (bijv. 'goedgekeurd' of 'in beoordeling') evenals synoniemen en ongeldigheidsmeldingen. Belangrijk is de exportfunctie naar standaardformaten zoals TBX (TermBase eXchange) of CSV, zodat de gegevens kunnen worden geïmporteerd in CAT-tools of MT-platforms.

Voor bedrijven met een hoog vertaalvolume zijn platforms geschikt die een directe API-koppeling met gangbare MT-systemen ondersteunen. Hierbij wordt het glossarium tijdens het vertaalproces live geraadpleegd: de MT-engine krijgt de relevante termen als context doorgegeven. De effectiviteit hangt af van het prompt-ontwerp – uit ervaring moeten glossariuminvoeren van bronvermelding en contextvoorbeelden worden voorzien om misinterpretaties te voorkomen. Sommige tools staan ook het regelen van prioriteiten toe: als een term in meerdere glossaria voorkomt, bepaalt de rangorde de toepassing. Let bij de selectie erop dat vertalers in de CAT-tool de mogelijkheid hebben om niet correct opgevolgde termen te markeren en direct in het glossarium te wijzigen.

De integratie in het QA-proces is een ander sleutelcriterium. Moderne platforms bieden automatische controles: na de vertaling wordt de output gevalideerd tegen het glossarium, afwijkingen worden opgesomd. In de praktijk is een workflow met twee stappen effectief gebleken: ten eerste een machinegestuurde consistentiecontrole, ten tweede een steekproefsgewijze handmatige controle door de terminoloog. Voor globale teams worden collaboratieve functies zoals commentaren of wijzigingsvoorstellen aanbevolen, zodat ook vakafdelingen feedback kunnen geven. Voorzichtig met te veel vrijheid: definieer duidelijk wie invoer mag vrijgeven om wildgroei te voorkomen.

Tot slot moet u de kosten in de gaten houden: basisoplossingen zijn vaak vanaf een bepaald volumen gratis, Enterprise-functies brengen maandelijkse kosten met zich mee. Controleer of een eenmalige licentie of een abonnementsmodel voor uw budget zinvoller is. Houd ook rekening met de inwerktijd: hoe interactiever de interface, hoe sneller redacteuren werken. Laat u voor de beslissing een proof of concept met uw echte data zien – alleen zo ziet u hoe goed de terminologie in de MT-output aankomt. Let op: juridische opmerkingen over gegevensopslag en AVG dient u met eigen juridisch advies te behandelen.

Vooruitblik: Adaptieve terminologie en continu leren

De volgende ontwikkelingsfase van terminologiegestuurde vertaling is adaptieve terminologie. Hierbij gaat het om systemen die leren van correcties van gebruikers en hun glossarium automatisch bijwerken. Stelt u zich voor: een vertaler wijzigt in een CAT-tool een term die door het MT-systeem verkeerd is vertaald. Het model onthoudt deze ingreep en past deze toe in vergelijkbare contexten. Dit continu leren vermindert de handmatige onderhoudsinspanning aanzienlijk. Eerste aanbieders integreren dergelijke feedback-loops al: na elke goedgekeurde vertaling wordt de termvertaling overgenomen in de knowledge base van het MT-model. In de praktijk blijkt echter dat de kwaliteit van deze automatische overnames varieert – te veel ongecontroleerde correcties kunnen tot inconsistenties leiden.

De technische basis wordt gevormd door modellen die werken met Retrieval-Augmented Generation (RAG): bij elke vertaling wordt niet alleen het glossarium geraadpleegd, maar ook de context uit de huidige zin en uit eerder gecorrigeerde voorbeelden. Hierdoor ontstaat een dynamisch profiel per klant of domein. De uitdaging ligt in de balans tussen actualiteit en stabiliteit: een glossariumitem dat eenmaal verkeerd is aangeleerd, kan moeilijk te corrigeren zijn. Daarom wordt een tweetrapsproces aanbevolen: in de leermodus worden suggesties verzameld, maar pas na handmatige vrijgave overgenomen in het productieglossarium. Bedrijven moeten regelmatig een export van de aangeleerde termvoorraad maken om deze te vergelijken met het autoritatieve glossarium.

Een andere trend is contextafhankelijke terminologie: niet elke term wordt in elk vakgebied hetzelfde vertaald. Adaptieve systemen kunnen herkennen of een tekst uit het juridische of technische domein komt en automatisch het juiste subglossarium activeren. Dit vereist dat de terminologie is voorzien van metadata zoals vakgebied, klant of documenttype. In de praktijk vraagt dit om een goede classificatie van de brontteksten. Voor veel bedrijven is een pragmatische aanpak zinvol: begin met een centraal glossarium en breid het uit met domeinmarkeringen zodra foutenconcentraties in bepaalde gebieden optreden.

De grenzen van adaptieve methoden liggen in transparantie en controle. Wanneer een systeem zelfstandig leert, is niet altijd na te gaan waarom een bepaalde vertaling is gekozen. Daarom moet vooral in gereguleerde branches (medisch, juridisch) de eindbeslissing altijd bij de mens liggen. Een vooruitblik: in de toekomst kunnen glossaria direct in de fine-tuning van AI-modellen worden geïntegreerd, in plaats van alleen via prompts te worden doorgegeven. Dit belooft consistentere resultaten, maar vereist hoge rekenkracht en regelmatige updates. Bedrijven die vroeg investeren in gestructureerde terminologie hebben hier een duidelijk voordeel. Laat u door uw MT-leverancier de roadmap naar adaptieve terminologie uitleggen – en test nieuwe functies altijd in een beschermde omgeving voordat u ze productief inzet.

Valkuilen en typische fouten bij het werken met glossaria

Zelfs een zorgvuldig opgesteld glossarium kan zijn werking missen als typische valkuilen niet worden vermeden. Een veelgemaakte fout is het overladen van het glossarium met te veel items. In de praktijk blijkt dat een glossarium met 100 tot 200 onderhouden termen voor de meeste projecten volstaat. Meer items leiden vaak tot inconsistenties en verhogen de onderhoudsinspanning zonder dat de kwaliteit evenredig toeneemt. Concentreer u op de voor uw vakgebied kritische termen, waarbij foutieve vertalingen zwaarder wegen, zoals juridische of technische vaktermen.

Een andere valkuil is onvoldoende contextinformatie. Een item zoals "Kopf" -> "head" zonder onderscheid tussen "Kopf einer Schraube", "Kopf eines Teams" of "Kopf einer Liste" leidt tot fouten. Elk item moet ten minste een korte definitie of een voorbeeldzin bevatten. Ook het negeren van woordsoorten is problematisch: een glossarium dat "überweisen" alleen als werkwoord vermeldt, vertaalt het zelfstandig naamwoord "Überweisung" niet correct. Vul daarom voor elke term de relevante woordsoort en eventueel verbuigingsvormen aan.

Het actualiseren van het glossarium wordt vaak verwaarloosd. Zodra nieuwe producten worden geïntroduceerd of benamingen worden gewijzigd, moet het glossarium tijdig worden aangepast. Plan vaste intervallen voor controle, bijvoorbeeld per kwartaal. Ontbreekt dit onderhoud, dan verdwijnt het glossarium in de la en wordt het niet meer gebruikt. Let er ook op dat het glossarium daadwerkelijk in het MT-systeem is geactiveerd. Sommige systemen staan meerdere glossaria toe die geprioriteerd kunnen worden. Controleer na elke update of de wijzigingen zichtbaar zijn in de output.

Een klassieke misvatting is de aanname dat een glossarium alleen alle terminologieproblemen oplost. Het kan geen grammatica- of stijlproblemen verhelpen en stuit bij sterk contextafhankelijke termen op grenzen. Vul het glossarium daarom aan met vertaalregels in de vorm van 'als-dan'-condities, voor zover het systeem dit ondersteunt. En tot slot: vraag feedback van de vertalers. Zij kunnen vaak praktijkgericht rapporteren welke items ontbreken of foutief zijn. Alleen een levend glossarium dat regelmatig wordt gecontroleerd en aangepast, voldoet aan zijn doel.

Samenwerking met dienstverleners: briefing en controle

Wanneer u het glossaronderhoud of de terminologiegestuurde vertaling uitbesteedt aan externe dienstverleners, is een duidelijke briefing essentieel. Definieer vooraf welke termen voor uw bedrijf niet onderhandelbaar zijn. Maak daarbij een prioriteitenlijst: must-have-termijnen die exact vertaald moeten worden, en nice-to-have-termijnen waarbij lichte variatie acceptabel is. Geef de dienstverlener geen ruw glossar, maar een opgeschoonde versie met duidelijke velddefinities (bijv. 'Alleen in de context van machinebouw'). Ontbreekt deze duidelijkheid, dan vertalen dienstverleners naar eigen inzicht.

Een beproefde aanpak is om de dienstverlener vooraf een proefpakket van 200–300 segmenten te verstrekken, waarmee hij de toepassing van de terminologie moet demonstreren. Laat u de correcte integratie van het glossar in de MT-workflow bevestigen. Vraag of het glossar als TBX- of XLSX-bestand kan worden geïmporteerd – veel dienstverleners gebruiken standaardformaten. Controleer na de eerste levering steekproefsgewijs de terminologietrouw. In de praktijk blijkt een 10%-steekproef van de output effectief, waarbij u de glossaringangen vergelijkt. Treden er fouten op, eis dan een correctie voordat de dienstverlener de resterende hoeveelheid verwerkt.

Controlemechanismen moeten vanaf het begin worden afgesproken. Laat u een rapport verstrekken over het aantal gebruikte glossaringangen en de matchrate. Sommige MT-platforms bieden gestandaardiseerde logs over welke termen hoe vaak zijn gebruikt. Dit rapport moet maandelijks of projectgebonden worden overlegd. Als de dienstverlener eigen terminologiedatabases beheert, verduidelijk dan of deze worden overschreven of aangevuld met uw glossar. Een misverstand leidt anders tot parallelle, tegenstrijdige glossaria.

Let op de juridische kant: Maak in het contract afspraken over de eigendomsrechten van het glossar. Stel duidelijk dat het glossar uw intellectuele eigendom blijft en de dienstverlener het alleen voor uw project mag gebruiken. Bespreek ook de omgang met wijzigingen: Wie werkt het glossar bij bij nieuwe termen? Hoe worden correctierondes verrekend? Een transparant communicatiekanaal, bijvoorbeeld een ticketsysteem voor terminologievragen, voorkomt misverstanden. Bij grotere projecten wordt een gezamenlijke terminologieworkshop aan het begin van het project aanbevolen – deze investering loont om later wrijvingsverliezen te voorkomen. Voor juridische details dient u altijd uw eigen juridisch adviseur te raadplegen.