2025-05-21 · Redactie Baduno · 7 blog.readMin · Blog & Kennis
Machinevertaling herkennen: Zeven typische foutbeelden
AI-vertalingen zijn goed geworden – hun fouten ook: zeldzamer, maar subtieler. Waaraan controleurs ze herkennen, voordat klanten het doen.
De opvallende vier
Valse vrienden ('eventuell' wordt 'eventually'), inconsistente vakterm in dezelfde tekst, letterlijke uitdrukkingen en aanspreekbreuken tussen jij en u: Deze klassiekers vindt een geoefend oog in minuten.
De subtiele drie
Zelfverzekerd foute cijfers en eigennamen, cultureel scheve voorbeelden en een te gladde eenheidston die elke merk kleur wegschaaft. Gevaarlijk, omdat de tekst foutloos lijkt – hij is alleen niet juist.
Systematisch controleren
Machines controleren structuur (cijfers, plaatshouders, volledigheid, terminologie), mensen controleren betekenis en effect – in deze volgorde, met gedocumenteerd resultaat. Steekproeven vervangen geen systematiek bij geldpagina's.
Consequentie voor inkopers
Vraag dienstverleners niet of ze AI gebruiken – vraag hoe ze de fouten ervan vinden. Wie geen controleproces kan beschrijven, heeft er geen. Ons antwoord staat openbaar op deze website.
Misleidende idiomen en metaforen
Machinevertalingen falen vaak bij idiomatische uitdrukkingen die niet één-op-één kunnen worden overgedragen. Zo wordt "to kick the bucket" in het Duits al snel "den Eimer treten", terwijl de uitdrukking eigenlijk "den Löffel abgeben" is. Ook metaforen zoals "the ball is in your court" moeten cultureel worden aangepast aan de doelmarkt, bijvoorbeeld "u bent aan zet". Controleurs moeten hier niet alleen de letterlijke betekenis herkennen, maar ook het beoogde effect. Een typisch voorbeeld: "break a leg" wordt door AI vaak vertaald als "brich dir ein Bein", wat in het Duits als een slechte wens wordt opgevat – correct is "Hals- und Beinbruch". Bij marketingteksten kunnen dergelijke fouten gênant overkomen en de boodschap vervalsen. Daarom moeten controleurs zoeken naar gangbare idiomen in de brontekst en de doeltaal equivalent handmatig controleren. Een goede workflow: AI vertaalt, de controleur markeert alle idiomen en valideert ze met een referentiedatabase of moedertaalgevoel.
Fouten bij cijfers, data en formaten
AI-vertalingen behandelen getallen vaak correct, maar niet altijd – vooral bij duizendtallen, decimalen en datumformaten. Een Amerikaanse datum '03/04/2024' kan worden geïnterpreteerd als 3 april of 4 maart. Valuta: '$1.50' wordt in het Duits '1,50 $', maar sommige AI laten de komma weg of plaatsen een punt. Ook maateenheden: '10 miles' moeten '16 kilometer' worden, niet '10 mijl'. Nog lastiger zijn percentages met culturele verschillen: 'a 50% increase' kan 'een stijging van 50%' of 'naar 150%' betekenen. Keurders moeten daarom alle getallen, data, eenheden en valuta systematisch vergelijken met de brontekst. Een checklist helpt: controleer decimalen, datumformaat (DD.MM.JJJJ vs. MM/DD/JJJJ), valutasymbolen (€ vs. $) en eenheden (km vs. mijl). Vooral belangrijk bij prijsaanduidingen in webshops – een verkeerde komma kan de prijs vertienvoudigen. Documenteer elke afwijking en corrigeer de opmaak volgens de regels van de doeltaal.
Foute eigennamen en merknamen
Eigennamen, merknamen en productaanduidingen moeten in de regel onvertaald blijven. Maar AI heeft de neiging om ook deze te vertalen: 'Apple' wordt 'Appel', 'Microsoft' wordt 'Mikrosoftware'. Nog kritieker: vakbegrippen zoals 'SAP' of 'CRM' worden soms vervangen door vermeende vertalingen ('Socialistische Arbeiderspartij' in plaats van systemen). Ook acroniemen zoals 'NASA' moeten niet worden uitgeschreven, tenzij de doeltaal de vertaling gebruikt. Keurders moeten daarom een terminologiedatabase bijhouden die vastlegt welke namen behouden blijven. Bij de keuring moeten alle eigennamen, bedrijfsnamen, productnamen en acroniemen worden gemarkeerd en vergeleken met deze database. Een veelgemaakte fout: 'Köln Bonn Airport' wordt 'Cologne Bonn Airport' – afhankelijk van de doeltaal kunnen beide correct zijn, maar consistentie is cruciaal. Documenteer elke beslissing, zodat bij latere vertalingen dezelfde naam uniform wordt behandeld.
AI-vertalingen zijn goed geworden – hun fouten ook: zeldzamer, maar subtieler. Waaraan controleurs ze herkennen, voordat klanten het doen.
Ontbrekende langetermijncontext en actualisatie
Machinevertalingen bekijken meestal alleen de huidige zin of alinea, niet de volledige tekst of eerdere vertalingen van dezelfde klant. Dit leidt tot inconsistenties bij terugkerende termen, zinnen of berichten. Voorbeeld: een bedrijf verandert zijn slogan van 'Quality first' naar 'Quality & Speed'. De AI vertaalt de nieuwe tekst correct, maar alle oude vertalingen blijven staan – bezoekers zien op verschillende pagina's verschillende claims. Ook bij productlanceringen: een versie heet 'Pro 2024', de volgende 'Pro 2025'. Zonder langetermijncontext vertaalt de AI misschien 'Pro 2024' als 'Pro 2024' en 'Pro 2025' als 'Pro 2025', maar als de klant wenst dat de merknaam altijd onvertaald blijft, moet dat wereldwijd gelden. Keurders moeten daarom voor het werk de klantstijlgids raadplegen en bestaande vertalingen op consistentie controleren. Nog beter: AI-systemen met Translation Memory (TM) gebruiken die eerdere vertalingen herkennen. Toch blijft menselijke controle onmisbaar om te zorgen dat de merkidentiteit uniform blijft over alle kanalen heen.
Fouten bij URL's, metadata en hreflang-aanduidingen
Machinevertalingen richten zich meestal op de zichtbare tekst en negeren technische elementen zoals URL's, metadata en hreflang-tags. Toch zijn deze essentieel voor meertalige zoekmachineoptimalisatie. Typische fouten: De AI vertaalt URL-slugs, terwijl deze meestal onveranderd moeten blijven – uit "/de/produkte" wordt ten onrechte "/en/products", wat leidt tot dode links. Ook meta-titels en -beschrijvingen worden vaak automatisch vertaald zonder rekening te houden met de tekenlimiet: Duitse meta-beschrijvingen van 160 tekens zijn na vertaling naar het Engels vaak te lang en worden afgekapt. Hreflang-aanduidingen zijn bijzonder kritisch: Deze HTML-tags tonen zoekmachines de taalversies van een pagina. Een AI kan per ongeluk hreflang="de" instellen voor een Engelse pagina of de canonieke URL naar de verkeerde taalversie verwijzen. Het gevolg: Zoekmachines indexeren verkeerde pagina's of bestraffen dubbele content. Controleurs moeten daarom na de vertaling alle links, metadata en hreflang-tags systematisch nalopen. Gebruik tools zoals Screaming Frog of handmatige steekproeven. Zorg ervoor dat URL-structuren consistent blijven (bijv. /de/, /en/ als taalpad) en meta-aanduidingen taalspecifiek zijn geoptimaliseerd. Documenteer elke aanpassing om bij toekomstige vertalingen het technische kader te behouden.
Lokalisatie van juridische teksten en veiligheidsinstructies
Juridische teksten zoals algemene voorwaarden, privacyverklaringen of colofon bevatten vaak gestandaardiseerde formuleringen die door AI weliswaar letterlijk correct, maar juridisch ontoereikend worden vertaald. Zo wordt de Duitse 'Einwilligung gemäß Art. 6 DSGVO' in het Engels vaak een generiek 'consent according to law', zonder de specifieke rechtsgrond te noemen. Dat kan leiden tot sommaties. Ook veiligheidsinstructies voor producten zijn bijzonder kwetsbaar: Waarschuwingen zoals 'Niet in de handen van kinderen laten komen' worden door AI soms afgezwakt ('Keep out of reach' in plaats van 'Keep out of reach of children'). In Europa zijn precieze waarschuwingen wettelijk voorgeschreven; onnauwkeurigheden brengen de productaansprakelijkheid in gevaar. Controleurs moeten juridische teksten daarom niet alleen op taalcorrectheid, maar op juridische equivalentie controleren. Een beproefde aanpak: Leg een verklarende woordenlijst aan met bindende vertalingen voor clausules, paragrafen en rechtsbegrippen. Werk samen met een moedertaalspreker die het rechtssysteem van het doelland kent. Laat ten slotte een juridisch specialist nalezen. De AI kan de workflow versnellen, maar de aansprakelijkheid blijft bij het bedrijf – daarom is systematische controle door mensen onmisbaar.
Hreflang-tags en SEO: de onzichtbare struikelblokken
Terwijl taalfouten meteen opvallen, bedreigen onzichtbare fouten in de broncode de vindbaarheid van uw meertalige website. Machinevertalingen leveren vaak correcte teksten, maar vergeten de aanpassing van hreflang-tags, metadata en URL-structuren. Een typisch voorbeeld: de AI vertaalt de content, maar het hreflang-attribuut verwijst nog naar de oorspronkelijke pagina – zoekmachines tonen dan de verkeerde taalversie in de zoekresultaten. Ook de vertaling van metatitels en -beschrijvingen wordt vaak verwaarloosd, waardoor uw pagina wel in het Duits leest, maar onder Engelse snippets verschijnt. Nog kritieker: als de AI paginatitels vertaalt maar de URL ongewijzigd laat, ontstaan er duplicate-content-problemen. Controleurs moeten daarom systematisch elke pagina controleren op volledige lokalisatie van SEO-elementen: hreflang, canonical, meta-description, alt-teksten en URL's. De duivel zit in de broncode: een ontbrekende taalcode of een verkeerde regio (de-DE in plaats van de-AT) kan uw internationale zichtbaarheid ruïneren. Onze controle omvat daarom niet alleen de zichtbare tekst, maar ook de technische infrastructuur van de lokalisatie. Alleen zo zorgt u ervoor dat uw content in alle doelmarkten wordt gevonden – zonder rankingverlies door machine-nalatigheid.
Terminologiemanagement als kwaliteitsanker
Een van de grootste uitdagingen bij machinevertalingen is het inconsistent gebruik van vaktermen. Terwijl een enkele tekst foutloos lijkt, onthult vergelijking met eerdere vertalingen van dezelfde klant vaak ernstige afwijkingen. De AI heeft geen geheugen voor bedrijfseigen woorden – het vertaalt elk voorkomen opnieuw, zonder rekening te houden met de gevestigde woordenschat. Daarom is een centraal terminologiemanagement onmisbaar. Stel voor de vertaling bindende glossaria op die voorkeurstermen, verboden synoniemen en contextafhankelijke varianten vastleggen. Dit glossarium moet zowel in de AI-omgeving als in de controleomgeving worden geïntegreerd. Een controleur moet dan systematisch elke vaktermen in de doeltekt tegen het glossarium controleren. Vooral neologismen, productnamen en juridische formuleringen zijn kritiek. Zonder glossarium riskeert u dat dezelfde term in verschillende publicaties anders wordt vertaald – een gemiste kans voor merkconsistentie en een ergernis voor uw klanten. Investeer daarom in het onderhoud van uw terminologievoorraad; het is de meest effectieve hefboom om de kwaliteit van machinevertalingen naar een professioneel niveau te tillen.
blog.faqT
Hoe ga ik om met verkeerd vertaalde eigennamen?
Maak een bindende terminologiedatabank die voor elke eigennaam de correcte schrijfwijze in de doeltaal vastlegt. Controleurs moeten alle eigennamen markeren en vergelijken met deze databank. Afwijkingen worden gecorrigeerd en de databank wordt bijgewerkt bij nieuwe gevallen. Zo zorgt u ervoor dat merk- en productnamen consistent blijven.
Welke tools ondersteunen het controleren op getal- en formaatfouten?
Gebruik QA-tools zoals Xbench of Verifika, die automatisch controleren op duizendtalsscheidingstekens, datumnotaties en valuta's. Deze tools geven afwijkingen weer die vervolgens handmatig moeten worden gevalideerd. Alternatief kunnen reguliere expressies aangepaste controles uitvoeren. De resultaten worden vastgelegd in het controleprotocol.
