Door Saša Tripković · Algemeen directeur en oprichter van SATRI Consulting en ownvia
Gepubliceerd: 9 oktober 2026 · Leestijd: ca. 11 minuten
Het korte antwoord
AI-post-editing (Machine Translation Post-Editing, MTPE) is de menselijke controle en bewerking van een machinaal gegenereerde vertaling om een overeengekomen taal- en vakinhoudelijk kwaliteitsniveau te bereiken.
Generatieve AI levert vaak vloeiende, natuurlijk klinkende vertalingen. Juist daardoor kunnen betekenisverschuivingen, weglatingen en terminologische fouten tijdens het lezen minder opvallen.
Voor betrouwbare kwaliteit zijn vier factoren doorslaggevend:
Duidelijke richtlijnen: Terminologie, stijlgidsen en bedrijfskennis worden voor de vertaling beschikbaar gesteld.
Systematische kwaliteitsborging: Een afzonderlijke controlestap wijst op mogelijke fouten en afwijkingen.
Menselijke expertise: Gekwalificeerde vertalers beoordelen en bewerken de resultaten.
Doorlopend proces: Vertaling, controle, post-editing en goedkeuring sluiten op elkaar aan.
De kostenefficiëntie wordt niet alleen bepaald door de snelheid van de eerste AI-vertaling, maar door de totale inspanning tot aan de goedgekeurde vertaling.
Inhoud
Wat is AI-post-editing?
Waarom generatieve AI post-editing verandert
Welke fouten moeten worden gecontroleerd?
Light post-editing en full post-editing
Kan AI zelf de kwaliteit van een AI-vertaling controleren?
Waarom bedrijfskennis doorslaggevend is
AI-post-editing met ownvia
Voorbeeldworkflow: technische productdocumentatie
Kwaliteit meten en kostenefficiëntie beoordelen
De nieuwe rol van professionele vertalers
Veelgestelde vragen
1. Wat is AI-post-editing?
AI-post-editing is de menselijke controle en bewerking van een door AI gegenereerde vertaling met als doel een overeengekomen kwaliteitsniveau te bereiken. In een professionele context wordt deze werkwijze Machine Translation Post-Editing (MTPE) genoemd.
Een gekwalificeerde vertaler bewerkt daarbij een machinaal gegenereerde eerste vertaling. Hij of zij corrigeert fouten, controleert vaktermen, houdt rekening met stilistische richtlijnen en controleert of alle uitspraken volledig zijn overgebracht.
Generatieve AI verandert vooral de uitgangssituatie. Vroegere machinale vertalingen vertoonden vaak herkenbare taalkundige zwakheden. Moderne taalmodellen produceren vaak al zeer natuurlijke teksten. Bij geschikte inhoud kan dat de taalkundige correctie-inspanning verminderen. Inhoudelijke afwijkingen kunnen zich echter verbergen achter overtuigende formuleringen.
Professionele post-editing controleert daarom niet alleen de taal, maar vooral ook betekenis, context en vakinhoudelijke juistheid.
Post-editing, QA, revisie en goedkeuring: de verschillen
| Activiteit | Taak |
|---|---|
| Post-editing | Een machinaal gegenereerde vertaling controleren en bewerken |
| Automatische kwaliteitsborging (QA) | Mogelijke fouten, inconsistenties en overtredingen van regels herkennen en markeren |
| Revisie | Een vertaling aan de hand van de brontekst laten controleren door een andere gekwalificeerde persoon |
| Goedkeuring | Bevestigen dat aan de overeengekomen kwaliteitseisen is voldaan |
Een professioneel proces kan meerdere van deze stappen combineren. Een automatische controle vervangt geen vakinhoudelijke beoordeling, en menselijke post-editing maakt een aanvullende revisie niet per definitie overbodig.
Welke stappen nodig zijn, hangt af van de opdracht, het kwaliteitsdoel en de gevolgen van een mogelijke fout.
2. Waarom generatieve AI post-editing verandert
Grote taalmodellen veranderen niet alleen de snelheid van vertalen, maar ook het soort mogelijke fouten.
Taalkundig overtuigend betekent niet inhoudelijk correct
Een geconstrueerd voorbeeld:
Brontekst: „Het systeem is slechts beperkt beschikbaar.“
Foutieve vertaling: „The system is unavailable.“
De Engelse zin is grammaticaal correct, maar verandert de betekenis: beperkte beschikbaarheid wordt een volledige uitval.
In technische documentatie, onderhoudsinstructies of juridisch relevante informatie kan dat aanzienlijke gevolgen hebben. Een post-editor controleert daarom of de oorspronkelijke betekenis volledig en nauwkeurig is overgebracht.
Vakterminologie blijft een centrale uitdaging
Een AI-model kan voor dezelfde term meerdere plausibele vertalingen genereren. Bedrijven hebben echter bindende termen nodig, vooral in technische documentatie en productinformatie.
Een vertaling kan algemeen begrijpelijk zijn en toch afwijken van de goedgekeurde bedrijfsterminologie.
Het gaat niet alleen erom of een formulering goed klinkt, maar ook of deze aan de bedrijfsrichtlijnen voldoet.
De documentcontext wordt belangrijker
Productbenamingen, afkortingen, eerdere uitspraken en de doelgroep bepalen welke formulering passend is.
Professionele post-editing kijkt daarom ook naar de samenhang van het volledige document en niet alleen naar afzonderlijke segmenten.
De bewerkingsinspanning verandert
Een hoogwaardige eerste AI-vertaling kan de inspanning voor taalkundige nabewerking verminderen.
Post-editing is daardoor niet automatisch sneller of goedkoper. Bij complexe vakteksten, een zwakke eerste vertaling of hoge kwaliteitseisen blijft de controle arbeidsintensief.
3. Welke fouten moeten bij AI-post-editing worden gecontroleerd?
Een systematische controle houdt rekening met meerdere foutcategorieën. Als vakinhoudelijke leidraad dient het framework Multidimensional Quality Metrics (MQM), dat vertaalkwaliteit aan de hand van verschillende criteria beoordeelt.
Betekenisverschuivingen: Uitspraken worden veranderd, versterkt of afgezwakt. Bij technische instructies, juridische informatie en veiligheidsrelevante inhoud is dat bijzonder kritisch.
Weglatingen en aanvullende informatie: Uitspraken ontbreken of worden toegevoegd, hoewel ze niet in de brontekst staan. Een geconstrueerd voorbeeld: „De applicatie is gratis beschikbaar voor geregistreerde gebruikers.“ wordt „The application is available to registered users.“ De informatie „gratis“ ontbreekt.
Terminologische inconsistenties: Een vakterm wordt in het document verschillend vertaald of wijkt af van de voorgeschreven terminologie.
Stilistische afwijkingen: De vertaling is inhoudelijk correct, maar voldoet niet aan de gewenste schrijfstijl, doelgroepbenadering of vastgelegde schrijfwijzen.
Opmaak- en structuurfouten: Koppen, lijsten, placeholders of tags worden niet correct overgenomen.
Professionele vertaalkwaliteit omvat taalkundige nauwkeurigheid, vakinhoudelijke juistheid, terminologische consistentie en de technische bruikbaarheid van het document.
4. Light post-editing en full post-editing
Niet elke vertaling heeft dezelfde omvang van bewerking nodig.
Light post-editing legt de nadruk op begrijpelijkheid. Essentiële fouten worden gecorrigeerd en stilistische verbeteringen worden alleen aangebracht voor zover het gebruiksdoel dat vereist. Deze werkwijze kan geschikt zijn voor interne informatie met een laag risico.
Full post-editing bewerkt de machinale vertaling uitgebreid om het overeengekomen kwaliteitsniveau te bereiken. Daarbij worden inhoudelijke nauwkeurigheid, volledigheid, vakterminologie, stijl en taalkundige kwaliteit gecontroleerd.
De norm ISO 18587:2017 beschrijft de eisen voor volledige menselijke post-editing van machinaal gegenereerde vertalingen en voor de competenties van de betrokken post-editors.
Welke werkwijze past bij welke tekst?
| Tekstsoort | Typische vereisten |
|---|---|
| Interne informatie | Begrijpelijkheid en correcte kernboodschappen |
| Productbeschrijvingen | Volledigheid, terminologie en een uniforme stijl |
| Technische documentatie | Vakinhoudelijke nauwkeurigheid en consistente termen |
| Marketingteksten | Betekenis, tonaliteit en doelgroepbenadering |
| Juridische of veiligheidskritische inhoud | Bijzonder zorgvuldige vakinhoudelijke controle en gedefinieerde goedkeuring |
De keuze wordt bepaald door het gebruiksdoel en de mogelijke gevolgen van vertaalfouten.
5. Kan AI zelf de kwaliteit van een AI-vertaling controleren?
Ja. AI kan vertalingen analyseren en aanwijzingen voor mogelijke fouten leveren. Daarmee vervangt AI echter niet automatisch de vakinhoudelijke beoordeling door een mens.
AI-systemen kunnen helpen bij het identificeren van mogelijke betekenisafwijkingen, weglatingen, terminologische problemen en stilistische inconsistenties.
Het is zinvol om twee taken te scheiden:
Vertalen: Een AI-systeem genereert de doeltekst.
Controleren: Een afzonderlijke controlestap analyseert de vertaling en wijst op mogelijke afwijkingen.
Deze scheiding kan kwaliteitscontroles beter navolgbaar maken. Foutloosheid wordt niet gegarandeerd: ook een door AI ondersteund QA-systeem kan fouten over het hoofd zien of correcte formuleringen ten onrechte afkeuren.
Automatische controleaanwijzingen zijn daarom een ondersteuning van het kwaliteitsproces, geen vervanging voor menselijke besluitvorming.
6. Waarom bedrijfskennis doorslaggevend is voor succesvolle post-editing
Een AI-model kent niet automatisch de voorkeursbenamingen van producten, interne formuleringen of goedgekeurde vertalingen van een bedrijf.
Deze kennis moet in het vertaalproces beschikbaar zijn.
Terminologiedatabases bevatten bindende vaktermen en hun toegestane vertalingen. Ze ondersteunen het consistente gebruik van productnamen en technische benamingen.
Translation Memories slaan bestaande vertalingen op. Bij passende overeenkomsten kunnen deze worden hergebruikt of als referentie worden gebruikt. Goedgekeurde vertalingen zijn waardevolle bedrijfskennis die niet voor elke opdracht opnieuw moet worden gegenereerd.
Stijlgidsen leggen tonaliteit, aanspreekvorm, schrijfwijzen en voorkeursformuleringen vast.
Referentiematerialen zoals documentatie en productinformatie leveren aanvullende context.
Hoe beter deze kennis wordt geïntegreerd, hoe gerichter AI-vertaling en post-editing kunnen worden afgestemd op de vereisten van het bedrijf.
Goede post-editing begint daarom al vóór de vertaling.
7. AI-post-editing met ownvia
Professionele AI-post-editing vereist meer dan een tekstveld waarin machinale vertalingen achteraf worden gecorrigeerd.
Bedrijven en taaldienstverleners hebben een omgeving nodig waarin richtlijnen, bedrijfskennis, kwaliteitscontrole en menselijke bewerking samenwerken.
ownvia is een productieomgeving voor professionele vertalingen die deze elementen in één gezamenlijke workflow verbindt.
Translation Templates: vereisten vóór de vertaling vastleggen
Met Translation Templates kunnen terminologie, stijlgidsen, referentiematerialen en andere richtlijnen voor terugkerende taken worden gebundeld.
Bedrijfsspecifieke vereisten kunnen zo al vóór de eerste AI-vertaling worden meegenomen. Dat kan helpen om terminologische afwijkingen en nabewerking te verminderen.
Vertaling en kwaliteitscontrole als afzonderlijke taken
Bij ownvia is de kwaliteitscontrole een zelfstandige stap in het vertaalproces. De door AI ondersteunde controle onderzoekt de vertaling op mogelijke kwaliteitsafwijkingen en levert daarvoor aanwijzingen, zonder de vertaling zelfstandig te wijzigen.
De resultaten kunnen vervolgens bij de verdere bewerking en vakinhoudelijke beoordeling worden meegenomen.
ownEDITOR: vertalingen gestructureerd controleren en bewerken
In ownEDITOR kunnen vertalers en revisoren door AI gegenereerde of bestaande vertalingen segment voor segment bewerken.
Brontekst, vertaling en bewerkte versie worden overzichtelijk naast elkaar weergegeven, zodat wijzigingen kunnen worden gevolgd.
Zoekfunctie, filters en navigatie tussen segmenten ondersteunen het werken aan omvangrijke documenten.
Met filters kunnen bijvoorbeeld segmenten met mogelijke terminologische afwijkingen gericht worden beperkt en bewerkt.
Translation Chat: AI-ondersteuning direct bij het segment
Niet elke beslissing kan worden opgelost door één woord te vervangen.
Met de Translation Chat kunnen passages rechtstreeks in de editor worden bevraagd en alternatieve formuleringen worden ontwikkeld, zonder de werkomgeving te verlaten.
Daarbij kan rekening worden gehouden met relevante terminologie en de documentcontext.
De beslissing over de juiste formulering blijft bij de vertaler.
Integratie in bestaande vertaalprocessen
Bedrijven en taaldienstverleners werken vaak al met gevestigde CAT-tools en bestaande vertaalresources.
Met de ownvia AI Translation Provider voor Trados Studio en ondersteunde uitwisselingsformaten kan ownvia in bestaande workflows worden geïntegreerd.
Het doel is niet om beproefde processen principieel te vervangen, maar om AI-ondersteunde functies er zinvol in te gebruiken.
ownvia werd in 2026 opgenomen in de Slator-lijst „Language AI 50 Under 50“ .
De meerwaarde zit in de samenwerking: bedrijfskennis wordt beschikbaar gemaakt voor de vertaling, kwaliteitscontroles ondersteunen de foutdetectie en professionele vertalers bewerken de resultaten in één gezamenlijke werkomgeving.
8. Voorbeeldworkflow: technische productdocumentatie
Een vereenvoudigd, geconstrueerd voorbeeld:
Een machinebouwbedrijf wil technische productdocumentatie met veiligheidsinstructies van het Duits naar het Engels vertalen.
Er zijn een terminologiedatabase, goedgekeurde vertalingen en een stijlgids beschikbaar.
Stap 1: vereisten vastleggen
Bindende vaktermen, schrijfwijzen en referentiematerialen worden samengebracht in een Translation Template.
Stap 2: eerste AI-vertaling maken
De AI maakt de vertaling met inachtneming van de aangeleverde richtlijnen.
Stap 3: kwaliteit controleren
Een door AI ondersteunde controlestap onderzoekt de vertaling op mogelijke afwijkingen en kan bijvoorbeeld wijzen op een formulering die taalkundig correct is, maar kan afwijken van de technische betekenis van de brontekst.
Stap 4: menselijke post-editing
Een gekwalificeerde vertaler controleert de betreffende passage in ownEDITOR aan de hand van de brontekst, ontwikkelt indien nodig alternatieven met Translation Chat en beslist over de geschikte formulering.
Stap 5: revisie en goedkeuring
Afhankelijk van de kwaliteitseisen controleert een andere gekwalificeerde persoon de vertaling. Vervolgens wordt deze goedgekeurd.
De eerste AI-vertaling is slechts één bouwsteen. De werkelijke meerwaarde ontstaat wanneer bedrijfskennis, automatische controle en menselijke expertise op elkaar zijn afgestemd.
Opmerking: het voorbeeld illustreert een mogelijke workflow. Het gaat niet om een gedocumenteerde klantimplementatie of een prestatiemeting.
9. Kwaliteit meten en kostenefficiëntie beoordelen
Of een vertaling goed is, blijkt niet alleen uit hoe vloeiend deze klinkt of hoeveel correcties nodig waren.
En of AI-post-editing kostenefficiënt is, blijkt niet uit de snelheid van de eerste vertaling.
AI-post-editing kan kostenefficiënt zijn als de totale inspanning tot aan de goedgekeurde vertaling bij een vergelijkbaar kwaliteitsniveau afneemt.
Tot de totale inspanning behoren de eerste vertaling, menselijke bewerking, kwaliteitsborging, eventuele revisie en organisatorische activiteiten.
Een hoogwaardige eerste vertaling kan de inspanning verminderen. Als deze zwak is, kan de noodzakelijke nabewerking de tijdwinst gedeeltelijk of volledig tenietdoen.
Voorbeeld: voorbereiding of nabewerking?
Een geconstrueerd voorbeeld zonder meetwaarden:
Opdracht A: De AI maakt binnen enkele minuten een vertaling. Omdat er geen rekening is gehouden met terminologie en de stijlgids, ontstaat vervolgens veel correctiewerk.
Opdracht B: Vóór de vertaling worden terminologie en richtlijnen vastgelegd. Dat kost aanvankelijk extra tijd, maar kan de inspanning voor bewerking en revisie verminderen.
Welke opdracht kostenefficiënter is, blijkt pas uit een vergelijking van de totale inspanning.
Welke kengetallen zijn zinvol?
Vergelijk soortgelijke opdrachten met een uniform kwaliteitsdoel. Geschikte kengetallen zijn:
Aantal en ernst van relevante kwaliteitsafwijkingen, bijvoorbeeld ingedeeld volgens MQM
Terminologische consistentie
Bewerkingstijd per woord of segment
Aandeel noodzakelijke herzieningen
Inspanning voor revisie en goedkeuring
Totale kosten per afgeronde vertaalopdracht
Niet elke fout weegt even zwaar: een stilistisch verschil is minder kritisch dan een betekenisverschuiving in een veiligheidsinstructie.
Het doel is daarom niet de snelste eerste AI-vertaling, maar een beheersbaar proces dat is afgestemd op het vereiste kwaliteitsniveau.
10. De nieuwe rol van professionele vertalers
Generatieve AI verandert de taakverdeling.
Als AI de eerste vertaling levert, kan een groter deel van het menselijke werk zich richten op controle, bewerking en vakinhoudelijke beoordeling.
Vertalers corrigeren daarbij niet alleen fouten. Ze blijven centrale taken uitvoeren:
Vakinhoudelijke beoordeling: Is de boodschap correct en volledig?
Terminologische beslissingen: Voldoet de vertaling aan de vakinhoudelijke en bedrijfsspecifieke richtlijnen?
Taalkundige vormgeving: Past de formulering bij de doelgroep en het communicatiedoel?
Kwaliteitsverantwoordelijkheid: Voldoet de vertaling aan de overeengekomen eisen?
Kennisbeheer: Welke inzichten horen thuis in terminologiedatabases, stijlgidsen of Translation Memories?
De activiteit kan zich daardoor sterker ontwikkelen in de richting van kwaliteitsbeoordeling, vakinhoudelijke sturing en taalkundig advies.
Voor creatieve, cultureel gevoelige of vakinhoudelijk bijzonder veeleisende inhoud blijft zelfstandige menselijke vertaling relevant.
AI verandert het werk van professionele vertalers. Hun vakkennis wordt daardoor echter niet overbodig.
11. Veelgestelde vragen over AI-post-editing
Wat is AI-post-editing?
AI-post-editing is de menselijke controle en bewerking van een door AI gegenereerde vertaling, zodat deze voldoet aan de overeengekomen taal- en vakinhoudelijke kwaliteitseisen.
Wat betekent MTPE?
MTPE staat voor Machine Translation Post-Editing. Daarmee wordt de menselijke nabewerking van machinaal gegenereerde vertalingen bedoeld.
Wat is het verschil tussen post-editing en revisie?
Bij post-editing wordt een machinaal gegenereerde vertaling bewerkt. Bij revisie controleert een andere gekwalificeerde persoon de vertaling aan de hand van de brontekst.
Wat is het verschil tussen light en full post-editing?
Light post-editing richt zich op begrijpelijkheid en het corrigeren van essentiële fouten. Full post-editing omvat een uitgebreidere bewerking om het overeengekomen kwaliteitsniveau te bereiken. ISO 18587:2017 beschrijft eisen voor volledige menselijke post-editing.
Kan AI post-editing volledig overnemen?
Nee. Post-editing betekent de menselijke bewerking van een machinaal gegenereerde vertaling. Een volledig geautomatiseerd proces is daarom geen menselijke post-editing.
AI kan de bewerking echter ondersteunen met kwaliteitscontroles en suggesties voor alternatieve formuleringen.
Welke fouten komen voor in AI-vertalingen?
Typisch zijn betekenisverschuivingen, weglatingen, ongegronde toevoegingen, terminologische inconsistenties en stilistische en structurele afwijkingen.
Is AI-post-editing goedkoper dan een volledig menselijke vertaling?
Niet automatisch. De kostenefficiëntie hangt af van de kwaliteit van de eerste vertaling, het vakgebied, de kwaliteitseisen en de bewerkingsinspanning.
Welke rol spelen Translation Memories?
Translation Memories stellen bestaande vertalingen beschikbaar die kunnen worden hergebruikt of als referentie kunnen dienen. Zo blijft bestaande taalkennis bruikbaar voor nieuwe opdrachten.
Welke software is geschikt voor professionele AI-post-editing?
Geschikt is software die het betreffende vertaalproces ondersteunt. Belangrijke functies kunnen een gestructureerde editor, terminologiebeheer, Translation Memories, automatische kwaliteitscontroles en de integratie van menselijke bewerking zijn.
ownvia verbindt AI-ondersteunde vertaling, bedrijfskennis, kwaliteitsborging en menselijke bewerking in één productieomgeving voor professionele vertalingen.
Hoe kunnen bedrijven de kwaliteit van AI-vertalingen waarborgen?
Bedrijven moeten bindende kwaliteitseisen definiëren, terminologie en referentiematerialen beschikbaar stellen, vertalingen systematisch controleren en indien nodig gekwalificeerde deskundigen betrekken bij bewerking, revisie en goedkeuring.
Conclusie: professionele vertaalkwaliteit ontstaat door een beheerst proces
Generatieve AI kan het maken van vertalingen aanzienlijk versnellen.
Een vloeiende eerste vertaling is echter nog geen bewijs van vakinhoudelijke nauwkeurigheid, terminologische consistentie of naleving van bedrijfsrichtlijnen.
Professionele AI-post-editing verbindt de mogelijkheden van generatieve AI met systematische kwaliteitsborging en menselijke expertise.
Doorslaggevend is dat de werkstappen niet geïsoleerd plaatsvinden: bedrijfskennis is vóór de vertaling beschikbaar, kwaliteitscontroles kunnen mogelijke afwijkingen zichtbaar maken en vertalers beoordelen en bewerken de resultaten gericht.
Precies deze aanpak volgt ownvia.
De doorslaggevende vraag is niet langer alleen hoe goed AI vertaalt, maar hoe bedrijven ervoor zorgen dat AI-vertalingen betrouwbare, vakinhoudelijk geschikte en goedgekeurde inhoud worden.
AI vertaalt. Met ownvia wordt dat een professioneel proces.
Met ownvia verbinden bedrijven en taaldienstverleners AI-ondersteunde vertaling, terminologie, bedrijfskennis, kwaliteitsborging en menselijke post-editing in één gezamenlijke werkomgeving.
Ontdek hoe ownvia uw bestaande vertaalprocessen kan ondersteunen.
Vakinhoudelijke grondslagen en aanvullende bronnen
ISO 18587:2017: Translation services — Post-editing of machine translation output — Requirements. Internationale norm voor volledige menselijke post-editing van machinaal gegenereerde vertalingen.
ISO 17100:2015: Translation services — Requirements for translation services. Norm voor professionele vertaaldiensten. Het toepassingsgebied ervan moet worden onderscheiden van machinale post-editing volgens ISO 18587.
MQM (Multidimensional Quality Metrics): Framework voor de systematische categorisering en beoordeling van vertaalfouten. Meer informatie: https://themqm.org/