KI vertaalt in seconden. Maar wat gebeurt er als de daaropvolgende correctie meer tijd kost dan verwacht? Foutieve vaktermen, ontbrekende context en inconsistente formuleringen kunnen de efficiëntiewinst al snel tenietdoen.
Bijzonder kritisch wordt het wanneer een vertaling taalkundig correct lijkt, maar de betekenis afwijkt van het origineel.
Een voorbeeld uit technische documentatie:
Engelse brontekst:
„Het apparaat mag niet worden bediend zonder beschermkap.“
Foutieve vertaling:
„Het apparaat zou niet moeten zonder beschermkap worden bediend.“
Correcte vertaling:
„Het apparaat mag niet zonder beschermkap worden bediend.“
Eén enkele formulering verandert de betekenis. Een verbod wordt een aanbeveling. In veiligheidsrelevante documentatie kan een dergelijke afwijking ernstige gevolgen hebben.
Precies hier wordt een centrale uitdaging van professionele AI-vertalingen zichtbaar: Een taalkundig vloeiende vertaling is niet automatisch vakinhoudelijk correct.
Het goede nieuws: veel oorzaken van onnodige nabewerking kunnen al vóór de vertaling worden voorkomen. We laten zes typische zwakke punten zien en hoe bedrijven hun vertaalproces kunnen verbeteren.
1. De AI kent uw vakterminologie niet

Een uniforme vakterminologie voor consistente AI-vertalingenVaktermen behoren tot de meest voorkomende uitdagingen bij professionele vertalingen.
Een machinebouwbedrijf gebruikt bijvoorbeeld voor een bepaalde component de verplichte Engelse aanduiding „Drive Unit“. Zonder overeenkomstige richtlijnen zou een AI-model ook „Drive Assembly“ of „Power Unit“ kunnen gebruiken.
Afhankelijk van de context kunnen deze termen taalkundig plausibel lijken. Voor een bedrijf met een vastgelegde productterminologie zijn ze echter niet willekeurig uitwisselbaar.
Het gevolg: vakvertalers moeten herhaaldelijk termen corrigeren, hoewel de juiste vertaling al lang bekend is.
Wat zegt het onderzoek?
De internationale WMT 2025 Terminology Translation Task onderzocht de invloed van vooraf vastgelegde vakterminologie op de kwaliteit van machinevertalingen.
In het eerste deel van het onderzoek dienden 13 teams in totaal 20 vertaalsystemen in. De onderzoekers vergeleken onder meer drie voorwaarden:
Vertaling zonder terminologische richtlijnen
Vertaling met correcte vakterminologie
Vertaling met willekeurig geselecteerde terminologie
Het resultaat: Correct aangeleverde vakterminologie verbeterde de terminologische nauwkeurigheid en de algemene vertaalkwaliteit. Willekeurige terminologische richtlijnen waren aanzienlijk minder behulpzaam.
Bron: Semenov et al., Bevindingen van de WMT25 Terminology Translation Task, 2025
Voor bedrijven betekent dit: terminologie is niet alleen een hulpmiddel bij latere correcties. Ze kan de kwaliteit al tijdens het vertalen verbeteren.
De oplossing: Verplichte bedrijfswoordenlijsten rechtstreeks in het AI-vertaalproces integreren.
Platformen zoals ownvia houden al bij het genereren rekening met vastgelegde terminologie. Bedrijven kunnen bovendien vaktermen met behulp van AI uit bestaande documenten en vertaalbestanden extraheren.
Meer informatie: Terminologie-extractie met AI – handleiding voor bedrijven
2. Bestaande vertalingen worden niet benut
In veel bedrijven bestaan uitgebreide bestanden met reeds goedgekeurde vertalingen. Ze bevinden zich in Translation Memories, eerdere projecten of bestaande documentatie.
Toch worden identieke of vergelijkbare inhoud bij nieuwe AI-vertalingen vaak opnieuw verwerkt.
Een typisch voorbeeld zijn gestandaardiseerde veiligheidsinstructies. Als een instructie al vakinhoudelijk is gecontroleerd en goedgekeurd, heeft het meestal weinig zin om deze bij elk nieuw document volledig opnieuw te laten vertalen. Bovendien kunnen bij elke nieuwe vertaling andere formuleringen ontstaan.
De oplossing: Translation Memories combineren met generatieve AI.
Reeds goedgekeurde vertalingen kunnen opnieuw worden gebruikt. Vergelijkbare inhoud dient als referentie voor nieuwe vertalingen. Het is echter cruciaal dat bestaande vertalingen nog steeds voldoen aan de actuele vakinhoudelijke en taalkundige vereisten.
Een 100%-match garandeert ten slotte niet dat de opgeslagen vertaling nog correct is.
Meer informatie: Translation Memories met AI controleren: zo blijven voorvertalingen actueel
3. De AI mist context en taalkundige richtlijnen
Een afzonderlijke zin kan taalkundig eenduidig lijken en toch verschillend worden geïnterpreteerd.
Het Engelse woord „release” kan bijvoorbeeld, afhankelijk van de context, een softwarevrijgave, een productpublicatie of het mechanisch ontgrendelen van een vergrendeling beschrijven. Zonder voldoende context bestaat het risico op een vakinhoudelijk ongeschikte vertaling.
Hetzelfde geldt voor de bedrijfstaal. Een marketingtekst moet mogelijk emotioneel en actief geformuleerd zijn. Een technische handleiding heeft daarentegen behoefte aan precieze en eenduidige instructies.
Als deze vereisten niet worden gespecificeerd, ontstaan er correcties, ook al is de vertaling grammaticaal volledig correct.

De oplossing: stijlhandleidingen, referentiedocumenten en projectspecifieke richtlijnen systematisch integreren.
Daarbij horen bijvoorbeeld:
voorkeursformuleringen en tone of voice
verplichte product- en merknamen
doelgroep en toepassingsgebied
branchespecifieke taalregels
ownvia maakt het mogelijk om deze informatie vast te leggen in centraal beheerde vertaaltemplates en er rekening mee te houden bij terugkerende opdrachten. Zo hoeven dezelfde instructies niet bij elke vertaling opnieuw te worden geformuleerd.
Verder lezen: AI-vertalingen beheersbaar maken
4. Taalkundige kwaliteit wordt verward met inhoudelijke correctheid
Moderne AI-modellen genereren vaak vertalingen die zeer natuurlijk klinken. Juist deze taalkundige kwaliteit kan echter problematisch zijn: inhoudelijke afwijkingen vallen mogelijk minder snel op.
Zoals het inleidende voorbeeld laat zien, kan een ogenschijnlijk kleine wijziging in de formulering de betekenis aanzienlijk veranderen.
Vertaal kwaliteit bestaat uit meerdere dimensies
Het internationale kwaliteitsframework Multidimensional Quality Metrics (MQM) onderscheidt zeven overkoepelende foutdimensies.
De volgende tabel toont er vijf:
| Kwaliteitsdimensie | Typische fout |
|---|---|
| Nauwkeurigheid | Een uitspraak wordt inhoudelijk gewijzigd of onvolledig weergegeven. |
| Terminologie | Een bindende vakterm wordt verkeerd gebruikt. |
| Taalconventies | Grammatica, spelling of interpunctie bevat fouten. |
| Stijl | De formulering is in strijd met de vastgelegde bedrijfsstijl. |
| Ontwerp en opmaak | Opmaak, tags of documentstructuren worden beschadigd. |
Bron: MQM Council – The MQM Error Typology
Dit onderscheid maakt duidelijk waarom een controle van uitsluitend grammatica en leesbaarheid niet volstaat voor professionele vertalingen.
De oplossing: Een systematische kwaliteitscontrole die de brontekst en de vertaling met elkaar vergelijkt en rekening houdt met verschillende fouttypen.
Binnen ownvia voert een zelfstandige QA-agent de AI-ondersteunde controle uit en helpt deze mogelijke terminologiefouten, betekenisafwijkingen en andere kwaliteitsrisico’s zichtbaar te maken. De uiteindelijke vakinhoudelijke beoordeling blijft bij de verantwoordelijke taalexperts.
5. Elke vertaling wordt even grondig gecontroleerd

Niet elke tekst brengt hetzelfde foutenrisico met zich mee.
Interne productinformatie stelt andere eisen dan een gebruiksaanwijzing voor een medisch hulpmiddel of een veiligheidsrelevant hoofdstuk van een machinehandleiding.
Toch worden vertalingen in veel processen met een uniforme controlediepte bewerkt. Daardoor worden middelen ingezet die elders mogelijk dringender nodig zijn.
De oplossing: risicogebaseerde kwaliteitsborging.
In plaats van elke passage even intensief te behandelen, kunnen potentiële fouten worden geïdentificeerd en op basis van hun betekenis worden geprioriteerd. Het MQM-framework houdt hierbij naast het fouttype ook rekening met de ernst van de fout.
Een mogelijke controlestrategie ziet er bijvoorbeeld als volgt uit:
| Risiconiveau | Voorbeeld | Werkwijze |
|---|---|---|
| Laag | Onkritische stilistische afwijking | Steekproefsgewijze of gerichte controle |
| Gemiddeld | Inconsistente productterminologie | Vakkundige controle van de betreffende passages |
| Hoog | Betekenisafwijking in een handleiding | Verplichte inhoudelijke controle |
Voorbeeld van een risicogerichte controlestrategie. De vereiste controlediepte moet worden vastgesteld aan de hand van het document en de geldende vereisten.
Met behulp van een AI-ondersteunde voorcontrole kunnen opvallende tekstpassages gericht worden gemarkeerd.
In ownEDITOR ondersteunt ownvia deze werkwijze met kwaliteitsindicatoren en filtermogelijkheden waarmee relevante segmenten voor nabewerking kunnen worden afgebakend.
Zo kunnen vakvertalers hun aandacht gerichter richten op problematische inhoud. Voor veiligheidskritische of regelgevingsrelevante documenten blijft de vereiste menselijke goedkeuring onmisbaar.
6. Correcties worden niet gebruikt voor toekomstige vertalingen
Een vakvertaler ontdekt een ongeschikte productaanduiding en corrigeert deze.
Een bedrijf gebruikt bijvoorbeeld voor de behuizing van een bepaald apparaat verplicht de Engelse aanduiding „Housing“. De AI vertaalt de term echter als „Enclosure“.
De vakvertaler corrigeert de vertaling, het document wordt vrijgegeven en de opdracht wordt afgerond.
Als deze correctie niet wordt overgenomen in de centrale taalresources, kan bij de volgende opdracht dezelfde fout opnieuw ontstaan.
Dit betreft niet alleen vaktermen, maar ook voorkeurformuleringen, stijlkeuzes en reeds goedgekeurde tekstblokken.
Het verschil met de tweede oorzaak is doorslaggevend: daar gaat het om het benutten van reeds aanwezige vertaalkennis. Hier gaat het erom nieuwe kennis uit de nabewerking beschikbaar te maken voor toekomstige projecten.

Correcties worden technische kennisDe oplossing: Een continu feedbackproces opzetten.
Goedgekeurde vertalingen kunnen worden teruggeschreven naar Translation Memories. Nieuwe terminologiebeslissingen en terugkerende correctie-instructies moeten bovendien worden opgenomen in glossaria en vertaalrichtlijnen.
Met SmartTM ondersteunt ownvia het hergebruik van goedgekeurde vertaalsegmenten. Zo profiteren latere opdrachten van eerder verricht kwaliteitswerk.
Waarom is het volledige vertaalproces doorslaggevend?
De economische beoordeling van een AI-vertaling zou niet moeten eindigen bij de prijs van de automatische vertaling. Doorslaggevend is veeleer hoeveel werk nodig is voordat een document de gewenste kwaliteit bereikt en kan worden vrijgegeven.
Daaronder vallen de daadwerkelijke vertaling, de kwaliteitscontrole, de post-editing en de organisatorische afhandeling.
Dat bedrijven steeds meer prioriteit geven aan de automatisering van deze processen, blijkt ook uit het DeepL-onderzoek Borderless Business: Transforming Translation in the Age of AI.
Voor het rapport werden 5.005 leidinggevenden uit vijf landen ondervraagd. Volgens het onderzoek heeft AI-gestuurde automatisering van werkprocessen in 2026 voor 71% van de respondenten prioriteit.
Bron: DeepL – Borderless Business, Executive Summary
De cijfers laten niet zien hoeveel correctiewerk een afzonderlijk bedrijf kan besparen. Ze tonen echter aan dat het optimaliseren van workflows voor veel bedrijven een centrale taak is geworden.
Waaraan is de daadwerkelijke inspanning te herkennen?
Bedrijven kunnen eerst enkele basisvragen onderzoeken:
Hoeveel vertaalsegmenten moeten worden nabewerkt?
Welke fouten komen bijzonder vaak voor?
Hoeveel tijd neemt de inhoudelijke kwaliteitscontrole in beslag?
Worden al goedgekeurde vertalingen opnieuw gebruikt?
Vloeien correcties door naar toekomstige projecten?
Wie deze vragen kan beantwoorden, ziet vaak al op welke punten onnodig werk ontstaat.
Wilt u weten waar uw eigen vertaalproces kan worden verbeterd?
We laten u graag zien hoe terminologie, kwaliteitscontrole en bestaande vertaalexpertise op een zinvolle manier in een AI-ondersteunde workflow kunnen worden geïntegreerd.
Het vertaalproces met ownvia bespreken
Hoe ownvia helpt onnodige nabewerking te verminderen
ownvia combineert generatieve AI met terminologiebeheer, stijlgidsen, Translation Memories en professionele kwaliteitscontrole.
Bedrijven kunnen hun bestaande taalresources rechtstreeks in het vertaalproces integreren. Een zelfstandige QA-agent ondersteunt de kwaliteitscontrole, terwijl vakvertalers in ownEDITOR mogelijke fouten gericht kunnen controleren en corrigeren.
Met SmartTM kunnen goedgekeurde vertalingen voor toekomstige projecten opnieuw worden gebruikt.
Daarmee begint kwaliteit dus niet pas bij de post-editing, maar al bij de voorbereiding en aansturing van de vertaling.
Conclusie: minder correctiewerk begint vóór de vertaling
AI kan vertalingen aanzienlijk versnellen. Maar snelheid alleen maakt een vertaalproces nog niet rendabel.
Wie onnodige nabewerking wil verminderen, moet de oorzaken systematisch bekijken.
Ontbrekende terminologie, ongebruikte Translation Memories, een gebrek aan context en ontoereikende kwaliteitscontroles ontstaan niet per se door een slecht AI-model. Vaak ontbreken de informatie en processen die nodig zijn voor professionele vertalingen.
De doorslaggevende vraag is daarom niet alleen hoe snel een AI vertaalt.
Maar: Hoe organiseren we het vertaalproces zo dat er zo min mogelijk onnodig nabewerking nodig is?
Veelgestelde vragen
Waarom moeten AI-vertalingen worden nagebewerkt?
AI-vertalingen kunnen vakinhoudelijke, terminologische of inhoudelijke fouten bevatten, hoewel ze taalkundig correct lijken. Professionele post-editing is bedoeld om dergelijke afwijkingen te herkennen en de vereiste kwaliteit te waarborgen.
Hoe kan de correctie-inspanning worden verminderd?
Door bindende terminologie, styleguides, hergebruik van goedgekeurde vertalingen en een systematische kwaliteitscontrole. Het is essentieel om fouten zo vroeg mogelijk in het vertaalproces te voorkomen.
Wat is het verschil tussen kwaliteitscontrole en post-editing?
De kwaliteitscontrole beoordeelt een vertaling en identificeert mogelijke fouten. Bij post-editing worden deze fouten gecorrigeerd en wordt de vertaling aangepast aan de vereisten. Beide stappen kunnen in elkaar overlopen.
Kan AI menselijke post-editing volledig vervangen?
Niet zonder meer. AI kan de kwaliteitscontrole ondersteunen en correctiesuggesties genereren. Bij vakinhoudelijk veeleisende, veiligheidskritische of regelgevende inhoud blijft menselijke expertise doorslaggevend.
Wilt u uw vertaalproces efficiënter inrichten?
Ervaar hoe ownvia AI-vertaling, bedrijfskennis en professionele kwaliteitsborging combineert.
Tijdens een persoonlijke demo laten we u zien hoe het platform in bestaande processen kan worden geïntegreerd en welke mogelijkheden zinvol zijn voor uw vereisten.
Kennismaken met ownvia en een demo afspreken
Auteur: Klaudija Tripković
Klaudija Tripković is Chief Growth Officer (CGO) bij ownvia. Ze houdt zich bezig met de positionering van AI-ondersteunde vertaalprocessen en ondersteunt bedrijven bij het ontsluiten van de mogelijkheden van moderne AI-technologieën voor professionele vertalingen.
