Claude als SEO-vertaler: 4.500 pagina's, 10 talen

Drie bureaus gaven ons een offerte voor het lokaliseren van skillproof.dev naar 10 Europese talen. De bedragen liepen uiteen van 14.000 tot 22.000 dollar, met een doorlooptijd van zes tot tien weken — vooral omdat de site niet statisch is: ruim 30 blogartikelen, 106 skillkaarten in de catalogus waarvan het oordeel verandert zodra we opnieuw testen, categoriepagina's en elke UI-string in de shell. Een bureau prijst dat als eenmalig project. Wij hadden iets nodig dat een doordeweekse dinsdag overleeft waarop we drie nieuwe skillreviews publiceren en twee oude bijwerken.

Dus schakelden we geen bureau in. We lieten parallelle Claude-agents draaien, één per taal, op basis van dezelfde instructieset, en lokaliseerden zo ongeveer 4.500 pagina's in ongeveer een dag. Dit artikel is die instructieset: de zes regels die het verschil maken tussen output die als vertaling leest en output die leest alsof iemand uit die markt het zelf schreef, plus de echte kosten en de twee dingen die eerst fout gingen voordat we ze oplosten.

Het probleem met het vertalen van een levende site

Machinevertaling loste het mechanische probleem jaren geleden al op. Google Translate levert grammaticaal correct Duits voor elke Engelse zin die je erin plakt. Het probleem zat nooit in de grammatica. Het zijn drie dingen waar vertaaltools niet aankomen:

SEO-zoekwoorden vertaal je niet woord voor woord. "How to install Claude skills" wordt geen Duitse zoekopdracht door het door een woordenboek te halen; Duitse developers zoeken op "Claude Skills installieren", werkwoord achteraan, productnaam onaangeroerd. Doe je dit fout, dan is je Duitse pagina vloeiend en onvindbaar.

Aanspreekvorm is een marktkeuze, geen taalregel. Duits heeft "du" en "Sie", Frans heeft "tu" en "vous", en welke een dev-tools merk gebruikt is een positioneringskeuze, geen grammaticale. Een bureauvertaler zonder merkcontext valt terug op formeel, en dat leest stijf naast de Duitse site van Linear of die van Stripe.

En een site is geen document. Het zijn 4.500 pagina's die wekelijks veranderen. Een eenmalige vertaalronde is binnen een maand verouderd, en een bureau opnieuw briefen bij elke update is geen workflow, het is een abonnement waar je niet op zit te wachten.

We hebben onze werkwijze omgezet in een skill, seo-translator, die in onze skills-repo staat — dezelfde instructies die dit artikel beschrijft, gratis te gebruiken op je eigen site.

Hoe we het hebben opgezet

Het mechanisme is eenvoudig: één Claude-agent per doeltaal, elk met de volledige brontekst en dezelfde regelset, parallel draaiend in plaats van na elkaar. Tien talen betekent tien agents die tegelijk werken, in plaats van één vertaler die twee maanden lang een wachtrij afwerkt.

Elke agent kreeg een op zichzelf staande briefing: de bron-markdown, de nooit-vertalen-lijst, de standaard aanspreekvorm per markt, en de tekenlimieten voor de titel en metabeschrijving van die pagina. Geen enkele agent hoefde ons halverwege iets te vragen — dat bleek belangrijker dan we hadden verwacht, hieronder meer daarover.

De zes regels

1. Zoekwoorden zoals de markt ze echt gebruikt

Elk artikel en elke skillkaart heeft een doelzoekwoord. De instructie is niet "vertaal het zoekwoord", maar "zoek uit hoe developers in deze markt hiernaar zoeken". Voor onze gids "how to install Claude skills" is de letterlijke Duitse vertaling grammaticaal prima en volstrekt nutteloos. Wat er wordt getypt is "Claude Skills installieren". Hetzelfde voor Frans: geen schoolboekvertaling, maar "installer les skills Claude", precies zoals Franse developerblogs het formuleren. We lieten agents de formulering controleren aan de hand van hoe de term voorkomt op developerforums en docssites in die taal, in plaats van simpelweg het Engelse zoekwoord door een woordenboek te halen.

2. Aanspreekvorm per markt, vooraf vastgelegd

We lieten geen enkele agent de toon zelf raden. We stelden een tabel op en elke agent volgde die:

Markt	Aanspreekvorm	Referentie
Duits (de)	du	Linear, Vercel
Frans (fr)	vous	Stripe, Notion
Spaans (es)	tú	Meeste dev-tool-sites
Italiaans (it)	tu	Informele devconventie
Portugees (pt)	você	Braziliaanse dev-tool-norm
Nederlands (nl)	je	Standaard voor SaaS
Pools (pl)	formeel (Pan/Pani vermeden, neutrale formulering)	B2B SaaS-conventie
Japans (ja)	です/ます, geen keigo	Standaard zakelijk-beleefd
Koreaans (ko)	해요체	SaaS-standaard, niet formeel 합쇼체
Zweeds (sv)	du	Universeel in het Zweeds, ook in B2B

Het Duits-Franse duo is waar standaard machinevertaling het hardst onderuitgaat, want beide vallen standaard terug op formeel, terwijl onze referentiemerken juist bewijzen dat het een echte marktkeuze is en geen stilistisch bijzaakje.

3. Een harde nooit-vertalen-lijst

Elke agent kreeg dezelfde uitsluitingslijst, gecontroleerd voordat output werd geaccepteerd: codeblokken en inline code, CLI-commando's, product- en merknamen (Claude, Claude Code, SkillProof, Anthropic), bestandspaden en elke {placeholder}-token in UI-strings. Dat klinkt vanzelfsprekend, tot je een eerste vertaalronde npm install ziet omzetten in een vertaalde werkwoordsvorm of stilletjes SKILL.md ziet hernoemen. We behandelden dit als een keurpoort, niet als een suggestie: elke output met een vertaald codeblok of een gewijzigde placeholder faalde automatisch en draaide opnieuw.

4. De anti-AI-ronde

Het eerste concept van elke LLM-vertaling verraadt zichzelf: calques (Engelse zinsbouw met woorden uit de doeltaal), standaard AI-frasering die intact wordt vertaald ("in today's fast-paced world" heeft in elke taal een equivalent, en dat is net zo afgezaagd), en een vlakheid die een moedertaalspreker binnen één alinea opmerkt. We draaiden per taal een aparte tweede ronde met maar één taak: dit soort dingen opsporen — zinnen herstructureren die overduidelijk Engelse woordvolgorde droegen met Duitse woorden erin, vertaalde vulwoorden vervangen door hoe een lokale technisch tekstschrijver die alinea daadwerkelijk zou openen. Deze ronde is de reden dat de output leest alsof een schrijver uit die markt het zelf schreef, in plaats van een goed vertaald document.

5. Tokendiscipline

Dit is wat het geheel betaalbaar maakt in plaats van slechts mogelijk. Eén ronde per taal, geen concept-dan-herzien-dan-polijsten. Geen herhaling van de brontekst voordat je gaat vertalen — een gewoonte die de tokenkosten stilletjes verdubbelt zonder ook maar iets aan kwaliteit op te leveren. En batchverwerking: skillkaarten worden in batches vertaald in plaats van met één API-aanroep per kaart, want de overhead per aanroep loopt bij 106 korte kaarten snel op.

6. Tekenlimieten gehandhaafd per taal, niet aangenomen

Titeltags van 60 tekens en metabeschrijvingen van 155 zijn een Engelstalige richtlijn die niet standhoudt zodra je in het Duits zit, waar samengestelde zelfstandige naamwoorden lang uitvallen, of in het Japans, waar tekentelling iets volledig anders betekent dan in Latijnse schriften. We gaven elke agent de limiet mee als harde eis, gecontroleerd aan de daadwerkelijk gerenderde string, niet aan de lengte van de Engelse brontekst, zodat Duitse titels niet over de 60 heen schoten alleen omdat het Duitse zelfstandig naamwoord voor "vertaler" nu eenmaal onhandig lang is.

Wat het daadwerkelijk kostte

We hielden het tokenverbruik van de hele run bij. Dit zijn echte cijfers uit ons eigen Sonnet-gebruik, geen schattingen:

Contenttype	Tokens per taal	Opmerkingen
Blogartikel van ~2.500 woorden	120.000–160.000	Bron + vertaling + anti-AI-ronde
106 skillkaarten uit de catalogus (in batches)	150.000–170.000	Korte kaarten, maar 106 stuks tikt aan
Categorie- en UI-strings	Onder 20.000	Klein, grotendeels statisch

Over 10 talen kwam de volledige sitelokalisatie neer op een paar dollar aan API-kosten, niet de 14.000-plus dollar die ons werd geoffreerd voor een tragere, snel verouderende oplevering. De hele run — ruim 30 artikelen, 106 kaarten, categoriepagina's en UI-strings, over 10 talen — nam ongeveer een dag in beslag met parallel draaiende agents, het grootste deel onbewaakt zodra de briefings klaarstonden. Dat is het cijfer dat de rekensom echt verandert: het is niet dat AI-vertaling goedkoper is dan een bureau, het is dat het goedkoop genoeg is om opnieuw te draaien telkens als de brontekst verandert — iets wat een eenmalige bureauoplevering nooit kan.

Wat er misging

Twee faalmodi waren het waard om op te vangen voordat ze live gingen, en geen van beide was aan het licht gekomen zonder validatie.

De eerste was agents die "waiting" meldden in plaats van output te leveren — meestal omdat een briefing verwees naar iets buiten de eigen context van de agent, zoals "gebruik dezelfde formulering als de Duitse versie" bij een agent die geen toegang had tot die Duitse output. De oplossing was elke briefing volledig op zichzelf laten staan: geen verwijzingen tussen agents onderling, geen "check even bij de andere run", alles wat de agent nodig had om de taak af te ronden stond er vooraf al in.

Het tweede was een incident waarbij accenten verdwenen bij een batch Poolse catalogkaarten: een opmaakstap ergens in de pipeline liet stilletjes diakritische tekens vallen in output die er in een terminal prima uitzag, maar fout was op de pagina. We ontdekten het omdat we valideren door te tellen, niet door agentrapportages te lezen: elk vertaald bestand wordt tegen de bron gecontroleerd op een logisch tekenaantal, het aantal koppen, en een diff van onvertaalde tokens (codeblokken, placeholders, productnamen) die intact hadden moeten blijven. Een agent die zegt "vertaling voltooid" is geen bewijs. Een bestand met evenveel koppen als de bron, dezelfde onaangeroerde codeblokken en een titel onder de tekenlimiet van de markt, dat is bewijs.

hreflang-tags zijn wat 10 taalversies laat functioneren als één indexeerbare site in plaats van tien concurrerende sites. Elke taalversie heeft wederkerige hreflang-links nodig die naar elke andere versie plus zichzelf verwijzen, anders rankt een zoekmachine met plezier de verkeerde-taalversie voor een zoekopdracht. Zodra de URL-structuur vaststaat is het mechanisch werk, maar het is ook de stap die de meeste doe-het-zelf-vertaalprojecten overslaan, en het loont om die goed te zetten voordat je je eerste gelokaliseerde pagina live zet. Onze installatiegids behandelt het installeren van de skill zelf, mocht je dit als herhaalbare skill opzetten in plaats van een eenmalig script.

Wat we een team op maandagochtend zouden vertellen

Vertaal niet meteen de hele site op dag één. Kies je twee of drie pagina's met het meeste verkeer, laat die door alle 10 talen lopen, en controleer de output bij een native speaker voordat je opschaalt naar de rest. De regels hierboven zijn regels die we eerst fout deden en daarna leerden; sla die stap over en je leert ze opnieuw op 4.500 pagina's in plaats van drie.

Schrijf de aanspreekvormtabel voordat je ook maar één vertaald woord opschrijft. Het is een zakelijke beslissing, geen taalkundige, en het is veel goedkoper om daar aan het begin over te discussiëren dan achteraf 106 kaarten met de verkeerde aanspreekvorm te moeten herstellen.

Valideer door te tellen, niet door te vragen. Als je pipeline je niet mechanisch kan vertellen dat een vertaald bestand het juiste aantal koppen en onaangeroerde codeblokken heeft, dan heb je geen vertaalpipeline, dan heb je een hoop.

En als je dit doet voor een contentzware site in plaats van een handvol statische pagina's: dezelfde discipline die een contentstrategie samenhangend houdt over tientallen artikelen, houdt ook een vertaalrun samenhangend over tientallen talen: één instructieset, consistent toegepast, elke keer tegen de bron gecontroleerd. We hebben opgeschreven hoe we onszelf aan diezelfde lat houden in hoe we Claude-skills testen.

Wil je de stap van zoekwoordlokalisatie eerst op één pagina proberen voordat je aan een volledige run begint: onze SEO-converter formatteert de output; onze pagina beste schrijfskills rangschikt de geteste skills die je ernaast kunt zetten, waaronder SEO Audit om op te vangen wat een vertaalronde alleen niet doet, zoals kapotte interne links tussen taalversies.

FAQ

Kan Claude echt een hele website vertalen, niet alleen losse pagina's?

Ja, maar niet als één gigantische prompt. Wat voor ons werkte was de site opsplitsen in agents per taal die parallel draaien, elk met een op zichzelf staande briefing die de hele regelset dekt: zoekwoordlokalisatie, aanspreekvorm, de nooit-vertalen-lijst en tekenlimieten. Eén agent die 10 talen in één context probeert vast te houden, verliest snel consistentie; 10 agents die elk één taal vasthouden, bleven consistent omdat de briefing de regels droeg, niet het geheugen van de agent.

Is AI-vertaling goed genoeg voor SEO, of is er een menselijke controle nodig?

Voor technische en marketingcontent komt een goed gebriefde Claude-run dicht genoeg in de buurt dat een steekproef door een native speaker de juiste hoeveelheid menselijke betrokkenheid is, geen volledige hervertaling. Het SEO-specifieke risico zit niet in de grammatica, maar in de zoekwoordformulering: een agent die letterlijk vertaalt in plaats van de zoekopdracht te lokaliseren, levert vloeiende, onvindbare pagina's op. Daarom gaat regel één in dit artikel over zoekformulering, niet over grammatica.

Hoeveel kost het om een site met Claude naar meerdere talen te vertalen?

Gebaseerd op onze eigen run: een artikel van 2.500 woorden kost ongeveer 120.000–160.000 tokens per taal op Sonnet, en 106 korte catalogkaarten kosten ongeveer 150.000–170.000 tokens per taal, in batches. Over 10 talen kwam onze volledige sitelokalisatie neer op een paar dollar totaal aan API-kosten. De grotere kostenpost zijn niet de tokens, maar de opzettijd voor de regelset en validatiepoorten, die je één keer betaalt en daarna bij elke toekomstige update hergebruikt.

Wat is de grootste fout die teams maken bij lokaliseren met AI?

Validatie overslaan en vertrouwen op de eigen "klaar"-melding van de agent. We hebben een accentbug en een vastgelopen agent alleen ontdekt omdat we vertaalde output mechanisch tegen de bron controleren — aantal koppen, onaangeroerde codeblokken, tekenlimieten — in plaats van te lezen wat de agent beweert te hebben gedaan. Behandel elke vertaalrun alsof die dezelfde acceptatiepoort nodig heeft als een codewijziging: verifieer het artefact, niet het rapport.