Så bygger du en termdatabas: från spridda ordlistor till förvaltad terminologi

Att bygga en termdatabas handlar i grunden om en återkommande process: gå igenom de termer ni redan använder, enas om den rekommenderade termen och reglerna för varje begrepp, och placera resultatet på en plats där era skribenter och översättare faktiskt arbetar. Syftet är att undvika att samma begrepp formuleras på tre olika sätt i era produkter, er dokumentation och på era marknader.

Den här typen av inkonsekvens medför konkreta kostnader. Den leder till diskussioner mellan granskare om ordval, onödiga frågor från översättare och, i reglerat medicinskt eller tekniskt innehåll, osäkerhet hos läsaren om två olika termer avser samma komponent.

I den här artikeln får du lära dig hur du bygger en termdatabas som löser detta problem: vad en termdatabas är, vad den ska innehålla, hur du tar fram en första version på några veckor, vem som ansvarar för den och hur den förbättrar både mänsklig översättning och AI-baserad maskinöversättning. Artikeln utgör den praktiska kärnan i terminologihanteringoch riktar sig till team som arbetar med detta dagligen.

Vad en termdatabas är och vilka problem den löser

En termdatabas är en strukturerad, sökbar databas som innehåller alla begrepp som din organisation använder, deras godkända termer på varje språk samt reglerna för hur de ska användas. Den gör att skribenter och översättare slipper hitta på nya formuleringar varje gång ett begrepp dyker upp.

Den eliminerar en specifik typ av friktion i era teams arbete. När människor använder olika ord för samma sak, diskuterar granskare formuleringar, översättare ställer onödiga frågor, och kunderna ser inkonsekvent språk i din produkt, på webbplatsen och i supporten.

En styrd termdatabas gör också att dina andra språkresurser fungerar bättre. När formuleringarna stabiliseras matchar ditt översättningsminne oftare och granskningscyklerna förkortas, så fördelarna ökar med tiden.

Ordlista kontra termdatabas kontra översättningsminne

En ordlista är en enkel förteckning över termer och motsvarigheter. En termdatabas är en strukturerad, begreppsbaserad databas med definitioner, regler och styrningsprinciper.

Ett översättningsminne lagrar tidigare översatta segment, medan en termdatabas lagrar termer. De tre arbetar tillsammans men har olika uppgifter.

I praktiken kommer du att använda en termdatabas och ett översättningsminne parallellt. Många team börjar med en ordlista. Syftet med den här guiden är att visa hur man går vidare från en ordlista till ett mer strukturerat system.

Vad en bra termdatabas innehåller

Betrakta termdatabasen som en datamodell snarare än ett vanligt kalkylblad. Varje post är ett begrepp med en eller flera termer per språk, samt en liten uppsättning fält som fyller en konkret funktion. Se till att ha med de viktigaste fälten redan från början och lägg endast till valfria fält om du kommer att underhålla dem.

Frestelsen är stor att skapa modeller av allt, men det lönar sig att motstå den. En termdatabas som tar lång tid att fylla på är en termdatabas som ingen uppdaterar, så börja i liten skala och lägg till fält när ett verkligt behov uppstår.

Exempel: så kan de första posterna i termdatabasen se ut

Här är mallen ifylld, så att fälten inte längre är abstrakta. Tre exempel på faktiska poster:

Lägg märke till vad varje post gör. Gränssnittskonceptet förbjuder de två konkurrerande namnen och registrerar teckenbegränsningen, varumärkeskonceptet låser formen, det juridiska konceptet hänvisar till lagtexten och anger vem som godkänner den.

Så här skapar du din första termdatabas

Sikta på en användbar första version med cirka 150 termer inom fyra till sex veckor. Fortsätt sedan med små uppdateringar. Försök inte få med allt på en gång. Det är viktigare att få igång utvecklingen än att den första versionen är fullständig.

Steg 1: Gör en inventering av vad du redan har

Samla in befintliga ordlistor, varumärkesordlistor, stilguider, exporterade UI-strängar, artiklar i hjälpcentret och nya översättningar. Gå igenom dem för att hitta avvikelser: produktnamn som skiljer sig mellan team, funktioner som beskrivs på tre olika sätt, juridiska formuleringar som varierar mellan dokument. Denna lista över avvikelser blir utgångspunkten för det fortsatta arbetet.

Steg 2: identifiera relevanta termer

Utför en termutvinning från värdefulla källor som produktsidor, användargränssnitt, avtal, teknisk dokumentation och releaseanteckningar. Den automatiska utvinningen ger en stor mängd data. Mänsklig bedömning gallrar sedan bort allt utom de begrepp som faktiskt påverkar innebörden, den juridiska risken eller användarens agerande. Behåll det väsentliga, släpp det oväsentliga.

Steg 3: Definiera och besluta

Skriv en definition på en mening för varje kandidatterm. Definitionen ska vara lätt att förstå även utan fackkunskaper. Välj ett föredraget begrepp per språk, notera synonymer och markera eventuella förbjudna termer med det godkända alternativet. Om ett begrepp inte ska översättas, ange det som ”översätt inte” och ange hur böjningar eller pluralformer ska hanteras i målspråken.

Steg 4: Översätt och granska

Lokala lingvister lägger till texter på målspråket och anpassar dem efter morfologi, språkregister och begränsningar som t.ex. teckenbegränsningar i användargränssnittet. Fastställ först de viktigaste delarna, produktnamn, etiketter i användargränssnittet, juridiska formuleringar och namn på nyckeltal, eftersom dessa genererar flest frågor och kräver mest omarbetning om de lämnas otydliga. Områden med hög risk, såsom medicin, juridikoch teknik förtjänar att prioriteras.

Steg 5: Publicera och integrera

Se till att termdatabasen finns tillgänglig där innehåll skapas. Integrera den med era redigeringsverktyg och översättningsmiljö så att termerna visas som förslag och kontrolleras automatiskt. Ge alla övriga användare tillgång till en snabb, skrivskyddad sökfunktion, och publicera en kort ändringslogg när ni släpper uppdateringar så att användarna kan se vad som har flyttats.

Vem äger en termdatabas, och hur godkänns termerna?

En termdatabas behöver en ansvarig ägare, en termansvarig som förvaltar innehållet och ett enkelt, tydligt godkännandeflöde. Utan detta riskerar den att gradvis falla tillbaka till de spridda ordlistor som den var tänkt att ersätta.

En fungerande ägarmodell:

• Ansvarig: en ansvarig person inom innehåll, lokalisering eller produktmarknadsföring.
• Förvaltare: en lingvist eller terminolog som rensar bort dubbletter, vidarebefordrar och slutför poster.
• Medverkande: produktchefer, skribenter, supportpersonal och översättare som föreslår termer när de upptäcker luckor.
• Godkännare: ämnesansvariga per område, med juridisk godkännande av känsliga ärenden.

Hur ett begrepp går från idé till godkänd uppslagspost

Livscykeln är ryggraden i en välfungerande termdatabas. Ett förslag innehåller källspråkets mening, en definition, ämnesområdet, ett föreslaget begrepp, kända synonymer samt information om huruvida det ska översättas:

• Förslag: alla som är insatta i ämnet lämnar in ett begrepp. Det hamnar hos en automatiskt tilldelad förvaltare.
• Sammanfattning: förvaltaren avlägsnar dubbletter och vidarebefordrar till rätt domänägare, som fastställer omfattning och användningsanvisningar.
• Översättning och anpassning: språkexperter på marknaden lägger till målspråksposter och validerar fall där översättning inte ska göras.
• Godkännande: domänägaren godkänner innebörd och lämplighet. Den juridiska avdelningen godkänner känsliga delar, och uppgiften publiceras och synkroniseras till CAT-verktyg.

Tydliga servicenivåmål håller arbetet i gång: en första bedömning inom två arbetsdagar, fackgranskning inom fem arbetsdagar, översättning och granskning på målmarknaden inom fem till sju arbetsdagar samt månatlig publicering med en kort ändringslogg. Kritiska poster, till exempel produktnamn, juridiska formuleringar, säkerhetsmeddelanden och KPI-beteckningar, kan gå utanför den ordinarie månadscykeln och hanteras i ett snabbspår samma vecka.

Hur en termdatabas förbättrar både AI-översättning och mänsklig översättning

En standardiserad termdatabas är ett av de mest användbara verktygen man kan ge både en mänsklig översättare och en maskin, eftersom den motverkar det vanligaste kvalitetsproblemet: inkonsekvent eller felaktig terminologi.

Ur ett mänskligt perspektiv innebär en godkänd term att granskaren kan hänvisa till ett fastställt beslut i stället för att gång på gång diskutera ordval, något som i det tysta kostar många arbetstimmar. Antalet frågor minskar, innehållet håller en konsekvent tonalitet och översättarna använder samma termer på ett enhetligt sätt på alla marknader.

Även effekten på maskinöversättningen går att mäta. Anpassning av terminologi, tonalitet och konsekvens har visat sig minska antalet fel med fem till tio gånger jämfört med standardresultat (Intento, 2025), och moderna system med terminologistyrning uppnår nu en träffsäkerhet på över 95 procent för fastställda termer (forskning, 2024–2025). Detta är mest betydelsefullt inom specialiserade områden, där korrekta, konsekventa termer fortfarande är ett olöst problem för allmän maskinöversättning (WMT25 Terminology Task), och där det direkt påverkar kvalitetssäkring av medicinsk översättning.

Detta är också anledningen till att en termdatabas naturligt passar ihop med de dirigeringsbeslut som behandlas separat i vår artikel om maskinöversättning och AI: ju högre insatserna är, desto mer förtjänar de godkända termerna sin plats.

Så väljer du rätt verktyg och integrationer

Välj verktyg som passar teamets storlek, säkerhetsnivå och befintliga system, och integrera termdatabasen direkt i de system där texterna faktiskt skrivs och översätts. En separat portal som kräver ytterligare en inloggning riskerar att ignoreras.

Viktiga urvalskriterier:

• Rollbaserad åtkomst med granskningsloggar och enkel inloggning (SSO).
• Kopplingar eller API:er till CMS, designverktyg och översättningsminnen.
• Automatisk markering och kontroll av termer i CAT-verktyg.
• Arbetsflöden för att lägga fram förslag, granska, godkänna och avveckla.
• Snabb sökning, förhandsgranskning direkt i texten och användarvänlig redigering.

Integrera termdatabasen där texter skrivs och översätts. Förslag ska visas i ditt CMS eller din redigerare samt i ditt CAT-verktyg. Vår SmartConnect kopplar samman ett CMS, PIM eller butikssystem med oss så att godkända termer visas i de verktyg som dina team redan använder, istället för i en portal som de måste komma ihåg att öppna.

Så håller du termdatabasen uppdaterad och mäter resultaten

Betrakta termdatabasen som en levande produkt som kräver regelbunden omvårdnad. Publicera i små, regelbundna omgångar för att undvika stora, riskfyllda uppdateringar, granska högriskområden som juridik, säkerhet och ekonomi varje kvartal, och arkivera föråldrade termer istället för att radera dem, så att gamla termer inte smyger sig tillbaka genom att kopiera och klistra in.

Användningsanalyser hjälper dig att fokusera: sökningar utan resultat visar luckor som behöver fyllas, och poster som aldrig dyker upp kan vara kandidater för borttagning. En timme i månaden med din förvaltare räcker för att planera nästa omgång justeringar.

Definiera vad som är bra från början, och följ sedan några mått:

• Frågor om terminologi från översättare och granskare. Dessa bör minska i takt med att databasen stabiliseras.
• Granskningstid, som bör minska när fokus flyttas från att finslipa formuleringar till att kontrollera att innebörden är korrekt.
• Återanvändning av översättningsminnet, vilket bör bli bättre ju fler gånger formuleringarna återkommer.
• Enhetlig terminologi i alla kanaler, så att produkt- och gränssnittstexter är enhetliga oavsett var de visas.

Vad offentliga institutioner kan lära dig

Offentliga institutioner som publicerar material på dussintals språk betraktar terminologi som en central styrningsfunktion, och deras modeller kan direkt överföras till ett företag i lämplig skala.

Europeiska unionen driver sin interinstitutionella databas, IATE, gemensamt för kommissionen, parlamentet och rådet, med begreppsorienterade, utförligt kommenterade poster som granskas enligt definierade arbetsflöden. Du kan utforska EU:s terminologidatabas IATE. Förenta nationerna underhåller UNTERM inom sina organ enligt samma principer.

Vad vi kan kopiera, anpassat efter storlek:

• Konceptet först: en post per begrepp, med varianter och förbjudna termer registrerade per språk.
• Ansvar: domänansvariga och juridiska granskare godkänner poster med hög risk.
• Metadata: definitioner, sammanhang, källor, status och ändringshistorik för varje post.
• Integration: termkontroller i de verktyg där skrivande och översättning sker.
• Öppenhet: en skrivskyddad sökfunktion för partners och leverantörer för att minska avvikelser.

Vanliga frågor om att skapa en termdatabas

Vad är skillnaden mellan en ordlista och en termdatabas?

En ordlista är en enkel förteckning över termer och deras motsvarigheter. Den går snabbt att skapa men är svår att underhålla. En termdatabas är en strukturerad, begreppsbaserad databas med definitioner, regler, ansvarsfördelning och versionshistorik, utformad för att hantera terminologi i stor skala. De flesta team börjar med en ordlista och går sedan över till en termdatabas i takt med att antalet språk och medverkande ökar.

Behöver jag en termdatabas, eller räcker det med en ordlista?

En ordlista räcker när ett team arbetar med ett eller två språk och det är lätt att hålla koll på terminologin. En termdatabas behövs när flera avdelningar producerar innehåll eller när man översätter till flera marknader, eftersom det är då samma begrepp börjar formuleras på olika sätt. Terminologisk avvikelse är den utlösande faktorn, och den kan uppstå oavsett företagets storlek.

Vad bör en termdatabas innehålla?

Registrera åtminstone ett begrepps-ID och en rekommenderad term per språk, en definition i klartext med ett exempel, en domänkategori, synonymer och förbjudna termer med godkända alternativ, flaggor för vad som inte ska översättas, samt fält för ägarskap och status. Lägg till valfria fält som teckenbegränsningar eller uttal endast om du har för avsikt att uppdatera dem. Sträva efter fält som fyller ett konkret syfte, så att det går snabbt att fylla i uppgifterna.

Hur lång tid tar det att bygga upp en termdatabas?

En användbar första version med cirka 150 begrepp går realistisk att få klart inom fyra till sex veckor, varefter man fortsätter med små, regelbundna uppdateringar. Att försöka få med allt redan före lanseringen är den vanligaste orsaken till att termdatabasprojekt fastnar. Börja med de termer som har störst betydelse och bygg vidare därifrån.

Vad är skillnaden mellan en termdatabas och ett översättningsminne?

En termdatabas innehåller begrepp, godkända termer och regler för hur de ska användas. Ett översättningsminne lagrar tidigare översatta segment så att de kan återanvändas. De kompletterar varandra: termdatabasen styr ordvalet, medan översättningsminnet återanvänder meningarna.

Kan en termdatabas förbättra kvaliteten på maskinöversättningen?

Ja. Att styra terminologin med hjälp av en godkänd termdatabas minskar antalet fel avsevärt i både neurala maskinöversättningar och resultat från stora språkmodeller. Effekten är särskilt viktig inom specialiserade områden där en enda felaktig term kan få stora konsekvenser. En termdatabas är ett av de mest effektiva sätten att göra AI-stödd översättning tillräckligt säker för innehåll med höga kvalitetskrav.

FAQ JSON-LD schema is delivered in-line in the chat reply, not embedded here. The FAQs above remain visible in the page body.

Hur vi på AdHoc Translations kan hjälpa

Vi skapar och underhåller praktiska termdatabaser som integreras i era skriv- och översättningsverktyg, så att databasen verkligen bidrar till arbetet i de verktyg som era team redan använder. Vi kombinerar modersmålsexperter med en smidig styrningsmodell som säkerställer tydliga beslut.

I praktiken kartlägger vi era språk och domäner, föreslår en fältmall och levererar en första version som ni kan utöka utan att behöva byta plattform senare. Vi är certifierade enligt ISO 17100 och säkerställer terminologins enhetlighet i både manuellt och AI-stött arbete, med stöd av människor, processer och teknik.

Om du är redo att förvandla spridda ordlistor till en styrd terminologidatabas, se hur vi kan strukturera ert flerspråkiga innehåll.

Källor

• Intento. The State of Translation Automation 2025 (terminology customisation reduces errors 5 to 10x). 2025. inten.to.
• WMT25 Terminology Translation Task. Konferens om maskinöversättning. 2025. statmt.org.
• Weglot. Machine Translation Quality in 2025 (LLM hallucination rates). 2025. weglot.com.
• IATE, EU:s interinstitutionella terminologidatabas. Europaparlamentet. europarl.europa.eu.
• UNTERM, FN:s terminologidatabas. unterm.un.org.
• ISO 17100:2015 (Översättningstjänster. Krav på översättningstjänster). Internationella standardiseringsorganisationen. iso.org.