Sådan oversætter vi lavinebulletiner

Hvor dataene kommer fra

De franske Alper: Météo-France

De franske lavinebulletiner udgives dagligt af Météo-France, den nationale meteorologiske tjeneste. Vi henter de officielle XML-data direkte fra deres offentlige API for hvert massif i de franske Alper. Det er de samme data, der driver det officielle Météo-France-websted — vi skraber ikke websider eller arbejder ud fra skærmbilleder.

XML'en indeholder strukturerede risikodata: fareniveauer (1–5), højdetærskler, farlige hældningsaspekter, lavineproblемtyper, snekvalitetsvurderinger, vejrsammendrag og mere. Strukturerede data betyder, at vi kan validere oversættelsen mod originalen med præcision.

Schweiz: SLF

Schweiziske bulletiner kommer fra SLF (WSL Institut for Sne- og Lavineforskning), en af verdens førende lavineforkningsinstitutioner. SLF udgiver nativt på fire sprog: tysk, fransk, italiensk og engelsk. For disse fire serverer vi den officielle SLF-tekst direkte — ingen AI-oversættelse involveret.

Vi bruger kun AI-oversættelse til de fire yderligere sprog, vi understøtter (nederlandsk, svensk, dansk, polsk), hvor SLF ikke udgiver.

---

Oversættelsespipelinen, trin for trin

Her er, hvad der sker, når et fransk bulletin ankommer:

Trin 1: Opdel bulletinen i segmenter

Vi opdeler bulletinen i individuelle oversættelige blokke — afsnit, overskrifter, listeelementer, tabelceller. Hvert blok bliver et separat oversættelsessegment. HTML-tags, billeder og formatering bevares præcist; kun tekstindholdet sendes til oversættelse.

Trin 2: Byg en domænespecifik ordbog

Inden nogen oversættelse sker, scanner vi den franske kildetekst mod vores terminologidatabase for at finde alle tekniske termer, der forekommer. For hver matchet term slår vi den nødvendige oversættelse op i målsproget og bygger en ordbog specifik for det bulletin: "denne franske term skal oversættes som denne målsprogterm."

Styrken af denne ordbog afhænger af målsproget. For engelsk matcher ordbogen typisk 15–30 termer pr. bulletin fra en pulje på 600 verificerede begreber. For nederlandsk eller dansk er det måske 5–10 fra en mindre pulje på 42. Se Terminologidatabasen nedenfor for det fulde billede af sprogdækning.

Trin 3: Oversæt med guidet terminologi

Vi bruger Googles Gemini AI-model med en omhyggeligt konstrueret prompt, der inkluderer:

• Rolle: "Du er en professionel oversætter med speciale i lavinebulletiner for sikkerheden"
• Ordbogen: matchede termer med deres foretrukne oversættelser, som en reference AI'en skal følge
• Regler: bevar al HTML, oversæt ikke stednavne, bevar talformatering, brug ordbogstermer som mål — men anvend dem som en flydende skribent ville gøre

Målet er, at AI'en skal bruge disse termer, som en uddannet vejrprognosemager ville skrive dem på dansk — ikke mekanisk at substituere dem ord for ord. Når bulletinen siger "couche fragile persistante", skal oversættelsen sige "vedvarende svagt lag" (EAWS-standardtermen), ikke "vedvarende skrøbeligt lag" eller "fortsat svagt stratum."

Hvorfor vi ikke håndhæver termer strengt

Tidlige versioner af prompten behandlede ordbogen som strengt ikke-forhandlingsbar — AI'en fik besked på at bruge hver term præcist, uden alternativer. I praksis producerede dette unaturlig output. AI'en flertalsformede eller brugte ikke store bogstaver korrekt, fordi den erstattede termer så mekanisk. En sætning som "plusieurs plaques en neige ventée" ("several wind slabs") kunne lejlighedsvis komme ud som noget i retning af "many Slab in the Wind Slab" — AI'en havde fundet termen "Wind Slab" i ordbogen og brugte den ordret, to gange, uden at forstå, at plaques her skulle være et flertals-substantiv snarere end en rubrikoverskrift.

Den nuværende prompt giver AI'en frihed til at anvende terminologi naturligt: danne flertal, hvor grammatikken kræver det, tilpasse store bogstaver til konteksten (overskrift kontra substantiv i sætning), og vælge den nærmeste term, når en frase delvist matcher. Terminologidatabasen leverer vokabularet; AI'en er ansvarlig for at sætte det vokabular sammen til flydende, læsbar dansk.

Trin 4: Verificer oversættelsen

Hver oversættelse gennemgår en to-trins verifikationsproces:

Strukturelle kontroller (deterministiske, uden AI):

• Har oversættelsen det samme antal segmenter som originalen?
• Er alle HTML-tags bevaret præcist?
• Er oversættelsen en rimelig længde sammenlignet med kilden? (Fanger alvorlig forkortelse eller fabrikeret polstring.)

Sikkerhedskontroller (en anden, uafhængig AI-gennemgang):

• Stemmer fareniveaunumre og -etiketter overens?
• Er højdetærskler korrekt formidlet?
• Er hældningsaspekter (N, S, Ø, V) korrekte?
• Er lavineproblемtyper korrekt oversat?
• Er sikkerhedskritisk information udeladt eller opfundet?

Hvis verifikationen fejler, regenereres oversættelsen automatisk — op til tre forsøg. Hvis den stadig fejler, falder vi tilbage til ingen oversættelse frem for at servere noget upålideligt.

Trin 5: Tilføj interaktive ordbogsmarkeringer

Tekniske termer i det oversatte bulletin markeres med interaktive værktøjstip. Hold markøren over en markeret term, og du vil se den originale franske tekst, den officielle oversættelse, en letforståelig definition og hvilken myndighed oversættelsen stammer fra (EAWS, IACS, SLF osv.).

Dette hjælper dig med at lære terminologien over tid og lader dig tjekke vores arbejde. Hvis et værktøjstip siger, at termen kom fra EAWS, ved du, at det er den internationalt aftalte standard.

---

Hvorfor dette er bedre end Google Oversæt

Vi kritiserer ikke Google Oversæt — det er et utroligt værktøj til generel tekst. Men lavinebulletiner er ikke generel tekst. Her er, hvor en generel oversætter kommer til kort:

Ingen domæneviden

Google Oversæt ved ikke, at "risque marqué" betyder fareniveau 3 ("Betydelig") på den europæiske lavineskala. Det kan oversætte det som "markeret risiko" eller "betydelig risiko" — hvilket lyder rimeligt, men ikke matcher den standardiserede terminologi, som enhver lavineprofessionel i Europa bruger. Vores system håndhæver de præcise EAWS-termer, fordi vi har en database, der kortlægger dem.

Ingen sikkerhedsverifikation

Hvis Google Oversæt mister et tal, bytter "nordvendt" med "sydvendt" eller finder på et ord, kontrollerer ingen det. Vores system kører en uafhængig AI-gennemgang, der specifikt leder efter sikkerhedskritiske fejl i risikoniveauer, højder, aspekter og problemtyper.

HTML-beskadigelse

Browserens oversættelsesstillägg arbejder på den renderede side. De ødelægger ofte formatering, fjerner styling, ødelægger tabeller eller oversætter ting, der ikke bør oversættes (som stednavne, koder eller tal). Vi analyserer HTML-strukturen, oversætter kun tekstindholdet og gensamler med den originale formatering intakt.

Ingen konsistens

Spørg Google Oversæt den samme sætning to gange, og du kan få forskellige resultater. Vores to-niveau-cachesystem sikrer, at identiske tekstsegmenter altid producerer den samme oversættelse, og bulletiner, der ikke er ændret, oversættes ikke igen med anden ordlyd.

Ingen tværsproglig konsistens

Når vi oversætter "plaque à vent" til engelsk, tysk, italiensk, nederlandsk, svensk, dansk og polsk, får hvert sprog den samme term hver gang — "wind slab," "Triebschnee," "neve ventata" osv. For engelsk, tysk og italiensk er dette officielle EAWS-termer. For nederlandsk, dansk, svensk og polsk er de vores bedst underbyggede ækvivalenter. Google Oversæt har ingen måde at håndhæve denne form for tværsproglig konsistens.

Ingen kontekst

Et browsertillägg oversætter, hvad der er på skærmen, uden nogen kontekst om, hvad dokumentet er. Vores system ved, at det oversætter et lavinebulletin til sikkerhedsformål, og er specifikt indstillet på det domæne.

---

Direkte sammenligningsstudie

I april 2026 gennemførte vi en side-om-side-sammenligning ved hjælp af tre live-bulletiner fra de franske Alper (Beaufortain, Maurienne, Haute-Maurienne — alle udstedt den 5. april 2026). Vi tog den originale franske kildetekst, kørte den gennem vores oversættelsessystem og indsendte derefter den samme tekst til Google Translate separat for at registrere resultaterne.

---

Hvad vi ikke kan garantere

Vi tror på ærlighed. Her er, hvad vores system ikke gør:

Det er stadig AI

På trods af ordbogsgennemtvingelse og verifikation udføres kernoversættelsen af en stor sprogmodel. LLM'er kan hallucinere, fejlfortolke tvetydige sætninger eller producere subtilt forkert output, der passerer verifikationen. Dette er ikke en menneskelig oversætter, der gennemgår hvert ord.

Nogle sprog er bedre end andre

Vores ordbogsdækning er stærkt vægtet mod engelsk, fransk, tysk og italiensk. Hvis du læser et bulletin på nederlandsk eller dansk, har oversættelsen langt mindre terminologigennemtvingelse. AI'en udfører mere af arbejdet uden hjælp, og der er en højere chance for ikke-standardiserede termvalg. Det betyder ikke, at nederlandske eller danske oversættelser er dårlige — men der er færre sikkerhedsnet, der fanger fejl.

Nuancer kan gå tabt

Météo-Frances vejrprognosemager skriver med bevidst nuance. Forskellen mellem "quelques départs spontanés possibles" og "des départs spontanés probables" er vigtig. AI håndterer generelt dette godt, men ikke altid perfekt. Sandsynlighedsnuancer, subtile forbehold og prognosemagerens hensigt kan lejlighedsvis fladtrykt.

Vi oversætter ikke alt

Noget indhold — som detaljerede vejrtabeller, komplekse diagrammer eller PDF-bilag — er muligvis ikke dækket af vores oversættelsespipeline. Vi oversætter kernebulletinteksten, som er det sikkerhedskritiske indhold.

Det er ikke en erstatning for det officielle bulletin

Vi siger dette på hver skærm, og vi siger det igen: tjek altid den officielle kilde. Vores oversættelser er et værktøj til at hjælpe dig med at forstå bulletinen på dit sprog, ikke en erstatning for det autoritative franske eller tyske original. Hvis noget ser forkert eller uklart ud, gå direkte til Météo-France eller SLF WhiteRisk.

---

Terminologidatabasen

Frem for at stole på, at AI'en kender lavinetermer (det gør den ofte, men ikke altid korrekt), vedligeholder vi en kureret database med 725 begreber med 2.700+ termer på 14 sprog.

Hver term er knyttet til et abstrakt begreb og sporet tilbage til sin kilde. Kilder inkluderer:

• EAWS (European Avalanche Warning Services) — officiel europæisk standard, højeste prioritet
• IACS/UNESCO — den internationale klassifikation for sæsonbestemt sne på jorden
• Nationale lavinetjenester: SLF (schweizisk), NVE/varsom.no (norsk), Avalanche Canada, Météo-France, TOPR (polsk), AINEVA (italiensk), Svelav (svensk)
• Akademiske kilder: American Meteorological Society, amerikanske lavinecentre

Sprogkvalitet er ikke ens

Vi vil være åbne om dette: vores terminologidækning varierer betydeligt pr. sprog.

Engelsk, fransk, tysk, italiensk har stærk dækning. Engelsk alene har 778 termer, 97% fra officielt publicerede kilder. Fransk har 471, tysk 256, italiensk 228 — alle henter tungt fra EAWS, IACS, SLF og nationale lavinetjenester.

Svensk og polsk har moderat dækning — henholdsvis 42 og 47 termer, en blanding af officielle kilder og vores egne kurerede oversættelser.

Nederlandsk og dansk er svageste med 42 termer hver, ingen fra en officiel lavineautoritet — fordi ingen nederlandsk eller dansk national tjeneste udgiver standardiseret terminologi. Vi dækker 42 af de 725 begreber for disse sprog; for engelsk dækker vi 600. Den forskel er vigtig.

Udforsk databasen

Du kan udforske den fulde terminologidatabase — hvert begreb, hvert sprog, hver myndighed — i vores interaktive ordliste:

---

Vores forpligtelse

Vi oversætter lavinebulletiner, fordi sprog ikke bør være en barriere for sikkerhedsoplysninger. Vi har lagt betydelig indsats i at gøre disse oversættelser så præcise som muligt — domænespecifik AI-prompting, en kureret terminologidatabase, automatiseret sikkerhedsverifikation og interaktive ordlister, så du kan tjekke vores arbejde.

Vi ved, at systemet har blinde vinkler, og vi har forsøgt at være ærlige om dem her. De engelske og franske oversættelser er stærke. Tysk og italiensk er gode. Nederlandsk, dansk, svensk og polsk er brugbare, men har tyndere ordlistestøtte, og vi arbejder aktivt på at forbedre dem.

Hvis du opdager en oversættelsesfejl, især en sikkerhedskritisk, vil vi gerne vide det. Vi retter hellere en fejl end at lade nogen træffe en dårlig beslutning i bjergene på grund af den.

Vær forsigtig derude.