Alt tekst SEO voor multimodale AI

Multimodale AI kan een afbeelding tegenwoordig zelf bekijken, maar alt-tekst blijft belangrijk omdat het model die tekst gebruikt om te begrijpen wat een beeld betekent in de context van jouw pagina. Een model ziet de pixels, maar het leest je alt-tekst, bijschrift en omliggende tekst om te bepalen waaróm die afbeelding er staat en bij welk onderwerp ze hoort. In dit artikel lees je hoe multimodale modellen beelden verwerken, hoe je alt-teksten en bijschriften schrijft die voor AI werken, en hoe je met ImageObject-markup je afbeeldingen aan de juiste entiteit koppelt.

Hoe lezen multimodale AI-modellen een afbeelding?

Een multimodaal model verwerkt tekst en beeld in dezelfde betekenis-ruimte, zodat het een afbeelding kan vergelijken met woorden. Modellen zoals GPT-4o, Gemini en Claude kunnen een afbeelding direct interpreteren: ze herkennen objecten, lezen tekst in het beeld en vatten samen wat er te zien is. Onder de motorkap zetten ze zowel je tekst als je afbeelding om naar vectoren, dezelfde manier waarop AI betekenis omzet in getallen. Daardoor kan een model “een grafiek met stijgende omzet” matchen aan een vraag over groei, ook zonder dat die woorden letterlijk in het beeld staan.

Maar er zit een grens aan wat een model uit pixels alleen haalt. Een foto van twee mensen aan een tafel kan een salesgesprek, een sollicitatie of een koffiepauze zijn. Het beeld zelf is dubbelzinnig. De alt-tekst, het bijschrift en de alinea eromheen halen die dubbelzinnigheid weg. Ze vertellen het model niet alleen wat er staat, maar waarom het er staat en bij welk onderwerp het hoort. Voor AI is een afbeelding dus zelden een losstaand object, maar een element dat betekenis krijgt uit de tekst eromheen.

Heeft alt-tekst nog zin als AI beelden zelf kan zien?

Ja, alt-tekst heeft nog steeds zin, want het blijft de meest directe en betrouwbare manier om de betekenis van een afbeelding aan een machine door te geven. Drie redenen maken dat duidelijk.

Ten eerste toegankelijkheid: alt-tekst is geschreven voor mensen die met een schermlezer werken, en die functie verdwijnt niet. In Europa is toegankelijke webcontent bovendien steeds vaker een wettelijke verplichting, dus dit is sowieso geen optionele extra.

Ten tweede betrouwbaarheid: beeldherkenning is goed, maar niet perfect en niet altijd consistent. Alt-tekst is een expliciet, ondubbelzinnig signaal dat je zelf in handen hebt. Je laat de interpretatie niet over aan het model, je stuurt ze.

Ten derde dekking: niet elk systeem dat je content verwerkt, kijkt even diep naar je beelden. Klassieke zoekmachine-crawlers, AI-systemen die snel veel pagina’s verwerken en assistive technology leunen allemaal nog sterk op tekst. Uit de jaarlijkse WebAIM-analyse van veelbezochte homepages blijkt dat ongeveer een op de zes afbeeldingen geen alt-tekst heeft. Dat is geen klein detail, het betekent dat die beelden voor een groot deel van het web letterlijk niets zeggen.

Hoe schrijf je alt-tekst die voor AI werkt?

Goede alt-tekst beschrijft de functie en betekenis van een afbeelding in je verhaal, niet een rijtje losse zoekwoorden. De oude reflex om “alt tekst seo” en vijf varianten in elk alt-attribuut te proppen werkt averechts: het model leest betekenis, en een opsomming van keywords leest als ruis. Schrijf in plaats daarvan een korte, volledige zin die past bij de context.

Een paar concrete richtlijnen:

Beschrijf wat er gebeurt, niet alleen wat er staat. “Dashboard met AI-zichtbaarheidsscore per maand” is sterker dan “dashboard screenshot”.
Sluit aan bij het onderwerp van de pagina. Als de alinea over leadopvolging gaat, laat de alt-tekst dat verband zien. Zo versterkt het beeld de betekenis van je tekst in plaats van ernaast te staan.
Hou het kort en natuurlijk. Een zin of een halve zin volstaat. Schrijf zoals je een collega zou uitleggen wat er op het beeld te zien is.
Geen keyword-stuffing. Eén natuurlijke vermelding van het onderwerp is genoeg. Herhaling maakt je vector smaller, niet sterker.
Sla puur decoratieve beelden over. Een sfeerlijntje of achtergrondvorm krijgt een lege alt (alt=""), zodat een schermlezer en een crawler weten dat er geen inhoud te missen valt.

De kernvraag is simpel: als iemand het beeld niet kon zien, welke zin zou de informatie het best vervangen? Dat is je alt-tekst.

Wat is het verschil tussen alt-tekst en een bijschrift?

Alt-tekst is een verborgen beschrijving voor machines en schermlezers, terwijl een bijschrift zichtbare tekst is die elke lezer onder of naast het beeld ziet. Ze hebben een ander doel, en AI gebruikt ze allebei.

Alt-tekst vervangt het beeld als het niet geladen of niet gezien kan worden. Een bijschrift voegt context toe voor wie het beeld wél ziet: een bron, een toelichting, een conclusie. Voor multimodale AI is een bijschrift extra waardevol, omdat het vaak de interpretatie van het beeld bevat die jij zelf wil meegeven. Een grafiek met als bijschrift “AI-verwijzingen stegen na het herstructureren van de productpagina’s” vertelt het model meteen welk verhaal het beeld ondersteunt.

In de praktijk versterken ze elkaar. De alt-tekst beschrijft het beeld feitelijk, het bijschrift duidt de betekenis. Samen maken ze een afbeelding extractbaar: een AI kan er een klein, citeerbaar stukje informatie uit halen. Dat past in de bredere logica van content-architectuur voor AI-extractie, waarin elk element van je pagina zelfstandig leesbaar en samenvatbaar is.

Wat doet ImageObject-markup voor je afbeeldingen?

ImageObject-markup koppelt een afbeelding expliciet aan een entiteit en geeft AI gestructureerde feiten over dat beeld, los van de HTML eromheen. Het is een stuk schema.org-data, meestal in JSON-LD, waarin je velden meegeeft zoals contentUrl (waar het beeld staat), caption, description en bij rechten ook creator, creditText en license.

Het nut zit in zekerheid. In gewone HTML moet een systeem afleiden bij welke afbeelding een stukje tekst hoort. Met ImageObject maak je dat verband ondubbelzinnig: dit beeld hoort bij deze beschrijving en deze bron. Voor AI-systemen die bepalen welke bron klopt en wat ze mogen citeren, is zo’n expliciete koppeling precies het soort houvast dat de kans op een correcte vermelding vergroot.

Een paar praktische punten:

Reserveer markup voor beelden die er echt toe doen. Een producthoofdfoto, een datavisualisatie of een auteursportret verdient ImageObject. Elk decoratief icoontje markeren is zinloos.
Laat caption en description elkaar aanvullen. De caption is kort en concreet, de description mag de context geven.
Hou de data consistent met wat zichtbaar op de pagina staat. Markup die afwijkt van de echte inhoud ondermijnt je betrouwbaarheid in plaats van die te versterken.
Kies een efficiënt formaat. Moderne formaten zoals WebP en AVIF laden sneller, en snelheid blijft een factor in hoe goed je beelden verwerkt en getoond worden.

De korte samenvatting

Multimodale AI kan je beelden zien, maar begrijpt ze pas echt door de tekst eromheen. Alt-tekst geeft een ondubbelzinnige beschrijving, een bijschrift voegt betekenis toe, en ImageObject-markup koppelt het geheel aan de juiste entiteit. Behandel je afbeeldingen dus als volwaardige inhoud, niet als versiering: beschrijf hun functie, sluit aan bij je onderwerp en vermijd keyword-stuffing. Zo worden je beelden vindbaar en citeerbaar, in plaats van stom.

Voor een B2B-bedrijf telt uiteindelijk niet hoe mooi een beeld is, maar of het bijdraagt aan vindbaarheid die leads oplevert. Wil je weten hoe je afbeeldingen en de rest van je content laat meewerken in AI-zoekmachines? Bekijk onze aanpak rond generative engine optimization, of begin bij de basis met onze GEO-gids.

Plan je gratis intake