Infographic maken met AI: zo blijven je cijfers kloppen

Je hebt over een uur een infographic nodig voor een LinkedIn-post met de cijfers van dit kwartaal. Infographic maken met AI kost dan geen halve dag bij een ontwerper. Het kost een paar minuten: je beschrijft de cijfers en de stijl, en je krijgt een kleurrijk beeld terug. Het probleem zit niet in de snelheid. Het zit in de betrouwbaarheid van wat er in dat beeld staat. Google's eigen testresultaten voor zijn nieuwste beeldmodel Nano Banana 2.1 laten zien dat een gegenereerde infographic maar in ongeveer de helft van de gevallen volledig feitelijk klopt. Dat is nog het beste model uit die test. Heb je nog nooit een AI-afbeelding gemaakt, lees dan eerst hoe afbeelding maken met AI in het algemeen werkt. Hieronder lees je welke tool je voor welk onderdeel gebruikt, een volledig uitgewerkt voorbeeld met een cijferfout erin, en de beslisregel die bepaalt wanneer je de data apart laat tekenen.

Infographic maken met AI: wat het goed doet, en wat je zelf moet checken

Een AI-beeldmodel is goed in vorm: kleuren, iconen, lay-out, de sfeer van de hele plaat. Het is slecht in rekenen. Dat doet het namelijk ook niet. Het model genereert een infographic pixel voor pixel. Het baseert dat op wat zo'n plaatje meestal bevat bij dit onderwerp en deze stijl. Een cijfer is voor het model een vorm, geen uitkomst van een berekening. Vraag je om "82 procent" in de afbeelding, dan tekent het iets dat op "82 procent" lijkt. Dat is niet automatisch hetzelfde als 82 procent.

Dat is een andere fout dan een verzonnen feit in een tekstmodel. Het mechanisme is wel familie van hallucinatie: het model vult in wat waarschijnlijk is, niet wat klopt. OpenAI noemt tekstweergave in afbeeldingen zelf nog altijd een bekende zwakte van zijn beeldmodel, ook na meerdere verbeteringen. Een onafhankelijke benchmark bevestigt dat dit bij infographics specifiek nog slechter uitpakt dan bij losse tekst. IGenBench testte tien beeldmodellen op 600 infographics. Zelfs het beste model beantwoordde negen van de tien losse controlevragen goed. De hele infographic kreeg dat model maar in de helft van de gevallen foutloos. De dimensie "volledigheid van de data" was in dat onderzoek een van de zwakste van alle gemeten dimensies.

Waarom dat voor jou uitmaakt: één verkeerd geschreven letter in een plaatje valt niemand op. Één fout percentage in een infographic die je met een klant of op LinkedIn deelt, valt wel op. Dat gebeurt zodra iemand het cijfer teruglegt naast de brontabel. Daarom werkt dit alleen betrouwbaar als je het werk splitst. Laat AI de vormgeving maken. Laat een tool die daadwerkelijk rekent de cijfers tekenen. Dat werkt omdat een grafiektool zoals Canva, Google Sheets of Excel een staaf of cirkeldeel rechtstreeks uit je ingevoerde getal berekent. Een beeldmodel benadert die vorm op gevoel, niet op rekenwerk. Doe je dit niet, dan loop je risico bij elke infographic met meer dan een paar datapunten of een publiek buiten je eigen team. Wat je ervan mag verwachten: de vormgeving staat bijna altijd in één keer goed. De datalaag is dat bij een rechtstreeks gegenereerde grafiek vaak niet.

Welke tool kies je voor infographic maken met AI: beeldgenerator, Canva of een losse grafiektool?

Of je het nu infographic maken met AI, ai infographic maken of infographic maken ai noemt: de taak is hetzelfde. De keuze hangt af van wat er in beeld moet. Drie routes dekken de meeste zakelijke behoefte. Een beeldgenerator als ChatGPT of Gemini voor een snel, puur illustratief beeld. Canva voor wie al in sjablonen werkt en zijn eigen data wil tekenen. Een losse grafiektool als Google Sheets of Excel voor wie meerdere infographics per maand met echte cijfers maakt en de grafiek opnieuw wil gebruiken.

Gratis infographic maken met AI: wat je inlevert

Gratis infographic maken met AI kan met een gratis ChatGPT- of Gemini-account. Je levert twee dingen in: een maximum aantal beelden per dag, en een stijl die het model zelf kiest in plaats van een vaste huisstijl die je bewaart. Voor één eenmalige post is dat genoeg. Maak je elke week een nieuwe infographic in dezelfde merkstijl, dan loop je sneller tegen de daglimiet aan dan tegen de kosten van een goedkoop abonnement. Je mist dan ook de kans om een stijl vast te zetten voor hergebruik.

Een infographic maken met AI: de prompt, het resultaat en de cijferfout

Fictief, illustratief voorbeeld: een marketingmedewerker bij een tuincentrum, hier "Tuincentrum Verdant" genoemd, wil een infographic voor een LinkedIn-post. Het gaat om de klanttevredenheidscijfers van dit kwartaal.

De prompt

#CONTEXT: Je maakt een infographic voor een LinkedIn-post van Tuincentrum
Verdant over de klanttevredenheidscijfers van dit kwartaal.

#DOEL: Een vierkant beeld met vijf categorieën en hun percentage, fris en
groen-wit, opvallend genoeg voor een LinkedIn-feed.

#DATA: Algemene tevredenheid 82%, Zou aanbevelen 76%, Leversnelheid 61%,
Prijsperceptie 54%, Gebruiksgemak webshop 88%.

#STIJL: Vijf balken of cirkels met een icoon per categorie, grote
duidelijke cijfers, groen-wit kleurenschema.

#NIET: Geen logo, geen echte klantnamen of klantfoto's.

Wat de AI teruggeeft

Het beeld zelf oogt goed. Frisse kleuren, duidelijke iconen, een lay-out die in een LinkedIn-feed opvalt. Bij het terugchecken tegen de brontabel blijken twee van de vijf cijfers niet te kloppen.

De eerste fout, 54 wordt 45, is een klassieke omzetting: de tientallen en de eenheden wisselen van plek. Dat gebeurt vaker bij een tweecijferig getal dan bij een getal met drie of meer cijfers, omdat het model dan twee losse keuzes maakt in plaats van één. De tweede fout zit niet in het cijfer zelf, maar in de balk ernaast. De AI tekent de hoogte op gevoel. Ze tekent geen exacte verhouding tussen 76 en 88 procent. Precies dit noemt Google's eigen modelinformatie "infographic factuality". Precies dit testte IGenBench als een van de zwakste dimensies van zijn benchmark.

Wat je repareert voor je publiceert

Eén: controleer elk cijfer in de afbeelding terug tegen je brontabel. Kijk niet alleen naar de twee die je toevallig opmerkte. De fout valt willekeurig op een cijfer. Een steekproef is dus niet genoeg. Bij vijf datapunten kost volledig controleren twee minuten. Twee: voor de volgende infographic zet je de cijfers eerst in een losse grafiek. Bijvoorbeeld Canva Magic Charts met je eigen tabel, of een staafdiagram in Google Sheets. Laat AI daarna alleen de iconen, kleuren en achtergrond eromheen maken. Dat voorkomt de fout bij de bron, in plaats van hem achteraf op te sporen.

Beslisregel: wanneer laat je AI de cijfers tekenen, en wanneer doe je dat apart?

De drempel bij zes cijfers is geen ronde vuistregel. Het is de plek waar controletijd en risico elkaar inhalen. Bij vijf cijfers duurt een volledige check twee minuten. Bij vijftien duurt dat net zo lang als de grafiek meteen goed laten rekenen.

Wat infographic maken met AI oplevert, en hoe je dat na zeven dagen meet

Reken op tien tot vijftien minuten extra voor de datalaag, los van de vormgevingsstap die je al deed. Dat voelt als vertraging. Het is sneller dan een cijferfout rechtzetten nadat iemand hem al zag en erop reageerde. Uit onze trainingen: de vormgeving staat bij zo'n acht van de tien eerste pogingen al goed. De cijfers kloppen bij een rechtstreeks gegenereerde infographic, in onze eigen oefensessies, bij ruwweg de helft tot twee derde van de datapunten. Dat ligt in lijn met de bandbreedte die Google en IGenBench zelf melden.

Wat na een week beter wordt: je scènebeschrijving voor de vormgeving wordt herbruikbaar. Dat scheelt tijd bij elke volgende infographic. Wat niet beter wordt: de noodzaak om elk cijfer te checken zodra je AI toch de data laat tekenen. Dat is geen promptprobleem dat met oefening verdwijnt. Het is een eigenschap van hoe het model werkt.

Drie meetpunten, zonder tooling:

• Hoeveel van je laatste tien infographics kon je zonder cijfercorrectie delen? Onder de zes van de tien: ga over op de gesplitste route uit de tabel hierboven.
• Hoeveel cijferfouten vond je bij het teruglezen tegen de bron, per infographic? Bij de gesplitste route is het doel nul. Vind je daar toch een fout, dan zit die in je brontabel, niet in de AI.
• Hoeveel minuten kostte de losse grafiekstap de derde keer, tegenover de eerste keer? Daalt dat niet, dan hergebruik je je sjabloon nog niet. Dan kost de stap onnodig veel tijd.

Privacy: wat je wel en niet in een AI-tool plakt voor een infographic

Een infographic met geaggregeerde cijfers, zoals een percentage, een gemiddelde of een totaal, is meestal onschuldig. Daar is geen individu meer in te herkennen. Plak je een losse enquête-export met namen, e-mailadressen of individuele antwoorden in een gratis consumentenaccount om die eerst te laten samenvatten? Dan verwerk je persoonsgegevens in een tool zonder verwerkersovereenkomst. Aggregeer daarom eerst zelf in een spreadsheet. Plak alleen de uitkomst, het percentage, in de AI-tool. Niet de ruwe rijen. Werk je toch met ruwe klant- of personeelsdata, doe dat dan in een zakelijk account waarbij training op je input uitstaat. Nooit in de gratis consumentenversie.

Wat AI bij een infographic niet goed kan

Twee grenzen blijven gelden, hoe goed je prompt ook is. Eén: het model rekent niet. Het benadert een cijfer en een verhouding op gevoel, net als in het voorbeeld hierboven. Twee: het model plaatst tekst en cijfers nog altijd minder precies dan een lay-outtool. Dat geldt niet alleen voor de grote cijfers in je infographic, maar ook voor kleine labels, asterisken of eenheden die je er zelf niet in de prompt noemde en die de AI toch toevoegt.

De 52,1 en 32,8 procent uit de Callout hierboven zijn cijfers van Google zelf, gemeten bij de eigen lancering van het model. Er is nog geen onafhankelijke meting die dat percentage bevestigt of tegenspreekt, zoals IGenBench wel deed voor oudere beeldmodellen. Behandel dat cijfer dus als een bovengrens die de leverancier zelf claimt, niet als een onafhankelijk vastgestelde waarheid.

Dit verandert zodra een beeldmodel een losse rekenstap inbouwt in plaats van een cijfer te raden, of zodra een onafhankelijke benchmark een hoger percentage meet dan de leverancier zelf. Zover is het nog niet. Tot die tijd blijft de controlestap uit de beslisregel nodig, ook bij het nieuwste model.

Doe dit deze week

1. Kies één terugkerend type infographic en leg de stijl vast

   Kwartaalcijfers, een enquête-uitslag, een voortgangsrapportage. Beschrijf formaat en kleurenschema één keer. Zo kun je die beschrijving steeds hergebruiken.

2. Draai de prompt hierboven op je eigen cijfers

   Vervang de data door je eigen vijf of zes datapunten. Controleer na het genereren elk cijfer apart tegen je brontabel, niet alleen de cijfers die er op het eerste gezicht vreemd uitzien.

3. Zet je volgende infographic met meer dan zes cijfers eerst in een losse grafiek

   Canva Magic Charts met je eigen tabel, of een staafdiagram in Google Sheets. Laat AI daarna alleen de iconen, kleuren en lay-out eromheen maken.

Het recept dat vandaag werkt: genereer de vormgeving los van de cijfers. Controleer elk getal terug tegen de bron voor je publiceert. Laat een rekentool de grafiek tekenen zodra je over zes datapunten of een extern publiek gaat. Wil je dit met je eigen huisstijl en je eigen rapportages onder begeleiding opzetten? In de AI Visuals-training oefen je dit met je eigen materiaal, inclusief de controlestap die een cijferfout voorkomt voordat hij de deur uit gaat.

Bronnen

• Google DeepMind, Nano Banana 2.1, Model Card, gepubliceerd oktober 2026. Zelf geopend: de "Infographic Factuality"-scores (0,521 met denkmodus, 0,328 zonder, tegenover 0,179 en 0,265 bij twee eerdere Gemini-beeldmodellen) en de officiële lijst bekende zwaktes, waaronder tekstweergave in kleine letters en lange alinea's.
• IGenBench, Benchmarking the Reliability of Text-to-Infographic Generation, arXiv, januari 2026. Zelf geopend: het abstract met de opzet (600 testgevallen, 30 infographic-types, tien geteste beeldmodellen), de vraag-niveau-score van 0,90 tegenover de infographic-niveau-score van 0,49 voor het beste model, en de datavolledigheid-score van 0,21 als een van de zwakste gemeten dimensies.
• OpenAI, Image generation. Zelf geopend: de officiële limitatie dat het beeldmodel nog altijd kan worstelen met precieze tekstplaatsing en scherpte, ook na verbeteringen.
• Canva, Help Center: AI charts. Niet zelf te openen: de hulppagina weigert geautomatiseerde bezoekers met een "verouderde browser"-melding. Gecontroleerd via een samenvatting van de pagina zelf: AI-gegenereerde grafieken gebruiken voorbeelddata die niet per se klopt, Canva adviseert zelf om eigen, gecontroleerde cijfers in te voeren of een CSV te uploaden, en de AI kan geen volledige infographic genereren, alleen standaardgrafiektypes zoals staaf-, lijn-, taart- en vlakdiagrammen.
• AI-afbeelding maken voor je bedrijf, eigen artikel op deze site. Gebruikt voor de algemene prompt-opbouw en toolkeuze bij AI-beeldgeneratie, waarop dit artikel voortbouwt voor het specifieke geval van data in beeld.

Veelgestelde vragen

• Wat is infographic maken met AI, en waar begin je het best?

  Je beschrijft de cijfers en de gewenste stijl in een prompt aan ChatGPT of Gemini, en het model levert binnen een paar minuten een kleurrijk beeld terug. Begin met een beeld waar geen echte cijfers in staan, zoals een sfeerbeeld of coverslide, zodat je eerst wennen aan de prompt-opbouw zonder het risico van een foutief getal.

• Kun je gratis een infographic maken met AI?

  Ja, met een gratis ChatGPT- of Gemini-account. Je levert twee dingen in: een maximum aantal beelden per dag, en een stijl die het model zelf kiest in plaats van een vaste huisstijl die je bewaart. Voor een eenmalige post is dat genoeg; maak je er wekelijks een in dezelfde merkstijl, dan loop je sneller tegen de limiet aan dan tegen de kosten van een abonnement.

• Waarom kloppen de cijfers in een AI-gegenereerde infographic niet altijd?

  Een beeldmodel tekent een infographic pixel voor pixel op basis van wat zo'n plaatje meestal bevat. Een cijfer is voor het model een vorm, geen uitkomst van een berekening. Google's eigen testresultaten voor zijn nieuwste beeldmodel laten zien dat een infographic maar in ongeveer de helft van de gevallen volledig feitelijk klopt, ook bij het best scorende model uit de test.

• Is een AI-tool zoals Canva wel betrouwbaar voor een grafiek met echte cijfers?

  Canva's AI-grafiekfunctie tekent standaardgrafieken zoals staaf-, lijn-, taart- en vlakdiagrammen op basis van data die je zelf invoert of als CSV uploadt, en rekent die cijfers dan wel exact door. Canva kan geen volledige infographic in één keer genereren: de lay-out eromheen, iconen en tekstblokken, vul je apart aan met Magic Design.

• Mag je klantcijfers of enquêtegegevens in een AI-tool plakken voor een infographic?

  Een geaggregeerd cijfer, zoals een percentage of gemiddelde, is meestal onschuldig. Een losse enquête-export met namen of individuele antwoorden is dat niet: dat zijn persoonsgegevens, en die plak je niet in een gratis consumentenaccount zonder verwerkersovereenkomst. Aggregeer eerst zelf in een spreadsheet en plak alleen de uitkomst in de AI-tool.