Raad van State trekt de grens tussen AI-fraude en slordigheid bij verzonnen bronnen
De Afdeling bestuursrechtspraak van de Raad van State deed op 12 augustus 2026 drie uitspraken over studenten die met verzonnen bronvermeldingen werden geconfronteerd met een fraudesanctie. Een Groningse masterstudent won zijn zaak, een Rotterdamse masterstudente verloor en een Maastrichtse bachelorstudente rechten verloor eveneens. De drie uitspraken staan niet op zichzelf. Sinds de zomer van 2025 heeft de Afdeling in minstens acht zaken over verzonnen bronnen dezelfde toets aangelegd, en de Groningse zaak is de eerste in die reeks waarin een student de toets doorstond. Voor juridische organisaties die AI-gebruik door medewerkers reguleren of over vermeend AI-misbruik oordelen, zit in die reeks een bruikbaar toetsingskader.
Wat de Raad van State als AI-fraude aanmerkt
AI-gebruik is volgens de Raad van State fraude zodra het handelen of nalaten van de student het geheel of gedeeltelijk onmogelijk maakt om een juist oordeel te vormen over diens kennis, inzicht en vaardigheden, en dat moet buiten redelijke twijfel vaststaan. Het enkele gebruik van AI is dus geen fraude, en een onjuiste bronvermelding is dat ook niet. De Afdeling herhaalt in de Groningse zaak dat de omvang en de ernst van de fouten tellen, en of de student een plausibele verklaring geeft. Wie slordig is, krijgt een lager cijfer van de examinator. Wie fraudeert, krijgt een maatregel van de examencommissie.
Opzet hoeft niet te worden aangetoond. In een zaak van Hogeschool Inholland uit april 2026 oordeelde de Afdeling dat het volstaat dat de fraude buiten redelijke twijfel vaststaat, en dat de herkomst van de verzonnen bronnen daarbij niet doorslaggevend is. De examencommissie had erkend dat zij AI-gebruik niet onomstotelijk kon vaststellen. Dat maakte geen verschil: elf van de 21 bronnen klopten niet met wat de studente erover had geschreven en zij kon dat niet herstellen.
Sinds haar uitspraak van 23 april 2025 beschouwt de Afdeling fraudesancties in het hoger onderwijs als herstelsancties, maar zij houdt vast aan de maatstaf buiten redelijke twijfel. In het Nederlands Juristenblad is betoogd dat die combinatie niet houdbaar is; de augustusuitspraken laten zien dat de Afdeling er voorlopig niet van afwijkt.
Drie zaken op één dag, drie uitkomsten
De Groningse student had een marketingthesis ingeleverd met een bronnenlijst vol niet-bestaande verwijzingen. Zijn verklaring: hij had een eerdere, correcte bronnenlijst door een AI-tool laten categoriseren, en daarbij was de lijst verhaspeld. De examencommissie en het college van beroep voor de examens (CBE) geloofden dat niet, mede omdat ook de hoofdtekst naar niet-bestaande bronnen zou verwijzen. De Afdeling controleerde dat zelf: acht van de elf verwijzingen in de hoofdtekst kwamen overeen met de eerdere versie van april, en voor de overige drie vond zij met een eenvoudige zoekopdracht een artikel van de genoemde auteur uit het genoemde jaar. Een daarvan had de thesisbegeleider hem zelf gemaild. De verzonnen bronnen in de lijst bleken allemaal gekoppeld aan die wel bestaande verwijzingen. Daarmee klopte de verklaring van de student, en had het CBE die verklaring moeten onderzoeken. De sanctie is vernietigd en de thesis moet alsnog worden beoordeeld.
De Rotterdamse studente had bij twee papers de bronnenlijst door ChatGPT laten genereren. In haar vak was AI-gebruik onder voorwaarden toegestaan: een AI-verklaring, een bijlage met de gebruikte prompts, en een markering welk deel van het werk van haarzelf kwam en welk deel van AI. Bij het eerste paper leverde ze niets van dat alles in, bij het tweede alleen de AI-verklaring. Op de zitting erkende ze dat ze de verwijzingen niet had bijgehouden en ChatGPT in tijdnood de bronnenlijst en aanvullende verwijzingen liet maken op basis van de context van het paper. Dat is volgens de Afdeling iets anders dan een eigen lijst laten fatsoeneren.
De Maastrichtse studente ontkende dat ze AI had gebruikt. Bij een opdracht die juist ging over het correct vermelden van bronnen, klopten drie van de vier vindplaatsen niet: verkeerd tijdschrift, verkeerd jaar, onvolledige titel, verkeerde paginanummers. Ze wees op tijdnood, een slechte internetverbinding, dyslexie en oude aantekeningen. De Afdeling vond in die aantekeningen de vindplaatsen niet terug, en titels die niet bij het tijdschrift passen zijn geen gevolg van dyslexie.
Dezelfde verklaring sneuvelde een jaar eerder bij de Universiteit van Amsterdam
Het verweer van de Groningse student is niet nieuw. Een rechtenstudent van de Universiteit van Amsterdam voerde in de zomer van 2025 precies hetzelfde aan: hij had de bronnen zelf gevonden en ChatGPT alleen gevraagd ze volgens de Leidraad voor juridische auteurs op te maken. De Afdeling geloofde hem niet, omdat hij de oorspronkelijke bronnen achteraf niet kon terugvinden en in plaats daarvan andere bronnen aan de docent stuurde. Het verschil met Groningen zit in het bewijs. De Groningse student had een versie van april met een kloppende lijst, een gecorrigeerde lijst en een e-mail van zijn begeleider. De Amsterdamse student had alleen zijn woord.
Dezelfde dag oordeelde de Afdeling over een masterstudente staats- en bestuursrecht die in een schrijfopdracht verwees naar een arrest van het Hof van Justitie over een persoon die in geen enkel arrest voorkomt, met zaaknummers die niet bij de data pasten en ECLI-nummers die niet bij de C-nummers hoorden. De examencommissie had per voetnoot uitgelegd waarom die fouten kenmerkend zijn voor AI-output: verzorgd op het oog, onjuist bij controle. Dat volstond. In maart 2026 voegde de Afdeling daar in een zaak van de Vrije Universiteit aan toe dat afwijkingen te groot kunnen zijn om nog als slordigheid door te gaan, en in juni 2026 dat een concept-paragraaf die alleen voor feedback wordt ingeleverd evengoed onder de fraudenorm valt, omdat feedback niet los staat van een oordeel over kennen en kunnen. Het verweer dat een opmaaktool als Scribbr de fouten had veroorzaakt, verklaarde volgens de Afdeling niet waarom zeven bronnen helemaal niet bestonden.
Bewijs van AI-gebruik vraagt geen detectietool
De Maastrichtse studente voerde aan dat het onderzoek onzorgvuldig was omdat er geen technische analyse was uitgevoerd en geen AI-detectietool was ingezet. De Afdeling wijst dat af. Het zorgvuldigheidsbeginsel vraagt dat de examencommissie de feiten verzamelt en de student daarop tijdig laat reageren, en dat was gebeurd. Het patroon van de fouten, in combinatie met het ontbreken van een houdbare alternatieve verklaring, volstaat. Dat sluit aan bij de rechtbank Den Haag, waar een vermoeden van AI-gebruik in processtukken ontstond zonder dat er één verzonnen uitspraak in stond.
De keerzijde staat in de Groningse zaak. Wie oordeelt over vermeend AI-misbruik, moet een concrete verklaring van de betrokkene wel onderzoeken. Het CBE had de eerdere versie en de gecorrigeerde lijst in handen en deed er te weinig mee; de Afdeling had per verwijzing aan één zoekopdracht genoeg.
Toegestaan AI-gebruik beschermt niet als de voorwaarden worden genegeerd
De Rotterdamse studente betoogde dat er geen fraude kon zijn omdat het vak AI-gebruik uitdrukkelijk toestond. De Afdeling verwerpt dat. Een bepaald gebruik van AI kan fraude opleveren, ook als AI-gebruik in beginsel en onder voorwaarden is toegestaan. Het CBE lichtte toe dat de AI-regels precies zo waren ontworpen: AI mocht, zolang zichtbaar bleef welk deel van het werk van de student kwam en welk deel van het model. De verklaring en de promptbijlage zijn het instrument waarmee de beoordelaar zijn werk kan doen. Wie de transparantie weglaat, verliest de toelating en valt terug op de algemene norm.
Gevolgen voor AI-beleid en fraudeonderzoek in juridische organisaties
De uitspraken gaan over studenten, maar de mechaniek vertaalt zich rechtstreeks naar organisaties die AI-gebruik door medewerkers reguleren of beoordelen. Wij zien drie gevolgen.
Het eerste raakt de inhoud van AI-beleid. De Rotterdamse regels werkten voor de rechter omdat ze het doel van de norm expliciet maakten en een concreet transparantiemechanisme koppelden aan de toelating. Wij schreven eerder waarom een organisatie een AI-beleid nodig heeft. Benoem waarom transparantie nodig is, leg vast wat een medewerker moet documenteren, en koppel daar de consequentie aan.
Het tweede raakt de onderzoeksprocedure. Wie een vermoeden van niet-gecontroleerd AI-gebruik onderzoekt, hoeft geen detectiesoftware te kopen en hoeft ook niet te bewijzen dat er AI aan te pas kwam. Verzonnen bronnen die de betrokkene niet kan herstellen, dragen de conclusie zelf. Wel moet de betrokkene de onderbouwing van het vermoeden krijgen, de kans om te reageren, en moet een concrete alternatieve verklaring daadwerkelijk worden nagetrokken. Wie dat werk overslaat, verliest de zaak.
Het derde raakt de gebruiker zelf. Wat de Groningse student redde en de Amsterdamse student ontbrak, was versiegeschiedenis. Voor juristen die AI inzetten voor het opmaken van een verwijzing of het ordenen van bronnen, geldt hetzelfde. Bewaar de versie van voor de AI-stap, controleer de versie erna, en houd bij welke tool je waarvoor hebt gebruikt. De aanbevelingen van de NOvA vragen om exact dat: AI-output nooit ongecontroleerd overnemen en intern transparant zijn over het gebruik.