Handreiking over LLM's om vakkennis te ontsluiten

De Adviesfunctie Verantwoord Datagebruik publiceerde de Handreiking Inzet van Large Language Models om vakkennis te ontsluiten, samen met Pels Rijcken en Highberg. De aanleiding is dat overheden steeds vaker uitzoeken hoe generatieve AI grote hoeveelheden informatie beter toegankelijk maakt. Documenten doorzoeken, automatisch samenvattingen laten maken, vragen laten beantwoorden op basis van de eigen bronnen. De handreiking zet de juridische en ethische aandachtspunten op een rij voor organisaties die zo'n toepassing willen bouwen of gebruiken, met aandacht voor privacy, intellectueel eigendom, AI-regelgeving, goed bestuur en ambtelijk vakmanschap (Binnenlands Bestuur).

Het is geschreven voor de overheid, maar het beschrijft precies wat veel kantoren zelf willen: een zoekvenster waarin je een vraag stelt en een antwoord terugkrijgt op basis van je eigen kennisbank, met bronvermelding erbij. Het hoofdstuk over intellectueel eigendom is voor die ambitie het belangrijkste deel. De kern in één zin: de tekst- en dataminingexceptie van artikel 15o Auteurswet dekt het inlezen van bronnen in zo'n tool, en zij dekt het antwoord dat de tool vervolgens genereert niet.

Hoe zo'n zoektool in elkaar zit‍ ‍

Het auteursrecht knipt precies op de techniek, dus die techniek eerst.

De tool haalt bronnen op en zet er een kopie van in een eigen zoekbestand, de index. Stelt een gebruiker een vraag, dan zoekt het systeem in die index naar passages die daarbij passen. Die passages gaan mee naar het taalmodel, met de opdracht er een antwoord van te maken. Het model wordt hierbij niet getraind op jouw stukken. Het krijgt de gevonden tekst op het moment van de vraag te zien en formuleert daar een antwoord uit, met een verwijzing naar de gebruikte bron. In de opzet die de handreiking beschrijft gebeurt dat binnen een afgeschermde Azure-omgeving, zodat de gegevens die omgeving niet verlaten.

Juridisch zijn dit twee losse momenten. Het kopiëren van de bron naar de index is het eerste, de handreiking noemt dat de inputfase. Het genereren en tonen van het antwoord is het tweede, de outputfase. Voor allebei geldt een ander regime.

Wat de tekst- en dataminingexceptie in de inputfase toestaat‍ ‍

Een kopie maken van een beschermd werk is auteursrechtelijk een verveelvoudiging, en die is voorbehouden aan de rechthebbende. Zonder grondslag mag die kopie dus niet in je index staan.

Artikel 15o Auteurswet biedt die grondslag onder twee voorwaarden. Je moet rechtmatige toegang hebben tot het werk, en de rechthebbende mag zijn auteursrecht niet uitdrukkelijk hebben voorbehouden. Bij online materiaal moet dat voorbehoud op een machinaal leesbare manier zijn gemaakt, bijvoorbeeld in de metadata of in het robots.txt-bestand van de site. Het tweede lid stelt nog een grens aan de bewaartermijn: de kopie mag blijven bestaan zolang je hem voor de tekst- en datamining nodig hebt.‍ ‍

Rechtmatige toegang is een lagere drempel dan hij klinkt. Een betaalmuur omzeilen valt erbuiten. Een abonnement dat je gewoon hebt afgesloten levert die toegang wel op. Het voorbehoud is waar het misgaat. Uitgevers en websitehouders leggen dat steeds vaker vast, technisch én in hun gebruiksvoorwaarden. ICTRecht wijst er in een analyse van het TDM-voorbehoud op dat een voorbehoud in de voorwaarden meteen geldt voor alle kanalen waarlangs je bij de inhoud komt: de website, het portaal en de API.

Voor bronnen waarmee je een contract hebt, loopt de route via toestemming. De handreiking is daar strikt: die toestemming moet echt zijn verkregen. Een leesabonnement op een juridische databank is niet vanzelf een licentie om de inhoud naar je eigen index te kopiëren. Wat wel mag, staat in de licentievoorwaarden, en die zijn bij vakuitgevers zelden geschreven met het oog op een AI-toepassing van de afnemer. Over de verhouding tussen uitgevers, makers en AI-gebruik schreven wij eerder in Wat mag een uitgever met AI doen met het werk van eigen auteurs?.

Bij het antwoord houdt de exceptie op‍ ‍

Dit is het punt dat in de praktijk het vaakst wordt overgeslagen.

Een antwoord dat op de gevonden passages leunt, kan auteursrechtelijk een bewerking van die bron zijn. Het tonen van dat antwoord aan de gebruiker kan een openbaarmaking zijn. De handreiking adviseert daarom om gegenereerde antwoorden zekerheidshalve als bewerking te behandelen. Zij wijst op het arrest Infopaq, waarin het Hof van Justitie oordeelde dat het overnemen van een fragment van elf woorden al inbreuk kan opleveren.

De tekst- en dataminingexceptie ziet alleen op reproducties. Bewerkingen en openbaarmakingen vallen erbuiten. Wie de inputfase netjes op artikel 15o baseert, kan in de outputfase dus alsnog met lege handen staan. Toestemming van de rechthebbende moet daarom uitdrukkelijk ook zien op het genereren van antwoorden en samenvattingen. Toestemming die tot het inlezen beperkt blijft, schiet tekort. De handreiking geeft gebruikers daarnaast een praktische instructie mee: neem de output niet letterlijk over in andere documenten.

De bronvermelding onder een antwoord verandert daar niets aan. Die is nuttig voor transparantie en voor verificatie. Auteursrechtelijk rechtvaardigt zij niets: correct citeren maakt een bewerking nog niet toelaatbaar.

Databankrecht: bij hergebruik is er geen exceptie‍ ‍

Het databankrecht loopt deels gelijk op en pakt op één punt strenger uit. Voor het opvragen van gegevens uit een beschermde databank bestaat een vergelijkbare tekst- en dataminingexceptie in artikel 4a Databankenwet. Voor hergebruik bestaat die niet.‍ ‍

Dat verschil telt, omdat een tool die antwoorden genereert de inhoud van de onderliggende databank indirect bij de gebruiker brengt. Het Hof van Justitie rekent het verspreiden van die inhoud tot het exclusieve recht van de producent, ook als de gebruiker de databank zelf nooit opent. De handreiking gaat er daarom van uit dat hergebruik aan de orde kan zijn, en dan blijft alleen toestemming over.‍ ‍

Bij de vraag of het databankrecht echt in de weg zit, telt de omvang. Een substantieel deel opvragen of hergebruiken is voorbehouden aan de producent. Bij kleinere delen ligt de grens bij herhaald en systematisch gebruik dat de normale exploitatie van de databank doorkruist. Een index die elke maand wordt ververst, voldoet al snel aan dat herhalingscriterium. En juridische databanken zijn precies het soort investering waar databankbescherming op rust.

De AI-verordening geldt inmiddels wel‍ ‍

De handreiking gaat terug op een casus uit 2024 en schrijft daarom dat de regels van de AI-verordening nog niet van toepassing zijn. Dat is achterhaald. De transparantieplicht van artikel 50 AI-verordening geldt sinds 2 augustus 2026. Wie een vraag stelt aan zo'n zoektool, moet uiterlijk bij die eerste interactie weten dat hij met een AI-systeem te maken heeft.

De risicoclassificatie blijft waarschijnlijk mild. De handreiking concludeert dat een interne kennisontsluiter niet onder de verboden praktijken valt en vermoedelijk geen hoog risico is, omdat hij niet in bijlage III past. Die conclusie hangt aan de functionaliteit van vandaag. Wordt de tool later gekoppeld aan personeelsdossiers, of gaat hij een rol spelen bij beslissingen over mensen, dan verschuift het antwoord. De handreiking maakt van die herbeoordeling een terugkerende verplichting bij elke nieuwe versie.

Aandachtspunten bij een AI-zoektool op je eigen kennisbank

Begin met een bronneninventaris. Leg per bron vast waar hij vandaan komt, op welke grond hij in de index mag staan, en of die grond ook het genereren van antwoorden dekt. Voor eigen kantoorstukken is dat snel geregeld. Voor uitgeversmateriaal hangt het aan de licentie, en die vraag hoort bij de contractverlenging thuis in plaats van bij de bouwer van de tool. Voor open bronnen als rechtspraak.nl en wetten.overheid.nl gelden eigen gebruiksvoorwaarden, die je naleest voordat er een crawler op wordt gezet.

Die inventaris is ook je verantwoordingsdocument. De handreiking vraagt vast te leggen welke datasets de broninformatie vormen en welke maatregelen zijn getroffen om die actueel, juist en representatief te houden. Bij de overheid volgt dat uit het zorgvuldigheidsbeginsel. Voor een kantoor valt het samen met wat je richting cliënt of tuchtrechter zou willen laten zien over de herkomst van je antwoorden.

Stel daarnaast een bewaartermijn in voor de gekopieerde bronnen, met verwijdering zodra een bron is verouderd of vervalt. En test voordat de tool opengaat of hij de antwoorden geeft die je op basis van de aangeboden bronnen mocht verwachten. Leg die test vast.

Voor stukken die onder het beroepsgeheim vallen, geldt de bekende voorwaarde: alleen in een afgeschermde omgeving, met een verwerkersovereenkomst en zonder training op de invoer. De handreiking beschrijft precies zo'n opzet.