Hoe AI de werkelijke impact van EU-regelgeving op Nederlandse bedrijven zichtbaar maakt
Het Nederlandse wetgevingsproces wordt sterk beïnvloed door Europese richtlijnen, maar het blijft voor veel organisaties onduidelijk hoe deze richtlijnen uiteindelijk in nationale regelgeving landen. Implementatie in lagere regelgeving – AMvB’s en ministeriële regelingen – is vaak versnipperd en omvangrijk, en daardoor moeilijk systematisch te analyseren. Het gebruik van AI verandert dat fundamenteel. In samenwerking met KPMG heeft Moonlit het Ministerie van Economische Zaken ondersteund in een onderzoek naar de wijze waarop EU-richtlijnen in lagere regelgeving zijn verwerkt. Dit onderzoek bouwde voort op een eerdere analyse uit 2023, maar richtte zich nu op de vraag of regelgeving lastenluw wordt geïmplementeerd, zoals Aanwijzing 9.5 dat voorschrijft. Door deze vraag centraal te stellen kon AI helpen bij het identificeren van situaties waarin bedrijven mogelijk meer lasten ervaren dan Europees noodzakelijk is.
Het project demonstreerde hoe traditionele juridische analyse en moderne AI-technologie elkaar logisch aanvullen. Waar menselijke expertise essentieel blijft voor interpretatie, validatie en beleidsmatige duiding, kan een AI-model enorme hoeveelheden tekst doorzoeken, rubriceren en vergelijken. Het rapport laat zien dat het AI-model bijna 4.784 AMvB’s en ministeriële regelingen heeft geanalyseerd en deze automatisch heeft gefilterd op relevantie voor EU-implementatie. Vervolgens beoordeelde het model of de regelgeving strengere nationale keuzes bevatte, wat potentieel kan leiden tot extra regeldruk voor bedrijven. Dankzij dit hybride model – AI in combinatie met handmatige validatie – kon een analyse worden uitgevoerd die anders acht tot tien keer meer capaciteit zou vergen.
Van dataset naar inzicht: bijna 5.000 besluiten onderzocht
Het onderzoek startte met het samenstellen van een complete dataset van alle AMvB’s en ministeriële regelingen die tussen juli 2019 en januari 2025 zijn gepubliceerd. Het AI-model scande deze documenten vervolgens op verwijzingen naar EU-richtlijnen en selecteerde 363 besluiten die daadwerkelijk Europese bepalingen implementeerden. Deze selectie vormde het uitgangspunt voor een diepgaande beoordeling van lastenluwe implementatie. Door iteratieve validatie en handmatige cross-checks werden mogelijke false positives corrigeren en false negatives voorkomen. Dit zorgde ervoor dat het model niet alleen kon identificeren waar sprake was van EU-implementatie, maar ook wanneer de nationale regelgeving verder ging dan strikt noodzakelijk.
Uiteindelijk bleek dat van de 4.784 onderzochte besluiten slechts acht gevallen één of meerdere bepalingen bevatten die als niet-lastenluw zijn aangemerkt. Hoewel het aantal klein lijkt, gaat het om besluiten met potentieel significante impact op ondernemingsklimaat, regeldruk en internationale concurrentiepositie. De betreffende besluiten kwamen uit verschillende ministeries, waaronder Infrastructuur & Waterstaat, Economische Zaken, Volksgezondheid, en Sociale Zaken en Werkgelegenheid. Dat onderstreept dat de problematiek breed is en niet aan één beleidsdomein is gebonden. Vooral bij beleidsterreinen met veel minimumharmonisatie – zoals milieu en energie – ontstaat vaker ruimte voor striktere nationale keuzes.
Wat AI daadwerkelijk zichtbaar maakte
Een belangrijke opbrengst van het onderzoek is dat AI inzichtelijk maakt waar strengere nationale keuzes worden gemaakt die verder gaan dan Europese minimumeisen. In zeven van de acht gevallen werd deze keuze expliciet vermeld en gemotiveerd in de toelichting, zoals Aanwijzing 9.5 dat verlangt. De motivering was in vrijwel alle gevallen beleidsmatig, bijvoorbeeld vanwege klimaatdoelen, volksgezondheid of handhaafbaarheid van toezicht. Eén regeling week af zonder deze expliciet te benoemen, maar bevatte wel een inhoudelijke onderbouwing van de keuze voor verdergaande maatregelen.
Ook bracht het onderzoek aan het licht dat regeldrukkosten nauwelijks systematisch worden uitgesplitst. Hoewel alle acht regelingen aandacht besteden aan kosten voor bedrijven, wordt zelden gekwantificeerd welk deel van deze kosten direct voortvloeit uit de niet-lastenluwe implementatie. Hierdoor blijft onduidelijk hoeveel extra lasten bedrijven dragen door nationale keuzes die verder gaan dan de Europese minimumeisen. Slechts vier van de acht besluiten maakten gebruik van het Standaard Kostenmodel (SKM), terwijl andere regelingen vertrouwden op minder transparante aannames of globale kostenramingen. Dit gebrek aan precisie laat zien hoe belangrijk het is dat AI-gedreven analyse wordt aangevuld met duidelijke beleidsrichtlijnen voor kostenonderbouwing.
Impact op ondernemingsklimaat en concurrentiekracht
AI maakte bovendien inzichtelijk welke impact striktere nationale keuzes hebben op het bredere ondernemingsklimaat. Voor zeven van de acht regelingen worden negatieve effecten beschreven, vooral door een toename van regeldruk, kosten of marktbeperkingen. Dit treft met name de stimulerende omgeving voor ondernemerschap, maar in sommige gevallen ook markten en menselijk kapitaal. In drie gevallen werd zelfs een negatieve invloed op de internationale concurrentiepositie vastgesteld. Zo leidde een hogere jaarverplichting voor hernieuwbare energie in vervoer tot hogere brandstofkosten, met mogelijke nadelige effecten op handel en economische positie van Nederlandse bedrijven.
Een ander voorbeeld is de invoering van een meldplicht voor buitenlandse zelfstandigen en vervoerders. Die plicht kan toetredingsdrempels verhogen, waardoor buitenlandse dienstverleners worden ontmoedigd om in Nederland actief te blijven. Dit raakt niet alleen markten en handel, maar ook de concurrentiepositie van Nederlandse bedrijven die afhankelijk zijn van grensoverschrijdende dienstverlening. De analyse toont bovendien dat de directe impact van de niet-lastenluwe onderdelen vaak niet expliciet in de toelichting wordt onderscheiden. AI maakt zichtbaar waar deze informatie ontbreekt en waar beleidsmakers transparanter kunnen zijn over de gevolgen van nationale keuzes.
Waarom een hybride aanpak essentieel blijft
Hoewel AI een cruciale rol speelde in het doorzoeken, ordenen en structureren van de informatie, blijft menselijke expertise noodzakelijk voor de uiteindelijke interpretatie. De klankbordgroep, bestaande uit vertegenwoordigers van meerdere ministeries, beoordeelde de bevindingen van het AI-model en vergeleek deze met de context en beleidsdoelen. Deze combinatie van technologie en juridische deskundigheid garandeert dat conclusies niet alleen technisch correct zijn, maar ook beleidsmatig betekenisvol. De hybride methode zorgde ervoor dat de prompts werden verfijnd, dat de interpretatie van richtlijnen consistent bleef en dat nuance behouden bleef, vooral bij twijfelgevallen.
Het rapport concludeert dat deze aanpak schaalbaar is en dat AI een belangrijke rol kan spelen in toekomstig beleidsonderzoek. Toch laat het onderzoek ook zien dat regeldruk en effecten op concurrentiepositie niet automatisch inzichtelijk worden, zelfs niet met geavanceerde AI. De kwaliteit van de analyse staat of valt met de kwaliteit van de onderliggende informatie. Daarom adviseert het rapport om de schrijfwijzer voor toelichtingen aan te scherpen en om duidelijker op te nemen dat regeldrukkosten en effecten op ondernemingsklimaat systematisch moeten worden onderbouwd en gekwantificeerd. Ook wordt aanbevolen om Aanwijzing 9.5 te verduidelijken, zodat duidelijker is dat de lasten vooral moeten worden beoordeeld voor Nederlandse bedrijven.
De toekomst: AI als fundament voor evidence-based public policy
De kracht van dit project ligt niet alleen in de omvang van de analyse, maar vooral in het feit dat het een nieuwe standaard laat zien voor hoe overheden complexe juridische vraagstukken kunnen benaderen. Door AI op grote schaal in te zetten ontstaat een nieuwe vorm van ‘wetgevingsintelligentie’: realtime inzicht in patronen, afwijkingen, beleidskeuzes en cumulatieve lasten. Voor juristen biedt dat nieuwe mogelijkheden om regelgeving beter te interpreteren en sneller risico’s te herkennen. Voor beleidsmakers ontstaat een nieuwe manier van sturen, onderbouwen en toetsen. En voor bedrijven betekent dit dat wetgeving transparanter kan worden en dat nationale keuzes beter herleidbaar zijn.
Moonlit en KPMG tonen met dit onderzoek aan hoe AI en juridische expertise elkaar versterken. AI maakt de schaal van analyse mogelijk, terwijl menselijke duiding zorgt voor betrouwbaarheid, context en kwaliteit. Deze benadering vormt een krachtige blauwdruk voor toekomstig onderzoek in andere domeinen — van fiscale regelgeving tot milieubeleid en arbeidsrecht. Het project laat zien dat juridische AI-toepassingen niet alleen gaan over efficiëntie, maar ook over beter geïnformeerde, transparantere en effectievere besluitvorming.