AI-Aansprakelijkheid: Wie Is Verantwoordelijk als AI Schade Veroorzaakt?¶

Doel

Scenariogebaseerde aansprakelijkheidsmapping op basis van de herziene EU Product Liability Directive (PLD 2024/2853), agentische AI-acties, tekortkomingen van leveranciers-LLM's en HITL-fouten — met interne beheersmaatregelen die blootstelling beperken.

1. Regelgevingscontext¶

De herziene EU Product Liability Directive 2024/2853 ([so-41]) trad in werking op 9 december 2024 en moet uiterlijk 9 december 2026 in nationaal recht zijn omgezet. De richtlijn dekt software en AI-systemen expliciet als "producten", ter vervanging van de richtlijn uit 1985 die dateerde van vóór digitale producten.

Belangrijkste wijzigingen ten opzichte van de PLD van 1985:

Oude PLD (1985)	Nieuwe PLD 2024/2853
Dekte alleen materiële producten	Dekt software, AI-systemen, digitale diensten
Eiser moet exact gebrek aantonen	Openbaarmakingsplicht: gedaagden moeten bewijs overleggen
Geen bepaling voor autonome systemen	Behandelt schade veroorzaakt door autonome/agentische systemen
Strikte productgebreknorm	Voegt "redelijkerwijs voorzienbaar misbruik" toe als gebrekkcriterium

Wanneer is de PLD van toepassing?

De PLD is van toepassing wanneer een AI-systeem op de markt wordt gebracht of in gebruik wordt gesteld en persoonlijk letsel, zaakschade of dataverlies veroorzaakt. De richtlijn vervangt niet het contractenrecht of het arbeidsrecht — deze blijven naast de PLD van toepassing.

2. Aansprakelijkheidsscenario's¶

Scenariomatrix¶

Scenario	Blootstelling deployer	Blootstelling provider/leverancier	Vast te houden bewijsmateriaal
A — Foutieve uitvoer leveranciers-LLM	Laag (als leverancierscontract dit afdekt)	Hoog (provider is fabrikant onder PLD)	Leveranciers-SLA, API-versielogboek, aansprakelijkheidsclausule
B — Eigen gefinetuned/getraind model	Hoog — u bent de fabrikant	N.v.t.	Modelkaart, herkomst trainingsdata, Validatierapport
C — Agentische AI (Modus 4-5) veroorzaakt schade	Hoog — deployer beheert systeemontwerp	Gemiddeld (als leveranciersmodel de actie veroorzaakte)	Onderbouwing modusindeling, Harde Grenzen, logboeken menselijk toezicht
D — HITL-goedkeuring van foutieve beslissing	Gedeeld — mens keurde de uitvoer goed	Laag	Auditlogboek menselijke goedkeuring, trainingsregistraties, override-mogelijkheid
E — RAG-systeem haalt verouderde/foutieve informatie op	Hoog — deployer beheert retrievalpipeline	Laag	Logboek databronversies, versheidsmonitoring, kennisbron-versiecontrole

Scenario A: Foutieve Uitvoer Leveranciers-LLM¶

Wanneer u een externe LLM-API aanroept en het model feitelijk onjuiste, schadelijke of discriminerende inhoud produceert:

De PLD behandelt de modelprovider als fabrikant; u bent de downstream-deployer
Uw aansprakelijkheid is verminderd als u kunt aantonen dat u redelijke invoer-/uitvoercontroles heeft geïmplementeerd
Bescherm uzelf: aansprakelijkheidsclausule in contract; versiegepinde API; invoervalidatie; uitvoerfiltering; logboek van weigeringen

Scenario B: Eigen Model of Gefinetuned Systeem¶

Wanneer u zelf een model traint of verfijnt (typisch bij Type B-projecten):

U bent de fabrikant onder de PLD — volledige risicoaansprakelijkheid is van toepassing
Gebrek = model produceert onredelijk gevaarlijke uitvoer gezien het beoogde gebruik
Bescherm uzelf: Validatierapport met bias-audit; Golden Set-testdekking; gedocumenteerde Harde Grenzen; Modelkaart met bekende beperkingen; monitoring met drift-detectie

Scenario C: Agentische AI die Autonome Acties Uitvoert (Modus 4–5)¶

Wanneer een AI-agent echte acties uitvoert (e-mails versturen, bestellingen plaatsen, bestanden aanpassen) zonder per-actie menselijke goedkeuring:

De PLD houdt de deployer aansprakelijk voor het systeemontwerp dat autonome actie mogelijk maakte
De norm "redelijkerwijs voorzienbaar misbruik" geldt voor onverwachte neveneffecten
Bescherm uzelf: modusindeling gedocumenteerd in Doelkaart; Harde Grenzen beperken onomkeerbare acties; logboeken menselijk toezicht vastleggen scope; geautomatiseerde stopregels actief

Aansprakelijkheidsrisico bij Modus 4–5 is het hoogst

Autonome AI die zonder per-actie toezicht opereert, heeft de grootste PLD-blootstelling. Zorg dat Harde Grenzen acties boven een gedefinieerde omkeerbaarheidsdrempel expliciet blokkeren en dat het Modusovergangsprotocol is gevolgd (Gate-bewijs).

Scenario D: Human-in-the-Loop Keurt Foutieve Beslissing Goed¶

Wanneer een mens een AI-aanbeveling goedkeurt die later schadelijk blijkt:

Professionele aansprakelijkheid geldt naast de PLD (bijv. medisch, financieel, juridisch domein)
De PLD dekt het AI-systeem nog steeds als de uitvoer gebrekkig was — menselijke goedkeuring heft productaansprakelijkheid niet op
Bescherm uzelf: trainingsregistraties waaruit blijkt dat mensen AI-beperkingen begrepen; gedocumenteerd dat override-mogelijkheid beschikbaar en functioneel was; auditlogboek van goedkeuringen met context die aan de goedkeurder werd getoond

Scenario E: RAG-Systeem Haalt Verouderde of Onjuiste Informatie Op¶

Wanneer een retrieval-augmented systeem verouderde kennis oppervlakt die leidt tot schadelijk advies:

De deployer beheert de retrievalpipeline en is aansprakelijk voor versheid/nauwkeurigheid
Verouderde informatie opgehaald uit een beheerde kennisbasis = productgebrek
Bescherm uzelf: versielogboek kennisbronnen; TTL/versheidsmonitoring; gedocumenteerde data-governance-aftekening per kennisbron (zie Data Engineering-exitcriteria in de AI Levenscyclus)

3. Defensief Bewijspakket per Risiconiveau¶

Minimaal Risico¶

Doelkaart met Harde Grenzen
Basis uitvoerlogboek (bewaren ≥ 3 maanden)

Beperkt Risico¶

Alles hierboven, plus:

Modelkaart of Technische Modelkaart
Leveranciers-SLA met aansprakelijkheidsclausule
Resultaat Fairness audit (bias audit) (Validatierapport §5)

Hoog Risico¶

Alles hierboven, plus:

Volledig Validatierapport ondertekend door Guardian
Bias-audit op kwantitatieve drempel (≤ 5% groepsverschil)
Onderbouwing modusindeling (Gate 1-bewijs)
Menselijk-toezichtsprotocol gedocumenteerd en getest
Post-market monitoring actief (Art. 72 EU AI Act)
Incidentresponsplan getest
SBOM voor ML-pipeline (zie Model Governance §7)

4. PLD en de AI Act: Overlappende Verplichtingen¶

De EU AI Act en de PLD zijn complementair, niet duplicerend:

Verplichting	EU AI Act	PLD 2024/2853
Toepassingsdrempel	Risicoklassificatie (Hoog, Beperkt…)	Product op markt gebracht dat schade veroorzaakt
Aansprakelijkheidstype	Bestuurlijke boetes + toezicht	Civielrechtelijke schadevergoeding aan benadeelden
Openbaarmakingslast	Aanbieder moet systeem documenteren	Rechter kan gedaagde verplichten bewijs te verstrekken
Overlap Hoog Risico	Art. 9–17 technische vereisten	Naleving AI Act is bewijs tégen gebrekclaim

Compliance als aansprakelijkheidsschild

EU AI Act-nalevingsdocumentatie (Validatierapport, Technische Modelkaart, monitoringlogboeken) is direct bruikbaar als bewijs in PLD-procedures. Een project dat alle Gate Reviews heeft doorstaan, staat sterk in bewijspositie.

5. Aansprakelijkheidschecklist¶

AI-Aansprakelijkheidschecklist

Leverancierscontract bevat AI-aansprakelijkheidsclausule (Scenario A)
API-versie vastgepind en uitvoerfiltering actief (Scenario A)
Modelkaart / Technische Modelkaart actueel en ondertekend (Scenario B)
Modusindeling onderbouwd in Gate-bewijs; Harde Grenzen gedocumenteerd (Scenario C)
Logboeken menselijk toezicht bewaard ≥ 12 maanden bij Hoog Risico (Scenario D)
Versheid kennisbronnen gemonitord en versiebeheer actief (Scenario E)
Defensief bewijspakket volledig per risiconiveau (§3)
PLD-omzettingsdeadline (9 december 2026) in compliancekalender

6. Gerelateerde Modules¶

Was deze pagina nuttig? Geef feedback