
Waar begin je om het over de impact van AI op auteursrecht te hebben? Toch wilde ik een overzicht met rode draad maken voor een korte presentatie voor het Netwerk Auteursrechten Informatiepunten-hbo (NAI-hbo). Dus ik verzamelde mijn aantekeningen van een aantal rechtszaken van de afgelopen jaren en keek ik of ik die rode draad kon vinden. De powerpoint van de presentatie vind je hier terug, een (zeer) uitgebreide versie van dit verhaal heb ik hieronder uitgeschreven.
Ooit was er geen AI
Voor mij begon het ‘AI-tijdperk’ ergens vier jaar geleden toen ChatGPT 3 zijn grote doorbraak had. Ik volgde de ontwikkelingen wel maar zolang ik er zelf niet wat mee kon qua informatie zoeken, was het niet direct iets om wat mee te doen. Dat het een wespennest was rondom auteursrechten, dat was al meteen duidelijk. De eerste ‘AI-gerelateerde’ auteursrechtzaken waren al in 2020 aangespannen maar een lijn kon ik nog niet echt ontdekken. Waar hebben we het nou precies over als we het over auteursrechtelijke kwesties hebben?
De input kant? Op welke bronnen en data de bedrijven hun modellen trainen? En wat daar dan precies wel (en niet) mee gebeurt? En de output kant? Als output van AI modellen gelijk of zelf identiek is aan wat anderen al gemaakt hebben, is dat dan het belangrijkste om rekening mee te houden?
Tot de zomer van dit jaar. In juli 2026 kreeg een schikking van maar liefst 1,5 miljard dollar tussen AI-bedrijf Anthropic en een grote groep schrijvers (Bartz v. Anthropic) definitieve goedkeuring van de Amerikaanse rechter. Het bedrijf achter het Claude model had miljoenen auteursrechtelijk beschermde boeken gedownload uit illegale online bibliotheken en gebruikt voor de ontwikkeling van diens AI-modellen. Een duidelijk (en duur) vonnis, zou je denken, maar het opmerkelijke was dat dezelfde rechter eerder had geoordeeld dat het trainen van die AI-modellen met auteursrechtelijk beschermde boeken onder het Amerikaanse fair use kon vallen.
Hoe kan het dat je 1,5 miljard dollar moet betalen voor het gebruik van boeken terwijl het trainen van een AI-model met diezelfde boeken wel is toegestaan?
Het illustreert goed hoe de juridische discussies wereldwijd gevoerd worden over AI en auteursrecht. Uitgevers, schrijvers, fotografen, muzikanten en andere rechthebbenden procederen tegen AI-bedrijven omdat hun werken zonder toestemming zijn gebruikt. Ondertussen beroepen de makers van AI-modellen zich op wettelijke uitzonderingen die het mogelijk maken om auteursrechtelijk beschermd materiaal te gebruiken zonder daarvoor vooraf toestemming te hoeven vragen.
De eerste rechterlijke uitspraken zijn er inmiddels, maar daarmee zijn we nog lang niet bij een definitief antwoord op de vraag of AI-bedrijven beschermde werken mogen gebruiken.
En dat komt omdat dat de verkeerde vraag is.

Input en output: drie verschillende auteursrechtelijke vragen
Om de ontwikkelingen rondom AI en auteursrecht te kunnen begrijpen, is het belangrijk denk ik om inderdaad onderscheid te maken tussen de input en de output van generatieve AI. En bij die input moet je vervolgens ook nog eens onderscheid maken tussen de herkomst van het materiaal en het daadwerkelijk trainen van een AI-model.
Dat levert niet één maar drie afzonderlijke vragen op.
1. De herkomst van het trainingsmateriaal. Waar haalt een AI-bedrijf zijn teksten, afbeeldingen, boeken en andere gegevens vandaan? Worden die legaal verkregen, via websites verzameld of uit illegale databanken gedownload? En maakt het daarvoor uit of materiaal toegankelijk is op internet?
2. Het trainen van het AI-model. Mag een bedrijf auteursrechtelijk beschermde werken verwerken in een dataset om een AI-model te trainen? Valt dat onder een wettelijke uitzondering op het auteursrecht of moet daarvoor toestemming worden gevraagd aan de rechthebbenden?
3. De output van het AI-model. Wat gebeurt er wanneer een gebruiker het model vraagt om een tekst, afbeelding of ander werk te genereren? Mag een AI-model auteursrechtelijk beschermde werken reproduceren? En wanneer lijkt een gegenereerde tekst of afbeelding zodanig op een bestaand werk dat er sprake is van auteursrechtinbreuk?
Deze drie vraagstukken hangen nauw met elkaar samen, maar ze zijn juridisch niet hetzelfde. En dat onderscheid zie je ook goed terug in de inmiddels gevoerde rechtszaken.
Waar komt het trainingsmateriaal vandaan?
Ik ga even terug naar Bartz v. Anthropic, de rechtszaak waarin een groep schrijvers Anthropic aanklaagde.
Anthropic had voor de ontwikkeling van zijn taalmodellen grote hoeveelheden boeken verzameld om daarmee een enorme dataset te maken. Het bedrijf had daarvoor o.a. ruim zeven miljoen illegale kopieën van boeken gedownload uit ‘piratenbibliotheken’ zoals Library Genesis. Daarnaast had Anthropic ook op zeer grote schaal fysieke boeken (wereldwijd) gekocht en de pagina’s ingescand om een eigen digitale bibliotheek op te bouwen. Destructief ingescand want de boeken werden na het scannen vernietigd.
In juni 2025 kwam de Amerikaanse rechter William Alsup met zijn uitspraak. Hij oordeelde dat het digitaliseren van rechtmatig gekochte boeken voor Anthropic’s eigen bibliotheek in deze omstandigheden onder fair use viel. Ook het daadwerkelijk gebruiken van auteursrechtelijk beschermde boeken voor het trainen van de taalmodellen van Claude was volgens hem fair use.
Maar het downloaden en permanent bewaren van miljoenen illegale boekkopieën om een dataset voor het trainen van AI modellen aan te leggen, was dat nadrukkelijk niet.
Dat Anthropic een deel van die illegale kopieën vervolgens gebruikte om zijn modellen te trainen, maakte de oorspronkelijke kopieerhandelingen niet automatisch rechtmatig. Het bedrijf had immers een enorme verzameling boeken aangelegd en bewaard, ook wanneer die niet langer nodig waren voor de training.
Oftewel, ook al was het doel (en proces) toegestaan, het rechtvaardigt niet automatisch de middelen om dat doel te bereiken.
De overgebleven claims over de illegale bibliotheek werden uiteindelijk geschikt voor 1,5 miljard dollar. Op 20 juli 2026 werd die schikking definitief goedgekeurd. Daarmee kwam de rechtszaak tot een einde zonder dat er nog een afzonderlijke einduitspraak over de schadevergoeding voor de illegaal verkregen boeken nodig was.
Het is een belangrijk onderscheid mijns inziens. Het gaat niet alleen om de vraag of AI-training legaal is, je moet dus ook kijken naar de handelingen die daaraan voorafgaan.
Mag je auteursrechtelijk beschermde werken gebruiken om AI te trainen?
Dat is de volgende vraag. En hierbij moet je rekening houden met twee verschillende type uitzonderingen in de auteursrechtwetgeving van de Verenigde Staten en de Europese Unie.
Verenigde Staten: fair use
In het Amerikaanse auteursrecht bestaat de fair use-doctrine. Die maakt het mogelijk om onder bepaalde omstandigheden auteursrechtelijk beschermde werken zonder toestemming te gebruiken.
Dit wordt (door een rechter) getoetst aan de hand van vier factoren: het doel en karakter van het gebruik, de aard van het oorspronkelijke werk, de hoeveelheid materiaal die is overgenomen en de gevolgen voor de (potentiële) markt van het oorspronkelijke werk. Het doel en karakter van het gebruik is de eerste en ook meteen de belangrijkste toets: verschilt het doel van het gebruik dermate met het ’traditionele’ gebruik, is het vernieuwend en origineel? Is het nieuwe gebruik een transformative use, transformatief gebruik
Het is dus geen specifieke uitzondering voor een specifiek benoemd gebruik maar een bredere juridische afweging die per situatie gemaakt moet worden.
In de eerdergenoemde Anthropic-zaak vond rechter Alsup het trainen van Claude voldoende transformatief. De boeken werden niet gebruikt om dezelfde boeken opnieuw op de markt te brengen, maar om een taalmodel te ontwikkelen dat nieuwe teksten kon genereren. Bovendien hadden de schrijvers in deze procedure niet gesteld dat de output van Claude inbreuk maakte op hun werken.
Twee dagen later, op 25 juni 2025, volgde een vergelijkbare uitspraak in Kadrey v. Meta.
Ook Meta had auteursrechtelijk beschermde boeken gebruikt om zijn Llama-modellen te trainen, waaronder boeken afkomstig uit illegale online bibliotheken. De rechter oordeelde dat Meta in deze specifieke procedure met succes een beroep op fair use kon doen.
Maar deze rechter benadrukte dat zijn uitspraak niet betekende dat AI-training in het algemeen rechtmatig was. De schrijvers hadden volgens hem onvoldoende aangetoond dat het trainen van Llama hun markt daadwerkelijk schaadde.
Dat laatste zag de rechter juist als belangrijkste overweging. Generatieve AI kan een enorme hoeveelheid nieuwe boeken, artikelen en andere werken produceren die concurreren met de oorspronkelijke makers. En die potentiële marktverstoring kan bij de beoordeling van fair use zwaar wegen bij de vierde toets.
De uitspraken in de Anthropic- en Meta-zaken werden door de AI-bedrijven zelf gepresenteerd als belangrijke overwinningen. Dat is tot op zekere hoogte correct maar ze vormen geen algemene vrijbrief om beschermde werken voor AI-training te gebruiken.
Dat blijkt bijvoorbeeld uit Thomson Reuters v. ROSS Intelligence.
ROSS had auteursrechtelijk beschermde juridische samenvattingen uit de databank Westlaw gebruikt bij het ontwikkelen van een concurrerende AI-zoekdienst. In februari 2025 oordeelde een rechter dat dit geen fair use was. Die conclusie werd in september 2026 bevestigd door het Amerikaanse hof van beroep.
Het commerciële karakter van het gebruik, de beperkte transformatieve functie en de mogelijke schade voor de bestaande en toekomstige markten van Thomson Reuters speelden daarbij een essentiële rol.
ROSS ontwikkelde een juridische zoekdienst en geen generatief taalmodel waardoor de uitspraak niet rechtstreeks van toepassing is op generatieve AI-modellen maar deze maakt wel duidelijk dat het gebruik van auteursrechtelijk beschermd materiaal voor machine learning niet automatisch onder fair use valt.
Europa: tekst- en datamining
In Europa kennen we geen algemene fair use-doctrine. In de Europese (en dus Nederlandse) wetgeving bestaan er specifieke wettelijke uitzonderingen op het auteursrecht die bepalen wanneer je beschermde werken zonder toestemming mag gebruiken.
Voor AI-training zijn vooral de uitzonderingen voor tekst- en datamining (TDM) van belang, zoals die zijn vastgelegd in de Europese DSM-richtlijn uit 2019.
Tekst- en datamining is het geautomatiseerd analyseren van teksten en gegevens om daar informatie uit af te leiden, zoals patronen, trends en onderlinge verbanden. Daarvoor kan het nodig zijn om kopieën van auteursrechtelijk beschermde werken te maken.
De richtlijn kent twee verschillende uitzonderingen.
Artikel 3 maakt tekst- en datamining voor wetenschappelijk onderzoek mogelijk door daarvoor kwalificerende onderzoeksorganisaties en erfgoedinstellingen. Voorwaarde is dat ze rechtmatige toegang hebben tot het gebruikte materiaal. Rechthebbenden kunnen het gebruik onder deze uitzondering niet via een opt-out verbieden. In Nederland vind je dit terug in artikel 15n Auteurswet en is dit specifiek als dwingend recht benoemd waardoor rechthebbenden dit gebruik niet kunnen blokkeren.
Artikel 4 biedt een algemenere mogelijkheid voor tekst- en datamining, waaronder commercieel gebruik. Ook hier moet het gaan om rechtmatig toegankelijk materiaal. Rechthebbenden kunnen echter een rechtenvoorbehoud maken, waarmee ze aangeven dat hun werken niet zonder toestemming voor TDM mogen worden gebruikt. Bij online beschikbaar materiaal moet zo’n voorbehoud op passende wijze machineleesbaar zijn. In Nederland vind je dit terug in artikel 15o Auteurswet.
Dat klinkt overzichtelijk, maar de toepassing op generatieve AI-training is juridisch nog niet volledig uitgekristalliseerd. Het is bijvoorbeeld de vraag welke handelingen tijdens AI-training precies onder TDM vallen en hoe rechthebbenden hun rechtenvoorbehoud technisch effectief kunnen maken.
Een interessante Europese rechtszaak hierover is Kneschke v. LAION.
De Duitse fotograaf Robert Kneschke maakte bezwaar tegen het gebruik van zijn foto bij het samenstellen van een dataset van LAION, een organisatie die datasets voor AI-onderzoek beschikbaar stelt. In december 2025 bevestigde het gerechtshof in Hamburg dat de betreffende kopieerhandelingen onder de Duitse TDM-uitzonderingen konden vallen.
LAION kon zich onder meer beroepen op de uitzondering voor wetenschappelijk onderzoek. Daarnaast oordeelde het hof dat het rechtenvoorbehoud op de betreffende website, zoals dat in 2021 was geformuleerd, onvoldoende machineleesbaar was om de algemene TDM-uitzondering uit te sluiten.
Het interessante is dat de rechter hiermee ook concrete eisen stelde aan de manier waarop zo’n opt-out technisch moet kunnen worden herkend en verwerkt.
Ook voor deze uitspraak geldt dat het nog maar het begin van waarschijnlijk diverse rechtszaken zal zijn. Enerzijds hebben rechthebbenden een belang om ‘mee te stribbelen’ en het legitieme TDM door wetenschap en archiefwereld niet te gemakkelijk te maken. Anderzijds hebben website-eigenaren en rechthebbenden belang om expliciet en zo uniform mogelijk dat voorbehoud aan te geven zodat AI-bedrijven hun werken niet mogen gebruiken.
De huidige consensus lijkt nu een beetje te zijn om op websites gebruik te maken van bestaande protocollen zoals een robots.txt bestand of HTTP headers van een website om dat voorbehoud aan te geven.
De discussie over de Europese TDM-uitzonderingen is dus zeker nog niet afgerond.
En wat als het AI-model beschermde werken reproduceert?
Het auteursrecht speelt ook een rol bij de output. Want wat gebeurt er als een chatbot grote delen van bestaande boeken, nieuwsartikelen of songteksten reproduceert?
Daarover deed een Duitse rechter in november 2025 een belangrijke uitspraak in de zaak van auteursrechtenorganisatie GEMA tegen OpenAI.
GEMA had aangetoond dat ChatGPT met relatief eenvoudige prompts grote delen van negen auteursrechtelijk beschermde Duitse songteksten vrijwel letterlijk kon reproduceren.
De rechtbank in München oordeelde dat hierdoor auteursrechtinbreuk plaatsvond.
Daarbij keek de rechter niet uitsluitend naar de gegenereerde teksten. Ook het memoriseren, het opslaan en onthouden van beschermde songteksten in het taalmodel zelf werd onder de omstandigheden van deze zaak aangemerkt als een auteursrechtelijk relevante reproductie. De TDM-uitzondering kon die reproducties niet rechtvaardigen.
Het interessante aan deze uitspraak is dat trainingsdata altijd wordt gebruikt om het (woordvoorspellende) algoritme van een taalmodel beter te maken. Taalmodellen genereren antwoorden op basis van dat algoritme waarbij het niet de bedoeling is om letterlijk de tekst te reproduceren die als trainingsdata dient.
Maar bij songteksten is er geen ruimte voor genereren van eigen teksten natuurlijk want het zijn korte teksten die exact hetzelfde moeten zijn. Een antwoord is de songtekst van een specifiek liedje of het is het simpelweg niet.
Oftewel, als beschermde werken in een model worden vastgelegd en vervolgens vrijwel letterlijk kunnen worden gegenereerd, dan zijn dit dezelfde auteursrechtelijke handelingen van openbaarmaking en verveelvoudiging als die we kennen uit de auteursrechtwetgeving.
Gisteren las ik dat de eigenaren van de muziekcatalogus van Elvis Presley Anthropic hebben aangeklaagd voor het trainen van hun modellen op 274 nummers van Elvis. En ik denk dat er nog meerdere rechtszaken gaan volgen.
New York Times v OpenAI
Een andere belangrijke rechtszaak is The New York Times v. OpenAI en Microsoft. Hierin speelt zowel de input (training) als de output een rol.
De Amerikaanse krant verwijt beide bedrijven dat miljoenen nieuwsartikelen zonder toestemming zijn gebruikt voor het trainen van AI modellen. Daarnaast stelt de krant dat ChatGPT in voorkomende gevallen specifieke (beschermde) teksten reproduceert uit eerder gepubliceerde artikelen en daarmee de commerciële exploitatie van nieuwscontent kan ondermijnen.
Deze zaak loopt sinds december 2023. In september 2026 zijn opnieuw uitgebreide processtukken ingediend over de belangrijkste juridische geschilpunten. Een definitieve uitspraak over de centrale auteursrechtelijke vragen is er nog niet.
Het belang van deze zaak gaat verder dan de vraag of ChatGPT een artikel letterlijk kan reproduceren. Het raakt ook aan de economische waarde van journalistieke content en de vraag in hoeverre AI-systemen bestaande nieuwsproducten en hun inkomstenmodellen kunnen vervangen.
Het is wachten op een uitspraak hoewel ik zelf verwacht dat deze rechtszaak vooral een andere ontwikkeling verder zal versterken: het commercieel licentiëren door uitgevers van hun content aan AI-bedrijven. Maar daarover zometeen meer.
Wat verandert de Europese AI Act?
Naast de rechtszaken en uitzonderingen in auteursrechtwetgeving heeft ook de AI-Act impact op het gedrag van AI-bedrijven en hun modellen.
De AI Act bevat in artikel 53 specifieke verplichtingen voor aanbieders van general-purpose AI-modellen, oftewel AI-modellen die voor verschillende doeleinden kunnen worden gebruikt.
Modelmakers moeten onder andere een beleid voeren om het Europese auteursrecht na te leven. Daarbij moeten ze geldige rechtenvoorbehouden herkennen en respecteren. Daarnaast zijn ze verplicht om een voldoende gedetailleerde openbare samenvatting te publiceren van de content die voor de training van hun modellen is gebruikt.
De verplichtingen gelden sinds 2 augustus 2025 voor nieuwe modellen die onder deze regels vallen. Sinds 2 augustus 2026 kunnen de regels ook worden gehandhaafd. Voor modellen die al vóór 2 augustus 2025 op de markt waren, geldt een overgangstermijn tot 2 augustus 2027.
Dat is een essentiële stap vooruit volgens mij want een van de grootste problemen voor rechthebbenden is dat ze vaak helemaal niet (kunnen) weten of hun werken in trainingsdatasets zijn opgenomen.
Tegelijkertijd wil ik deze transparantieverplichting niet overschatten. Modelmakers hoeven geen volledige, controleerbare lijst te publiceren van ieder afzonderlijk werk dat tijdens de training is gebruikt. Het gaat om een samenvatting van onder meer de belangrijkste bronnen en datasets en je hoeft maar een willekeurige set aan voorwaarden van een groot bedrijf te lezen om te beseffen dat er vrij gemakkelijk niets gezegd hoeft te worden met vrij veel woorden.
De AI Act creëert bovendien geen nieuwe auteursrechtelijke uitzonderingen voor AI-training. De bestaande auteursrechtelijke regels blijven van toepassing.
De wet probeert dus vooral meer transparantie en naleving van bestaande rechten af te dwingen. Of dat in de praktijk voldoende gaat zijn voor rechthebbenden om hun rechten ook daadwerkelijk te kunnen uitoefenen moet nog blijken.
Van rechtszaken naar licenties
Ondertussen zitten uitgevers en AI-bedrijven niet uitsluitend tegenover elkaar in de rechtszaal. Er worden ook commerciële afspraken gemaakt over het gebruik van content.
Onder andere News Corp, Axel Springer en de Financial Times hebben overeenkomsten met OpenAI gesloten over het gebruik van hun journalistieke content. Dergelijke overeenkomsten kunnen betrekking hebben op het trainen van modellen, het toegankelijk maken van artikelen via AI-diensten of het tonen van bronmateriaal in gegenereerde antwoorden.
Met dit soort licenties gaan partijen praktisch om met wat zeer waarschijnlijk altijd een grijs gebied zal zijn en blijven. Nee, er is niet altijd een licentie nodig om beschermde werken te mogen gebruiken van trainen of het tonen ervan. Als een wettelijke uitzondering van toepassing is dan is die toestemming niet nodig. Maar dat hangt af van het specifieke doel, herkomst van dat materiaal en hoe dat terugkomt in het eindresultaat van een AI-model.
Dus is het logischer om met grote contentpartijen afspraken te maken over het gebruik van hun content voor die verschillende doeleinden. Ja, dat kost veel geld maar het houdt wel het systeem in stand dat er content is en blijft om in de toekomst gebruik van te kunnen blijven maken. En het is al snel goedkoper dan een forse schadevergoeding zoals in het geval van Bartz v Anthropic met 1,5 miljard dollar.
Ik verwacht, en het is misschien meer hoop, dat de golf aan rechtszaken in combinatie met toenemende druk op transparantie en respecteren van rechthebbenden zal lijden tot meer van dit soort licentie-overeenkomsten tussen data & contentleveranciers en AI-bedrijven. Waarbij het dan ook eenvoudiger wordt voor alternatieven zoals de GPT-NL’s van deze wereld om voor schappelijkere tarieven te profiteren van dit soort datasets.
Stuur me een mailtje als het zover is zou ik zeggen.
@ afbeelding gegenereerd met de prompt “maak een afbeelding in 16×9 formaat die als hoofdillustratie is bedoeld voor een blogpost over AI & auteursrecht. Het is een overzichtsartikel waarin aan de hand van een aantal rechtszaken wordt besproken dat de auteursrechtelijke vraag in drie vragen onderverdeeld kunnen worden: input (herkomst), input (training) en output” door Gemini, Nano Banana 2 via Flash 3.8, 2026 (https://gemini.google.com). Ik kreeg er deze keer een uitgebreide onderbouwing bij over de visuele opbouw van de illustratie.
#
Pingback: Auteursrecht & AI: weekoverzicht 31 oktober t/m 6 november 2026 – Vakblog