22 oktober 2026 · 33 min leestijd · Auteursrecht

AI-training en auteursrecht: wat mag met uitspraken, noten en uw eigen teksten?

AuteursrechtTekst- en dataminingDatabankenrechtAI-verordening

Op 29 september 2026 heeft het Amerikaanse Court of Appeals for the Third Circuit uitspraak gedaan in Thomson Reuters v. ROSS. Het is de eerste keer dat een federaal hof van beroep in de Verenigde Staten zich uitspreekt over fair use bij het trainen van AI (1). De zaak gaat niet over romans of songteksten, maar over het gereedschap van juristen zelf. ROSS Intelligence bouwde een juridische zoekmachine en trainde die met ongeveer 25.000 memo's. Voor de vragen in die memo's putten de opstellers uit duizenden Westlaw-headnotes: de korte samenvattingen van rechtspunten die de redactie van Thomson Reuters boven de uitspraken plaatst. Volgens het hof zijn die headnotes auteursrechtelijk beschermd en kon ROSS zich niet op fair use beroepen. De kern van de redenering past in één zin: "Headnotes are not law; judicial opinions are."

Voor een Nederlandse advocaat is die zin vertrouwder dan hij lijkt. Art. 11 van de Auteurswet bepaalt dat er geen auteursrecht bestaat op wetten en rechterlijke uitspraken (2). Wat juridische uitgevers daaraan toevoegen, valt daar niet onder: de noot onder een arrest, het artikelsgewijze commentaar, het handboek, de bewerkte samenvatting en de trefwoorden in een databank. Tot zover lopen de Verenigde Staten en Europa gelijk op. Het verschil zit in wat daarna komt. Een open fair-usetoets kent Europa niet. Er is een gesloten lijst van beperkingen, met daarin een beperking voor tekst- en datamining die de rechthebbende met een voorbehoud buiten werking kan stellen, en daarnaast spelen het databankenrecht en het contract een rol. Hieronder gaan wij na wat dat betekent voor een kantoor in drie hoedanigheden: als gebruiker van AI-tools, als rechthebbende op eigen teksten en als adviseur van cliënten die modellen bouwen, kopen of in licentie geven.

Kort gezegd: wetten en rechterlijke uitspraken zijn in Nederland vrij van auteursrecht (art. 11 Auteurswet). Het auteursrecht staat er niet aan in de weg dat een AI-systeem op die teksten wordt getraind, al kan het databankenrecht een grens trekken. Noten, commentaren, handboeken en bewerkte samenvattingen zijn wel beschermd, en de databanken waarin uitgevers ze aanbieden vaak ook. Voor commercieel trainen komt het aan op art. 15o Auteurswet: de gebruiker moet rechtmatig toegang hebben en de rechthebbende mag het gebruik niet uitdrukkelijk hebben voorbehouden. Anders dan de onderzoeksbeperking van art. 15n kan art. 15o in een licentie worden uitgesloten. Wie niet wil dat er op zijn eigen teksten wordt getraind, moet het voorbehoud uitdrukkelijk maken, en voor online content machinaal leesbaar. In de zaak HowardsHome achtte de Rechtbank Amsterdam in eerste aanleg niet aangetoond dat een robots.txt die alleen enkele AI-crawlers noemde, een algemeen voorbehoud inhield. Of het trainen van generatieve modellen onder de beperking valt, heeft voor zover bekend nog geen Nederlandse rechter beslist. Het Bundesgerichtshof doet op 17 december 2026 uitspraak in de LAION-zaak; de GEMA-zaak en de eerste prejudiciële zaak over generatieve AI en auteursrecht lopen nog. Sinds 2 augustus 2026 kan het Europese AI-bureau bovendien de auteursrechtelijke verplichtingen van aanbieders van AI-modellen voor algemene doeleinden handhaven.

Wat het Amerikaanse hof besliste

De feiten

ROSS werd opgericht door drie informaticastudenten van de Universiteit van Toronto en wilde een zoekmachine bouwen die juridische vragen in gewone taal beantwoordt met passages uit rechterlijke uitspraken (1). Het bedrijf beschikte over ongeveer tien miljoen uitspraken waarop geen auteursrecht rust. Het systeem was niet generatief: het schreef geen nieuwe tekst, maar gaf bestaande passages terug. Om het te leren welke passage bij welke vraag past, liet ROSS het bedrijf LegalEase ongeveer 25.000 trainingsmemo's schrijven, elk met een juridische vraag en vier tot zes gelabelde passages uit uitspraken. De opstellers formuleerden de vragen aan de hand van Westlaw-headnotes, omdat die daarvoor "an easy way" boden. ROSS adverteerde met prijzen "in line with" Westlaw en wilde Westlaw vervangen; een aantal kantoren stapte ook daadwerkelijk over.

Thomson Reuters stelde ROSS aansprakelijk wegens inbreuk op zijn auteursrecht. In eerste aanleg oordeelde Stephanos Bibas, een rechter van het hof van beroep die als rechter in de federale rechtbank van Delaware was aangewezen, in februari 2025 bij gedeeltelijk summary judgment dat het gebruik van 2.243 headnotes inbreuk maakte en geen fair use was. In tussentijds hoger beroep moest het hof (de rechters Restrepo, Montgomery-Reeves en Bove) twee vragen beantwoorden: zijn de headnotes origineel, en was het gebruik fair use?

Origineel genoeg voor bescherming

ROSS had de zaak gepresenteerd als een zaak over de toekomst van juridische technologie. Het hof zag dat anders: dit was "no more than an ordinary copyright case" (1). De Amerikaanse originaliteitsdrempel is laag; een "creative spark" volstaat. De redacteuren van Thomson Reuters kozen welke rechtspunten een headnote verdienden en hoe zij die formuleerden, binnen richtlijnen die waar mogelijk een maximum van 800 tekens noemen. Iedere headnote moest zonder de uitspraak te begrijpen zijn en de betreffende passage toch juist weergeven. Dat zijn creatieve keuzes.

Het verweer dat Thomson Reuters zo een monopolie op het recht zou krijgen, wees het hof af met de zin die het hart van de uitspraak vormt: "Headnotes are not law; judicial opinions are." Uitspraken blijven "free for publication to all". Ook de merger-leer, die geen bescherming toekent als een idee maar op één of enkele manieren kan worden uitgedrukt, hielp ROSS niet: een rechtspunt laat zich op veel manieren formuleren, en LexisNexis schrijft voor dezelfde uitspraken andere headnotes. Eén vraag liet het hof open: of ook een headnote die de uitspraak letterlijk citeert, origineel kan zijn. De 2.243 headnotes in deze zaak citeerden niet letterlijk.

De vier factoren

Fair use wordt beoordeeld aan de hand van vier wettelijke factoren. ROSS beriep zich erop en droeg dus de bewijslast (1).

Doel en karakter van het gebruik. Het gebruik was commercieel en hooguit "minimally transformative". Thomson Reuters en ROSS gebruikten de headnotes uiteindelijk voor hetzelfde: een platform waarmee juristen relevante rechtspraak vinden. Dat ROSS de headnotes eerst in een trainingsstap gebruikte, deed daar weinig aan af. In de zaken over tussentijds kopiëren van software, zoals Google v. Oracle, was kopiëren nodig om bij onbeschermde functionele elementen te komen. ROSS had die noodzaak niet: de uitspraken zelf waren vrij beschikbaar. "Unlike necessity, ease is not a justification for copying."
Aard van het werk. Deze factor viel in het voordeel van ROSS uit: de headnotes waren gepubliceerd en eerder feitelijk dan fictief, omdat zij het recht juist moeten weergeven.
Omvang van het overgenomen deel. ROSS wees erop dat het maar een fractie van de ongeveer 28 miljoen headnotes van Westlaw had gebruikt. Het hof oordeelde echter dat iedere headnote een zelfstandig werk is. ROSS nam dus telkens een volledig werk over, terwijl dat voor het trainen niet nodig was.
Effect op de markt. Het gebruik schaadde Westlaw op de markt voor juridische onderzoeksplatforms en op een potentiële afgeleide markt: het in licentie geven van headnotes als trainingsdata voor AI, een markt die volgens het hof "rapidly developing" is. Thomson Reuters traint er bovendien zijn eigen AI-zoekfuncties mee. Dat het bedrijf zijn headnotes nog niet aan anderen in licentie had gegeven, deed niet ter zake: ROSS had Thomson Reuters de kans ontnomen die markt zelf te betreden.

Alleen de aard van het werk pleitte dus voor fair use, een factor die volgens het hof zelden zwaar weegt; de andere drie pleitten ertegen. Het hof bevestigde het oordeel van de rechter in eerste aanleg.

Twee voetnoten voor de Europese lezer

Voetnoot 7 bakent de uitspraak af. Het Amerikaanse ministerie van Justitie had op 1 september 2026 in een andere zaak, In re OpenAI bij de federale rechter in New York, een statement of interest ingediend. Daarin betoogde het ministerie, met een beroep op de Californische uitspraak Bartz v. Anthropic uit 2025, dat het trainen van een groot taalmodel dat oorspronkelijke antwoorden kan genereren, transformatief gebruik is. Het hof wees daarnaast op Kadrey v. Meta, waarin een andere Californische rechter in 2025 onderzocht of generatieve AI trainingsmateriaal transformatief gebruikt. Het hof onderscheidde de zaak van ROSS daar uitdrukkelijk van: het platform van ROSS "cannot generate original expression", en de bezwaren uit de OpenAI-zaak "do not apply here" (1). Wie Ross aanhaalt als bewijs dat het trainen van generatieve modellen in de Verenigde Staten geen fair use is, leest er meer in dan er staat. De uitspraak gaat over een niet-generatief systeem dat als directe vervanger van het origineel op de markt kwam.

Voetnoot 9 is voor kantoren misschien nog leerzamer. Onder het kopje kwade trouw stelde het hof vast dat ROSS soms te kwader trouw had gehandeld. Het bedrijf had geprobeerd toegang te krijgen tot Westlaw met de inloggegevens van een advocatenkantoor dat in ROSS had geïnvesteerd, hoewel het erop was gewezen dat de gebruiksvoorwaarden van Westlaw dat verboden. Een medewerker had naar een account geïnformeerd en zich daarbij voorgedaan als advocaat met een eenmanspraktijk; via een studentenaccount kreeg een medewerker toegang tot Westlaw, terwijl hij verzweeg dat hij voor een concurrent werkte. Hoe een kantoor met zijn databanklicenties omgaat, kan in een geschil dus gewicht krijgen. Wij komen daarop terug bij het kantoor als gebruiker.

Waarom het Amerikaanse antwoord in Nederland niet opgaat

Fair use is een open norm: de rechter weegt vier factoren en kan nieuw gebruik toelaten dat de wetgever niet voorzag. Het Europese auteursrecht werkt andersom. Uitgangspunt is het uitsluitende recht van de maker; wie zonder toestemming verveelvoudigt, heeft een beperking nodig die de Uniewetgever toestaat en de nationale wetgever heeft ingevoerd. In de Auteurswet staan die beperkingen in paragraaf 6, de artikelen 15 tot en met 25a (2). Een algemene toets of het gebruik "transformatief" is, bestaat daarbuiten niet.

Voor AI-training zijn in die lijst twee beperkingen van belang, beide afkomstig uit de DSM-richtlijn van 2019 (3). Art. 3 van de richtlijn, omgezet in art. 15n Aw, staat tekst- en datamining toe door onderzoeksorganisaties en cultureel erfgoedinstellingen met het oog op wetenschappelijk onderzoek. Art. 4, omgezet in art. 15o Aw, staat tekst- en datamining door iedereen toe, ook voor commerciële doeleinden, zolang de rechthebbende het gebruik niet uitdrukkelijk heeft voorbehouden. De richtlijn omschrijft tekst- en datamining als een geautomatiseerde analysetechniek die gericht is op de ontleding van tekst en gegevens in digitale vorm om informatie te genereren, zoals patronen, trends en onderlinge verbanden (art. 2 lid 2); de Databankenwet neemt die omschrijving vrijwel letterlijk over (4). Beide beperkingen zijn onderworpen aan de driestappentoets van art. 5 lid 5 Auteursrechtrichtlijn, waarnaar art. 7 lid 2 DSM-richtlijn verwijst: zij mogen alleen in bepaalde bijzondere gevallen worden toegepast, zonder afbreuk te doen aan de normale exploitatie en zonder de belangen van de rechthebbende onredelijk te schaden.

De vragen die in Ross de doorslag gaven, liggen in Nederland daardoor anders. Of het gebruik transformatief is, speelt geen zelfstandige rol. Het gaat erom of er een recht op het materiaal rust, of de gebruiker rechtmatig toegang had, of het gebruik was voorbehouden en of een contract het verbood. De marktschade die in Ross zwaar woog, keert terug in de driestappentoets, maar dan als grens aan een wettelijke beperking en niet als open afweging.

Een tweede verschil is territoriaal. Volgens overweging 106 van de AI-verordening gelden de auteursrechtelijke verplichtingen van aanbieders van AI-modellen voor algemene doeleinden voor iedere aanbieder die zo'n model in de Unie in de handel brengt, ongeacht het rechtsgebied waarin de auteursrechtelijk relevante handelingen bij het trainen hebben plaatsgevonden (5). Ook een model dat in de Verenigde Staten met een geslaagd beroep op fair use is getraind, heeft dus een auteursrechtbeleid nodig dat Europese voorbehouden respecteert zodra het in de Unie in de handel wordt gebracht.

Wetten en uitspraken zijn vrij; noten, commentaren en databanken niet

Art. 11 Auteurswet en de redactionele laag

Art. 11 Aw is kort: "Er bestaat geen auteursrecht op wetten, besluiten en verordeningen, door de openbare macht uitgevaardigd, noch op rechterlijke uitspraken en administratieve beslissingen." (2) De tekst van een vonnis, een arrest of een wet mag dus door iedereen worden verveelvoudigd en openbaar gemaakt, ook om er een zoeksysteem of een taalmodel mee te trainen. Voor ander materiaal dat door of vanwege de openbare macht openbaar is gemaakt en waarvan de openbare macht maker of rechtverkrijgende is, geldt art. 15b Aw: verdere openbaarmaking of verveelvoudiging is geen inbreuk, tenzij het auteursrecht uitdrukkelijk is voorbehouden. Duitsland trekt in § 5 lid 1 UrhG dezelfde lijn, maar noemt uitdrukkelijk ook "amtlich verfaßte Leitsätze": kernoverwegingen die van officiële zijde zijn opgesteld (6). Hoe dun de lijn tussen officiële en redactionele kernoverwegingen kan zijn, blijkt uit de publicatie van het Münchense GEMA-vonnis op het openbare portaal van de Beierse overheid. De kernoverwegingen boven het vonnis zijn daar gemarkeerd als "redaktioneller Leitsatz" (7): een redactie heeft ze geschreven, niet de rechter, en § 5 is er dus niet op van toepassing.

Hoe de vrije uitspraak en de redactionele laag zich tot elkaar verhouden, laat het vonnis in de zaak HowardsHome zien, waarover hieronder meer. De uitspraak zelf staat vrij op rechtspraak.nl, dat als vindplaatsen ook Mediaforum 2025-1, nr. 2, IER 2025/7 en Computerrecht 2025/51 vermeldt, alle drie met annotatie (8). Op het vonnis rust geen auteursrecht, op de drie noten in beginsel wel.

Of een redactionele bijdrage beschermd is, bepaalt uiteindelijk het Unierecht. Een werk is beschermd als het een eigen intellectuele schepping van de maker is (9). Daarvoor zijn vrije en creatieve keuzes nodig; een louter informatief document waarvan de uitdrukking in wezen door zijn technische functie wordt bepaald, valt erbuiten (10). Een noot of commentaar voldoet daar in de regel ruimschoots aan. Bij een korte samenvatting die de bewoordingen van de uitspraak op de voet volgt, ligt dat minder voor de hand: het hangt ervan af of de redacteur werkelijk iets te kiezen had. Ook het Amerikaanse hof liet de vraag naar headnotes die de uitspraak letterlijk citeren, uitdrukkelijk open (1). Of een samenvatting beschermd is, blijkt uit de samenvatting zelf en niet uit het etiket.

De databank als tweede laag

Naast het auteursrecht staat het databankenrecht. Een databank is een verzameling van werken, gegevens of andere zelfstandige elementen die systematisch of methodisch geordend en afzonderlijk toegankelijk zijn, en waarvan de verkrijging, de controle of de presentatie van de inhoud getuigt van een substantiële investering (art. 1 lid 1 onder a Dbw) (4). De producent heeft het uitsluitende recht om toestemming te geven voor het opvragen en hergebruiken van het geheel of een substantieel deel van de inhoud. Dat recht strekt zich ook uit tot het herhaald en systematisch opvragen of hergebruiken van niet-substantiële delen, voor zover dat in strijd is met de normale exploitatie of de rechtmatige belangen van de producent ongerechtvaardigd schaadt (art. 2 lid 1).

Voor AI-training betekent dit dat het niet volstaat dat de uitspraken zelf vrij zijn. Ook een verzameling van vrije uitspraken kan als databank beschermd zijn, en dan is de vraag of een substantieel deel ervan wordt opgevraagd. De rechtmatige gebruiker van een databank die aan het publiek ter beschikking is gesteld, mag wel niet-substantiële delen opvragen en hergebruiken; daarvan kan bij overeenkomst niet ten nadele van hem worden afgeweken (art. 3). Hij mag daarbij de normale exploitatie van de databank niet in gevaar brengen (art. 4). Voor tekst- en datamining bevat art. 4a Dbw daarnaast een eigen beperking.

Tekst- en datamining: art. 15n en 15o Auteurswet en art. 4a Databankenwet

De voorwaarden van art. 15o

Art. 15o lid 1 Aw bepaalt dat een reproductie in het kader van tekst- en datamining geen inbreuk is, "mits degene die de tekst- en datamining verricht rechtmatig toegang heeft tot het werk en het auteursrecht door de maker of zijn rechtverkrijgenden niet uitdrukkelijk op passende wijze is voorbehouden, zoals door middel van machinaal leesbare middelen bij een online ter beschikking gesteld werk" (2). De reproductie mag worden bewaard zolang dat voor de tekst- en datamining nodig is (lid 2).

Rechtmatige toegang. De beperking geeft geen recht op toegang. Wie achter een betaalmuur wil, heeft een abonnement nodig, en wat met dat abonnement mag, bepalen de voorwaarden. Voor vrij toegankelijke webpagina's is de wetgever ruimhartig. De memorie van toelichting, die de Rechtbank Amsterdam in HowardsHome aanhaalde, zegt: "Het recht om teksten te lezen houdt in beginsel ook het recht in om die teksten op geautomatiseerde wijze te analyseren om patronen, trends en onderlinge verbanden te ontdekken." Volgens dezelfde toelichting kunnen zowel private als publieke entiteiten van de beperking profiteren (8).

Geen voorbehoud. Het voorbehoud moet uitdrukkelijk en op passende wijze worden gemaakt. Voor online content noemt de wet machinaal leesbare middelen als voorbeeld; overweging 18 van de DSM-richtlijn is stelliger: "Bij content die online voor het publiek beschikbaar is gesteld, moet het voorbehouden van die rechten enkel als passend worden beschouwd indien hierbij machinaal leesbare middelen worden gebruikt, waaronder metagegevens en de voorwaarden van een website of een dienst." (3) In andere gevallen kan het voorbehoud ook bij overeenkomst of eenzijdige verklaring worden gemaakt. Opvallend is dat de overweging de voorwaarden van een website uitdrukkelijk noemt: een verbod in de gebruiksvoorwaarden lijkt dus in beginsel te kunnen volstaan. Of een verbod in gewone taal ook machinaal leesbaar genoeg is, is precies de vraag waarover de Duitse rechters zich hebben gebogen.

Contractuele uitsluiting: bij art. 15o wel, bij art. 15n niet

Art. 15n Aw, de beperking voor wetenschappelijk onderzoek door onderzoeksorganisaties en cultureel erfgoedinstellingen, eindigt in lid 4 met de zin: "Van de bepalingen in dit artikel kan niet bij overeenkomst worden afgeweken." (2) Art. 15o kent zo'n bepaling niet, en dat is geen vergissing van de Nederlandse wetgever. Art. 7 lid 1 van de DSM-richtlijn verklaart contractuele bepalingen die in strijd zijn met de artikelen 3, 5 en 6 niet-afdwingbaar, maar noemt art. 4 niet (3). Een licentie kan commerciële tekst- en datamining dus uitsluiten.

Een uitgever die zijn databank in licentie geeft, kan bijvoorbeeld bepalen dat de licentienemer de inhoud niet mag gebruiken om AI te trainen of te verrijken, en die bepaling is in beginsel afdwingbaar. Een contract bindt echter alleen de partijen. Een onderzoeksorganisatie met rechtmatige toegang kan zich voor wetenschappelijk onderzoek op art. 15n beroepen, ook als haar licentie tekst- en datamining verbiedt. Een commerciële partij zonder licentie wordt alleen tegengehouden door een voorbehoud dat zelf aan de wettelijke eisen voldoet. Art. 4a Dbw volgt voor het databankenrecht dezelfde lijn (4). Onderdeel a, voor wetenschappelijk onderzoek, verklaart art. 15n lid 2 tot en met 4 Aw van overeenkomstige toepassing, en daarmee ook het verbod op contractuele afwijking. Onderdeel b, voor alle andere tekst- en datamining, staat opvragingen toe door wie rechtmatige toegang heeft, mits het databankenrecht niet uitdrukkelijk op passende wijze is voorbehouden, en verklaart alleen het bewaarlid van art. 15o van overeenkomstige toepassing.

Valt het trainen van een model eronder?

Art. 15o zegt niet uitdrukkelijk of het trainen van een generatief taalmodel tekst- en datamining is. Volgens de Duitse rechters valt het samenstellen van een trainingscorpus er in elk geval onder. Het Landgericht München I heeft in eerste aanleg ontkend dat de beperking ook de verveelvoudigingen dekt die in het getrainde model achterblijven. Bij het Hof van Justitie ligt nu de vraag voor of het trainen een verveelvoudiging is en, zo ja, onder art. 4 DSM-richtlijn valt. Voor zover ons bekend heeft nog geen Nederlandse rechter over het trainen van generatieve modellen onder art. 15o geoordeeld.

Rechtbank Amsterdam: de zaak HowardsHome

De zaak

Op 30 oktober 2024 wees de Rechtbank Amsterdam vonnis in een zaak van DPG Media, Mediahuis Nederland en Mediahuis NRC tegen HowardsHome (8). HowardsHome biedt sinds 2001 een signaleringsdienst aan circa zestig klanten en verwerkt dagelijks ongeveer 30.000 nieuwe signaleringen, vooral op basis van de RSS-feeds die de uitgevers zelf publiceren. De uitgevers beriepen zich op hun persuitgeversrecht uit art. 7b Wet op de naburige rechten, hun auteursrecht en hun databankenrecht. De rechtbank wees alle vorderingen af. Wat het auteursrecht betreft, slaagde onder meer het beroep op art. 15a lid 2 Aw, dat ook het citeren in de vorm van persoverzichten toestaat: de signaleringen bevatten niet meer dan een titel, maximaal 150 tekens tekst en soms een kleine afbeelding, en vermeldden de bron.

Het voorbehoud dat geen voorbehoud was

Voor dit artikel gaat het om het onderdeel over tekst- en datamining (r.o. 4.29 tot en met 4.33). De rechtbank nam als uitgangspunt dat HowardsHome alleen informatie gebruikte die de uitgevers zelf publiek en zonder betaling toegankelijk hadden gemaakt; dat ook informatie achter de betaalmuur werd verwerkt, hadden de uitgevers onvoldoende onderbouwd. Gelet op de memorie van toelichting had HowardsHome daarmee in beginsel rechtmatig toegang.

Dan het voorbehoud. De uitgevers hadden een verbod op automatisch doorzoeken in het geding gebracht. HowardsHome betwistte ter zitting dat dit verbod in de robots.txt leesbaar was en onderbouwde met voorbeelden dat de robots.txt alleen bepaalde AI-bots uitsloot, zoals GPTBot, ChatGPT-User, CCBot en anthropic-ai. De uitgevers spraken dat ter zitting niet tegen. Daarmee stond volgens de rechtbank onvoldoende vast dat het auteursrecht met machinaal leesbare middelen op passende wijze was voorbehouden, en kwam HowardsHome een beroep op art. 15o toe.

De driestappentoets en het databankenrecht

Vervolgens paste de rechtbank de driestappentoets toe (r.o. 4.34 tot en met 4.38). De beperkingen van de artikelen 15a en 15o Aw zijn voldoende duidelijk omschreven en doorstaan de eerste stap. Bij de tweede en derde stap keek de rechtbank naar de normale exploitatie door de uitgevers: het tegen betaling verstrekken van kranten en tijdschriften en het digitaal verkopen van losse artikelen. Signaleringen van maximaal 150 tekens deden daaraan geen afbreuk. Dat de exclusieve licentienemer van de uitgevers, die zelf een signaleringsdienst aanbiedt, inkomsten zou mislopen, betekende niet dat de belangen van de uitgevers onredelijk werden geschaad; in elk geval hadden zij dat onvoldoende gesteld en met geen enkel bewijs onderbouwd. Voor het databankenrecht kon de rechtbank volstaan met een verwijzing: de toets van art. 4a Dbw is gelijk aan die van art. 15o, en op dezelfde gronden was er geen inbreuk (r.o. 4.42 en 4.43). Of de websites wel databanken waren, kon daarom onbesproken blijven.

Wat het vonnis wel en niet zegt

Het gewicht van dit vonnis moet niet worden overschat. Het is een uitspraak in eerste aanleg. Het ging om persmonitoring en niet om het trainen van een generatief model. En de beslissing over het voorbehoud is een oordeel over stelplicht en onderbouwing: tegenover een gemotiveerde betwisting hadden de uitgevers niet waargemaakt dat hun voorbehoud machinaal leesbaar was. Een algemene regel dat een robots.txt nooit volstaat, valt er niet uit af te leiden.

Wel laat het vonnis zien waarop een rechthebbende wordt afgerekend. Een robots.txt die enkele met name genoemde AI-crawlers uitsluit, is geen voorbehoud tegen iedere andere partij die de content automatisch analyseert. Wie een algemeen voorbehoud wil, moet het algemeen formuleren en moet kunnen bewijzen dat het gold op het moment waarop de content werd geanalyseerd.

Duitsland en het Hof van Justitie

Omdat de Nederlandse rechtspraak nog dun is, kijken procespartijen naar Duitsland en naar Luxemburg. Art. 15o Aw en § 44b UrhG zetten dezelfde bepaling van de DSM-richtlijn om, en de uitleg die het Hof van Justitie aan art. 4 van de richtlijn geeft, bindt ook de Nederlandse rechter bij de toepassing van art. 15o.

LAION: een dataset voor AI-training

In de zaak Kneschke tegen LAION procedeert een fotograaf tegen een vereniging zonder winstoogmerk die een openbare dataset van beeld-tekstparen voor AI-training samenstelt (11). LAION downloadde in de tweede helft van 2021 van de website van een beeldbank een voorbeeldafbeelding van een foto van Kneschke, om met software te controleren of de bestaande beschrijving bij de afbeelding paste. Het Landgericht Hamburg wees de vordering op 27 september 2024 af, en het Oberlandesgericht Hamburg bekrachtigde dat vonnis op 10 december 2025. Het downloaden was een verveelvoudiging, maar gerechtvaardigd door § 44b UrhG, de Duitse tegenhanger van art. 15o Aw, en door § 60d UrhG, de beperking voor wetenschappelijk onderzoek (6).

Voor de Nederlandse praktijk zijn vooral de volgende overwegingen van het Oberlandesgericht bruikbaar. De dataminingregels moeten niet zo eng worden uitgelegd dat voorbereidende handelingen voor AI-training erbuiten vallen. De gebruiker moet aantonen dat er geen voorbehoud was, maar de rechthebbende moet aantonen dat zijn voorbehoud machinaal leesbaar was. En machinaal leesbaar betekent niet alleen dat een machine de tekst kan vastleggen, maar ook dat zij hem automatisch kan interpreteren, zodat de voorbehouden content buiten de analyse blijft. Het verbod in natuurlijke taal op de website van de beeldbank, gericht tegen "automated programs, applets, bots or the like", was niet aantoonbaar machinaal leesbaar op het moment van gebruik. Het Oberlandesgericht stond Revision toe, het Duitse beroep in cassatie. Het Bundesgerichtshof hield op 3 september 2026 zitting en doet op 17 december 2026 uitspraak (12).

GEMA tegen OpenAI: het model als kopie

Het Landgericht München I ging op 11 november 2025 een stap verder (7). GEMA, de Duitse beheersorganisatie voor muziekauteursrechten, procedeerde over negen songteksten en de modellen 4 en 4o van OpenAI. De rechtbank onderscheidde drie fasen: het samenstellen van het trainingsmateriaal, het trainen van het model en het gebruik van het getrainde model met prompts en output (Rn. 166). Memorisatie in het model is een verveelvoudiging in de zin van § 16 UrhG; beslissend was dat de teksten in de modellen reproduceerbaar aanwezig en daarmee vastgelegd zijn (Rn. 181 tot en met 186). De dataminingbeperkingen dekken de verveelvoudigingen bij het samenstellen van het corpus, maar niet de verdere verveelvoudigingen in het model, omdat die niet alleen ter voorbereiding van tekst- en datamining dienen (Rn. 193). Voor inbreukmakende output die met eenvoudig gehouden prompts wordt verkregen, zijn de exploitanten van het model aansprakelijk (Rn. 275 tot en met 277). De rechtbank legde een verbod op, veroordeelde tot het verstrekken van informatie, verklaarde voor recht dat de gedaagden de schade moeten vergoeden en wees het gevorderde voor het overige af. Het hoger beroep loopt bij het Oberlandesgericht München.

De Hamburgse en de Münchense lijn spreken elkaar niet tegen: Hamburg ging over het samenstellen van een dataset, München vooral over het model en de output. Voor een Nederlandse rechter is dat onderscheid bruikbaar, maar niet bindend.

Like Company tegen Google: de eerste prejudiciële vragen

Bij het Hof van Justitie ligt de zaak Like Company tegen Google Ireland (C-250/25), een verzoek om een prejudiciële beslissing van de Budapest Környéki Törvényszék in Hongarije, ingediend op 3 april 2025 (13). Het is de eerste zaak over generatieve AI en auteursrecht bij het Hof. De Hongaarse rechter stelt vier vragen:

Is de weergave, in de antwoorden van een chatbot op basis van een groot taalmodel, van tekst die gedeeltelijk gelijk is aan content van een persuitgever, een mededeling aan het publiek in de zin van art. 15 lid 1 DSM-richtlijn en art. 3 lid 2 Auteursrechtrichtlijn, en maakt het uit dat de chatbot alleen het volgende woord voorspelt?
Is het trainen van zo'n chatbot een verveelvoudiging?
Zo ja, valt het verveelvoudigen van rechtmatig toegankelijke werken onder de tekst- en dataminingbeperking van art. 4 DSM-richtlijn?
Als de prompt van een gebruiker overeenkomt met of verwijst naar een perstekst en het antwoord die tekst weergeeft, verricht de aanbieder van de chatbot dan een verveelvoudiging?

Het persuitgeversrecht uit art. 15 DSM-richtlijn is in Nederland neergelegd in art. 7b Wet op de naburige rechten, de bepaling waarop de uitgevers zich ook in HowardsHome beriepen (8). De mondelinge behandeling vond plaats op 10 maart 2026; advocaat-generaal is Szpunar. Op 22 oktober 2026 vermeldt InfoCuria de zaak als aanhangig en is er geen conclusie gepubliceerd (13). Het antwoord op de derde vraag raakt rechtstreeks aan de reikwijdte van art. 15o Aw.

De laag van de AI-verordening

Wat aanbieders van AI-modellen moeten doen

Naast het auteursrecht zelf geldt sinds 2025 een publiekrechtelijke laag. Art. 53 lid 1 onder c AI-verordening verplicht aanbieders van AI-modellen voor algemene doeleinden een beleid in te voeren om het Unierecht inzake auteursrecht en naburige rechten na te leven, en in het bijzonder om voorbehouden op grond van art. 4 lid 3 DSM-richtlijn vast te stellen en na te leven, ook met behulp van geavanceerde technologie (5). Op grond van onderdeel d moeten zij een voldoende gedetailleerde samenvatting openbaar maken van de content die voor het trainen is gebruikt, volgens een sjabloon van het AI-bureau.

Hoofdstuk V, waarin deze verplichtingen staan, is van toepassing sinds 2 augustus 2025, met uitzondering van de boetebepaling van art. 101 (art. 113 onder b). Handhaving door het AI-bureau is pas sinds 2 augustus 2026 mogelijk (14). Voor modellen die vóór 2 augustus 2025 in de handel zijn gebracht, geldt een overgangstermijn: zij moeten volgens art. 111 lid 3 uiterlijk op 2 augustus 2027 aan de verplichtingen voldoen (5).

De gedragscode en het sjabloon

De gedragscode voor AI-modellen voor algemene doeleinden, gepubliceerd op 10 juli 2025, bevat een hoofdstuk over auteursrecht (15). Ondertekenaars verbinden zich onder meer:

bij het crawlen alleen rechtmatig toegankelijke content te verveelvoudigen, betaalmuren en andere technische beschermingsmaatregelen niet te omzeilen en websites uit te sluiten die volgens rechters of overheidsinstanties in de Unie en de EER stelselmatig en op commerciële schaal inbreuk maken (maatregel 1.2);
crawlers te gebruiken die robots.txt lezen en volgen zoals beschreven in IETF RFC 9309, en andere passende machinaal leesbare protocollen te respecteren, zoals metagegevens op het niveau van het werk of de locatie, die gestandaardiseerd zijn of breed door rechthebbenden worden gebruikt (maatregel 1.3);
technische waarborgen te treffen tegen inbreukmakende output en inbreukmakend gebruik in hun voorwaarden te verbieden (maatregel 1.4);
een aanspreekpunt en een klachtenprocedure voor rechthebbenden in te richten (maatregel 1.5).

Ondertekenaars die ook een zoekmachine exploiteren, worden aangemoedigd ervoor te zorgen dat het respecteren van een voorbehoud niet rechtstreeks nadelig uitwerkt voor de indexering (maatregel 1.3, lid 5). De code zegt uitdrukkelijk dat naleving van de code nog geen naleving van het auteursrecht betekent. Het sjabloon voor de openbare samenvatting van trainingscontent, gepubliceerd op 24 juli 2025, kent drie onderdelen: algemene informatie, de gegevensbronnen en relevante aspecten van de gegevensverwerking (16). Voor rechthebbenden is die samenvatting het eerste aanknopingspunt om na te gaan of hun content mogelijk is gebruikt; kantoren doen er goed aan haar bij de aanschaf van een AI-tool op te vragen.

Art. 53 richt zich tot de aanbieder van het model. Een kantoor dat een AI-tool gebruikt, draagt deze verplichtingen niet, maar heeft er wel belang bij dat zijn leverancier, of de aanbieder van het onderliggende model, eraan voldoet. Zie voor de positie van het kantoor zelf ons artikel over de AI-verordening voor advocatenkantoren.

Positie 1: het kantoor als gebruiker van AI-tools

Wat u uw leverancier vraagt

Voor de meeste kantoren is dit nu de belangrijkste positie. Het risico van een model dat op betwist materiaal is getraind, ligt in de eerste plaats bij de aanbieder en de leverancier. Maar de output kan beschermde tekst bevatten, en een kantoor wil kunnen uitleggen waarop zijn tools steunen. De NOvA beveelt aan contractvoorwaarden te controleren op data-eigendom, intellectuele-eigendomsrechten, aansprakelijkheid, exitclausules en vendor lock-in, en niet alleen op FAQ's of marketingbeloften te vertrouwen (17). De CCBE wijst erop dat beschermde of niet-gelicentieerde data kunnen zijn gebruikt om tools te trainen, dat inbreuk dreigt als input met beschermde werken tot herkenbare output leidt, en dat voorwaarden de leverancier soms toestaan input te hergebruiken (18). Dat leidt tot vijf vragen:

Op welk materiaal steunt de tool: openbare bronnen zoals wetgeving en gepubliceerde rechtspraak, gelicentieerde content van uitgevers, of beide? Staat de licentie dat gebruik toe?
Welk model ligt eronder, en heeft de aanbieder daarvan een auteursrechtbeleid en een openbare samenvatting van de trainingscontent?
Wordt wat het kantoor invoert, gebruikt om modellen te trainen of te verbeteren, en kan dat contractueel worden uitgesloten?
Wie heeft welke rechten op de output?
Biedt de leverancier een vrijwaring tegen aanspraken van derden, en onder welke voorwaarden?

Vraag de antwoorden op schrift. Onze checklist voor due diligence van legal AI-leveranciers zet de overige vragen op een rij.

De licentie van uw juridische databank

Kantoren betalen veel voor toegang tot commentaren, noten en tijdschriften. Die toegang is rechtmatige toegang in de zin van art. 15o, maar wat het kantoor met de inhoud mag doen, bepaalt de licentie. Omdat art. 15o contractueel kan worden uitgesloten, kan een uitgever bepalen dat inhoud niet in AI-tools mag worden ingevoerd of voor training mag worden gebruikt. Lees die voorwaarden voordat u een kennisbank bouwt met gelicentieerde commentaren, en voordat u een leverancier toegang geeft. Daarnaast speelt de Databankenwet: wie een substantieel deel van een databank opvraagt, heeft toestemming van de producent nodig, tenzij een beperking zoals art. 4a Dbw uitkomst biedt, en ook het herhaald en systematisch opvragen van niet-substantiële delen kan onder het recht van de producent vallen (4).

Voetnoot 9 van Ross bevat hier een les die geen Amerikaans recht nodig heeft (1). De inloggegevens van een kantoor zijn geen gemeenschappelijk bezit. Wie een ontwikkelaar, een start-up waarin het kantoor deelneemt of een leverancier via het account van het kantoor laat werken, treedt al snel buiten een licentie die voor eigen gebruik is verleend, en geeft de wederpartij in een later geschil het verwijt van kwade trouw in handen.

Beschermd materiaal in een algemene tool

Een derde risico zit in de input. Wie een volledig commentaar, een hoofdstuk uit een handboek of een reeks noten in een algemene AI-tool plakt om er een samenvatting van te laten maken, verveelvoudigt beschermd materiaal. Of dat mag, hangt af van de licentie en van de vraag of een beperking van toepassing is; bij een externe tool die hergebruik van input toestaat, is het antwoord allerminst vanzelfsprekend. Voor processtukken van de wederpartij en cliëntstukken weegt dit nog zwaarder, omdat daar de geheimhoudingsplicht en het beroepsgeheim bij komen. De NOvA beveelt aan geen vertrouwelijke of cliëntgegevens in publieke AI-modellen in te voeren en ervoor te zorgen dat input en output binnen de kantooromgeving blijven (17). Ons artikel Kunnen advocaten cliëntstukken in AI uploaden? werkt dat verder uit.

Output en vrijwaringen

Een tool die beschermde tekst letterlijk teruggeeft, kan het kantoor dat die tekst in een memo of processtuk overneemt, bij een inbreuk betrekken. De Münchense rechtbank legde de aansprakelijkheid voor output bij eenvoudig gehouden prompts bij de exploitant van het model (7), maar daarmee gaat de gebruiker die de tekst vervolgens zelf openbaar maakt, niet vanzelf vrijuit. Behandel herkenbare overnames daarom als citaat, met bronvermelding en binnen de grenzen van art. 15a Aw, of herschrijf ze (2). Sommige leveranciers bieden een vrijwaring. Onder zijn Customer Copyright Commitment verdedigt Microsoft klanten tegen bepaalde IE-aanspraken over output, maar bij Azure OpenAI en andere configureerbare diensten hangt die dekking af van verplichte maatregelen die de klant moet hebben getroffen (19). Lees zo'n toezegging als een contract met voorwaarden, niet als een garantie.

Positie 2: het kantoor als rechthebbende

De waarschuwing van de CCBE

De CCBE is in zijn gids opvallend direct. Het trainen van generatieve modellen gaat volgens de gids soms gepaard met het systematisch crawlen en scrapen van alles wat toegankelijk is, waardoor het intellectuele kapitaal van advocatenkantoren, "case analyses, legislative guides, and specialised research publications", in trainingsdatasets terechtkomt (18). Die content kan uiteindelijk dienen voor technologie die met advocaten concurreert zonder aan dezelfde beroepsregels gebonden te zijn. Advocaten "should remain vigilant" over wat zij op hun websites publiceren.

Een voorbehoud in lagen

Wie dat wil voorkomen, moet het voorbehoud zo inrichten dat het de toets van art. 15o Aw en art. 4a Dbw doorstaat. Uit de wet, de gedragscode en de rechtspraak volgt een aanpak in lagen.

Een robots.txt die crawlers uitsluit. Noem de bekende AI-crawlers bij naam, maar besef dat een lijst van namen alleen die crawlers uitsluit. In HowardsHome werd een lijst van enkele AI-bots niet als algemeen voorbehoud aangemerkt (8). Ondertekenaars van de gedragscode hebben toegezegd robots.txt te respecteren zoals beschreven in RFC 9309 (15).
Een voorbehoud in de gebruiksvoorwaarden. Overweging 18 noemt de voorwaarden van een website uitdrukkelijk (3). Formuleer het voorbehoud specifiek: tekst- en datamining in de zin van art. 15o Aw en art. 4a Dbw, met inbegrip van het trainen van AI-modellen, is voorbehouden. Het Oberlandesgericht Hamburg verlangt wel dat een voorbehoud automatisch kan worden geïnterpreteerd (11); een tekst in natuurlijke taal is als enige laag dus een zwakke basis.
Machinaal leesbare metagegevens. Het TDM Reservation Protocol (TDMRep) is een protocol om een voorbehoud onder art. 4 DSM-richtlijn uit te drukken, vastgelegd in een eindrapport van een W3C Community Group van 10 mei 2024; het is geen W3C-standaard (20). Ondertekenaars van de gedragscode hebben zich verbonden ook andere passende machinaal leesbare protocollen te respecteren die gestandaardiseerd zijn of breed worden gebruikt (15). Of TDMRep die status heeft, is niet vastgesteld, maar als extra laag kost het weinig.
Documentatie. Leg met gedateerde kopieën vast wanneer welk voorbehoud gold. In LAION ging het om de stand in de tweede helft van 2021, en moest de rechthebbende de machinale leesbaarheid voor dat moment aantonen (11).

Daar staat een ander belang tegenover: een kantoor wil gevonden worden. Een voorbehoud tegen alle crawlers raakt ook zoekmachines, en de gedragscode moedigt aanbieders die ook een zoekmachine exploiteren alleen aan de indexering niet te laten lijden onder het respecteren van een voorbehoud (15). In de praktijk: sluit AI-crawlers gericht uit, laat zoekmachines toe, en vul de lijst aan met een algemeen voorbehoud in de voorwaarden en in metagegevens. Een sluitende technische oplossing is er nog niet.

Wat is er eigenlijk beschermd?

Niet alles wat een kantoor publiceert, is een werk. De maatstaf is de eigen intellectuele schepping, tot uitdrukking gebracht in vrije en creatieve keuzes (9) (10). Een analyse van een arrest of een artikel over een rechtsvraag voldoet daar gewoonlijk aan. Een standaardclausule, een formulier of een checklist waarvan de bewoordingen grotendeels door de juridische functie worden bepaald, kan eronder blijven. Voor zulke documenten helpt een voorbehoud weinig; het kantoor beschermt ze beter door ze niet te publiceren. Bij interne sjablonen en kennisnotities is de vraag vooral welke tools er toegang toe hebben.

Teksten die met AI zijn opgesteld

Dan de vraag of een met AI opgesteld stuk zelf beschermd is. Past men de maatstaf van het Hof van Justitie toe (9) (10), dan is een tekst die zonder wezenlijke menselijke keuzes door een model is gegenereerd, niet beschermd. Een stuk waarvan de advocaat de opbouw, de selectie en de formulering bepaalt en waarin hij de suggesties van de tool bewerkt, kan dat wel zijn. Een Nederlandse uitspraak die deze grens voor AI-teksten trekt, is ons niet bekend. Bij documenten die het kantoor als eigen kennis wil beschermen, is het verstandig de menselijke bijdrage zichtbaar te houden, bijvoorbeeld in de versiegeschiedenis.

Positie 3: het kantoor als adviseur van cliënten die modellen bouwen of kopen

De vragen voor een cliënt die traint

Een derde groep vragen komt van cliënten die zelf modellen trainen of verfijnen, modellen in hun producten verwerken, of als rechthebbende hun content willen beschermen. Aan een cliënt die traint, stelt de advocaat ten minste deze vragen.

Rechtmatige toegang. Waar komt het trainingsmateriaal vandaan, en was de toegang rechtmatig? Wie zonder licentie content achter een betaalmuur gebruikt, heeft geen rechtmatige toegang in de zin van art. 15o, en het omzeilen van betaalmuren is ook onder de gedragscode uitgesloten (15).
Voorbehouden. Hoe stelt de cliënt vast of content is voorbehouden, welke crawlers gebruikt hij, en legt hij vast wat hij op het moment van crawlen aantrof? HowardsHome en LAION laten zien dat zo'n geschil al snel om bewijs draait.
Herkomst van datasets. Wie een dataset van een derde gebruikt, verschuift de vraag maar beantwoordt haar niet. Contractuele garanties over herkomst, toegang en voorbehouden zijn het minimum.
De fasen. Het Münchense onderscheid tussen corpus, model en output (7) is een bruikbaar raster voor een risicoanalyse. Kan het model trainingsteksten reproduceren, dan is het risico van een andere orde dan wanneer het alleen informatie heeft geëxtraheerd.
De AI-verordening. Is de cliënt aanbieder van een AI-model voor algemene doeleinden, dan heeft hij een auteursrechtbeleid en een openbare samenvatting van de trainingscontent nodig (5) (16).
Output en licenties. Technische waarborgen tegen het reproduceren van beschermd trainingsmateriaal en een verbod op inbreukmakend gebruik in de voorwaarden, zoals maatregel 1.4 van de gedragscode beschrijft (15). Voor materiaal dat de cliënt echt nodig heeft, is een licentie vaak de minst riskante weg.

De licentiemarkt als argument

Dat laatste punt verdient nadruk. In Ross woog mee dat de markt voor het in licentie geven van headnotes als trainingsdata "rapidly developing" is, en dat ROSS Thomson Reuters de kans had ontnomen die markt te betreden (1). In de Europese systematiek komt die gedachte terug in de driestappentoets, die verlangt dat een beperking geen afbreuk doet aan de normale exploitatie. In HowardsHome haalde het argument dat de exclusieve licentienemer van de uitgevers inkomsten zou mislopen het niet, mede omdat het onvoldoende was onderbouwd (8). Het ligt voor de hand dat rechthebbenden zo'n argument beter kunnen onderbouwen naarmate er meer licentiemarkten voor trainingsdata ontstaan. Een cliënt die vandaag een licentie afslaat omdat art. 15o het gebruik toestaat, neemt een risico dat met die markt meegroeit.

De vragen voor een cliënt die rechthebbende is

Voor uitgevers en andere rechthebbenden is het advies het spiegelbeeld: een voorbehoud dat de toets van HowardsHome en LAION doorstaat, licentievoorwaarden die tekst- en datamining uitdrukkelijk regelen, en een dossier waaruit blijkt welk voorbehoud wanneer gold. Houdt een aanbieder die de gedragscode heeft ondertekend zich niet aan zijn toezeggingen, dan kan een rechthebbende via het aanspreekpunt en de klachtenprocedure van maatregel 1.5 een onderbouwde klacht indienen (15); de rechtsmiddelen onder het auteursrecht blijven daarnaast beschikbaar. Een cliënt die een model inkoopt, staat ten slotte in dezelfde positie als het kantoor als gebruiker.

Kantoorbeleid in tien besluiten

Eén verantwoordelijke. Een partner of commissie beslist over de inzet van AI-tools en het gebruik van beschermd materiaal daarin.
Leveranciers antwoorden schriftelijk op de vragen over trainingsmateriaal, het gebruik van input, de rechten op output en vrijwaringen, voordat een tool in gebruik wordt genomen.
Databanklicenties worden eerst gelezen. Voordat gelicentieerde content in een tool of kennisbank wordt geladen, controleert het kantoor de bepalingen over tekst- en datamining en AI.
Gelicentieerde commentaren, noten en handboeken gaan niet in algemene AI-tools, tenzij de licentie dat toelaat en de tool input niet voor training gebruikt.
Inloggegevens van databanken worden nooit gedeeld met ontwikkelaars, leveranciers of deelnemingen.
Herkenbare overnames in output worden behandeld als citaat: met bronvermelding en binnen de grenzen van het citaatrecht, of herschreven.
De website draagt een voorbehoud in drie lagen: robots.txt, gebruiksvoorwaarden en machinaal leesbare metagegevens, afgestemd op de vindbaarheid die het kantoor wil.
Iedere wijziging van dat voorbehoud wordt gedateerd gearchiveerd, zodat het kantoor kan aantonen wat op een bepaald moment gold.
Kantoordocumenten die als eigen kennis worden beschermd, laten de menselijke bijdrage zien in de versiegeschiedenis.
Adviezen aan cliënten die modellen trainen of inkopen, volgen een vast raster: toegang, voorbehoud, herkomst, fasen, AI-verordening, output en licentie.

Hoe dit aansluit op de manier waarop LexVera juridisch werk ondersteunt

LexVera is gebouwd voor Nederlands en Europees recht: Nederlandse wetgeving en rechtspraak, EU-recht en de rechtspraak van het Europees Hof voor de Rechten van de Mens. Het onderzoek in LexVera gaat uit van wetgeving en rechterlijke uitspraken zoals overheidsinstanties die publiceren: de laag van het juridische materiaal die het auteursrecht voor iedereen openlaat. Iedere bewering blijft verbonden met de passage waarop zij steunt, zodat de controlerende advocaat de officiële tekst opent in plaats van te vertrouwen op een samenvatting.

De eigen documenten en de kennis van een kantoor blijven in de werkomgeving van dat kantoor, onder de toegangsregels die het kantoor zelf instelt voor dossiers en teams. LexVera ondersteunt de voorbereiding; de advocaat beslist wat er als advies naar de cliënt gaat. Dat is ook de maatstaf in ons redactioneel beleid.

Veelgestelde vragen

Geldt de uitspraak in Thomson Reuters v. ROSS ook in Europa?

Nee. Het is een Amerikaanse uitspraak over fair use, een open norm die het Europese auteursrecht niet kent. In Nederland gaat het om een gesloten lijst van beperkingen in de Auteurswet, waaronder de tekst- en dataminingbeperking van art. 15o, om het databankenrecht en om contracten. De onderliggende lijn is wel vergelijkbaar: rechterlijke uitspraken zijn vrij, de redactionele bewerking ervan niet.

Mogen AI-tools worden getraind op rechterlijke uitspraken en wetgeving?

Wat het auteursrecht betreft wel. Volgens art. 11 Auteurswet bestaat er geen auteursrecht op wetten, besluiten en verordeningen van de openbare macht en op rechterlijke uitspraken. Wie de teksten uit de verzameling van een ander haalt, moet wel rekening houden met het databankenrecht van de producent, die zeggenschap heeft over het opvragen van een substantieel deel van de inhoud.

Mag AI worden getraind op samenvattingen, noten of juridisch commentaar?

Alleen met toestemming of binnen een wettelijke beperking. Noten, commentaren en de meeste redactionele samenvattingen zijn beschermde werken. Voor commercieel gebruik kan art. 15o Auteurswet uitkomst bieden, maar alleen bij rechtmatige toegang en als de rechthebbende het gebruik niet uitdrukkelijk heeft voorbehouden; bovendien kan een licentie het gebruik uitsluiten. Voor wetenschappelijk onderzoek door onderzoeksorganisaties geldt art. 15n, waarvan niet bij overeenkomst kan worden afgeweken.

Hoe voorkomt een advocatenkantoor dat AI-ontwikkelaars trainen op de inhoud van zijn website?

Met een uitdrukkelijk voorbehoud dat voor online content machinaal leesbaar is, bij voorkeur in drie lagen: een robots.txt die crawlers uitsluit, een voorbehoud van tekst- en datamining in de gebruiksvoorwaarden en machinaal leesbare metagegevens zoals TDMRep. In de zaak HowardsHome werd een robots.txt die alleen enkele AI-bots noemde, in eerste aanleg niet als algemeen voorbehoud aangemerkt. Leg met gedateerde kopieën vast wanneer welk voorbehoud gold.

Is een met AI opgesteld stuk auteursrechtelijk beschermd?

Alleen voor zover het een eigen intellectuele schepping van een mens is, tot uitdrukking gebracht in vrije en creatieve keuzes; dat is de maatstaf van het Hof van Justitie in Infopaq en Funke Medien. Een tekst die zonder wezenlijke menselijke keuzes door een model is gegenereerd, voldoet daar niet aan. Een stuk waarvan de advocaat de opbouw, de selectie en de formulering bepaalt, kan wel beschermd zijn.

Wat moet een kantoor zijn leverancier van juridische AI vragen over trainingsdata?

Op welk materiaal de tool steunt en of gelicentieerde content onder een toereikende licentie wordt gebruikt; welk model eronder ligt en of de aanbieder daarvan een auteursrechtbeleid en een openbare samenvatting van de trainingscontent heeft; of de input van het kantoor voor training wordt gebruikt; wie rechten heeft op de output; en of er een vrijwaring tegen aanspraken van derden is, en onder welke voorwaarden.

Bronnen en verantwoording

Dit artikel weerspiegelt wetgeving, rechtspraak, Europese documenten en richtsnoeren van beroepsorganisaties zoals beschikbaar op 22 oktober 2026. Het vonnis van de Rechtbank Amsterdam is gewezen in eerste aanleg; in de Duitse zaken LAION en GEMA lopen nog rechtsmiddelen, en over de afloop daarvan doen wij geen voorspelling. De zaak C-250/25 staat op 22 oktober 2026 in InfoCuria als aanhangig vermeld, en een conclusie van de advocaat-generaal is niet gepubliceerd. De vragen in die zaak zijn hier samengevat. Citaten uit Amerikaanse, Duitse en Engelstalige Europese bronnen zijn in de oorspronkelijke taal weergegeven; bepalingen van de AI-verordening zijn in eigen woorden samengevat. Voor zover ons bekend bestaat er op deze datum geen gepubliceerde Nederlandse uitspraak over het trainen van generatieve modellen onder art. 15o Auteurswet. Dit is algemene professionele informatie, geen advies over een concrete zaak; ga de toepasselijke regels en de voorwaarden van uw eigen licenties na in hun actuele versie.