Beleidsmakers in de EU en grote platforms willen dat elk AI-beeld een zichtbaar label krijgt. Het doel is misleiding en deepfakes te beperken, vooral rond verkiezingen en nieuws. De discussie speelt in Europa en Nederland nu de Europese AI-verordening ingaat en strenger toezicht volgt. Bedrijven als Meta, Google, OpenAI en Adobe werken aan systemen om zulke labels te tonen, met gevolgen voor overheid en media.
EU verplicht deepfake-labels
De Europese AI-verordening verplicht aanbieders en gebruikers van generatieve systemen om synthetische of gemanipuleerde beelden duidelijk te markeren. Dat geldt wanneer het publiek het beeld anders makkelijk voor echt kan aanzien. Deze transparantie-eis raakt deepfakes, maar ook onschuldige marketingbeelden die door een model zijn gemaakt. De regels gaan gefaseerd gelden tussen 2025 en 2026, op het moment van schrijven.
Naast de AI-verordening verplicht de Digital Services Act grote platforms om misleiding actief tegen te gaan. Ze moeten de risico’s rond synthetische media beoordelen en maatregelen nemen, zoals zichtbare labels en uitleg. De Europese Commissie handhaaft deze plichten bij zeer grote platforms. Dat is relevant in aanloop naar verkiezingen en crisissituaties, wanneer nepfoto’s snel rondgaan.
Voor Nederlandse overheden betekent dit dat AI-beelden in publieke communicatie herkenbaar moeten zijn. Dat is onderdeel van de Europese AI-verordening en raakt ook aanbestedingen en inkoop van AI-diensten. Overheidswebsites, campagnes en voorlichtingsmateriaal moeten heldere broninformatie tonen. Dit maakt herkomstcontrole voor burgers eenvoudiger en vergroot vertrouwen.
Platforms voeren labels in
Meta toont op Facebook en Instagram “Made with AI”-labels bij synthetische beelden en leest waar mogelijk herkomstdata uit. Het bedrijf werkt ook met watermerken en metadata, maar die zijn niet waterdicht. Gebruikers kunnen labels melden als ze ontbreken of onjuist zijn. Fouten komen voor, bijvoorbeeld bij zwaar bewerkte foto’s.
YouTube vereist dat makers aangeven wanneer video’s of beelden synthetisch zijn, en plaatst dan een zichtbaar label. TikTok hanteert vergelijkbare regels voor AI-content en zegt C2PA-gegevens te herkennen. Google biedt daarnaast “About this image” met context over herkomst en eerste verschijning. Dat helpt bij het beoordelen of een beeld betrouwbaar is.
Adobe stimuleert Content Credentials, een open methode om herkomstgegevens aan bestanden te koppelen. Deze techniek is onderdeel van de C2PA-standaard, gesteund door onder meer Adobe, Microsoft, Google en mediapartijen. Sommige camera- en softwareleveranciers ondersteunen al proefversies van die “content credentials”. Het idee is een keten van vertrouwen: van opname of generatie tot publicatie.
Watermerken werken nog beperkt
Technische labels zijn kwetsbaar wanneer een beeld wordt gecomprimeerd, gescreenshot of bewerkt. Metadata kan verdwijnen of bewust worden verwijderd. Onzichtbare watermerken, zoals Google DeepMind’s SynthID, overleven sommige bewerkingen beter. Toch blijft detectie probabilistisch en niet foutloos.
Een watermerk is een onzichtbaar merkteken in een digitaal bestand dat laat zien hoe en waarmee het is gemaakt.
Er bestaat ook het risico van valse labels en misbruik van logo’s of metadata. Zonder veilige opslag en verificatie kan iedereen een nepstempel toevoegen. C2PA probeert dit te ondervangen met cryptografische handtekeningen. Maar brede, interoperabele ondersteuning staat nog in de kinderschoenen.
Voor nieuwsredacties en overheden betekent dit: labelen is nodig, maar niet genoeg. Een redactionele controle en context blijven essentieel. Tools voor omgekeerd zoeken en verificatie moeten standaard worden ingezet. Zo verklein je de kans dat misleidende AI-beelden doorlopen.
Gevolgen voor Nederlandse media
Redacties in Nederland scherpen hun beleid aan voor synthetische beelden. De Nederlandse Publieke Omroep en nieuwsredacties werken met zichtbare disclaimers en vermijden AI-beeld bij nieuws als het verwarring kan scheppen. Fotobureaus in Europa testen C2PA om herkomst vast te leggen. Dit moet het vertrouwen in persfoto’s beschermen.
De AVG blijft leidend als AI-beelden herkenbare personen tonen of gezichtsgegevens gebruiken. Dataminimalisatie en een duidelijke grondslag zijn dan vereist. Portretrecht en context gelden ook bij synthetische beelden van echte personen. Misleidende weergaven kunnen leiden tot klachten en claims.
Voor de overheid zijn de “Europese AI-verordening gevolgen overheid” concreet: transparante communicatie, duidelijke labels en traceerbare beeldherkomst. Aanbestedingen moeten eisen opnemen voor C2PA of gelijkwaardige bewijsvoering. Training en werkinstructies voor woordvoerders en webredacties zijn nodig. Zo kan naleving aantoonbaar worden georganiseerd.
Toezicht en handhaving volgen
De Europese Commissie houdt toezicht op grote platforms onder de Digital Services Act. Het nieuwe European AI Office coördineert regels voor generatieve modellen. Nationale autoriteiten, zoals de Autoriteit Persoonsgegevens, letten op privacy en misleiding. Samenwerking tussen toezichthouders wordt belangrijk bij grensoverschrijdende zaken.
Bedrijven moeten processen inrichten om labels consistent toe te passen en te bewaren. Interne audits en incidentrapportage worden onderdeel van compliance. Voor burgers moet het label eenvoudig te begrijpen zijn. Heldere taal en vaste iconen helpen daarbij.
De komende maanden verschijnen meer richtsnoeren en technische specificaties. Organisaties doen er goed aan nu al te testen met C2PA en watermerken. Ook het updaten van huisstijlen met labelvarianten is verstandig. Zo is iedereen voorbereid wanneer de regels volledig gelden.
Wat dit praktisch betekent
Publiceer je een AI-beeld, zet er dan een zichtbaar label en korte uitleg bij. Bewaar daarnaast herkomstgegevens via C2PA of vergelijkbare metadata. Controleer bij inkoop en freelancewerk of bestanden zo’n bewijs meeleveren. En leg in beleid vast wanneer AI-beeld wel en niet is toegestaan.
Voor burgers geldt: een label is nuttig, maar geen sluitend bewijs. Ontbreekt een label, dan kan een beeld nog steeds AI-gegenereerd zijn. Controleer daarom context, herkomst en omgekeerde zoekresultaten. Let op onlogische details zoals handen, randen en inconsistent licht.
Uiteindelijk ontstaat een mix van zichtbare labels, onzichtbare watermerken en redactionele checks. Die combinatie verkleint de schade van deepfakes. Tegelijk blijft mediawijsheid nodig bij publiek en professionals. Zo blijft beeld betrouwbaar in een tijd van algoritmen en datamodellen.