Onderzoekers van de Universiteit Leiden zien dat samenwerking tussen burgers en kunstmatige intelligentie het politiewerk sterk kan veranderen. In Nederland en Europa ontstaan nieuwe werkwijzen waarin meldingen, camerabeelden en data door algoritmen worden geordend. Dit kan sneller en gerichter opsporen mogelijk maken, maar stelt ook grenzen door privacyregels en de Europese AI‑verordening. Die Europese AI-verordening en de gevolgen voor overheid en politie bepalen op het moment van schrijven steeds vaker wat wel en niet mag.
Burgermeldingen vragen filtering
Burgers leveren al veel informatie via apps en platforms. Denk aan meldingen, foto’s en video’s die binnenkomen bij politie en gemeenten. AI‑systemen kunnen deze stroom automatisch sorteren en prioriteren. Zo vinden hulpdiensten sneller wat acuut is en wat kan wachten.
Die automatische filtering gebruikt patroonherkenning, een techniek die verschillen en overeenkomsten in data zoekt. Het systeem leert van voorbeelden, maar maakt ook fouten. Foute inschattingen kunnen ertoe leiden dat een echte noodsituatie over het hoofd wordt gezien. Daarom blijft menselijke controle nodig bij elk kritisch besluit.
De meerwaarde is duidelijk bij grote evenementen en crisissituaties. Dan lopen meldkamers snel vol met berichten. Slimme triage kan de wachttijd verkorten en ruis weghalen. Toch moet elk model uitlegbaar zijn, anders verzwakt het vertrouwen van burgers.
AI helpt, mens beslist
AI kan teksten samenvatten, beelden doorzoeken en verdachte patronen markeren. Zulke systemen werken als assistent, niet als eindbaas. De agent behoudt de regie en neemt de beslissing. Dit principe heet “mens-in-de-lus”.
Beperkingen blijven zichtbaar in de praktijk. Algoritmen missen context en kunnen vertekeningen versterken, zoals oververtegenwoordiging van bepaalde buurten. Training met diverse en actuele data helpt, maar lost dit niet volledig op. Heldere foutafhandeling en second opinions zijn daarom verplicht.
AI ondersteunt het werk, maar bepaalt niet de uitkomst.
Leveranciers moeten prestaties aantonen met tests die lijken op de echte werksituatie. Denk aan stresstests met piekmeldingen of slecht belichte camerabeelden. Ook moeten foutmarges openbaar zijn voor toezichthouders. Zonder deze basis is inzet bij handhaving onverstandig.
Europese AI-verordening stuurt politie
De Europese AI‑verordening (AI Act) deelt systemen in risicoklassen in. Politietoepassingen vallen vaak in de categorie hoog risico. Dat vraagt om strenge eisen, zoals risicobeoordelingen, logging en menselijk toezicht. Sommige toepassingen, zoals ongerichte gezichtsherkenning in de openbare ruimte, zijn in principe verboden.
Op het moment van schrijven gelden extra beperkingen voor voorspellend politiewerk dat individuele personen profileert. Gebiedsgerichte analyse kan nog wel, maar dan met stevige waarborgen. Dit raakt direct het ontwerp van nieuwe tools voor triage en surveillance. Overheden moeten dit al opnemen in aanbestedingen en pilots.
De regels komen boven op bestaande privacywetten. Voor burgers en gemeenten geldt de AVG, met plichten als dataminimalisatie en versleuteling. Voor de politie geldt de Wet politiegegevens (Wpg), die de Europese politierichtlijn uitvoert. De Autoriteit Persoonsgegevens ziet toe en kan boetes opleggen.
Nederlandse praktijk en pilots
Nederland kent al kanalen voor burgerparticipatie, zoals Burgernet en de 112NL‑app. Via Camera in Beeld registreren bedrijven en bewoners hun camera’s, zodat de politie gericht kan vragen om beelden. AI kan deze stromen helpen ordenen en doorzoekbaar maken. Dat verkort zoektijd bij bijvoorbeeld woninginbraken.
Bij gebruik van nieuwe analysetools moet de politie de inzet vooraf toetsen. Denk aan een gegevensbeschermingseffectbeoordeling en een fundamentele‑rechtencheck. Ook moet duidelijk zijn wie verantwoordelijk is bij fouten. Dit voorkomt dat beslissingen “verdwijnen” in een zwart doosje.
Publieke inkoop speelt daarbij een sleutelrol. Contracten moeten eisen bevatten over uitlegbaarheid, auditlogs en modelupdates. Brondata en prestatierapporten moeten beschikbaar zijn voor toezicht. Zo blijft er controle op kwaliteit en rechtmatigheid.
Privacy en datakwaliteit cruciaal
Data uit burgersystemen zit vaak vol ruis en dubbels. Algoritmen moeten dit opschonen zonder belangrijke signalen te verliezen. Strikte dataminimalisatie en bewaartermijnen beperken risico’s. Versleuteling beschermt gevoelige informatie bij opslag en verzending.
Identificeerbare gegevens vragen extra zorg. Onnodige kenmerken, zoals gezichten van omstanders of kentekens buiten de zaak, moeten worden geblurd of verwijderd. Toegang hoort op het “need to know”-principe te werken. Elk gebruik wordt gelogd en is achteraf controleerbaar.
Kwaliteitscriteria horen meetbaar en publiek te zijn. Denk aan herkenningsfouten per demografische groep en per situatie. Zonder deze cijfers is sturen op verbetering niet mogelijk. Onafhankelijke audits maken de uitkomsten geloofwaardig.
Transparantie en legitimiteit nodig
Openheid over doelen, werkwijze en resultaten is bepalend voor draagvlak. Publiceer samenvattingen van modellen, fouten en verbeteringen. Betrek burgerpanels en privacy‑experts vroeg in het ontwerp. Zo ontstaat een gesprek over nut en noodzaak.
Klachten en bezwaar moeten eenvoudig kunnen. Burgers moeten weten hoe een besluit tot stand kwam en wie het nam. Dat vraagt om uitlegbare rapportages naast de technische logs. Recht op correctie en herbeoordeling hoort standaard te zijn.
Tot slot helpt Europese samenwerking om kwaliteit te borgen. Gemeenschappelijke testsets en richtlijnen verlagen kosten en versnellen leren. Nederlandse diensten kunnen zo voldoen aan de AI‑verordening en de Wpg, en toch innovatie benutten. Dat maakt inzet van AI bij politiewerk zowel effectiever als rechtvaardiger.