Studenten van de Universiteit Leiden werkten recent met professionals aan het inzetten van AI-agents voor het opsporen van vermiste personen en het tegengaan van mensensmokkel. De samenwerking vond plaats binnen onderwijs en praktijkprojecten op de universiteit. Het doel was om concrete adviezen te geven over verantwoord gebruik van deze systemen. Daarbij stonden de AVG en de Europese AI-verordening (AI Act) en hun gevolgen voor politie en overheid centraal.
Studenten koppelen AI aan praktijk
Bij de projecten onderzochten studenten hoe AI-agents, oftewel digitale hulpjes die zelfstandig taken plannen en uitvoeren, in de praktijk kunnen helpen. Ze keken naar werkprocessen rond tips, meldingen en open bronnen. Daarbij maakten ze scenario’s voor inzet in meldkamers, analyses en veldwerk. De universiteit bracht zo onderwijs, onderzoek en werkpraktijk gericht bij elkaar.
Professionals deelden casussen over vermissingen en signalen van mensensmokkel. Studenten vertaalden die naar testopzetten en stappenplannen. Ze beschrijven onder meer hoe een agent informatie uit openbare bronnen kan verzamelen en ordenen. Ook dachten ze na over grenzen: wanneer moet een mens altijd beslissen en logica controleren.
De nadruk lag op haalbare toepassingen, geen losse pilots zonder vervolg. Zo richtten de teams zich op taken die nu veel tijd kosten, zoals triage van meldingen. Ook keken ze naar samenwerking tussen organisaties met verschillende taken. De aanbevelingen gaan daarom zowel over techniek als over werkafspraken en toezicht.
Een AI-agent is een softwaresysteem dat zelfstandig doelen kan vertalen naar acties, informatie kan ophalen uit meerdere bronnen en op basis daarvan voorstellen kan doen aan een mens.
AI-agents versnellen opsporing
AI-agents kunnen openbare informatie sneller ordenen dan handmatig zoeken. Denk aan het bundelen van tips, weerberichten, vervoersdata en sociale media in één overzicht. Het systeem kan verbanden voorstellen, zoals locaties die vaker terugkomen. Zo krijgt een team sneller zicht op kansrijke sporen.
De aanpak kent ook grenzen en risico’s. Open bronnen bevatten ruis en fouten, wat tot valse leads kan leiden. Taalmodellen kunnen onjuiste verbanden verzinnen, een probleem dat bekendstaat als hallucinatie. Daarom blijft controle door een mens en heldere logging noodzakelijk.
Praktisch is er winst te halen met duidelijke taken voor het algoritme. Laat het systeem bijvoorbeeld alleen groeperen, samenvatten en prioriteren. Laat eindbeoordelingen bij menselijk personeel. Deze scheiding maakt prestaties beter meetbaar en verkleint juridische risico’s.
Privacy en AVG verplichten keuzes
Bij persoonsgegevens gelden onder de AVG strenge regels. Organisaties moeten dataminimalisatie toepassen: alleen data gebruiken die echt nodig is. Een Data Protection Impact Assessment (DPIA) is vaak verplicht; dat is een voorafgaande risicoanalyse. Versleuteling, strakke bewaartermijnen en toegangsbeheer horen daarbij.
Open bronnen zijn niet per definitie vrij te hergebruiken. Ook data van sociale media kan persoonsgegevens bevatten, zoals gezichten en locaties. De rechtmatige grondslag voor verwerking moet helder zijn, bijvoorbeeld vitaal belang bij levensgevaar of een wettelijke taak. Zeker bij minderjarigen en kwetsbare groepen zijn extra waarborgen nodig.
Transparantie naar betrokkenen is een aandachtspunt. In opsporingscontext is informeren soms beperkt mogelijk, maar documentatie intern is verplicht. Denk aan besluitregels, datastromen en herkomst van trainingsdata. Dit helpt ook bij audit en bij het uitleggen van keuzes aan de rechter of toezichthouder.
AI-verordening zet strakke kaders
De Europese AI-verordening plaatst systemen voor rechtshandhaving in de hoge-risicoklasse. Dat brengt eisen mee aan risicobeheer, datakwaliteit, logging, menselijke controle en nauwkeurigheid. Leveranciers moeten technische documentatie leveren; afnemers moeten gebruik toetsen. Op het moment van schrijven treedt de wet gefaseerd in werking, met overgangstermijnen tot 2026.
Voor toepassingen rond vermiste personen en mensensmokkel is de scheidslijn belangrijk. Real-time biometrische identificatie in de openbare ruimte is in principe verboden, met slechts smalle uitzonderingen. Niet-biometrische analyse en OSINT-aggregatie kunnen wel, mits proportioneel en onder toezicht. De functionele afbakening bepaalt dus het juridische pad.
Publieke organisaties moeten vroeg nadenken over inkoop en naleving. Contracten horen eisen uit de AI-verordening en de AVG op te nemen. Denk aan modelupdates, incidentmelding en toegang tot logbestanden. Dit voorkomt dat pilots stranden bij opschaling.
Adviezen voor politie en NGOs
Begin klein met duidelijk afgebakende taken voor het systeem. Gebruik bij voorkeur openbare of synthetische data in vroege tests. Documenteer aannames, beperkingen en prestatiecijfers vanaf dag één. Leg vast wie beslist, wie toezicht houdt en wie stopt bij fouten.
Organiseer multidisciplinair werken: recherche, analisten, juristen, privacy officers en ethici aan één tafel. Laat de Functionaris Gegevensbescherming vroeg meekijken. Plan periodieke evaluaties en red-teaming om misbruik en bias te vinden. Houd een exitstrategie gereed als prestaties achterblijven.
Investeer in uitlegbaarheid en training. Zorg dat medewerkers begrijpen wat het model wel en niet doet. Publiceer beknopte systeemkaarten met doel, data en grenzen. Dat versterkt intern vertrouwen en externe verantwoording.
Onderwijs verbindt beleid en techniek
De Leidse aanpak laat zien hoe onderwijs kan aansluiten op maatschappelijke opgaven. Studenten leren hoe algoritmen werken én wat wetgeving vraagt. Professionals krijgen frisse analyses en praktische handvatten. Zo ontstaat een leeromgeving die beleid en techniek samenbrengt.
Voor Nederlandse overheid en hulporganisaties is dit relevant door de komst van de AI-verordening. De regels vragen om aantoonbare controle over data en processen. Vroege samenwerking met kennisinstellingen versnelt dat leerproces. Het verkleint ook de kans op dure aanpassingen bij opschaling.
De volgende stap is testen in gecontroleerde omgevingen, zoals een regulatoire sandbox. Daar kunnen eisen uit de AI-verordening en de AVG praktijkgericht worden getoetst. Met duidelijke meetpunten en maatschappelijke waarborgen. Zo blijft innovatie mogelijk binnen de Europese kaders.