Waarom publieke diensten kiezen voor eigen Nederlandse modellen

De adoptie van kunstmatige intelligentie binnen het openbaar bestuur bevindt zich op een beslissend kantelpunt. Waar overheidsinstellingen in de experimentele beginfase veelvuldig leunden op publieke, commerciële cloudinterfaces voor pilots en verkennende projecten, stuit die werkwijze in de uitvoeringspraktijk op harde juridische, ethische en technische grenzen. In het overzichtsartikel over de status van AI bij de overheid werd al duidelijk hoe bestuursorganen moeten balanceren tussen innovatiedrang en strakke kaders; de structurele verschuiving naar soevereine, opensource- en binnenlandse taalmodellen vormt het directe antwoord op die opgave.

Publieke organisaties — van uitvoeringsgiganten zoals de Dienst Uitvoering Onderwijs (DUO), de Sociale Verzekeringsbank (SVB) en de Belastingdienst tot regionale omgevingsdiensten en individuele gemeenten — beheren uitzonderlijk gevoelige persoonsgegevens en nemen geautomatiseerde of semi-geautomatiseerde besluiten met verstrekkende rechtsgevolgen voor burgers. Het doorsluizen van ambtelijke dossiers via externe API-diensten van commerciële partijen buiten de Europese Unie introduceert fundamentele risico's op het gebied van informatieveiligheid, datalekken en wetsovertredingen. Daarnaast blijken mondiale megamodellen opmerkelijk vaak te falen op de subtiele terminologie van het Nederlandse bestuursrecht, lokale verordeningen en de specifieke toon die burgers van een betrouwbare overheid mogen verwachten.

De keuze voor eigen, lokaal gehoste taalmodellen is daarom geenszins een protectionistische reflex of een technisch dogma, maar een weloverwogen risicomijdende beheerstrategie. In dit artikel analyseren we de strategische, technische, juridische en linguïstische motieven die publieke diensten aanzetten tot de inrichting van eigen taaltechnologie, inclusief de bijbehorende meetmethoden, kostenafwegingen en onvermijdelijke operationele beperkingen.

1. Digitale soevereiniteit en controle over de technologieketen

Digitale soevereiniteit is binnen de publieke sector geëvolueerd van een abstract beleidsideaal naar een operationeel minimumniveau voor continuïteitsbeheer. Wanneer een overheidsorgaan zijn primaire werkprocessen — zoals vergunningverlening, beleidsevaluatie of burgercorrespondentie — ent op gesloten externe cloudmodellen, ontstaat een acute technologische afhankelijkheid. Een eenzijdige wijziging in serviceniveaus, abrupte prijsverhogingen of de plotselinge uitfasering van een modelversie kan direct leiden tot uitval van vitale administratieve ketens.

Door te kiezen voor open gewichten en opensource-modelarchitecturen houdt de overheid de volledige zeggenschap over de levenscyclus van haar programmatuur. IT-afdelingen kunnen modelgewichten downloaden, lokaal archiveren, versiebeheer toepassen en deterministische uitkomsten afdwingen. Dit voorkomt dat een onaangekondigde update bij een externe leverancier plotseling de consistentie van ambtelijke samenvattingen ondermijnt. Wie benieuwd is naar de technische implementatie van dergelijke architecturen kan de gids over Europese open modellen zelf draaien raadplegen om te zien hoe lokale inference architecturaal wordt ingericht.

Bovendien waarborgt technologische autonomie de verplichte archivering en reconstrueerbaarheid. Bestuursorganen moeten besluitvormingstrajecten op grond van de Archiefwet en de Wet open overheid (Woo) jarenlang tot op detailniveau kunnen verantwoorden. Als een extern model na twaalf maanden niet meer beschikbaar is via de API van een commerciële provider, is een formele reconstructie van een historisch bestuursbesluit feitelijk onmogelijk geworden.

2. Privacy, geheimhouding en de AVG in de ambtelijke praktijk

De verwerking van persoonsgegevens door de overheid is onderworpen aan strikte principes van doelbinding, dataminimalisatie en opslagbeperking conform de Algemene Verordening Gegevensbescherming (AVG). Zodra vertrouwelijke stukken — zoals rapportages uit de jeugdbescherming, medische indicaties, strafbeschikkingen of fiscale toetsen — naar een externe cloudomgeving worden gezonden, treedt een omvangrijk juridisch risicotraject in werking met verplichte Data Protection Impact Assessments (DPIA's) en complexe transfertoetsen.

Zelfs indien commerciële cloudleveranciers contractueel vastleggen dat ingevoerde gegevens niet worden aangewend voor de doorontwikkeling van modellen, blijven er structurele kwetsbaarheden bestaan rondom telemetrie, metadata-opslag en noodzakelijke foutenlogging. Daarnaast blijft de juridische dreiging van buitenlandse extraterritoriale wetgeving, zoals de Amerikaanse Cloud Act, een sluipend gevaar voor overheden die geheimhouding moeten garanderen. Voor een ambtenaar met een wettelijk ambtsgeheim is de invoer van casuïstiek in een buitenlandse cloudomgeving juridisch nauwelijks verdedigbaar.

Het draaien van een eigen open taalmodel binnen een afgeschermde overheidscloud (zoals de Rijksoverheid Cloud) of op on-premise hardware binnen het eigen rekencentrum sluit datalekken naar derden structureel uit. Geen enkel token overschrijdt de gecontroleerde netwerkperimeter. Dit reduceert niet alleen de complexiteit van privacy-audits drastisch, maar beschermt ook het fundamentele maatschappelijke vertrouwen tussen burger en staat.

3. Voldoen aan de eisen van de EU AI Act

De inwerkingtreding van de Europese AI-verordening dwingt publieke organisaties tot verregaande professionalisering van hun modelbeheer. In de analyse over de inhoud van de AI-verordening wordt helder uiteengezet welke strenge eisen gelden voor risicobeoordeling, transparantie, menselijk toezicht en technische robuustheid bij AI-systemen.

Een aanzienlijk deel van de overheidstaken valt direct onder de noemer van hoog-risicosystemen in de zin van de AI Act. Denk hierbij aan systemen voor risicoprofilering bij sociale voorzieningen, geautomatiseerde prioritering bij inspecties of geavanceerde selectieprocedures van personeel. Voor dergelijke toepassingen stelt de wetgever dat de trainingsdatasets representatief, foutenvrij en vrij van ontoelaatbare vertekeningen moeten zijn, en dat de werking van het model technisch auditeerbaar moet zijn voor toezichthouders zoals de Autoriteit Persoonsgegevens.

Bij commerciële gesloten modellen is het onmogelijk om aan deze wettelijke bewijslast te voldoen, aangezien de exacte trainingssamenstelling en het filteringproces als bedrijfsgeheim worden afgeschermd. Met een eigen open modelmodelbasis kan een bestuursorgaan exact verantwoorden welke trainingscorpora zijn gebruikt, welke synthetische finetuningsdata is toegevoegd en hoe de bias-evaluaties zijn uitgevoerd. Daarmee wordt voldaan aan de documentatieplicht en worden kostbare juridische handhavingstrajecten voorkomen.

4. Transparantie, auditeerbaarheid en het algoritmeregister

Openbaarheid van bestuur vormt de hoeksteen van de democratische rechtsstaat. Nederlandse overheden zijn verplicht om gebruikte algoritmes op te nemen in het landelijke algoritmeregister om burgers inzicht te geven in besluitvormingsstructuren. In de publicatie over openbaarmakingen in het algoritmeregister wordt aangetoond dat registraties waarin propriëtaire black-box-modellen worden opgevoerd vrijwel altijd stuiten op onvolledigheden door een gebrek aan systeeminformatie van de leverancier.

Transparantie betekent in een bestuurlijke context dat een toezichthouder, rechter of burger moet kunnen herleiden volgens welke logica en parameters een model bepaalde samenvattingen genereert of beleidsteksten categoriseert. Als een bestuursorgaan gebruikmaakt van een gesloten API, kan de bewindspersoon of de gemeenteraad geen verantwoording afleggen over eventuele verborgen systeemprompts of onbekende gewichten in het netwerk.

Het gebruik van soevereine modellen stelt instellingen in staat om het volledige technisch paspoort — inclusief architectuurkeuzes, tokenizerparameters en validatieresultaten — transparant te publiceren. Daarmee wordt geautomatiseerde ondersteuning weer controleerbaar voor de samenleving.

5. Linguïstische accuraatheid en ambtelijk jargon

De Nederlandse taal vormt mondiaal gezien slechts een fractie van de trainingsdata waarop grote commerciële basismodellen worden voorgetraind. Zoals uiteengezet in de analyse over de positie van de Nederlandse taal in AI, leidt deze scheve verhouding in de praktijk tot sluipende stijlfouten, anglicismen en een fundamenteel onbegrip van institutionele contexten.

In de ambtelijke context luistert woordkeus uitzonderlijk nauw. Juridische begrippen zoals 'last onder dwangsom', 'bestuurlijke boete', 'beginselplicht tot handhaving', 'voorlopige voorziening' of 'passend onderwijs' bezitten een vastomlijnde betekenis in de Algemene wet bestuursrecht (Awb) of sectorspecifieke wetten. Generieke commerciële modellen verwarren deze concepten regelmatig met Angelsaksische rechtsbegrippen (zoals 'injunction' of 'contempt of court'), waardoor brieven aan burgers juridisch onjuiste toezeggingen of intimiderende formuleringen kunnen bevatten.

Door gerichte pre-training of finetuning van opensource-basismodellen op representatieve Nederlandstalige overheidscorpora — zoals openbare Kamerstukken, officiële Staatscourant-publicaties, geanonimiseerde uitspraken van de Raad van State en gemeentelijke verordeningen — ontstaat een taalmodel dat de bestuurlijke nuance wél begrijpt. Een dergelijk model formuleert brieven conform de geldende standaarden voor begrijpelijke overheidstaal (zoals taalniveau B1) zonder in te boeten aan juridische precisie.

6. Inkoopvoorwaarden, aanbestedingen en kostenstructuren

De inkoop van software en IT-diensten door publieke lichamen is gebonden aan Europese en nationale aanbestedingsregels. Het inkopen van commerciële cloud-AI blijkt in de praktijk buitengewoon weerbarstig vanwege strikte eisen rondom interoperabiliteit en leveranciersonafhankelijkheid. In de leidraad over eisen bij AI-aanbestedingen wordt benadrukt hoe aanbestedende diensten vendor lock-in moeten voorkomen door expliciet te sturen op open standaarden en overdraagbaarheid van gegevens.

Commerciële API-modellen hanteren doorgaans een prijsmodel op basis van tokenverbruik. Voor kleinschalige pilots zijn de initiële kosten laag, maar bij opschaling naar duizenden medewerkers die dagelijks omvangrijke dossiers doorzoeken, worden variabele kosten volatiel en budgettair onbeheersbaar. Daar staat tegenover dat een soevereine infrastructuur — hoewel gepaard gaand met initiële investeringen in hardware en implementatie — zorgt voor voorspelbare, vaste operationele kosten die niet exploderen bij intensief gebruik.

Daarnaast creëert een open architectuur een gezonde scheiding tussen de modelleverancier en de hostingpartij. Als een bepaald opensource-taalmodel na verloop van tijd wordt ingehaald door een efficiënter of nauwkeuriger alternatief, kan de overheid de modelgewichten binnen de bestaande applicatie vervangen zonder de complete integratielaag opnieuw aan te moeten besteden.

7. Typische architectuur van een soevereine overheidspipeline

In de praktijk bouwen publieke instellingen zogeheten Retrieval-Augmented Generation (RAG) systemen rondom lokale open taalmodellen. In een dergelijke configuratie genereert het model geen feiten uit het eigen geheugen, maar redeneert het uitsluitend over geverifieerde beleidsdocumenten die realtime worden aangeleverd vanuit een beveiligde bron.

# Architectuur van een lokale en soevereine overheids-RAG-omgeving
[Beveiligde Opslag: Dossiers & Wetgeving]
             |
             v
[Lokaal Embeddingmodel (bv. Gecureerd NL-model)]
             |
             v
[Lokale Vectordatabase binnen Overheidsperimeter]
             |
[Ambtelijke Vraag / Burgerdossier] --> [Context Selectie & Anonimisering]
                                                  |
                                                  v
                                     [Lokaal Open Taalmodel]
                                     (Gehost op overheidsserver)
                                                  |
                                                  v
                                     [Geverifieerd Advies / Conceptbesluit]

Binnen deze architectuur blijft de gehele gegevensstroom hermetisch afgesloten van het openbare internet. Het embeddingmodel zet ambtelijke teksten om in vectorrepresentaties binnen het eigen netwerk, waarna het lokale taalmodel uitsluitend contextgestuurde antwoorden formuleert met directe bronverwijzingen naar de onderliggende wet- en regelgeving.

8. Meetmethoden: prestaties en veiligheid kwantificeren

Het besluit om een eigen model in productie te nemen vereist objectieve meetmethoden. Publieke instellingen kunnen zich niet baseren op subjectieve indrukken of algemene marketingbenchmarks van modelmakers. In de ambtelijke praktijk worden daarom drie specifieke evaluatiedomeinen gekwantificeerd:

1. Taalspecifieke juridische benchmarks: Modellen worden getoetst op representatieve datasets van ambtelijke casussen. Hierbij wordt gemeten hoe accuraat het model wetgeving citeert, of het correcte bevoegdheden toekent aan bestuursorganen en of het formele juridische terminologie foutloos hanteert. De metriek richt zich hierbij op feitelijke precisie en het uitsluiten van hallucinaties bij juridische kwalificaties.

2. Begrijpelijkheid en taalniveau (B1-toetsing): Voor publiekscommunicatie wordt de gegenereerde tekst automatisch en handmatig getoetst op leesbaarheidsindexen (zoals de Flesch-Kincaid-score en de Cito-leesbaarheidsindex voor het Nederlands). Er wordt gemeten welk percentage van de zinnen voldoet aan de richtlijnen voor eenvoudige overheidstaal (korte zinnen, actieve constructies, vermijden van onnodig ambtelijk jargon).

3. Veiligheid en lekbestendigheid (Prompt Injection & Jailbreaking): Een model dat wordt ingezet in een loketfunctie moet bestand zijn tegen manipulatie door kwaadwillenden. Via geautomatiseerde 'red teaming'-scripts wordt gemeten hoe resistent het systeem is tegen indirecte prompt-injectie (bijvoorbeeld kwaadaardige instructies verborgen in geüploade PDF-aanvragen) en of het model consistent weigert om vertrouwelijke systeemprompts of niet-geautoriseerde brongegevens prijs te geven.

9. Beperkingen, randgevallen en reële kosten

Ondanks de overtuigende voordelen brengt de inzet van eigen taalmodellen aanzienlijke operationele en financiële uitdagingen met zich mee. Het negeren van deze beperkingen leidt onherroepelijk tot mislukte IT-projecten en desinvesteringen. Bestuursorganen moeten rekening houden met de volgende randvoorwaarden:

De kosten van rekenkracht en beheer: Het draaien van lokale modellen vereist gespecialiseerde grafische processoren (GPU's). De aanschaf, het energieverbruik, de koeling en het dagelijks beheer van dergelijke clusters brengen aanzienlijke vaste kosten met zich mee. Voor een kleine plattelandsgemeente met 25.000 inwoners is het financieel niet rendabel om een eigen dedicated GPU-cluster in te richten. Hier ligt een dringende noodzaak voor shared services, waarbij provincies, koepels zoals de Vereniging van Nederlandse Gemeenten (VNG) of rijksbrede shared service centers de infrastructuur collectief hosten.

De kwaliteitskloof bij abstracte redeneertaken: Hoewel gespecialiseerde en compacte open modellen uitblinken in domeinspecifieke taken zoals samenvatten, classificeren en extractie, blijven de allergrootste commerciële cloudmodellen superieur in complexe, meervoudige redeneertaken en brede algemene kennis. Een lokaal model van 8 tot 70 miljard parameters kan moeite hebben met uiterst complexe, niet-standaard casuïstiek waarin tientallen beleidsterreinen met elkaar interfereren. In zulke situaties is strikte menselijke supervisie onontbeerlijk.

Onderhoud en actualiteit van data: Een taalmodel is een momentopname. Wanneer wetgeving wijzigt (zoals bij de invoering van een nieuwe Omgevingswet), weet het statische model daar uit zichzelf niets van. Het up-to-date houden van een soeverein systeem vereist daarom een robuuste en continue documentbeheer- en RAG-pipeline. Het opbouwen van deze interne technische expertise is in de huidige krappe arbeidsmarkt een van de grootste knelpunten voor de publieke sector.

Conclusie

De beweging van Nederlandse publieke diensten richting eigen, soevereine taalmodellen markeert een volwassenwording van de digitale overheid. Het besef is ingedaald dat publieke waarden zoals privacy, gelijke behandeling, transparantie en democratische controleerbaarheid niet kunnen worden uitbesteed aan externe, commerciële black boxes buiten de Europese jurisdictie.

Door te investeren in opensource-architecturen, hoogwaardige Nederlandstalige overheidscorpora en een veilige, gedeelde rekeninfrastructuur legt de overheid een duurzaam fundament voor betrouwbare digitale dienstverlening. Daarmee waarborgt zij niet alleen dat administratieve processen efficiënter worden ingericht, maar vooral dat de burger kan blijven vertrouwen op een overheid die de controle over haar eigen besluitvorming en data te allen tijde in eigen hand houdt.