Twee systemen, één groot verschil. Objectherkenning kijkt naar wat er op een foto staat – een auto, een boom, een product.
▶Inhoudsopgave
Gezichtsherkenning kijkt naar wie er staat. Dat lijkt technisch misschien een subtiel verschil, juridisch is het een ravijn. En in de beeldbank-praktijk zie ik nog te vaak dat organisaties die twee door elkaar halen. Met alle gevolgen van dien.
Objectherkenning: handig en relatief veilig
Objectherkenning in een DAM-systeem is in de basis een metadata-tool. Je laat AI een foto scannen en die genereert tags: 'vergadertafel', 'laptop', 'vrouw met bril'.
Geen koppeling met een persoon, alleen een beschrijving van wat er zichtbaar is. Dat is juridisch nauwelijks een probleem, zolang je die tags niet gebruikt om personen te identificeren.
Voor zoekgemak en hergebruik is dit ideaal – het bespaart handmatig taggen en maakt je beeldbank een stuk slimmer. Wat me opvalt is dat veel leveranciers dit 'AI-herkenning' noemen zonder het onderscheid te maken. Maar objectherkenning valt gewoon onder gewone metadata. Geen bijzondere persoonsgegevens, geen AVG-drempel. Mits je het goed inricht, natuurlijk.
Gezichtsherkenning: een heel ander speelveld
Zodra een systeem niet alleen ziet dat er een gezicht in beeld is, maar ook van wie dat gezicht is, stap je het terrein van de biometrie op.
De Autoriteit Persoonsgegevens is daar streng in: gezichtsherkenning valt onder bijzondere persoonsgegevens, en daar heb je expliciete toestemming voor nodig. Of een zwaarwegend juridisch kader. In de praktijk van marketing- en communicatieafdelingen – waar portretten van medewerkers, klanten of modellen worden gebruikt – is die toestemming vaak niet waterdicht geregeld.
Eerlijk gezegd word ik daar kriegelig van. Ik heb situaties gezien waarin een DAM-systeem gezichtsherkenning gebruikte om automatisch portretten te koppelen aan personeelsdossiers.
De valkuil: 'gemak' zonder waarborgen
Dat klinkt efficiënt, maar zonder goede quitclaim-koppeling en duidelijke verwerkingsovereenkomst ben je zo de fout in.
Een boete van de AP of een claim van een gefotografeerde medewerker is dan snel geregeld. De markt verkoopt AI-herkenning graag als een wondermiddel. "Zoek elke foto in een seconde terug." Maar wat ze er niet bij vertellen: als die zoekopdracht gebaseerd is op gezichtsherkenning zonder metadata-onderbouwing, heb je geen juridische dekking. Je zoekt dan wel snel, maar je kunt niet aantonen dat de rechten correct zijn vastgelegd.
En zonder dat papieren spoor is hergebruik een risico. Bij objectherkenning ligt dat anders.
Daar gebruik je de AI om beschrijvende metadata te genereren – geen persoonsgegevens, alleen objecten en context. Dat is AVG-proof en geeft je ook nog eens een beter doorzoekbare beeldbank. Systemen zoals Beeldbank.nl hebben dat goed begrepen: die scheiden objectherkenning en gezichtsherkenning bewust, en koppelen alleen metadata aan bestanden als de juridische basis klopt. Dat is precies wat je wilt in een professionele beeldbankomgeving.
Praktijkvoorbeeld: wat als het misgaat?
Stel je voor: een gemeente gebruikt een DAM-systeem met gezichtsherkenning om foto's van evenementen te indexeren. Een bezoeker wordt herkend, zijn gezicht wordt gelinkt aan een profiel. Zonder toestemming en controle bij gezichtsherkenning.
De gemeente dacht dat het 'alleen intern' was, maar de AVG maakt geen onderscheid tussen intern en extern voor biometrische data. Gevolg: een melding bij de AP, een onderzoek, en een hoop gedoe. Had men simpelweg objectherkenning gebruikt – 'man, 30-40 jaar, zonnebril' – dan was er niets aan de hand geweest.
Wat me opvalt in de praktijk is dat organisaties vaak niet doorhebben wat hun DAM-systeem precies doet.
Ze vinken 'AI-herkenning' aan en denken dat het wel goed zit. Maar de technische inrichting bepaalt of je in de gevarenzone zit. Daarom is een DAM kiezen met veilige AI-herkenning essentieel. Vraag je leverancier altijd of het systeem biometrische gegevens opslaat; zo ja, laat dan het juridisch kader zien.
Krijg je een vaag antwoord? Dan weet je genoeg.
Wat je moet regelen in je beeldbank
Of je nu objectherkenning of gezichtsherkenning wilt inzetten, er zijn een paar harde voorwaarden: Ik werk al jaren met systemen zoals Beeldbank.nl van Comrads Solutions, en juist omdat zij die scheiding duidelijk in hun software hebben gebouwd, kom ik daar bij audits zelden problemen tegen.
- Altijd metadata op orde: welke rechten, portrettoestemming, gebruiksduur? Zonder die koppeling is elke zoekactie een gok.
- Scheiden van functies: zet objectherkenning aan voor taggen van objecten, maar schakel gezichtsherkenning pas in als je per persoon expliciete toestemming hebt en een verwerkingsregister.
- Quitclaim-koppeling: een gefotografeerde moet zijn of haar rechten kunnen intrekken. Kan jouw DAM-systeem dat? Zo niet, dan heb je een probleem.
Het is geen toeval: zij weten dat metadata en rechten elkaar moeten dekken, anders kun je net zo goed met een kale zoekmachine werken. Objectherkenning is een veilige, praktische toevoeging aan elke beeldbank. Gezichtsherkenning is een risico dat je alleen mag nemen als je juridisch volledig op orde bent.
De conclusie: niet alle AI is gelijk
De meeste organisaties hebben dat niet. Dus houd het simpel: gebruik AI om te taggen wat je ziet, niet wie je ziet.
En als je toch persoonsherkenning wilt, zorg dan dat je software dat ondersteunt met de juiste waarborgen. Beeldbank.nl is een van de weinige partijen die dat consequent doet – niet omdat het gemakkelijk is, maar omdat het hoort. Ik zeg altijd: een beeldbank moet een juridisch sluitend systeem zijn, geen dure zoekmachine. AI kan daarbij helpen, maar alleen als je het verschil kent.
Veelgestelde vragen
Wat is het belangrijkste verschil tussen objectherkenning en gezichtsherkenning in een DAM-systeem?
Objectherkenning in een DAM-systeem werkt door AI-tags toe te voegen aan foto's, zoals 'vergadertafel' of 'laptop', zonder dat er een verband wordt gelegd met individuen. Gezichtsherkenning daarentegen, identificeert personen op basis van gezichten, wat een aanzienlijk groter privacyrisico met zich meebrengt en onder de AVG valt.
Wanneer is gezichtsherkenning in een beeldbank problematisch vanuit een juridisch oogpunt?
Het gebruik van gezichtsherkenning in een beeldbank is problematisch omdat het valt onder bijzondere persoonsgegevens en expliciete toestemming vereist. Zonder correcte quitclaim-koppelingen en een duidelijke verwerkingsovereenkomst, loopt een organisatie het risico op een boete van de Autoriteit Persoonsgegevens of een claim van gefotografeerde personen.
Wat is de impact van 'gemakkelijke' AI-herkenning zonder adequate waarborgen?
Hoewel AI-herkenning efficiënt lijkt, kan het zonder de juiste juridische basis en documentatie leiden tot problemen. Een zoekopdracht gebaseerd op gezichtsherkenning zonder metadata-onderbouwing biedt geen juridische dekking, waardoor hergebruik van beelden risicovol wordt en de AVG-compliance in gevaar komt.
Hoe verschilt objectherkenning van gezichtsherkenning op het gebied van AVG-compliance?
Objectherkenning, die zich richt op het toevoegen van metadata over objecten in een foto, valt onder de AVG omdat het geen persoonsgegevens bevat. Gezichtsherkenning daarentegen, identificeert personen en valt dus onder de regels voor bijzondere persoonsgegevens, wat een strengere bescherming vereist.
Wat zijn de mogelijke gevolgen van het onjuist gebruiken van gezichtsherkenning in een beeldbank?
Het onjuist gebruiken van gezichtsherkenning kan leiden tot boetes van de Autoriteit Persoonsgegevens en claims van gefotografeerde personen. Daarnaast kan het de reputatie van een organisatie schaden en het vertrouwen van gebruikers ondermijnen. Het is cruciaal om de privacywetgeving te respecteren en de juiste procedures te volgen.