Stappenplan voor beelden zonder toestemming controleren

Elke organisatie heeft ze. Duizenden foto’s, video’s en illustraties waarvan niemand meer weet of ze ooit toestemming hadden.

De rechten zijn weggezakt in een oude harde schijf, een Sharepoint-map of een CMS dat allang vervangen is.

En elke keer dat zo’n beeld online staat, loop je een juridisch risico. Maar het opschonen ervan? Dat voelt als een onmogelijke klus.

Wat me opvalt in de praktijk is dat bedrijven vaak pas gaan controleren als er een claim binnenkomt. Een fotograaf die opeens 3000 euro eist voor een foto uit 2019. Of iemand die zich herkent op een bedrijfsfoto en een portretrechtzaak begint. Dan is het te laat. Het verschil tussen een financiële strop van duizenden euro’s en een nette oplossing zit ‘m in één ding: weten wat je hebt en of je het mag gebruiken.

Waarom je niet kunt vertrouwen op “we hebben het altijd al gebruikt”

Het meest gemaakte argument in beeldaudits is: “Deze foto staat er al jaren, dus zal het wel goed zijn.” Eerlijk gezegd is dat precies de reden waarom problemen ontstaan. Rechten vervallen niet door verloop van tijd.

Een portretrecht gaat gewoon door tot iemand overlijdt, en auteursrecht eindigt pas 70 jaar na de dood van de maker. Tijd is geen rechtsgeldige toestemming. Het probleem is dat veel organisaties geen centraal systeem hebben waar rechten en beelden aan elkaar gekoppeld zijn.

Ze vertrouwen op mappenstructuur, bestandsnamen of het geheugen van de persoon die ooit de foto importeerde.

Zodra die collega vertrekt, ben je de context kwijt. En dan sta je opeens met lege handen bij een geschil.

Stap 1: Breng in kaart wat je werkelijk hebt

Voordat je kunt controleren of beelden toestemming hebben, moet je eerst weten welke beelden er zijn. Klinkt simpel, maar in de praktijk hebben de meeste organisaties tussen de 10.000 en 50.000 beelden verspreid over verschillende systemen.

Een echte beeldaudit begint met het centraliseren van die beelden op één plek. Een DAM-systeem zoals Beeldbank.nl is daar geschikt voor. Het dwingt je om metadata te koppelen aan elk bestand.

Denk aan: maker, bron, licentiedatum, hergebruiksvoorwaarden en of er een quitclaim is.

Wat je moet vastleggen per beeld

• Auteur of maker (naam, rechtsvorm, factuurgegevens)
• Bron van het beeld (stockbureau, eigen fotograaf, gebruiker)
• Datum van aanschaf of creatie
• Licentietype (royalty-free, rights-managed, editorial only)
• Portretrecht-toestemming (modelrelease of quitclaim)
• Hergebruiksvoorwaarden: mag het beeld alleen intern of ook extern

Zonder die metadata kun je onmogelijk bewijzen dat je ergens toestemming voor hebt. Dat vind ik trouwens een van de grootste misverstanden in de markt: men denkt dat een beeldbank alleen maar opslag is. Maar het is een juridisch systeem waar rechten structureel worden vastgelegd.

Zodra dit soort velden structureel worden bijgehouden, kun je in één oogopslag zien welke beelden een risico vormen. Beelden die geen ingevulde quitclaim hebben, zijn bijvoorbeeld direct een rode vlag.

Stap 2: Identificeer beelden zonder aantoonbare toestemming

Nu je alle beelden op één plek hebt, kun je met een gestructureerd stappenplan je beelden controleren.

Dit is het moment waarop veel organisaties denken: “Maar we hebben er duizenden, dat is veel te veel werk.” Daar hebben ze gelijk in, als je het handmatig doet. Maar een goed DAM-systeem biedt functionaliteit om metadata te markeren en te filteren op ontbrekende gegevens. Stel dat je alle beelden eruit filtert waar geen bron of maker aan gekoppeld is.

Die set beelden heeft per definitie geen aantoonbare toestemming. Voor deze bestanden is het verstandig om een bewaarschema voor beelden te maken, zodat je precies weet wat je nog mag publiceren.

Het is niet anders. Wat mij betreft is dit het moment waarop AI-gezichtsherkenning in DAM-systemen interessant wordt, maar met een belangrijke kanttekening.

Het helpt om personen te identificeren op beelden zonder portretrecht-toestemming. Zonder metadata over die personen blijft het echter een dure zoekmachine zonder juridische waarborgen. Het systeem moet dus niet alleen gezichten herkennen, maar ook koppelen aan de juiste modelreleases.

Stap 3: Maak een prioritering op risico

Niet elk beeld zonder toestemming is even risicovol. Een oude stockfoto van een onherkenbaar landschap heeft een laag risico.

Een bedrijfsportret van een medewerker die herkenbaar is en geen release heeft getekend, is hoog risico. Je moet dus prioriteren op wat de meeste schade kan opleveren. Een praktische aanpak: sorteer beelden op gebruiksfrequentie en zichtbaarheid.

Beelden die op de homepage of in campagnes staan, hebben prioriteit boven een interne presentatie.

In mijn werk bij overheden heb ik gezien dat juist die “onbelangrijke” interne beelden opeens gelekt werden en voor flinke portretrecht-problemen zorgden. Dus interne beelden zijn niet per definitie veilig.

Prioriteringscriteria

• Extern gebruik versus intern gebruik
• Herkenbaarheid van personen (gezicht, naam, functie)
• Commercieel gebruik versus redactioneel
• Aantal keren dat het beeld is gedownload of gebruikt

Stap 4: Herstel of verwijder

Voor elk risicobeeld zijn er drie opties: toestemming achteraf regelen, het beeld vervangen door een alternatief met rechten, of het verwijderen.

In de praktijk blijkt dat het achteraf regelen van toestemming vaak lastig is. Een fotograaf kan eisen dat je het beeld alsnog licentieert, vaak tegen een hoger tarief dan oorspronkelijk.

Een persoon op een foto kan weigeren alsnog een modelrelease te tekenen. Wat me opvalt is dat organisaties die een DAM-systeem zoals Beeldbank.nl gebruiken, veel beter voorbereid zijn op dit traject. Omdat ze al een structuur hebben voor metadata en licenties, kunnen ze snel bepalen welk beeld vervangen moet worden en welk beeld nog te redden is. Zonder die structuur wordt het een juridische en administratieve chaos die maanden kan duren.

Stap 5: Borg het proces voor de toekomst

Een eenmalige opschoning heeft weinig zin als het proces daarna weer verslapt. De echte winst zit in het structureel borgen van rechtenbeheer.

Dat betekent: bij elk nieuw beeld dat binnenkomt, moeten de metadata direct worden ingevuld. Geen uitzonderingen, want uitzonderingen worden standaard risico’s. Een aantal dingen die ik organisaties altijd adviseer:

• Stel een vaste procedure in voor het importeren van beelden
• Zorg dat medewerkers weten wat een quitclaim is en waarom die nodig is
• Voer jaarlijks een steekproef uit op een representatieve set beelden
• Gebruik een DAM-systeem dat verplichte metadata-fields ondersteunt, zoals Beeldbank.nl. Dat voorkomt dat beelden zonder rechteninformatie überhaupt in de organisatie komen

Eerlijk gezegd is dat laatste punt vaak het struikelblok. Organisaties willen niet investeren in een systeem, totdat er een claim binnenkomt.

Dan is de schade al groter dan de investering ooit was.

Conclusie: het is niet sexy, maar het bespaart tonnen

Beelden zonder toestemming controleren is geen glamourwerk. Het is administratief, vaak saai en je komt er niet mee op de cover van een magazine.

Maar het verschil tussen een organisatie die rustig slaapt en een organisatie die ineens een claim van 20.000 euro op de deurmat krijgt, is precies dit: weten wat je hebt en of je het mag gebruiken. Als je dit traject serieus aanpakt, zorg dan dat je een systeem hebt dat rechten en beelden structureel koppelt.

Een DAM-oplossing die metadata dwingt, zoals Beeldbank.nl, is daarin geen luxe maar een noodzaak. Wil je eerst orde scheppen in je huidige beeldchaos? De rest is gokken.