# Vendorcontracten voor AI: waar je op toetst [Naar de inhoud](#lm-inhoud)Netwerk/NL[EN](/en/)[Hubhub.llmnet.nlModellen vergelijken op taak, taal, kosten en licentie.](https://hub.llmnet.nl/)[Communitycommunity.llmnet.nlPrompttechnieken, patronen en systeemprompts.](https://community.llmnet.nl/)[APIapi.llmnet.nlLLM's robuust in software: rate limits, routing, structured output.](https://api.llmnet.nl/)[Consultancyconsultancy.llmnet.nlAI invoeren in een organisatie, van pilot tot productie.](https://consultancy.llmnet.nl/)[Nieuwsnieuws.llmnet.nlOntwikkelingen in AI, geduid voor Nederland.](https://nieuws.llmnet.nl/)[Benchmarkbenchmark.llmnet.nlZelf meten wat AI-kwaliteit is, voor jouw taken.](https://benchmark.llmnet.nl/)[Vacaturesvacatures.llmnet.nlAI-rollen, salarissen en carrièrepaden in Nederland.](https://vacatures.llmnet.nl/)[Lerenleren.llmnet.nlAI-concepten in gewoon Nederlands, van beginner tot bouwer.](https://leren.llmnet.nl/)[Gidsgids.llmnet.nlAI privé draaien op eigen Mac, pc, NAS of thuisserver.](https://gids.llmnet.nl/)[Directorydirectory.llmnet.nlHet AI-ecosysteem in kaart: tools, modellen, bedrijven.](https://directory.llmnet.nl/)[Radarradar.llmnet.nlSignalen uit X, onderzoek en communities voor indie developers.](https://radar.llmnet.nl/)[llmnet.nl — hoofdsite](https://llmnet.nl/)[](https://x.com/intent/post?url=https%3A%2F%2Fconsultancy.llmnet.nl%2Fvendorcontracten-voor-ai-waar-je-op-toetst&text=Vendorcontracten%20voor%20AI%3A%20waar%20je%20op%20toetst)[](https://www.linkedin.com/sharing/share-offsite/?url=https%3A%2F%2Fconsultancy.llmnet.nl%2Fvendorcontracten-voor-ai-waar-je-op-toetst)[](https://www.reddit.com/submit?url=https%3A%2F%2Fconsultancy.llmnet.nl%2Fvendorcontracten-voor-ai-waar-je-op-toetst&title=Vendorcontracten%20voor%20AI%3A%20waar%20je%20op%20toetst)[](#)[](https://x.com/intent/post?url=https%3A%2F%2Fconsultancy.llmnet.nl%2Fvendorcontracten-voor-ai-waar-je-op-toetst&text=Vendorcontracten%20voor%20AI%3A%20waar%20je%20op%20toetst)[](https://www.linkedin.com/sharing/share-offsite/?url=https%3A%2F%2Fconsultancy.llmnet.nl%2Fvendorcontracten-voor-ai-waar-je-op-toetst)[](https://www.reddit.com/submit?url=https%3A%2F%2Fconsultancy.llmnet.nl%2Fvendorcontracten-voor-ai-waar-je-op-toetst&title=Vendorcontracten%20voor%20AI%3A%20waar%20je%20op%20toetst)[](#) # Vendorcontracten voor AI: waar je op toetst Door Ivo Donker — samengesteld met AI-ondersteuning (Claude & Gemini) · 16 augustus 2026 Het inkopen van AI-diensten, foundation model API's en kant-en-klare software-as-a-service applicaties verschilt wezenlijk van traditionele softwarecontracten. Waar klassieke software gekenmerkt wordt door deterministische logica, vaste broncode en voorspelbare uptime, introduceren generatieve en probabilistische modellen unieke operationele en juridische risico's. Een model kan zonder waarschuwing wijzigen van gedrag, data kan onbedoeld gebruikt worden voor training, en de output kan inbreuk maken op rechten van derden. Wanneer een organisatie externe AI-technologie inzet, fungeert het vendorcontract als het primaire beheersinstrument tegen datalekken, compliance-overtredingen en onvoorziene kostenposten. Standaard servicevoorwaarden van grote techleveranciers zijn primair ontworpen om de leverancier te beschermen en leggen substantiële risico's bij de afnemer. In dit artikel doorlopen we de cruciale contractuele clausules waarop elke inkoop- en juridische toetsing moet focussen. ## 1. Datarechten, hergebruik en modeltraining De belangrijkste bepaling in elk AI-contract betreft wat de leverancier mag doen met ingevoerde prompts, contextuele data (zoals documenten in een RAG-pijplijn) en de gegenereerde output. Veel consumenten- en instapabonnementen bevatten bepalingen die de leverancier toestaan interacties te gebruiken om basismodellen te trainen of te verfijnen. Voor zakelijk gebruik is dit in vrijwel alle gevallen onacceptabel wegens vertrouwelijkheid en privacy. Bij de juridische toetsing moet gezocht worden naar een expliciete, onvoorwaardelijke toezegging: "Vendor shall not use Customer Data, Prompts, or Outputs to train, retrain, fine-tune, or improve any public or proprietary machine learning models." Let hierbij scherp op verborgen uitzonderingen. Sommige contracten sluiten modeltraining uit, maar behouden het recht voor om data te analyseren voor kwaliteitsverbetering, misbruikdetectie of systeemonderhoud. Als menselijke reviewers steekproefsgewijs prompts kunnen inzien, ontstaat alsnog een datalekrisico voor gevoelige bedrijfsinformatie. Lees in het artikel over [een AI-beleid opstellen voor je organisatie](https://consultancy.llmnet.nl/ai-beleid-opstellen) hoe je deze interne uitgangspunten vertaalt naar bindende inkoopkaders die aansluiten op je bedrijfsdoelstellingen. ## 2. Intellectueel eigendom op prompts, context en gegenereerde output Het auteursrecht en de eigendomsrechten rondom AI-systemen zijn complex. Een robuust contract moet volledige helderheid bieden over drie afzonderlijke componenten: de ingevoerde data (prompts en context), het onderliggende model met zijn gewichten, en de gegenereerde output. De afnemer moet te allen tijde eigenaar blijven van alle inputdata en de daarin besloten intellectuele eigendomsrechten. Voor de gegenereerde output dient het contract vast te leggen dat alle rechten, aanspraken en belangen voor zover wettelijk toegestaan direct en exclusief overgedragen worden aan de afnemer. Indien automatische eigendomsoverdracht juridisch niet haalbaar is, moet de leverancier een wereldwijde, eeuwigdurende, royaltyvrije en exclusieve licentie verlenen om de output voor elk denkbaar doel te exploiteren, aan te passen en te sublicentiëren. Een contract mag geen claims van de leverancier bevatten op afgeleide werken die door de klant zijn gecreëerd met behulp van de AI-assistent. Tevens dient getoetst te worden of de leverancier beperkingen oplegt aan het gebruik van output voor het trainen van eigen, interne modellen (zogeheten non-distillation of anti-benchmarking clausules), aangezien dergelijke restricties toekomstige ontwikkelingen kunnen blokkeren. ## 3. Modellevenscyclus, deprecation en onvoorziene modelwijzigingen Klassieke API's garanderen contractueel vaak achterwaartse compatibiliteit: een REST-endpoint blijft functioneren conform de specificatie tot een formele versie-uitfasering plaatsvindt. Bij AI-modellen is sprake van twee risico's: formele deprecation (het stopzetten van een modelversie) en stille drift (gewijzigd gedrag door onaangekondigde fine-tuning of vangrails van de leverancier). In het contract dient vastgelegd te worden dat specifieke modelversies (zogeheten pinned model versions of snapshots) voor een gegarandeerde minimale periode beschikbaar blijven, bijvoorbeeld minimaal twaalf maanden. De leverancier moet verplicht worden om een minimale notificatietermijn van ten minste zes maanden te hanteren voordat een modelversie wordt uitgefaseerd of gewijzigd. Aspect | Standaard vendor-voorwaarde | Gewenste eis in maatwerkcontract | Modelwijzigingen | Leverancier mag modellen continu aanpassen zonder voorafgaande melding. | Modellen zijn vastgepind op snapshot-niveau; updates vereisen actieve opt-in. | Notificatietermijn | 30 dagen of directe uitfasering bij veiligheidsincidenten. | Minimaal 180 dagen voorafgaande schriftelijke aankondiging bij deprecation. | Kwaliteitsgarantie | Geen enkele toezegging over accuraatheid, latentie of consistentie. | Meetbare benchmarks voor latentie en beschikbaarheid per modelklasse. | Fallback-mechanisme | Klant is zelf verantwoordelijk voor downtime bij modeluitval. | Automatische routering naar equivalente back-up endpoints zonder meerkosten. | ## 4. Service Level Agreements (SLA's) bij probabilistische software Traditionele SLA's meten uitsluitend netwerkbeschikbaarheid (zoals een 99,9% uptime garantie). Voor AI-modellen is dit onvoldoende. Een API-endpoint kan een HTTP 200 statuscode retourneren terwijl het model door capaciteitstekorten ernstig trager functioneert (verhoogde Time to First Token) of rate limits afdwingt waardoor applicaties vastlopen. Een complete AI-SLA toetst daarom op prestatie-indicatoren die verder gaan dan pure uptime: - Latentie en doorvoer: Maximale limieten op Time to First Token (TTFT) en minimale tokens per seconde (TPS) onder pieklast. - Capaciteitsreservering: Vastgelegde doorvoercapaciteit (bijvoorbeeld gegarandeerde Provisioned Throughput Units) die niet onderhevig is aan dynamische rate limiting tijdens piekuren. - Foutpercentages: Grenswaarden voor het percentage serverfouten (HTTP 500/503) en time-outs, gemeten over rolling vensters van vijf minuten. Zie voor specifieke prestatieclausules en service-afspraken ook het overzicht over [waar je op let in een contract met een AI-leverancier](https://consultancy.llmnet.nl/ai-contracten-en-sla). ## 5. Aansprakelijkheid, hallucinaties en IP-vrijwaring Vrijwel elke standaard leveranciersovereenkomst sluit aansprakelijkheid voor de juistheid van gegenereerde output categorisch uit. Omdat modellen probabilistisch werken, kunnen ze feitelijk onjuiste beweringen doen (hallucinaties) of programmeercode produceren met kwetsbaarheden. Het contract moet expliciet de balans bewaken tussen operationeel risico en leveranciersverantwoordelijkheid. Een kritiek punt is de IP-vrijwaring (intellectual property indemnification). Indien een basismodel tijdens pre-training auteursrechtelijk beschermd materiaal heeft opgenomen en de gegenereerde output inbreuk maakt op auteursrechten van derden, moet de leverancier de afnemer volledig vrijwaren tegen schadeclaims, juridische kosten en schikkingen. Toets hierbij op de volgende addertjes onder het gras: - Geldt de vrijwaring alleen als de klant specifieke filters en veiligheidsinstellingen van de leverancier continu heeft geactiveerd? - Is de vrijwaring beperkt door een algemene aansprakelijkheidslimiet (liability cap), zoals het totaal van de betaalde abonnementskosten over de afgelopen twaalf maanden? Een effectieve IP-vrijwaring vereist een zogeheten uncapped aansprakelijkheid of een separaat verhoogd plafond. - Sluit de leverancier opzettelijke of herkenbare nabootsing door gerichte prompting uit? (Dit is een redelijke eis van de leverancier, mits helder gedefinieerd). ## 6. Dataopslag, retentie en de Verwerkersovereenkomst (DPA) Onder de Algemene Verordening Gegevensbescherming (AVG) kwalificeert de AI-leverancier in de meeste B2B-scenario's als verwerker. De standaard verwerkersovereenkomst (Data Processing Addendum of DPA) moet nauwgezet aansluiten op de technische realiteit van de verwerking. Toets specifiek op het retentiebeleid voor operationele logging. Veel modelaanbieders hanteren standaard een bewaartermijn van 30 dagen voor alle prompts en responses ten behoeve van misbruikdetectie (abuse monitoring). Voor organisaties die werken met medische gegevens, financiële transacties of strikt vertrouwelijke bedrijfsgeheimen is een dergelijke retentieperiode ongewenst. In het contract dient vastgelegd te worden dat logging direct na voltooiing van het API-verzoek wordt gewist (zero data retention of ZDR), of dat data uitsluitend lokaal in RAM wordt verwerkt zonder persistente schijfopslag. Bekijk voor een diepere analyse van bewaartermijnen en auditrechten de gids over [retentiebeleid bij AI-leveranciers beoordelen](https://consultancy.llmnet.nl/data-retentie-en-ai-leveranciers). ## 7. Subverwerkers, datasoevereiniteit en EU AI Act transparantie Grote AI-platforms leunen vaak op een keten van toeleveranciers: gespecialiseerde cloudhostingpartijen, externe data-annotators en externe contentmoderatie-API's. Het contract moet volledige transparantie bieden over deze keten. De afnemer moet contractueel het recht hebben om geïnformeerd te worden over wijzigingen in subverwerkers, met een expliciet recht van bezwaar of kosteloze opzegging. Daarnaast moet de geografische locatie van dataopslag én dataverwerking contractueel worden vastgepind binnen de Europese Economische Ruimte (EER) indien datasoevereiniteit vereist is. Let op: sommige leveranciers slaan data op in de EU, maar routeren inferentieverzoeken tijdens piekmomenten dynamisch naar datacenters in de Verenigde Staten. Onder de Europese AI-verordening (EU AI Act) gelden specifieke transparantieverplichtingen voor aanbieders van General Purpose AI (GPAI) modellen. Zorg ervoor dat het contract de leverancier verplicht om tijdige documentatie, risicobeoordelingen en technische specificaties te verstrekken die nodig zijn voor de eigen compliance-dossiers van de afnemer. ## 8. Autonome agents en uitgebreide systeemtoegang Wanneer AI-systemen evolueren van passieve chatbots naar taakgestuurde agents die zelfstandig API-calls uitvoeren, databases bevragen of code uitvoeren, veranderen de contractuele risico's ingrijpend. Fouten in modeloutput leiden dan niet alleen tot een verkeerd antwoord op het scherm, maar tot directe mutaties in operationele systemen. In contracten voor agent-gebaseerde platformen moeten duidelijke bepalingen worden opgenomen over bevoegdheidsgrenzen, autorisatiematrices en aansprakelijkheid bij onbedoelde acties (zoals het overschrijven van records of het verzenden van ongeautoriseerde communicatie). De leverancier moet aantonen dat het platform beschikt over ingebouwde mechanismen voor human-in-the-loop verificatie bij risicovolle handelingen. Lees in de analyse over [de opkomst van agentic AI](https://nieuws.llmnet.nl/agentic-ai) welke nieuwe systeemrisico's en aansprakelijkheidsvragen ontstaan wanneer modellen zelfstandig acties uitvoeren in gekoppelde bedrijfsomgevingen. Tevens moet de interne organisatie voorbereid zijn op deze contractuele kaders. Ontdek in het dossier over [AI-adoptie in teams](https://consultancy.llmnet.nl/ai-adoptie-teams) hoe contractuele gebruiksbeperkingen doorwerken op de dagelijkse werkvloer en hoe medewerkers getraind moeten worden om binnen de overeengekomen richtlijnen te opereren. ## 9. Exit-clausules, data-extractie en vendor lock-in Een contract is pas compleet als het einde van de samenwerking zorgvuldig is geregeld. AI-oplossingen creëren substantiële afhankelijkheden: opgebouwde fine-tuning gewichten, evaluatiedatasets, vector-embeddings en prompt-sjablonen vertegenwoordigen een aanzienlijke bedrijfswaarde. Het contract dient heldere afspraken te bevatten over de exit-fase: - Data-extractie in open standaarden: Alle historische logs, embeddings, feedbackdata en fine-tuning datasets moeten binnen dertig dagen na beëindiging in een breed ondersteund formaat (zoals JSONL of Parquet) kosteloos beschikbaar worden gesteld. - Vernietiging van data: Schriftelijke bevestiging dat alle klantdata, inclusief back-ups en eventuele fine-tuning checkpoints, binnen een afgesproken termijn definitief van alle servers en opslagmedia van de leverancier en diens subverwerkers wordt gewist. - Overgangsperiode: De optie om de dienstverlening tegen de bestaande tarieven gedurende een transitieperiode van minimaal drie tot zes maanden voort te zetten om een ordelijke migratie naar een alternatieve provider mogelijk te maken. ## 10. Praktische scoringsmatrix voor contracttoetsing Om vendorcontracten systematisch te beoordelen voordat een handtekening wordt gezet, kan onderstaande scoringsmatrix als leidraad dienen tijdens het inkoopproces. Beoordelingsdomein | Rood (Afkeuren / Heronderhandelen) | Geel (Mitigeren via addendum) | Groen (Gereed voor akkoord) | Datagebruik voor training | Data mag worden gebruikt voor publieke modelverbetering; opt-out ontbreekt. | Geen training op bedrijfsdata, maar menselijke review voor misbruikcontrole blijft actief. | Volledig verbod op training en menselijke review; contractueel gegarandeerd zero data retention. | Auteursrecht & IP-vrijwaring | Geen vrijwaring voor inbreuk op rechten van derden; klant draagt alle risico. | Vrijwaring aanwezig, maar gemaximeerd op betaalde abonnementssom (liability cap). | Volledige, ongecapte IP-vrijwaring inclusief vergoeding van juridische kosten en schikkingen. | Modelstabiliteit | Leverancier mag modellen op elk moment zonder aankondiging wijzigen of verwijderen. | Aankondiging van wijzigingen minimaal 30 dagen vooraf, geen gegarandeerde snapshot-vastzetting. | Vaste snapshots beschikbaar met minimale gegarandeerde levensduur van 12 maanden en 180 dagen deprecation-notificatie. | SLA & Beschikbaarheid | Alleen generieke netwerk-uptime zonder latentie- of capaciteitsgaranties. | Uptime-garantie van 99,9% met financiële service credits bij uitval, geen latentielimieten. | Gedefinieerde TTFT- en token/s-garanties per modelklasse, inclusief gereserveerde capaciteit. | Geografische opslag & verwerking | Data wordt wereldwijd verwerkt zonder inzicht in specifieke datacenters of subverwerkers. | Dataopslag binnen de EU, maar inferentieverzoeken kunnen buiten de EER worden gerouteerd. | Strikte garantie dat zowel opslag als actieve modelinferentie uitsluitend binnen de EER plaatsvindt. | ## Conclusie Een doordacht AI-vendorcontract voorkomt dat technologische innovatie leidt tot onbeheersbare juridische en operationele risico's. Door vooraf harde eisen te stellen aan datagebruik, intellectueel eigendom, modelstabiliteit en exit-scenario's behoudt de organisatie de regie over haar data en bedrijfsprocessen. Gebruik de bovenstaande criteria en scoringsmatrix als vast onderdeel van het vendor selectie- en inkoopproces.