Het verhaal van Gemeente Transparantstad
Hoe een gemeente ontdekte dat ze niet wist welke algoritmes ze eigenlijk gebruikte — en hoe het registratieproces een eye-opener werd
Fictief scenario — gebaseerd op realistische situaties
De Aanleiding
Hoe het begon
De verplichting was helder: overheden moeten hun algoritmes registreren in algoritmes.overheid.nl. Gemeente Transparantstad wilde vooroplopen. Maar toen ze begonnen, stuitte het team op een fundamentele vraag: wat is eigenlijk een algoritme?
De deadline naderde. De Tweede Kamer had aangedrongen op transparantie. Burgers wilden weten welke systemen beslissingen over hen namen. En de gemeente had geen idee waar te beginnen.
"Hoeveel algoritmes gebruiken wij?" Het antwoord varieerde van 3 tot 300, afhankelijk van wie je vroeg.
De Vragen
Wat moesten ze uitzoeken?
Wat telt als een "algoritme" dat geregistreerd moet worden?
Het team startte met een simpele vraag aan afdelingshoofden: "Welke algoritmes gebruiken jullie?" De antwoorden waren verwarrend. ICT zei: "Alles is een algoritme." Beleid zei: "Wij gebruiken geen AI." Feitelijk hadden beiden gelijk — en ongelijk.
💡 Het inzicht
De definitie bleek cruciaal. Een algoritme in de context van het register is niet elke berekening, maar specifiek: systemen die gebruikt worden bij besluitvorming over individuen. De sorteerfunctie in Excel telt niet. Een systeem dat bepaalt wie een parkeervergunning krijgt, wel.
🌍 Waarom dit ertoe doet
Het Algoritmeregister richt zich op algoritmes met impact op burgers. De publicatiecategorieën variëren van "impactvol" (verplicht te publiceren) tot "overig" (vrijwillig). Maar de grens is niet altijd helder — en dat is precies waar veel organisaties worstelen.
Hoe vind je algoritmes die al jarenlang onzichtbaar draaien?
Het team besefte dat veel algoritmes "verborgen" zaten. In spreadsheets die al tien jaar werden gebruikt. In software die ooit door een stagiair was gemaakt. In licenties die automatisch beslissingen namen zonder dat iemand het wist.
💡 Het inzicht
De inventarisatie vroeg om een combinatie van top-down en bottom-up. Management wist welke grote systemen er waren. Maar de dagelijkse gebruikers wisten welke "hulpmiddeltjes" er in de praktijk werden gebruikt. Beiden waren nodig voor een volledig beeld.
🌍 Waarom dit ertoe doet
Onderzoek toont dat de meeste organisaties het aantal algoritmes in hun processen onderschatten. "Shadow IT" — systemen die buiten het zicht van ICT worden gebruikt — is een veel voorkomend fenomeen. Registratie dwingt tot zichtbaarheid.
Wat documenteer je precies — en voor wie?
De eerste registraties waren technisch jargon. Niemand buiten de afdeling begreep wat er stond. Het team realiseerde zich: het register is niet voor ons, het is voor burgers.
💡 Het inzicht
Goede registratie vraagt om vertaling. Wat doet het systeem? Wie raakt het? Welke data gebruikt het? Hoe kun je bezwaar maken? De uitdaging was: technisch accuraat en begrijpelijk tegelijk. Het team ontwikkelde templates die beide combineerden.
🌍 Waarom dit ertoe doet
Het Algoritmeregister schrijft standaardvelden voor, maar de kwaliteit van registraties varieert enorm. Sommige organisaties publiceren volzinnen vol jargon. Andere zijn transparant en toegankelijk. De beste registraties beantwoorden de vragen die een burger zou stellen.
Hoe maak je registratie onderdeel van je werkprocessen?
Na drie maanden intensief inventariseren had het team een mooi register. Maar wat nu? Nieuwe systemen werden aangeschaft. Bestaande systemen werden aangepast. Als registratie een eenmalig project bleef, zou het register binnen een jaar verouderd zijn.
💡 Het inzicht
Registratie moest worden ingebed in bestaande processen. Bij elke aanbesteding: is dit een algoritme? Bij elke systeemwijziging: moet de registratie worden bijgewerkt? Het team ontwikkelde checklijsten en maakte algoritme-registratie onderdeel van het inkoopproces.
🌍 Waarom dit ertoe doet
De AI Act vraagt niet alleen om registratie, maar om lifecycle management. Hoog-risico systemen moeten worden gemonitord, geaudit, en bijgewerkt wanneer nodig. Registratie is het begin, niet het einde.
De Reis
Stap voor stap naar compliance
De kickoff
Een ambtelijke werkgroep werd samengesteld met vertegenwoordigers van ICT, juridische zaken, inkoop en de belangrijkste vakafdelingen. De opdracht: breng in kaart welke algoritmes we gebruiken.
De definitiediscussie
Twee weken lang debatteerde het team over wat wel en niet een "algoritme" was. Uiteindelijk kozen ze een pragmatische definitie: systemen die beslissingen over individuen beïnvloeden.
De inventarisatie-sprint
Elke afdeling kreeg een vragenlijst. ICT trok een lijst van alle applicaties. Inkoop dook in leverancierscontracten. Na zes weken had het team 47 kandidaat-algoritmes geïdentificeerd.
De verrassingen
Sommige vondsten waren onverwacht. Een Excel-bestand uit 2015 dat nog dagelijks werd gebruikt voor WMO-toewijzingen. Een predictie-model in het parkeersysteem waar niemand van wist. Drie overlappende systemen voor schuldhulpverlening.
De risicoclassificatie
Elk algoritme werd geclassificeerd: hoog, beperkt, of minimaal risico. Vijf systemen bleken potentieel hoog-risico onder de AI Act. Daar moest extra aandacht naar.
De documentatie
Voor elk algoritme werd een registratieformulier ingevuld. Het team ontwikkelde een standaardformat dat zowel aan de Algoritmeregister-eisen voldeed als aan de AI Act documentatie-eisen.
De Obstakels
Wat ging er mis?
✗ Uitdaging
Afdelingen wisten niet welke systemen als "algoritme" telden
✓ Oplossing
Praktische workshops met voorbeelden: "Als je systeem X doet, dan is het waarschijnlijk een algoritme in de zin van het register."
✗ Uitdaging
Leveranciers wilden geen details delen over hoe hun systemen werkten
✓ Oplossing
Verwijzen naar contractuele verplichtingen en de AI Act. Nieuwe contracten kregen standaardclausules over transparantie.
✗ Uitdaging
Het register was snel verouderd door nieuwe systemen en wijzigingen
✓ Oplossing
Registratie integreren in bestaande processen: inkoop, change management, en jaarlijkse reviews.
We begonnen met de vraag: wat moeten we registreren? We eindigden met de vraag: wat doen we eigenlijk allemaal met data en beslissingen? Het register was het begin van een groter gesprek.
De Lessen
Wat kunnen we hiervan leren?
Begin met een werkbare definitie
De vraag "wat is een algoritme?" kan eindeloos duren. Focus op wat praktisch relevant is: systemen die beslissingen over mensen beïnvloeden.
Inventariseren is ontdekken
De meeste organisaties weten niet wat ze allemaal gebruiken. Het registratieproces is ook een inventarisatieproces — en dat heeft waarde op zichzelf.
Schrijf voor de burger, niet voor jezelf
Het register is geen interne documentatie. Het is een poging om burgers te vertellen hoe beslissingen over hen worden genomen. Schrijf alsof je het aan je buurman uitlegt.
Eenmalig inventariseren is niet genoeg
Systemen veranderen. Nieuwe software komt. Registratie moet een doorlopend proces zijn, ingebed in hoe je werkt.
Moet jouw organisatie ook algoritmes registreren?
Ontdek hoe je een inventarisatie opzet en welke algoritmes onder de registratieplicht vallen.
Ga verder met leren
Ontdek gerelateerde content