Aansprakelijkheid bij generatieve AI verschuift in 2026 doordat de rechter de AI-aanbieder direct aansprakelijk houdt (GEMA v. Suno) terwijl verzekeraars generatieve-AI-schade uit standaardpolissen halen; leg daarom per workflow vast welk model, welke prompts, welke bron en welke menselijke controle een uitkomst bepaalden.
De aanleiding is een concreet vonnis en een concrete verzekeringswijziging. De Landgericht München I oordeelde volgens een analyse van Licentium op 31 juli 2026 in de zaak GEMA tegen Suno (42 O 763/25) dat een generatieve-AI-muziekdienst zelf primair aansprakelijk is voor auteursrechtinbreuken. Tegelijk introduceert ISO/Verisk per 1 januari 2026 endorsements die generatieve-AI-schade uit algemene aansprakelijkheidspolissen halen, aldus Insurance Journal. Voor organisaties die AI in vertrouwensgevoelige processen inzetten, betekent dit dat aansprakelijkheid geen leveranciersvraag meer alleen is, maar een ontwerp- en documentatievraag per taak.
Wat besliste de rechtbank in München in GEMA v. Suno over aansprakelijkheid van de AI-aanbieder?
Volgens de analyse van Licentium over het vonnis GEMA v. Suno kwalificeerde de Landgericht München I meerdere handelingen als inbreuk: het trainen op beschermde werken, het bewaren van die werken in het model (memorisatie), het beschikbaar stellen van het getrainde model en het genereren van inbreukmakende outputtracks. De kern is dat de rechtbank de AI-aanbieder als primaire inbreukmaker aanmerkt, niet de gebruiker die een prompt intikt.
Een overzicht van Herzog Fox & Neeman plaatst de uitspraak in een bredere IP-context en benadrukt dat de aansprakelijkheid door de hele keten loopt: zowel de training in de Verenigde Staten als het gebruik van het model en de output in Duitsland vallen eronder. Naar onze inschatting is dat het meest overdraagbare deel van de zaak: het patroon dat een aanbieder zich niet als neutrale infrastructuur kan presenteren, is niet tot muziek beperkt.
Waarom halen verzekeraars generatieve-AI-schade uit standaard aansprakelijkheidspolissen?
Parallel aan de rechtspraak verandert de verzekeringskant. Insurance Journal beschrijft dat verzekeraars via nieuwe ISO-endorsements generatieve-AI-schade beginnen uit te sluiten van standaard Commercial General Liability-dekking. Een evidence-ledger van Vorp Labs documenteert dat generatieve-AI-exclusies met een editie van januari 2026 bestaan en dat zij bodily injury, property damage en personal/advertising injury "arising out of generative artificial intelligence" uitsluiten.
Het praktische gevolg: waar schade door een AI-fout eerder mogelijk onder een algemene polis viel, ontstaat nu een dekkingsgat. Organisaties dragen dat risico zelf, tenzij zij aparte AI-dekking regelen. Zulke gespecialiseerde dekking wordt volgens Insurance Journal gekoppeld aan aantoonbaar risicobeheer, wat de bewijslast bij de verzekerde legt.
Hoe verdeelt de aansprakelijkheid zich in 2026 tussen aanbieder, gebruiker en verzekeraar?
Op basis van de genoemde bronnen tekent zich een keten van drie rollen af. Dit is onze redactionele ordening, geen citaat uit één bron:
- De aanbieder van het generatieve model draagt directe aansprakelijkheid voor bepaalde fouten en inbreuken, zoals GEMA v. Suno laat zien, en moet dat aantoonbaar beheren met documentatie en mogelijk eigen specialty-dekking.
- De gebruiker — een zorginstelling, mediapartij, bank of advocatenkantoor — blijft binnen het eigen rechtskader verantwoordelijk voor hoe AI-output wordt ingezet, en moet per proces kunnen reconstrueren welke output tot welke beslissing en schade leidde.
- De verzekeraar trekt generatieve-AI-schade uit standaardpolissen en biedt eventueel dekking via aparte clausules, vaak onder voorwaarde van controleerbaar AI-gebruik.
Een analyse van Holon Law over Europese AI-aansprakelijkheid schetst hoe dit past naast bestaande civiele kaders en de EU AI Act. In onze bespreking van hoe het recht in 2026 aansprakelijkheid bij AI-fouten verdeelt gaan we dieper in op die rechtskaders; dit artikel richt zich op wat de dubbele verschuiving betekent voor uw bewijsvoering.
Welk bewijs moet ik per AI-workflow kunnen tonen bij een claim of incident?
Als aansprakelijkheid per rol verschilt en dekking aan risicobeheer wordt gekoppeld, is de praktische vraag welk bewijs u reconstrueerbaar houdt. Een werkbare checklist per incident of claim:
- Welk model en welke modelversie de output produceerde, en op welk moment.
- Welke prompts en welke invoer- of brondocumenten zijn gebruikt.
- Welke bronnen of onderbouwing de output aandroeg, en of die controleerbaar waren.
- Welke menselijke controle plaatsvond en wie de eindbeslissing nam.
- Welke contractuele afspraken met de aanbieder gelden, inclusief auditrechten.
- Welke verzekeringsclausules van toepassing zijn en of generatieve-AI-schade is uitgesloten.
Het vastleggen van auditrechten hoort daarbij; zie hoe u auditrechten en bewijsverplichtingen in AI-contracten vastlegt. Wie deze zes punten per workflow kan tonen, staat sterker richting zowel rechter als verzekeraar. Meer achtergrond over deze verantwoordelijkheidsvraag vindt u in onze themahub over AI-governance en verantwoordelijkheid.
Hoe helpt een verificatielaag om die bewijsketen zichtbaar te maken?
De zes punten hierboven draaien om herleidbaarheid: kunt u achteraf reconstrueren wat er gebeurde? Een verificatielaag zoals Vera kan een taak door geselecteerde onafhankelijke AI-modellen routeren en de verificatiestappen, correcties, meningsverschillen en bronnen zichtbaar maken voor inspectie. Dat ondersteunt controle en het reconstrueerbaar maken van bewijsstukken per AI-taak, maar het garandeert geen juistheid en elimineert geen hallucinaties.
Vera is geen chatbot en geen eigen taalmodel, en het bepaalt niet de juridische norm. De rechtsontwikkeling komt van de rechtbank in München, de verzekeringswijziging van ISO en de verzekeraars. Wat een verificatieconsole toevoegt, is een zichtlaag over die keten: professionals kunnen high-trust workflows herleiden en incidenten reconstrueren in lijn met de nieuwe rechts- en verzekeringspraktijk. Het professionele eindoordeel — en de eindverantwoordelijkheid — blijft bij de gebruiker.
Bronnen en referenties
- Munich Regional Court Rules AI Music Training Infringes Copyright in GEMA v. Suno (42 O 763/25)
- Recent Developments in IP Case Law on Generative AI – 8th Update
- How Europe Builds AI Liability (Part II): AI in Copyright
- Insurer Interest in AI Exclusions Growing as Risk Becomes Clearer
- AI Insurance Exclusions Evidence Ledger – ISO Generative AI Endorsements
Bronnen: Het artikel steunt op de analyse van Licentium en Herzog Fox & Neeman over GEMA v. Suno, op Insurance Journal en Vorp Labs over de ISO-exclusies, en op Holon Law over Europese AI-aansprakelijkheid.