Een dataset is pas anoniem als records niet te isoleren, te koppelen of tot betekenisvolle inferenties te herleiden zijn; de EDPB stelt dit in haar richtlijnen van 2026 vast, nu onderzoek toont dat taalmodellen losse aanwijzingen en openbare bronnen aaneenrijgen. Beslissers moeten heridentificatierisico's periodiek herbeoordelen zodra nieuwe modellen of datasets beschikbaar komen.
De aanleiding is een combinatie van twee ontwikkelingen. De European Data Protection Board (EDPB) nam op 7 juli 2026 haar Guidelines 02/2026 on Anonymisation aan, met een beoordelingskader dat anonimiteit toetst aan drie vragen. Tegelijk beschrijft een academische studie op arXiv hoe taalmodellen aanwijzingen uit pseudonieme online berichten koppelen aan openbare webinformatie om echte personen te identificeren. Samen laten ze zien dat het verwijderen van namen geen anonimiteit oplevert en dat heridentificatie een reëel risico blijft.
Wat stellen de EDPB-richtlijnen van 2026 precies vast over anonimiteit?
De EDPB formuleert drie criteria: data is pas anoniem als een record niet afzonderlijk kan worden geïsoleerd, niet aan andere gegevens kan worden gekoppeld en geen aanleiding geeft tot betekenisvolle inferenties. Wordt een van die criteria niet gehaald, dan moet de organisatie verder analyseren. De beoordeling gebeurt vanuit het perspectief van de relevante actor en de middelen die deze redelijkerwijs kan inzetten.
In haar toelichting van 8 juli 2026 verbindt de EDPB dit kader expliciet aan webscraping en generatieve AI. De kern is dat aanvullende informatie en openbare context onderdeel zijn van de feitelijke beoordeling. De toezichthouder beveelt bovendien aan het heridentificatierisico periodiek te herbeoordelen, omdat technologische ontwikkeling en nieuwe datasets de kans op identificatie vergroten.
Hoe kunnen taalmodellen ogenschijnlijk anonieme data opnieuw tot personen herleiden?
De arXiv-studie beschrijft een geautomatiseerde pijplijn waarin een AI-systeem identiteitsgerelateerde aanwijzingen uit pseudonieme berichten haalt, via webzoekopdrachten kandidaten opspoort en die kandidaten vervolgens bevestigt. In de in het onderzoek beschreven evaluatie identificeerde de methode 226 van de 338 personen, met ongeveer 90 procent precisie onder de gerapporteerde testcondities; de evaluatie gebruikte profielen waarvan de echte identiteit vooraf verifieerbaar was.
Belangrijke nuance: die cijfers komen uit een gecontroleerde opzet waarin de echte identiteit vooraf verifieerbaar was. Het is dus geen universele heridentificatiegraad voor iedere dataset. Naar onze inschatting ligt de werkelijke betekenis niet in het exacte percentage, maar in de daling van de kosten: wat vroeger specialistisch handwerk was, wordt nu een herhaalbare, schaalbare bewerking. Onze analyse: dit kan veranderen welke middelen een actor "redelijkerwijs" kan inzetten, en is daarmee relevant voor de maatstaf die de EDPB hanteert.
Waarom is pseudonimisering geen anonimisering, en waarom is dat onderscheid nu dwingend?
Pseudonimisering vervangt directe identificatoren door codes, maar de gegevens blijven persoonsgegevens omdat aanvullende informatie de koppeling kan herstellen. NHS England benadrukt in haar richtlijn Data access and re-identification risk intervention dat de sleutel en andere aanvullende informatie afzonderlijk moeten worden beheerd. Een bestand zonder namen kan dus nog steeds identificeerbaar zijn en vatbaar voor heridentificatie.
De privacytoezichthouder van Hongkong wijst daarnaast op indirecte identificatoren, zoals de combinatie van geboortedatum en geslacht, en adviseert organisaties zeldzame combinaties te beoordelen en de externe koppelbaarheid in kaart te brengen. Onze analyse hierbij: het onderscheid wordt dwingend omdat AI de koppelende informatie niet meer uit één sleutelbestand hoeft te halen. Het model reconstrueert de ontbrekende schakel uit openbare bronnen. Daarmee verschuift het heridentificatierisico van "wie heeft de sleutel" naar "wat kan uit beschikbare context worden afgeleid".
Wat betekent dit voor bestuurders, juristen en CISO's, en wat moeten zij nu doen?
Onze analyse: wanneer nieuwe modellen, datasets of andere beschikbare middelen het heridentificatierisico kunnen veranderen, moeten verwerkingsverantwoordelijken eerder als anoniem geclassificeerde datasets opnieuw laten toetsen voordat zij deze opnieuw delen of voor AI-verwerking inzetten. Omdat een record zonder naam toch isoleerbaar of koppelbaar kan zijn, loopt de organisatie die alleen op naamvelden controleert een reëel heridentificatierisico; daarom moet de privacyfunctionaris in de beoordeling expliciet zeldzame combinaties, recorduniciteit en mogelijke koppelbestanden opnemen. Omdat generatieve AI betekenisvolle inferenties kan maken uit context, is het onvoldoende om data in een contract simpelweg "anoniem" te noemen; Onze analyse: daarom moet de jurist in gegevensovereenkomsten vastleggen welke aanvullende bronnen en welke AI-toegang zijn toegestaan en de restrisico's benoemen. En omdat de EDPB periodieke herbeoordeling aanbeveelt, is een eenmalige anonimiteitsverklaring geen duurzame waarborg; daarom moet de CISO een trigger inrichten die een hertoets afdwingt zodra nieuwe modellen, nieuwe datasets of ruimere webscrapingmogelijkheden beschikbaar komen.
Vertaald naar een werkbare volgorde:
- Inventariseer directe én indirecte identificatoren, en test op recorduniciteit en zeldzame combinaties.
- Breng mogelijke koppelbestanden en openbare bronnen in kaart die een actor kan raadplegen.
- Beheer de pseudoniemsleutel en aanvullende informatie afzonderlijk en beperk de toegang.
- Beperk AI-systemen tot de noodzakelijke context en controleer welke inferenties zij kunnen maken, zoals toegelicht in hoe taalmodellen ondanks privacy-instructies persoonsgegevens kunnen lekken.
- Voer actorgerichte heridentificatietests uit en documenteer onzekerheid en beperkingen.
- Herhaal de beoordeling bij nieuwe modellen, datasets of veranderde gegevenscontext.
Meer achtergrond bij dit type risico staat in onze themahub over AI-privacy en AVG. Behandel externe bronnen daarbij door externe inhoud behandelen als onvertrouwde data, en bewaak dat uw vastlegging de beoordeling echt aantoont in plaats van alleen activiteit te loggen; weeg daarbij wanneer logging daadwerkelijk controle aantoont. Het professionele eindoordeel over de classificatie blijft bij de verantwoordelijke zelf.
Bronnen en referenties
Bronnen: Het artikel steunt op de EDPB-richtlijnen en toelichting over anonimisering (2026), een arXiv-studie over LLM-de-anonimisering en praktijkrichtlijnen van NHS England en de privacytoezichthouder van Hongkong.