Schaduw-IT en niet-goedgekeurde AI-tools in het hoger onderwijs: opsporen, beoordelen en goedkeuren

Elke universiteit en hogeschool gebruikt software die de centrale IT-afdeling nooit heeft beoordeeld: gratis AI-assistenten, browserextensies, enquêtetools betaald uit een onderzoekssubsidie, transcriptiebots die aan vergaderingen deelnemen. Deze gids legt uit waarom dat gebeurt, welke risico's er onder de AVG en NIS2 zijn, hoe u de tools vindt met de beheerconsoles die u al hebt, en hoe u een goedkeuringsproces inricht dat onderzoekers ook echt gebruiken.

Gepubliceerd 9 oktober 2026 · Bronnen geraadpleegd 9 oktober 2026

Ook beschikbaar in: English · Svenska · Norsk · Suomi · Dansk · Français · Español · Português

1. Wat is schaduw-IT, en wat is schaduw-AI?

Schaduw-IT is software, clouddiensten of hardware die voor werk van de instelling wordt gebruikt zonder de gebruikelijke beoordeling door IT, informatiebeveiliging, privacy en inkoop. Schaduw-AI is het deel daarvan dat over AI-diensten gaat: chatbots, schrijfassistenten, vergaderbots, transcriptie-, vertaal- en literatuurtools. Geen van beide termen veronderstelt kwade opzet. De meeste schaduw-IT ontstaat omdat iemand zijn werk gedaan moest krijgen.

Een onderzoeksgroep van de University of Maryland, Baltimore County, die schaduw-IT in het hoger onderwijs onderzocht met een casestudy en een enquête onder IT-professionals, omschrijft het als software of hardware in een systeem of netwerk die buiten het gebruikelijke beoordelingsproces van de verantwoordelijke IT-afdeling valt. Hetzelfde onderzoek noemt mogelijke factoren die de kans op daarmee samenhangende beveiligingsincidenten vergroten, waaronder de mate van decentralisatie van IT en de houding van de instelling tegenover schaduw-IT.

Gangbare voorbeelden bij een Europese instelling:

• een docent die een gratis AI-quizgenerator gebruikt met een klassenlijst;
• een onderzoeksgroep die interviews verwerkt in een transcriptie-app voor consumenten;
• een afdeling die een online enquêtetool betaalt met een creditcard van de instelling;
• een app met "Aanmelden met Microsoft" of "Inloggen met Google" waaraan een medewerker toegang heeft gegeven tot zijn mailbox, agenda of bestanden;
• een browserextensie die elke geopende pagina leest om grammatica te corrigeren of tekst samen te vatten;
• een AI-vergaderassistent die aan online vergaderingen deelneemt en ze opneemt.

2. Waarom schaduw-IT in het hoger onderwijs overal voorkomt

Universiteiten en hogescholen behoren tot de meest gedecentraliseerde organisaties in Europa. Dat is een kracht voor onderzoek en onderwijs, en tegelijk de reden waarom een centraal goedkeuringsproces altijd achterloopt op wat mensen gebruiken.

• Academische vrijheid en lokale autonomie. Onderzoekers kiezen hun eigen methoden en tools, en faculteiten en afdelingen hebben vaak hun eigen IT-medewerkers en budgetten.
• Aankopen uit onderzoekssubsidies. Projecten kopen diensten uit projectgeld, soms via een creditcard of een persoonlijke declaratie, waardoor centrale inkoop of de FG er nooit van hoort.
• Gratis abonnementen. Veel tools zijn gratis voor individuen. Geen aankoop betekent geen inkoopstap, maar de verplichtingen uit de AVG volgen de gegevens, niet de factuur.
• Browserextensies en invoegtoepassingen. Ze zijn in seconden geïnstalleerd, vragen vaak brede rechten om pagina-inhoud te lezen en zijn onzichtbaar voor traditionele software-inventarisaties.
• OAuth-toestemming. In de documentatie van Microsoft Entra ID staat dat standaard "all users are allowed to consent to applications for permissions that don't require administrator consent" (alle gebruikers toestemming mogen geven aan applicaties voor rechten waarvoor geen beheerderstoestemming nodig is). Een gebruiker kan dus een app van derden aan zijn eigen mailbox koppelen zonder dat iemand anders het ziet.
• AI-assistenten. Generatieve AI kwam sneller dan inkoopcycli. Instellingen reageerden met richtlijnen en eigen diensten, maar consumententools zijn altijd maar één browsertabblad verwijderd.
• Gastonderzoekers, studenten en externe partners. Zij nemen hun eigen tools en accounts mee, en door samenwerking tussen instellingen lopen gegevens via diensten die geen enkele instelling heeft goedgekeurd.

Validemics analyse Schaduw-IT is ook een signaal. Als veel mensen dezelfde niet-goedgekeurde tool gebruiken, betekent dat meestal dat de instelling geen acceptabel alternatief biedt, of dat het goedkeuringsproces te traag of te moeilijk te vinden is. Behandel de resultaten van het opsporen als een lijst van onvervulde behoeften én als een lijst van risico's.

3. De risico's: AVG, doorgifte, AI-training, beveiliging, toegankelijkheid, licenties, NIS2

Het risico is niet dat niet-goedgekeurde tools altijd slechter zijn dan goedgekeurde. Het risico is dat niemand het heeft gecontroleerd, zodat niemand kan aantonen dat aan de onderstaande verplichtingen is voldaan.

Plichten van de verwerkingsverantwoordelijke onder de AVG (art. 24, 28 en 32)

Als medewerkers een tool voor hun werk gebruiken, is de instelling normaal gesproken verwerkingsverantwoordelijke voor die verwerking. Artikel 24 AVG verplicht de verwerkingsverantwoordelijke passende technische en organisatorische maatregelen te nemen en te kunnen aantonen dat de verwerking aan de verordening voldoet. Volgens artikel 28, lid 1, doet de verwerkingsverantwoordelijke "uitsluitend een beroep op verwerkers die afdoende garanties" bieden, en artikel 28, lid 3, eist een schriftelijke overeenkomst met elke verwerker. Artikel 32 eist beveiliging die bij het risico past. Een gratis tool die met één klik op een consumentenlicentie is geaccepteerd, heeft meestal helemaal geen verwerkersovereenkomst met de instelling, en een verwerkingsregister (art. 30) waarin de tool ontbreekt, is onvolledig. Onze pagina over de AVG zet deze artikelen volledig op een rij.

De Autoriteit Persoonsgegevens (AP) heeft de praktische conclusie voor AI-chatbots al getrokken. In haar waarschuwing van 6 augustus 2024 schreef zij: "Vaak gebruiken medewerkers de chatbots op eigen initiatief en tegen de afspraken met de werkgever in: als daarbij persoonsgegevens zijn ingevoerd, dan is sprake van een datalek." Is het gebruik van chatbots onderdeel van het beleid van de organisatie, dan is het volgens de AP "geen datalek, maar vaak niet wettelijk toegestaan". Datalekken moeten mogelijk binnen 72 uur worden gemeld (art. 33). Zie onze gids over het afhandelen van datalekken in het hoger onderwijs (Engels).

Doorgifte buiten de EER

Veel gratis tools worden van buiten de Europese Economische Ruimte aangeboden. Hoofdstuk V van de AVG (vanaf art. 44) staat doorgifte alleen toe met een doorgifte-instrument, zoals een adequaatheidsbesluit of standaardcontractbepalingen. Iemand die zich aanmeldt voor een consumentendienst regelt die niet namens de instelling. Onze gids over het EU-VS Data Privacy Framework en de tool voor doorgiftemechanismen leggen de mogelijkheden uit.

AI-training met geüploade gegevens

De AP waarschuwde: "De meeste bedrijven achter chatbots slaan alle ingevoerde gegevens op", vaak zonder dat degene die ze invoert dat beseft. De Universiteit van Kopenhagen liet medewerkers in mei 2024 weten dat de meeste generatieve AI-tools invoer van gebruikers opslaan en gebruiken om hun onderliggende modellen te ontwikkelen, en vroeg medewerkers alleen de tool te gebruiken waarvoor de instelling een licentie heeft. Het AI-centrum van Oxford merkt op dat gebruikers van consumentenversies zelf het beleid van de leverancier moeten volgen en zich zelf moeten afmelden voor training. Abonnementsvormen maken verschil: onderwijs- en enterprise-abonnementen hebben vaak andere voorwaarden voor training en bewaring dan gratis abonnementen. Onze factsheets over ChatGPT, Grammarly, Otter.ai, DeepSeek en Microsoft Copilot zetten per abonnement uiteen wat elke leverancier publiek documenteert.

Beveiliging

Niet-beoordeelde apps met OAuth-toegang tot mailboxen of bestanden zijn een aanvalsroute. De eigen documentatie van Microsoft over Defender for Cloud Apps merkt op dat OAuth-apps "often behave unnoticed" (vaak onopgemerkt hun gang gaan) terwijl ze uitgebreide rechten hebben op gegevens in andere apps. Browserextensies kunnen pagina-inhoud lezen en wijzigen, ook op pagina's van systemen van de instelling. Zelfgebouwde tools zijn ook een risico: de casestudy van UMBC vond typische kwetsbaarheden zoals cross-site scripting en SQL-injectie in een intern gebouwd systeem voor subsidiebeheer.

Toegankelijkheid

Publieke instellingen zijn in de regel overheidsinstanties in de zin van Richtlijn (EU) 2016/2102 inzake de toegankelijkheid van websites en mobiele applicaties van overheidsinstanties. Een tool die een docent alle studenten verplicht laat gebruiken, maar die niemand op toegankelijkheid heeft gecontroleerd, kan studenten met een beperking uitsluiten. Zie onze pagina over de richtlijn webtoegankelijkheid.

Schending van licenties

Consumentenvoorwaarden zijn geschreven voor individuen. Ze kunnen gebruik beperken tot niet-commerciële of persoonlijke doeleinden, de leverancier brede rechten geven op geüploade content of het uploaden verbieden van materiaal dat niet van de gebruiker is. Medewerkers die gelicentieerde bibliotheekcontent, ongepubliceerde manuscripten of gegevens van anderen uploaden, kunnen de licentie of de rechten van de auteurs schenden. De voorwaarden van de Universiteit Utrecht voor niet-goedgekeurde AI-tools vragen medewerkers bijvoorbeeld geen auteursrechtelijk beschermd, vertrouwelijk of bedrijfseigen materiaal te uploaden, en ook geen opgenomen interviews.

Plichten voor de toeleveringsketen onder NIS2, als de instelling eronder valt

NIS2 (Richtlijn (EU) 2022/2555) laat lidstaten onderwijsinstellingen onder de richtlijn brengen, "met name wanneer zij kritieke onderzoeksactiviteiten verrichten" (art. 2, lid 5, punt b), en onderzoeksorganisaties kunnen er zelfstandig onder vallen. Entiteiten die eronder vallen, moeten risicobeheersmaatregelen nemen, waaronder "de beveiliging van de toeleveringsketen, met inbegrip van beveiligingsgerelateerde aspecten met betrekking tot de relaties tussen elke entiteit en haar rechtstreekse leveranciers of dienstverleners" (art. 21, lid 2, punt d), en beheer van bedrijfsmiddelen. Diensten waarvan niemand weet, kunnen niet onder die maatregelen vallen. Of uw instelling eronder valt, hangt af van de nationale omzetting; onze NIS2-gids voor universiteiten (Engels) en de pagina over de NIS2-richtlijn behandelen de situatie per land.

AI-verordening: AI-geletterdheid

Onder de AI-verordening, zoals gewijzigd door Verordening (EU) 2026/1744, moeten gebruiksverantwoordelijken maatregelen nemen om de AI-geletterdheid te ondersteunen van medewerkers die AI-systemen gebruiken (art. 4). Een instelling die niet weet welke AI-systemen medewerkers gebruiken, zal moeite hebben aan die plicht te voldoen. Zie onze gids over de AI-verordening voor universiteiten (Engels).

4. Wat toezichthouders en sectororganisaties zeggen

Geen enkele Europese privacytoezichthouder heeft een specifieke regel uitgevaardigd over schaduw-IT in het hoger onderwijs, maar verschillende hebben richtlijnen over generatieve AI gepubliceerd die direct van toepassing zijn.

De Zweedse nationale richtlijnen gaan ook over andere terreinen dan gegevensbescherming, waaronder inkoop en arbeidsrecht. Dat is een nuttige herinnering dat een aanpak van schaduw-AI niet alleen een privacyproject is. Raadpleeg voor de andere nationale toezichthouders hun AI-pagina's direct; onze gids over Noordse AI-diensten (Engels) behandelt de gedeelde diensten die nationale onderzoeks- en onderwijsnetwerken aanbieden.

5. Schaduw-IT opsporen: zeven technieken

Voor het opsporen is geen nieuw product nodig. De meeste instellingen hebben de gegevens al in hun identiteitsplatform, financiële systeem en netwerklogs. Combineer meerdere bronnen, want elke bron ziet maar een deel van het geheel.

Techniek 1: controle van OAuth-toestemmingen in Microsoft Entra ID

In Microsoft Entra ID verschijnt elke app van derden waaraan een gebruiker of beheerder toegang heeft gegeven als bedrijfstoepassing, met de bijbehorende rechten. De handleiding van Microsoft voor het controleren van rechten die aan bedrijfstoepassingen zijn verleend legt uit hoe u per app de toestemming van beheerders en gebruikers ziet. Let op één beperking: door gebruikers verleende rechten kunnen niet worden ingetrokken via het tabblad User consent in de portal; Microsoft verwijst daarvoor naar Microsoft Graph of PowerShell.

1. Exporteer de lijst van bedrijfstoepassingen met gedelegeerde rechten, het aantal gebruikers dat toestemming gaf en de uitgever.
2. Markeer apps met toegang tot mail, bestanden, agenda's of de directory, apps van niet-geverifieerde uitgevers en apps met veel gebruikers.
3. Wijzig de instelling voor gebruikerstoestemming. Microsoft raadt aan gebruikerstoestemming toe te staan "only for applications that have been published by a verified publisher" (alleen voor applicaties van een geverifieerde uitgever), en het ingebouwde beleid beperkt dit verder tot rechten die u als laag risico classificeert (zie Configure how users consent to applications).
4. Schakel de werkstroom voor beheerderstoestemming in, zodat gebruikers die geen toestemming mogen geven een aanvraag kunnen indienen. Volgens Microsoft gaat de aanvraag per e-mail naar beheerders die als beoordelaar zijn aangewezen; die handelen haar af, waarna de gebruiker bericht krijgt. Dit wordt de voordeur van uw snelle route.

Een wijziging van de toestemmingsinstellingen geldt alleen voor toekomstige toestemmingen; volgens Microsoft blijven bestaande toekenningen ongewijzigd. De controle en de beleidswijziging zijn dus allebei nodig.

Techniek 2: toegang van apps van derden in Google Workspace

Beheerders van Google Workspace beheren apps van derden onder API-beheer. De helppagina van Google Control which apps access Google Workspace data beschrijft een lijst van apps die Google-gegevens hebben geopend, met aantallen gebruikers en gevraagde diensten, en vier toegangsniveaus per app: Trusted, Limited, Specific Google data en Blocked. Beheerders kunnen ook instellen wat er gebeurt met niet-geconfigureerde apps, risicovolle scopes beperken voor diensten zoals Gmail en Drive, en gebruikers toegang tot een app laten aanvragen, die dan ter beoordeling verschijnt. Onderwijsedities hebben aparte instellingen voor gebruikers jonger dan 18. Volgens Google kan het 24 tot 48 uur duren voordat gegevens over geopende apps zichtbaar zijn.

Techniek 3: logs van single sign-on

Aanmeldlogs van Entra ID, Google of de eigen identiteitsprovider van de instelling laten zien bij welke dienstverleners mensen zich aanmelden, ook bij diensten die via identiteitsfederatie zijn gekoppeld. SSO-logs tonen alleen tools die het instellingsaccount gebruiken en laten dus geen gratis tools met persoonlijke accounts zien. In combinatie met de OAuth-controle tonen ze wel tools die met een e-mailadres van de instelling op de eigen inlogpagina van een leverancier worden gebruikt.

Techniek 4: declaraties en creditcardgegevens

Vraag de financiële afdeling om een jaarlijkse uitdraai van creditcardtransacties en declaraties met namen van leveranciers die op software-abonnementen lijken. Groepeer per leverancier en per kostenplaats. Dit is vaak de enige manier om betaalde diensten te vinden die uit onderzoekssubsidies zijn gekocht. U weet dan ook met wie u in gesprek moet, want bij elke transactie hoort een kaarthouder of declarant.

Techniek 5: DNS, proxy en CASB

Geaggregeerde DNS- of webproxylogs laten zien welke clouddiensten vanaf het campusnetwerk worden bereikt. Een cloud access security broker (CASB) voegt een catalogus en risicoscores toe. Microsoft beschrijft Defender for Cloud Apps als een dienst die netwerkverkeer en een appcatalogus gebruikt om apps in gebruik te herkennen, en die gevonden apps beoordeelt aan de hand van "more than 90 risk indicators" (meer dan 90 risico-indicatoren). Andere CASB-producten werken op vergelijkbare wijze. Netwerken van instellingen zijn open en veel mensen werken buiten de campus, dus beschouw dit als een steekproef, niet als een volledige inventarisatie.

Analyse van netwerk en logs is zelf een verwerking van persoonsgegevens van medewerkers en studenten. Gebruik waar mogelijk geaggregeerde gegevens, beperk de toegang, stel een bewaartermijn vast, informeer medewerkers in de privacyverklaring en betrek de FG en, waar relevant, de medezeggenschap (zoals de ondernemingsraad) voordat u begint. Onze DPIA-voortoets helpt bepalen of voor de monitoring zelf een DPIA nodig is.

Techniek 6: vraag het mensen

Een korte enquête onder afdelingen en onderzoeksgroepen, standaard anoniem, vindt vaak tools die geen log laat zien: desktopsoftware, tools op privéapparaten en diensten die externe partners in een project gebruiken. Stel drie vragen: welke tools gebruikt u voor onderwijs, onderzoek en bedrijfsvoering die niet op de goedgekeurde lijst staan; welke gegevens gaan erin; en wat hebt u van de instelling nodig om ermee te stoppen. Herhaal de enquête elk jaar.

Techniek 7: beheer van browserextensies

Op beheerde apparaten laten browserbeleidsregels extensies zien en kunt u ze beheren. De handleiding van Microsoft voor het beheren van Microsoft Edge-extensies met groepsbeleid beschrijft ExtensionInstallBlocklist en ExtensionInstallAllowlist (alles blokkeren met "*" en daarna vermelde extensies toestaan), ExtensionSettings om extensies te blokkeren die bepaalde rechten vragen, en runtime_blocked_hosts om te voorkomen dat extensies specifieke sites lezen of wijzigen, zoals uw studentinformatiesysteem. Een geïnstalleerde extensie op de blokkeerlijst zetten schakelt haar uit zonder haar te verwijderen. Chrome kent gelijkwaardige beleidsregels.

Validemics analyse Een verstandige eerste stap is niet alle extensies te blokkeren, wat onderzoek en onderwijs zou verstoren, maar met runtime_blocked_hosts extensies weg te houden van de systemen met de gevoeligste gegevens (studentdossiers, HR, financiën, platforms voor gezondheidsonderzoek) en een lijst met toegestane extensies op te bouwen uit wat het opsporen laat zien dat echt wordt gebruikt.

Beoordeelt u op dit moment een leverancier? Validemic toetst de documenten van de leverancier aan de AVG en de AI-verordening, met een bron bij elke bevinding. Probeer de demo-omgeving

6. Een indelingsmodel naar data en koppeling

Zodra u een lijst hebt, moet u bepalen waar u beoordelingscapaciteit inzet. Twee vragen doen het meeste werk: wat zijn de gevoeligste gegevens die de tool raakt, en hoe diep is de tool gekoppeld aan systemen van de instelling? Gebruik de bestaande informatieclassificatie van uw instelling als die er is (veel instellingen gebruiken drie of vier klassen, bijvoorbeeld openbaar, intern, vertrouwelijk en strikt vertrouwelijk of "rood").

De beslistermijnen zijn planningsdoelen, geen wettelijke eisen. Voeg twee correcties toe. AI-functies die content over personen genereren, studenten beoordelen of aanbevelingen doen, brengen een tool één niveau omhoog, omdat de rolanalyse, het gebruik voor training en de positie onder de AI-verordening moeten worden gecontroleerd. Een tool die al door veel mensen wordt gebruikt, schuift hoger in de wachtrij, omdat het risico al bestaat.

7. Een snelle goedkeuringsroute

De snelle route bestaat om de goedgekeurde weg voor de meeste aanvragen sneller te maken dan de niet-goedgekeurde. Ze werkt alleen als ze makkelijk te vinden is, weinig vraagt en snel antwoord geeft.

1. Eén voordeur. Eén kort formulier, gelinkt vanuit het IT-serviceportaal, de pagina's met AI-richtlijnen en het bericht van de werkstroom voor beheerderstoestemming. Ter vergelijking: het invullen van de vragenlijst voor AI-tools van de Universiteit Utrecht kost ongeveer 30 minuten.
2. Controleer of er al een antwoord is. Kijk vóór elke beoordeling in de drie lijsten. Is de tool al goedgekeurd, of past een goedgekeurd alternatief, antwoord dan dezelfde dag.
3. Deel in. Pas de matrix van data en koppeling toe. Leg het niveau en de reden vast.
4. Verzamel het bewijs van de leverancier één keer. Voor niveau 1 zijn de openbare voorwaarden, privacyverklaring en instellingen meestal genoeg. Vraag de leverancier vanaf niveau 2 om de verwerkersovereenkomst, de lijst met subverwerkers, het doorgiftemechanisme en beveiligingsbewijs. Onze gratis vragenlijstgenerator voor leveranciers maakt een vragenlijst die bij het niveau past.
5. Beslis met voorwaarden. De meeste uitkomsten van de snelle route zijn "goedgekeurd onder voorwaarden": alleen met instellingsaccount, training uitgeschakeld, geen persoonsgegevens buiten gebruikersaccounts, alleen voor een genoemde cursus of een genoemd project, herbeoordeling na 12 maanden.
6. Publiceer het resultaat. Zet de tool op de juiste lijst, zodat de volgende aanvrager direct antwoord krijgt. Werk het verwerkingsregister bij (zie ons sjabloon voor het verwerkingsregister, Engels).
7. Blijf volgen. Voorwaarden zijn maar zo goed als de voorwaarden van de leverancier. Let op wijzigingen in subverwerkers en beleid, en controleer opnieuw als de leverancier AI-functies toevoegt. Onze gratis tool voor meldingen bij wijzigingen van subverwerkers kan helpen.

Maak duidelijk wie beslist. In Utrecht betaalt de faculteit die een goedgekeurde tool gebruikt ervoor, meestal door rechtstreeks bij de leverancier te kopen. In Cambridge zijn andere gelicentieerde GenAI-tools naast de centrale niet verboden, maar "must be procured in accordance with any applicable procurement policy or process" (moeten ze worden ingekocht volgens het geldende inkoopbeleid of -proces), en draagt de afdeling het risico. Beide modellen werken als ze zijn vastgelegd.

8. Goedgekeurd, goedgekeurd onder voorwaarden, niet goedgekeurd

De lijsten zijn het meest zichtbare resultaat van het proces en het belangrijkste middel om gedrag te veranderen. De Universiteit Utrecht gebruikt voor AI-tools in het onderwijs precies drie uitkomsten: goedgekeurd, goedgekeurd onder voorwaarden en afgekeurd. Goedgekeurde tools mogen worden gebruikt volgens hun voorwaarden en de voorwaarden die aan de goedkeuring zijn verbonden.

Houd de lijst "niet goedgekeurd" kort en feitelijk. Een lange lijst met verboden tools nodigt uit om de volgende tool te zoeken die er niet op staat. Een korte lijst met duidelijke alternatieven werkt beter. Voor een beeld van wat andere instellingen goedkeuren, zie AI-tools die Europese universiteiten hebben goedgekeurd, en voor beleidsteksten ons sjabloon voor een AI-beleid (beide Engels).

9. Hoe Europese universiteiten het aanpakken

De onderstaande pagina's laten de belangrijkste bouwstenen in de praktijk zien: een alternatief van de instelling, regels voor gegevens gekoppeld aan de classificatie, een standpunt over niet-goedgekeurde tools en een route om een beoordeling aan te vragen. Ze zijn gecontroleerd op 9 oktober 2026. Citaten uit Engelstalige pagina's zijn met een Nederlandse vertaling weergegeven.

Validemics analyse Het patroon is in alle landen hetzelfde: bied eerst een goede voorziening van de instelling aan, koppel regels voor gegevens aan de bestaande classificatie en zeg duidelijk wat niet mag. Wat het minst vaak wordt gepubliceerd, is de aanvraagroute voor al het andere. Utrecht is een goed voorbeeld van een instelling die de route, de vragenlijst en de mogelijke uitkomsten publiceert.

10. In gesprek met onderzoekers en docenten

De meeste schaduw-IT ontstaat door mensen die hun werk goed willen doen. Communicatie die hen als het probleem behandelt, drijft het gebruik vaak verder uit het zicht. Een paar uitgangspunten helpen:

• Begin met het alternatief. "Gebruik hiervoor UU AI-Chat, Aalto AI Assistant of GPT UiO" is nuttiger dan "gebruik geen ChatGPT". Elke vermelding op de lijst "niet goedgekeurd" moet een alternatief noemen.
• Maak de regels over gegevens, niet over merken. De AP adviseert organisaties medewerkers duidelijk te maken welke gegevens ze wel en niet mogen invoeren. Regels die aan dataklassen zijn gekoppeld, blijven geldig als er nieuwe tools verschijnen.
• Bied een beoordeling zonder schuldvraag. Nodig afdelingen uit tools te melden die ze al gebruiken, en beoordeel die zonder gevolgen voor de melders. Gegevens uit het opsporen zijn veel nuttiger als mensen meewerken.
• Antwoord snel. Publiceer een streeftermijn voor beslissingen in de snelle route en rapporteer erover.
• Leg de reden in één zin uit. "Het gratis abonnement gebruikt uw invoer voor training en heeft geen verwerkersovereenkomst" wordt begrepen; "niet compliant" niet.
• Gebruik bestaande kanalen. Onderzoeksondersteuning, de bibliotheek, onderwijscentra en IT-medewerkers van faculteiten genieten het vertrouwen van academici. Informeer hen eerst.
• Sluit aan op onderzoeksprocessen. Vraag naar tools in het datamanagementplan en de aanvraag bij de ethische commissie, zodat de beoordeling van tools vóór de dataverzameling plaatsvindt, niet erna.

Training ondersteunt ook de plicht uit de AI-verordening om maatregelen voor AI-geletterdheid te nemen. Onze gids de AVG en AI-tools in onderzoek (Engels) is geschreven voor onderzoekers en kan direct worden gedeeld.

11. Indicatoren die voortgang laten zien

Kies een klein aantal indicatoren die u kunt verzamelen uit systemen die u al hebt. Rapporteer trends, geen losse cijfers.

12. Een plan voor 90 dagen

Dit plan gaat uit van een klein team met tijd van informatiebeveiliging, het privacyteam van de FG en inkoop. Pas de omvang aan uw instelling aan.

Na 90 dagen wordt het werk routine: het aanvraagformulier voedt de snelle route, het opsporen gebeurt maandelijks en de lijsten worden ten minste jaarlijks herzien. Het intrekken van bestaande toestemmingen en het overzetten van gebruikers van niet-goedgekeurde tools kost meer tijd en volgt zodra er een alternatief is.

Bronnen

1. Verordening (EU) 2016/679 (AVG), artikelen 24, 28, 30, 32, 33 en 44 (geraadpleegd op 9 oktober 2026).
2. Richtlijn (EU) 2022/2555 (NIS2), artikel 2, lid 5, en artikel 21 (geraadpleegd op 9 oktober 2026).
3. Verordening (EU) 2024/1689 (AI-verordening), artikel 4, en Verordening (EU) 2026/1744 (digitale omnibus voor AI) (geraadpleegd op 9 oktober 2026).
4. Richtlijn (EU) 2016/2102 inzake de toegankelijkheid van de websites en mobiele applicaties van overheidsinstanties (geraadpleegd op 9 oktober 2026).
5. Autoriteit Persoonsgegevens: Let op: gebruik AI-chatbot kan leiden tot datalekken, 6 augustus 2024; Engelse versie: Caution: use of AI chatbot may lead to data breaches (geraadpleegd op 9 oktober 2026).
6. IMY: GDPR vid användning av generativ AI, IMY-2024-9162, 5 februari 2025 (geraadpleegd op 9 oktober 2026).
7. IMY: National guidelines for generative AI in public administration are launched (geraadpleegd op 9 oktober 2026).
8. CNIL: IA, la CNIL finalise ses recommandations sur le développement des systèmes d'IA, 22 juli 2025 (geraadpleegd op 9 oktober 2026).
9. Jisc: Generative AI, a primer, bijgewerkt op 1 februari 2024 (geraadpleegd op 9 oktober 2026).
10. Microsoft Learn: Configure the admin consent workflow (geraadpleegd op 9 oktober 2026).
11. Microsoft Learn: Configure how users consent to applications (geraadpleegd op 9 oktober 2026).
12. Microsoft Learn: Review permissions granted to enterprise applications (geraadpleegd op 9 oktober 2026).
13. Google Workspace Admin Help: Control which apps access Google Workspace data (geraadpleegd op 9 oktober 2026).
14. Microsoft Learn: Overview of Microsoft Defender for Cloud Apps (geraadpleegd op 9 oktober 2026).
15. Microsoft Learn: Use group policies to manage Microsoft Edge extensions (geraadpleegd op 9 oktober 2026).
16. UMBC Cyber Defense Lab: Shadow IT in Higher Education: Survey and Case Study for Cybersecurity, 2021 (geraadpleegd op 9 oktober 2026).
17. Trinity College: Higher Education Community Vendor Assessment Toolkit (HECVAT) (geraadpleegd op 9 oktober 2026).
18. Universiteit Utrecht: Allow-listing process for AI tools (geraadpleegd op 9 oktober 2026).
19. Universiteit Utrecht: Conditions of use of AI tools by teachers and educational support staff (geraadpleegd op 9 oktober 2026).
20. Universiteit Utrecht: AI platforms at UU (geraadpleegd op 9 oktober 2026).
21. University of Oxford AI Competency Centre: GenAI tool features (geraadpleegd op 9 oktober 2026).
22. University of Cambridge: Data protection guidance on AI (geraadpleegd op 9 oktober 2026).
23. University of Edinburgh: Generative AI guidance for staff (geraadpleegd op 9 oktober 2026).
24. University of St Andrews: Approved AI software (geraadpleegd op 9 oktober 2026).
25. University of Reading: Generative AI and AI meeting assistants (geraadpleegd op 9 oktober 2026).
26. Universiteit van Helsinki: Generative artificial intelligence at the University (geraadpleegd op 9 oktober 2026).
27. Aalto University: Aalto AI Assistant (geraadpleegd op 9 oktober 2026).
28. Universiteit van Amsterdam: UvA AI Chat (geraadpleegd op 9 oktober 2026).
29. Uppsala University: AI tool for students (geraadpleegd op 9 oktober 2026).
30. KTH Royal Institute of Technology: AI services (geraadpleegd op 9 oktober 2026).
31. Universiteit van Oslo: GPT UiO and red data (geraadpleegd op 9 oktober 2026).
32. Universiteit van Kopenhagen: Three guidelines and a new tool for using AI, 8 mei 2024 (geraadpleegd op 9 oktober 2026).
33. Aarhus University: Microsoft 365 for students (geraadpleegd op 9 oktober 2026).

Over deze pagina

Bronnen geraadpleegd op 9 oktober 2026. We hebben de beheerdersdocumentatie van Microsoft en Google, de pagina's van de privacytoezichthouders en de universiteitspagina's hierboven gelezen; de EU-wetteksten zijn geciteerd uit de versies in het Publicatieblad. Citaten van de Autoriteit Persoonsgegevens komen uit de Nederlandse versie van haar bericht. Citaten uit Engelstalige bronnen staan in het Engels, met onze eigen Nederlandse vertaling tussen haakjes. Universiteitspagina's veranderen vaak; controleer de actuele versie voordat u op een detail vertrouwt. Waar we een eigen interpretatie geven, staat die gemarkeerd als Validemics analyse. De beslistermijnen in het onderdeel over indeling zijn planningsdoelen, geen wettelijke eisen. Deze pagina bevat algemene informatie en is geen juridisch advies; nationaal recht, afspraken met de medezeggenschap en het eigen beleid van uw instelling kunnen eisen toevoegen, vooral voor het monitoren van IT-gebruik door medewerkers. Ziet u een fout of wilt u een ander voorbeeld van een instelling voorstellen? Neem contact met ons op, dan corrigeren we het.