Europa onderzoekt nieuwe technieken om AI-content herkenbaar te maken

zaterdag, 09 mei 2026 om 20:00

De Europese Commissie heeft drie nieuwe studies gepubliceerd over technische methoden om AI-gegenereerde content te markeren en detecteren. De onderzoeken richten zich specifiek op tekst, audio, afbeeldingen en video’s in het kader van Artikel 50 van de Europese AI Act. De publicatie verscheen op 8 mei 2026 via het platform van de Europese Commissie.

De studies moeten ondersteuning bieden bij de ontwikkeling van een Europese gedragscode voor het labelen van AI-content. Daarmee wil de Europese Unie meer transparantie creëren rond content die door generatieve AI-systemen wordt geproduceerd.

Wat onderzoekt de Europese Commissie precies?

De Europese Commissie laat onderzoeken hoe AI-gegenereerde media technisch herkenbaar kunnen blijven. Het gaat daarbij om technieken zoals:

Watermerken in afbeeldingen of audio
Metadata-labels
Cryptografische handtekeningen
Detectiesystemen voor AI-tekst
Authenticiteitscontroles voor video’s

De studies analyseren zowel bestaande technologieën als nieuwe experimentele methoden. Daarbij kijken onderzoekers naar effectiviteit, betrouwbaarheid, beperkingen en praktische toepasbaarheid.

Volgens de Commissie moeten toekomstige regels gebaseerd zijn op “de nieuwste technische ontwikkelingen” en rekening houden met verschillen tussen tekst, audio en visuele content.

Drie afzonderlijke onderzoeken

De Europese Commissie splitste het onderzoek op in drie afzonderlijke domeinen.

Audio

Het onderzoek naar AI-audio werd uitgevoerd door onder meer Xavier Serra en Martín Rocamora. De studie onderzoekt hoe AI-gegenereerde stemmen, muziek en geluiden herkenbaar kunnen worden gemaakt.

Dat onderwerp wordt steeds relevanter door de snelle opkomst van stemklonen en AI-muziekgeneratoren. Vooral deepfake-audio vormt een groeiend risico voor desinformatie, identiteitsfraude en manipulatie.

Afbeeldingen en video

Onderzoeker Mario Joachim Fritz richtte zich op AI-gegenereerde afbeeldingen en video’s. Daarbij staat de vraag centraal hoe platforms en gebruikers kunnen herkennen of beeldmateriaal synthetisch is geproduceerd.

De studie behandelt onder meer:

Onzichtbare watermerken
Herkomstverificatie
Manipulatiedetectie
Technieken tegen verwijdering van labels

Dit onderwerp krijgt wereldwijd meer aandacht nu AI-video’s steeds realistischer worden. Systemen zoals videogenerators kunnen inmiddels overtuigende menselijke beelden creëren die moeilijk van echt materiaal te onderscheiden zijn.

AI-tekst blijft moeilijk detecteerbaar

De derde studie, uitgevoerd door Giovanni Puccetti, richt zich op AI-gegenereerde tekst. Dat blijkt technisch het meest complexe domein.

Veel bestaande AI-detectors kampen met hoge foutmarges. Teksten van mensen worden soms foutief als AI-content aangemerkt, terwijl geavanceerde AI-systemen detectie juist kunnen ontwijken.

De studie onderzoekt daarom alternatieven zoals:

Watermerken op tokenniveau
Statistische patroonanalyse
Model-specifieke identificatie
Verificatiesystemen tijdens generatie

Dat debat speelt ook binnen het onderwijs, journalistiek en zoekmachines. Bedrijven en instellingen zoeken steeds vaker naar betrouwbare manieren om menselijke en AI-gegenereerde content van elkaar te onderscheiden.

Waarom Artikel 50 van de AI Act belangrijk is

Artikel 50 van de Europese AI Act verplicht aanbieders van bepaalde AI-systemen om duidelijk te maken wanneer content kunstmatig is gegenereerd.

De Europese Unie wil daarmee:

Desinformatie beperken
Transparantie vergroten
Consumenten beschermen
Vertrouwen in digitale content behouden

Vooral deepfakes en synthetische media vormen een belangrijk aandachtspunt. AI-content die mensen kan misleiden, moet volgens de wet expliciet herkenbaar zijn.

De nieuwe studies vormen daarom een technische basis voor toekomstige richtlijnen en standaarden binnen Europa.

Grote uitdaging voor AI-industrie

De onderzoeken laten tegelijk zien dat er nog geen perfecte oplossing bestaat. Veel detectietechnieken zijn kwetsbaar voor manipulatie of verliezen effectiviteit zodra content wordt aangepast, gecomprimeerd of opnieuw opgeslagen.

Ook ontstaat een bredere discussie over interoperabiliteit. AI-content beweegt namelijk tussen verschillende platforms, tools en bestandsformaten. Dat maakt uniforme labeling technisch ingewikkeld.

Voor AI-bedrijven betekent dit mogelijk extra verplichtingen rond:

Transparantie
Content-authenticiteit
Watermerkimplementatie
Compliance met Europese regelgeving

Voor gebruikers en mediaplatforms kan dit leiden tot nieuwe verificatiesystemen voor online content.

Europese focus op AI-governance groeit verder

Met deze studies verstevigt de Europese Commissie haar positie als wereldwijde regulator van kunstmatige intelligentie. De EU probeert niet alleen AI-risico’s juridisch te reguleren, maar ook technische standaarden actief vorm te geven.

De komende gedragscode rond AI-labeling kan grote gevolgen krijgen voor ontwikkelaars van generatieve AI-systemen zoals chatbots, beeldgeneratoren en videomodellen.

Nu AI-content steeds moeilijker van echt materiaal te onderscheiden is, groeit de druk op de sector om transparantie technisch afdwingbaar te maken.

Robin HeesterOprichter

Robin Heester is mede-oprichter van AI Wereld en heeft door de jaren heen meerdere websites, nieuwsbrieven en magazines opgericht. Hij schrijft over technologie, innovatie en de maatschappelijke impact van nieuwe digitale ontwikkelingen.