Anonimiseren

Doel van de anonimiseringstool is om persoonlijke gegevens automatisch onherkenbaar te maken. Het gebruikte algoritme is een slim stappenplan dat de tool helpt te bepalen welke informatie in een dataset als “persoonlijk” wordt beschouwd, zoals namen, adressen, geboortedata of identificatienummers. Zodra het algoritme deze gegevens heeft herkend, voert het bewerkingen uit om ze te verwijderen, versluieren of vervangen door algemene termen.

Impact: Als je bijvoorbeeld een Woo-verzoek doet of betrokken bent bij gemeentelijke besluitvorming, dan kom je indirect met dit algoritme in aanraking. Je ziet het niet, maar het zorgt er wel voor dat jouw gegevens niet zomaar op straat komen te liggen.

De gemeente Berkelland publiceert grote hoeveelheden documenten. Handmatige controle op persoonsgegevens is tijdrovend en foutgevoelig. Door het algoritme in te zetten, kunnen documenten sneller en betrouwbaarder worden geanonimiseerd. Dit draagt bij aan een efficiënte uitvoering van de Wet open overheid (Woo) en de Algemene verordening gegevensbescherming (AVG).

Daarnaast zorgt het algoritme voor gelijke behandeling: elk document wordt volgens dezelfde logica beoordeeld, zonder dat persoonlijke voorkeuren of interpretaties van medewerkers invloed hebben op het resultaat.

Hoewel de tool veel werk uit handen neemt, is hij niet foutloos. Daarom blijft menselijke controle belangrijk. 

Medewerkers beoordelen of de tool goed heeft gewerkt en passen documenten aan als dat nodig is. Er zijn duidelijke richtlijnen voor het gebruik van de tool, inclusief wanneer handmatige correctie nodig is. Gebruikers van de tool krijgen uitleg over de werking, beperkingen en risico’s, zodat ze weten waar ze op moeten letten. Door regelmatig te evalueren en bij te sturen, zorgt de gemeente ervoor dat de tool betrouwbaar blijft. Zo beschermen we de privacy van inwoners op een zorgvuldige manier.

1. AVG – Algemene Verordening Gegevensbescherming: Deze wet regelt hoe organisaties met persoonsgegevens moeten omgaan. Anonimiseren helpt om iemands privacy te beschermen bij publicatie.
2. UAVG – Uitvoeringswet AVG: Deze wet vult de AVG aan voor Nederland. Hij geeft extra regels voor overheden en bijzondere gegevens.
3. Woo – Wet open overheid: Deze wet zorgt voor openheid van overheidsinformatie. Persoonsgegevens mogen niet zomaar openbaar worden gemaakt.
4. Bekendmakingswet: Deze wet regelt hoe documenten openbaar worden gemaakt. Privacy moet goed worden beschermd bij publicatie.
5. Awb – Algemene wet bestuursrecht: Deze wet verwijst naar de Woo bij openbaarmaking. Daarom is anonimiseren ook hier verplicht.
6. Wep – Wet elektronische publicaties: Overheden moeten documenten digitaal publiceren. Bij publicatie moet zorgvuldig met persoonsgegevens worden omgegaan.

Er is een zelfstandige DPIA uitgevoerd om de werking van het algoritme te toetsen op risico’s voor privacy en informatieveiligheid. De impact is indirect, maar reëel: het algoritme speelt een cruciale rol in het waarborgen van zorgvuldige openbaarmaking en het voorkomen van onbedoelde schending van persoonsgegevens. De verwerking is rechtmatig, noodzakelijk en proportioneel ingericht.

Inwoners komen met het algoritme in aanraking wanneer documenten met hun persoonsgegevens online worden gezet, zoals bij vergunningen, bezwaren of Woo-verzoeken. Het algoritme bepaalt welke gegevens worden verwijderd of versluierd, en beïnvloedt zo indirect hun privacy en de mate van openbaarheid.

Persoonsgegevens die voorkomen in ruimtelijke plannen en interne documenten.

Het gaat onder andere om:

• Namen van personen
• Adressen en contactgegevens
• Geboortedata
• Burgerservicenummers (BSN)
• Kentekens, IP-adressen of andere identificerende nummers
• Gezondheidsinformatie of andere gevoelige gegevens
• Informatie over familieleden of andere betrokkenen

Daarnaast kunnen via de tool ook bedrijfsgegevens of veiligheidsinformatie worden afgeschermd als openbaarmaking risico’s oplevert

De tool gebruikt taaltechnologie (NLP) om automatisch gevoelige informatie in documenten te herkennen. Met Artificial Intelligence (AI) en Machine Learning leert de software steeds beter welke gegevens geanonimiseerd moeten worden. De tool herkent bijvoorbeeld namen, adressen, handtekeningen, kentekens en andere gevoelige of vertrouwelijke informatie. Herkenningen worden als suggesties getoond in een editor, zodat medewerkers deze kunnen controleren en aanpassen.

De AI wordt regelmatig bijgetraind door taaltechnologie-experts van leverancier e-specialisten, zodat de herkenning steeds nauwkeuriger wordt. De tool werkt op basis van taaltechnologie (NLP). We maken gebruik van Artificial Intelligence (AI) en Machine Learning om de software steeds verder te verbeteren.