Wat beoordeel je met het SIVON-toetsingskader?
Het toetsingskader doorloopt vier stappen. Eerst wordt bepaald of een toepassing volgens de AI-verordening daadwerkelijk een AI-systeem is. Daarna wordt gekeken of het om een verboden toepassing gaat, of het systeem in een hoog-risicocategorie valt en of er een uitzondering van toepassing is.
Een belangrijk onderscheid daarbij is dat je naar de AI-functie en het doel kijkt.
Neem bijvoorbeeld een leerlingadministratiesysteem waaraan een leverancier AI toevoegt. Het hele systeem hoeft daardoor niet ineens als hoog risico te worden behandeld. Je kijkt naar wat die specifieke AI-functie doet en waarvoor zij wordt gebruikt.
Hetzelfde geldt andersom. Een toepassing die op het eerste gezicht weinig risico lijkt te hebben, kan een andere beoordeling krijgen zodra de school haar voor een ander doel inzet.
Dat laatste is voor schoolbesturen belangrijk om te begrijpen.
Het gebruik op school bepaalt mede het risico
Stel dat een AI-toepassing is ontwikkeld om leerlingen te helpen met huiswerk. Een docent besluit dezelfde toepassing vervolgens te gebruiken bij een summatieve beoordeling.
Dan verandert de context en het doel waarvoor de AI wordt ingezet. Daarmee kan ook de risicoclassificatie veranderen.
Het toetsingskader maakt dit onderscheid bijvoorbeeld bij leerresultaten en niveau-inschatting. Een tijdelijke aanpassing van het niveau van oefenstof heeft andere gevolgen dan een systeem dat structureel meebepaalt op welk niveau een leerling verdergaat. Ook bij toetsing is de context bepalend. Formatief gebruik is niet automatisch laag risico en summatief gebruik niet automatisch hoog risico. De gevolgen voor de leerling wegen mee.
Voor bestuurders is dat een belangrijk uitgangspunt: de leverancier bepaalt niet in zijn eentje hoe een AI-systeem binnen jullie organisatie wordt beoordeeld. Wat scholen er daadwerkelijk mee doen, telt mee.
Dat vraagt dus ook om zicht op het gebruik in de praktijk.
Wanneer moet je het toetsingskader erbij pakken?
Het meest voor de hand liggende moment is de aanschaf van nieuwe software met AI. Dan kan de toetsing onderdeel worden van het bestaande inkoopproces.
Denk bijvoorbeeld aan software die toetsen beoordeelt, een adaptief leersysteem of een systeem dat invloed heeft op toelating, schooladvies, passend onderwijs of bevordering. Juist wanneer AI invloed krijgt op beslissingen over een leerling, moet duidelijk zijn welke classificatie en verplichtingen gelden.
Er is nog een moment, maar dat wordt makkelijk over het hoofd gezien: een update van software die al in gebruik is.
Een leverancier kan bijvoorbeeld een voorspellend dashboard toevoegen aan een bestaand leerlingvolgsysteem. Er is dan geen nieuw inkooptraject dat automatisch een beoordeling in gang zet. Toch kan de nieuwe functie wel degelijk iets veranderen aan het gebruik en het risico.
Daarom hoort de toetsing ook thuis in contract- en releasebeheer. Spreek bijvoorbeeld af dat leveranciers nieuwe AI-functionaliteit vooraf melden, zodat iemand binnen de organisatie kan beoordelen wat de verandering betekent.
En hoe zit het met ChatGPT, Copilot of Claude?
Hier is enige nuance nodig. Het SIVON-toetsingskader richt zich vooral op AI die onderdeel is van educatieve ICT-systemen en software. Algemene chatbots of “generatieve AI” zoals ChatGPT, Copilot en Claude vallen buiten de primaire focus van het kader.
Dat betekent niet dat het gebruik ervan op school buiten de AI-verordening of andere regels valt.
Vooral de manier waarop een school generatieve AI inricht, verdient aandacht. SIVON waarschuwt bijvoorbeeld voor situaties waarin een docent generatieve AI aanpast voor een onderwijstoepassing die onder een hoog-risicocategorie kan vallen. Denk aan het inrichten van een toepassing die werk van leerlingen beoordeelt en daar cijfers aan koppelt. De school kan dan zelf verantwoordelijkheden krijgen die normaal bij een aanbieder van een AI-systeem liggen.
Een los account waarmee een docent een lesopzet maakt, is dus een heel andere situatie dan een ingerichte AI-toepassing die invloed krijgt op beoordelingen van leerlingen.
Wie moet de toetsing binnen het bestuur doen?
SIVON schrijft geen adviezen over interne rolverdeling voor. Dat hoeft ook niet te betekenen dat één medewerker het hele toetsingskader moet beheersen.
Een logische verdeling sluit aan op rollen die binnen een schoolbestuur al bestaan.
Inkoop of contractbeheer kan ervoor zorgen dat de benodigde informatie bij leveranciers wordt opgevraagd. ICT kan onderzoeken welke AI-functie in een systeem zit en wat deze technisch doet. Onderwijsbeleid of iemand die de regie op AI heeft, kijkt vervolgens naar het beoogde gebruik: waarvoor gaan scholen de functie inzetten en welke beslissingen worden ermee ondersteund?
Privacy en de FG komen in beeld wanneer de uitkomst gevolgen heeft voor bijvoorbeeld een DPIA of de verwerking van persoonsgegevens. De schoolleiding heeft vervolgens een rol in het daadwerkelijke gebruik op school en het menselijk toezicht. Bij hoog-risicotoepassingen hoort de bestuurlijke verantwoordelijkheid uiteindelijk ook bij het bestuur.
Zo voorkom je ook dat een technisch vraagstuk bij ICT terechtkomt terwijl het antwoord afhangt van een onderwijskundige keuze.
Een ICT-medewerker kan vertellen wat een AI-functie inhoudt. Voor de vraag of die functie een leerling helpt oefenen of mede bepaalt welk niveau die leerling krijgt, heb je de onderwijspraktijk nodig.
Menselijk toezicht betekent meer dan op akkoord klikken
Bij hoog-risico-AI gelden aanvullende verplichtingen. Denk aan monitoring, het bewaren van logs, een DPIA en het organiseren van menselijk toezicht.
Vooral dat laatste klinkt eenvoudiger dan het is.
Een medewerker die standaard de uitkomst van een systeem overneemt, houdt op papier misschien toezicht. In de praktijk voegt die controle weinig toe. De medewerker moet de uitkomst kunnen beoordelen, begrijpen wanneer ingrijpen nodig is en daadwerkelijk een andere beslissing kunnen nemen. Wie blind of routinematig overneemt, houdt geen betekenisvol toezicht.
Dat maakt de inrichting van het werk minstens zo relevant als de techniek zelf.
Een groen licht uit het kader zegt niet dat je de toepassing moet gaan implementeren
Hier zit een grens aan het toetsingskader die makkelijk verloren gaat.
Het kader beoordeelt de toepassing vanuit de AI-verordening. Het beoordeelt niet of een AI-toepassing direct pedagogisch geschikt is of past bij de visie en het beleid van een school. SIVON verwijst voor die bredere afweging onder andere naar de Handreiking AI in het onderwijs van Kennisnet.
Een toepassing kan dus door de juridische toets komen en alsnog een slechte keuze zijn voor jullie onderwijs.
Dat onderscheid hoort ook terug te komen in de besluitvorming. De toetsing vertelt welke regels en risico’s van toepassing zijn. Daarna blijft de vraag staan of je de toepassing überhaupt wilt gebruiken.
Maak van het toetsingskader geen los AI-proces
Een schoolbestuur heeft waarschijnlijk al processen voor inkoop, privacy, contractbeheer en bestuurlijke besluitvorming. Het ligt voor de hand om het toetsingskader daar onderdeel van te maken.
Bij aanschaf vraag je de leverancier welke AI-componenten aanwezig zijn en waarvoor die zijn bedoeld. Bij privacy gebruik je de uitkomst als input voor de DPIA-afweging. In contract- en releasebeheer leg je vast dat nieuwe AI-functies worden gemeld. Toepassingen met een hoog risico krijgen de bestuurlijke aandacht die daarbij hoort.
Zo ontstaat er geen nieuw proces naast alles wat er al is.
Let op: versie 1.0 loopt op twee punten achter
Het huidige toetsingskader is versie 1.0 van 1 april 2026 en heeft nadrukkelijk een voorlopig karakter. SIVON geeft zelf aan dat het kader is gebaseerd op de stand van zaken tot en met 9 maart 2026 en dat nieuwe ontwikkelingen later worden verwerkt.
Dat is inmiddels relevant.
In versie 1.0 staat voor de verplichtingen rond hoog-risico-AI uit Bijlage III nog 2 augustus 2026. De actuele geconsolideerde tekst van de AI-verordening noemt voor deze categorie 2 december 2027. Daaronder vallen ook de hoog-risicotoepassingen binnen het onderwijs.
Gebruik het SIVON-kader daarom voor de beoordelingslogica en controleer actuele data en wettelijke verplichtingen bij de bron.
Dat is geen reden om tot 2027 te wachten. Een bestuur kan nu al in kaart brengen welke AI-functies worden gebruikt, hoe leveranciers deze hebben beoordeeld en waar aanvullende maatregelen nodig zijn.
Waar begin je als schoolbestuur?
Begin kleiner dan het volledige toetsingskader.
Maak samen met ICT en onderwijsbeleid een overzicht van de systemen waarin AI-functionaliteit zit. Kijk vervolgens per AI-functie of deze invloed heeft op bijvoorbeeld een cijfer, niveau, advies, toelating of toezicht tijdens een toets.
Bij de functies waarbij het antwoord ja of onbekend is, pak je het toetsingskader erbij.
Daarmee maak je van de AI-verordening een concrete vraag over systemen die vandaag al binnen de organisatie worden gebruikt. En krijg je als bestuur beter zicht op waar extra aandacht nodig is.
Wil je eerst weten welke AI-toepassingen binnen jullie organisatie worden gebruikt en waar beleid of afspraken ontbreken? NOBRAINERS helpt schoolbesturen om het huidige gebruik in kaart te brengen en van daaruit concrete vervolgstappen te bepalen.
Transparantievermelding
Deze blog is deels met hulp van AI opgesteld. De inhoud is daarna door NOBRAINERS beoordeeld, aangescherpt en redactioneel gecontroleerd. AI is gebruikt als ondersteuning bij onderzoek, structuur, formulering en SEO. De inhoudelijke keuzes, duiding en eindredactie liggen bij NOBRAINERS.
Bronnen
Voor deze blog zijn onder andere het SIVON Toetsingskader AI funderend onderwijs v1.0, de interactieve versie van het toetsingskader, informatie van Kennisnet en de actuele geconsolideerde tekst van de Europese AI-verordening gebruikt. Versie 1.0 van het SIVON-kader is voorlopig. Controleer actuele wettelijke data daarom altijd bij de bron.