AI voor afvalverwerkers: 3 praktische toepassingen

Vorig jaar kregen gemeenten een vloed aan meldingen over de openbare ruimte binnen, en meer dan een derde ging over afval: in Amsterdam alleen al ruim 500.000 meldingen, 14 procent meer dan het jaar ervoor, meldt AT5. Een opengebroken afvalbak, een gemiste kliko, zwerfafval naast een ondergrondse container: elke melding wil een reactie, het liefst dezelfde dag. Precies dat soort herhalend tekstwerk kan AI voor afvalverwerkers vandaag al grotendeels uit handen nemen met een AI-agent. Lastiger wordt het zodra AI meeschrijft aan een rapportage over een afvalstroom: daar bepaalt een code van zes cijfers of iets gevaarlijk afval is of niet, en een verkeerde code kostte een afvalverwerker dit jaar al 13.500 euro boete. Wil je hiermee aan de slag, kijk dan bij AI gebruiken voor bedrijven; dit artikel laat eerst zien hoe het werkt, met een voorbeeld, een beslisregel en de fout die je nooit wilt maken.

Een afvalverwerker communiceert naar twee kanten, en dat verschil bepaalt wat AI wel en niet zelf mag doen. Naar bewoners en klanten toe gaat het om heldere taal: komt de kliko nog, wat moet je zelf doen bij zwerfafval. Naar de overheid toe gaat het om een ander soort taal: een code uit de Europese afvalstoffenlijst (Eural), gekoppeld aan een afvalstroomnummer, gemeld bij het Landelijk Meldpunt Afvalstoffen. Dat eerste mag AI navertellen zodra de feiten vaststaan. Dat tweede mag AI nooit zelf invullen: de code is geen taalkwestie, maar een juridisch feit.

Wat AI voor afvalverwerkers vandaag al goed doet

Drie taken komen bij vrijwel elke afvalinzamelaar of -verwerker terug: reageren op meldingen van bewoners, communiceren bij een wijziging in de inzameling, en rapporteren over afvalstromen. Alle drie zijn grotendeels tekstwerk op basis van feiten die al vastliggen, en dat is precies waar AI goed in is: feiten ordenen en navertellen in heldere taal.

De vuistregel: staat het antwoord al vast, in een planning, een registratie of een wettekst? Dan mag AI het zelfstandig navertellen. Moet er nog een inschatting gemaakt worden, zoals of een melding spoed heeft of welke code werkelijk van toepassing is? Dan blijft dat mensenwerk, en mag AI alleen de tekst erom heen opstellen nadat een mens die inschatting heeft bevestigd.

Toepassing 1: meldingen over de afvalinzameling en zwerfafval afhandelen met AI

Meldingen over gemiste inzameling en zwerfafval vormen het grootste deel van het contactvolume bij een afvalinzamelaar. Een melding als "mijn kliko is niet geleegd" is in de kern altijd dezelfde vraag: wordt dit nog opgehaald, of moet ik zelf iets doen? AI kan die melding lezen, de categorie herkennen en een concept klaarzetten. Dat werkt omdat het patroon zich elke dag herhaalt en de feiten (wel of niet op de planning, wel of niet net een feestdag geweest) al in een systeem staan. Reken op een paar minuten minder uitzoekwerk per melding, vooral omdat je niet meer apart in de planning hoeft te kijken voor je typt. Niet doen bij een melding met een gezondheids- of veiligheidsrisico, zoals een vermoeden van asbest of chemisch afval: daar beslist een mens, AI schrijft alleen de ontvangstbevestiging.

Wat AI hier niet zelf mag beslissen: of de kliko vandaag nog wordt opgehaald. Dat hangt af van de actuele route, en die kent AI niet uit de melding zelf. Een concept dat zegt "we komen vanmiddag nog langs" zonder dat de route dat bevestigt, is een belofte die de medewerker niet kan waarmaken. Het mechanisme is hetzelfde als bij elke andere AI-tekst: een taalmodel kiest het meest waarschijnlijke antwoord, niet het geverifieerde antwoord, en op "wanneer wordt dit opgehaald" is een concrete dag waarschijnlijker dan "dat weet ik nog niet".

Een voorbeeld: de melding, de prompt en het concept

Grofvuil dat niet is opgehaald is volgens de Amsterdamse MORA-cijfers hierboven een van de grootste klachtencategorieën. Een realistische, naar die categorie opgebouwde melding: "Ik heb vrijdag een bank en een kast aangemeld voor grofvuilophaal, voor maandag 26 oktober. Ze staan er woensdag nog. Komt dit nog goed, of moet ik het zelf wegbrengen?"

#CONTEXT: Je beantwoordt namens een afvalinzamelaar een melding over
grofvuil dat niet is opgehaald op de afgesproken dag. De melder wil
vooral weten of het nog wordt opgehaald en wanneer.

#INFORMATIE VAN MIJ: Aangemeld voor ophaal op 26 oktober, nog niet
opgehaald op 28 oktober. Reden nog onbekend; wordt doorgezet naar
de planning.

#OUTPUT: Maximaal 60 woorden, je-vorm, geen excuses zonder feiten.

Wat de AI zonder extra regel teruggeeft: "Wat vervelend dat uw grofvuil nog niet is opgehaald! We komen vandaag nog voorbij om het op te halen. Excuses voor het ongemak." De fout: "vandaag nog" staat nergens in de brondata. De AI vult de meest geruststellende dag in, niet de geverifieerde dag, exact dezelfde fout als de datumfout in het voorbeeld van toepassing 3 hieronder, met dezelfde oorzaak.

De reparatie: "Vervelend dat uw grofvuil nog niet is opgehaald. We hebben dit doorgezet naar de planning; zij laten u binnen één werkdag weten wanneer het wordt meegenomen." Die versie belooft een reactietermijn die de medewerker kan waarmaken, in plaats van een ophaaldatum die nog moet blijken. Die regel, "noem geen dag of tijdstip dat niet in de route-informatie staat", gaat daarna in het vaste promptsjabloon.

Toepassing 2: communiceren bij een wijziging in de inzamelkalender

Bij een feestdag, een stakingsdag of een tijdelijke wegafzetting verschuift de inzameldag, en dat moet naar duizenden adressen tegelijk, meestal binnen een dag. AI kan uit de planningswijziging een duidelijk bericht maken voor de afvalkalender-app, de website en een brief voor wie geen app gebruikt. Dat werkt omdat de nieuwe datum al vaststaat in de planning; AI moet alleen navertellen, niet bedenken. Reken op een half uur tot een uur tijdwinst per wijziging, vooral omdat je dezelfde tekst niet drie keer apart voor app, website en brief hoeft te herschrijven. Doe dit niet zodra de wijziging nog niet definitief is: dan is er nog geen vaststaand feit om te herschrijven.

Fout gaat het precies daar: "waarschijnlijk woensdag" wordt in een AI-concept al snel "woensdag", zonder het woord waarschijnlijk. Geef AI daarom pas de opdracht voor de definitieve communicatie zodra de planning is bevestigd, en laat een concept voor een nog onzekere wijziging altijd intern blijven totdat een planner het heeft goedgekeurd.

AI voor afvalverwerkers: een beslisregel voor melding, communicatie en rapportage

Toepassing 3: rapportage over afvalverwerking opstellen zonder een foutieve code

Wie moet melden ligt wettelijk vast. Een ontvanger van bedrijfsafval of gevaarlijk afval moet de ontvangst melden bij het LMA zodra hij bijvoorbeeld meer dan 15.000 ton per jaar verwerkt of meer dan 1.000 m³ mag opslaan, meldt de Rijksdienst voor Ondernemend Nederland. Bij elk transport moet daarnaast een begeleidingsbrief aanwezig zijn: de ontdoener geeft die mee aan wie het vervoer verzorgt, de vervoerder houdt hem tijdens transport bij zich, en de ontvanger mag het afval niet aannemen zonder die brief, legt het LMA uit. Precies op dat document stond de fout die hieronder tot een boete leidde.

Op 19 februari 2026 veroordeelde de rechtbank Amsterdam een afvalverwerkend bedrijf tot een geldboete van 13.500 euro, meldt bijzonderstrafrecht.nl. Het bedrijf had op 27 begeleidingsbrieven voor afval van een uitgebrande scheepslading telkens dezelfde Eural-code vermeld: 19.12.12, een code voor niet-gevaarlijk afval, terwijl het volgens de tenlastelegging om gevaarlijk afval ging. De rechtbank stelde vast dat een medewerker van de planning, die de Eural-systematiek niet kende, de code automatisch overnam zodra die eenmaal aan het afvalstroomnummer was gekoppeld in het systeem. Geen moedwillige fraude: wel voorwaardelijk opzet, omdat het bedrijfsproces geen controle had ingebouwd.

Dat mechanisme is precies waar AI hetzelfde risico loopt. Een afvalstroomnummer bestaat uit twaalf tekens en wordt bij toekenning gekoppeld aan vaste gegevens, waaronder de Eural-code. Alles wat daarna met dat nummer gebeurt, inclusief een AI-gegenereerde toelichting, erft die koppeling klakkeloos over, tenzij iemand hem controleert.

Een voorbeeld dat op deze zaak bouwt

Het volgende voorbeeld is een eigen constructie op basis van de feiten uit de rechtszaak hierboven: het afvalstroomnummer en de precieze promptinstructie zijn door ons toegevoegd om te laten zien hoe dezelfde fout via AI zou kunnen ontstaan, niet een letterlijk citaat uit het echte bedrijfsdossier.

#CONTEXT: Je bent communicatiemedewerker bij een afvalverwerker en
schrijft de toelichting bij een afvalstroom voor de kwartaalrapportage
aan de gemeente.

#INFORMATIE VAN MIJ: Afvalstroomnummer 08123-4F2A1B9. Eural-code
19.12.12. Herkomst: restmateriaal na een scheepsbrand, verzameld na
verwijdering van autowrakken. Hoeveelheid 38.400 kilogram.
Verwerkingsmethode F.07 (verbranden met terugwinning van energie).

#OUTPUT: Een alinea van maximaal 80 woorden, zakelijke toon, voor een
rapportage die een gemeenteambtenaar leest.

Een realistisch fragment van wat een taalmodel zonder extra regels teruggeeft:

In het afgelopen kwartaal verwerkte het bedrijf 38.400 kilogram
niet-gevaarlijk restmateriaal (Eural-code 19.12.12), afkomstig van
resten na een scheepsbrand. Het materiaal is verbrand met
terugwinning van energie (methode F.07), conform de geldende
regelgeving.

Dit leest zakelijk en klopt op het eerste gezicht. Het bevat wel exact de fout uit de rechtszaak: de tekst presenteert "niet-gevaarlijk" als vaststaand feit, puur omdat dat in de brondata stond, zonder te vermelden dat die code bij restmateriaal na een incident nooit zonder controle wordt overgenomen. De AI doet hier letterlijk wat de planningsmedewerker deed: de gekoppelde code napraten in plaats van hem te laten bevestigen.

Wat je repareert voor publicatie: voeg een regel toe die vraagt om de code te citeren zonder hem als feit te presenteren, en om bij restmateriaal van een incident een controle te vermelden.

In het afgelopen kwartaal verwerkte het bedrijf 38.400 kilogram
restmateriaal met Eural-code 19.12.12, afkomstig van resten na een
scheepsbrand. Deze code is vastgesteld volgens de Handreiking Eural
en gecontroleerd door de KAM-coördinator voor verzending. Het
materiaal is verbrand met terugwinning van energie (methode F.07).

Die ene toevoeging, "vastgesteld volgens de Handreiking Eural en gecontroleerd", duurt tien seconden om te tikken en voorkomt precies het verwijt waarop de rechtbank hierboven voorwaardelijk opzet baseerde: dat er geen controle was ingebouwd voordat de code zijn weg vond naar een officieel document.

Wat heeft dit met de circulaire economie te maken?

De Eural-code bepaalt niet alleen of afval gevaarlijk is, maar hangt ook samen met de verwerkingsmethode die bij elke afgifte wordt gemeld, zoals composteren, recyclen of verbranden met energieterugwinning. Een foutieve code in die registratie raakt dus niet alleen de compliance, maar ook de betrouwbaarheid van de cijfers waarmee de circulaire economie in Nederland wordt gevolgd.

Wat het oplevert, en hoe je dat na zeven dagen meet

Uit onze trainingen: bij een gewone melding zonder onzekerheid gaat ruim de helft van de eerste AI-concepten vrijwel ongewijzigd de deur uit. Zodra er een code, een getal of een afvalstroomnummer in een tekst moet, daalt dat naar bijna nul, niet omdat AI dat stuk slecht schrijft, maar omdat je zoiets nooit ongecontroleerd laat staan. Wat na een week beter wordt: de snelheid waarmee een eerste concept klaarstaat en de consistentie tussen antwoorden op hetzelfde type melding. Wat niet beter wordt: de inschatting of een melding spoed heeft, en de beoordeling of een code werkelijk klopt.

Meet dit zonder tooling, met drie getallen over een week:

• Hoeveel meldingen beantwoordde je met het AI-concept vrijwel ongewijzigd? Onder de 3 van de 10 ligt het aan je prompt, meestal ontbreekt de context over wat al in de planning vaststaat.
• Hoe vaak moest een rapportage terug omdat een code, getal of afvalstroomnummer niet letterlijk overeenkwam met de registratie? Elke keer is een teken dat de controleregel in je prompt nog niet scherp genoeg is.
• Hoelang duurde het van melding tot eerste reactie, vergeleken met de week ervoor? Geen verschil van minstens een paar minuten per melding? Dan kost het controleren evenveel tijd als het voordeel dat het oplevert.

Privacy en regelgeving voor afvalverwerkers

Een adres, een naam of een telefoonnummer in een melding is een persoonsgegeven, dus de AVG geldt zodra een AI-tool die verwerkt. Regel dat met je account: een zakelijk abonnement met verwerkersovereenkomst, modeltraining uitgeschakeld, en nooit een BSN of een betalingsachterstand van een klant in een consumentenversie van een AI-tool plakken. Voor klantenservice in bredere zin gelden de regels uit AI voor klantenservice.

Afvalbeheer (inzameling, behandeling en verwijdering) staat sinds de NIS2-richtlijn als "belangrijke entiteit" in bijlage II, bevestigen zowel NISD2.eu als Orbiq onafhankelijk van elkaar. Dat is een andere categorie dan drinkwater en afvalwater, die in bijlage I staan als nog kritieker geachte sectoren; bij AI voor drinkwaterbedrijven gaat het daarom om een wettelijke leveringsplicht, hier om de continuïteit van inzameling en verwerking. Die indeling regelt een zorgplicht en meldplicht voor cyberincidenten bij systemen, niet wat een medewerker in een AI-chat mag typen; dat laatste regel je met je eigen account en beheerconsole.

Doe dit deze week

1. Verzamel tien meldingen uit één categorie

   Pak tien meldingen van de afgelopen maand uit dezelfde categorie, bijvoorbeeld gemiste inzameling. Tel hoeveel dat er gemiddeld per dag zijn; dat getal bepaalt in de tabel hierboven wat je bouwt.

2. Draai de voorbeeldprompt op die tien meldingen

   Vergelijk elk concept met wat je zelf zou typen. Streep elke belofte of elk getal aan dat niet in de brondata stond. Elke fout die twee keer terugkomt, wordt een regel in je prompt.

3. Leg schriftelijk vast welke code AI nooit zelf invult

   Eén A4: welke code, getal of afvalstroomnummer AI nooit zelf mag invullen of parafraseren, en wie dat voor verzending controleert. Doe dit voordat de volgende kwartaalrapportage de deur uitgaat.

Het agent-recept dat vandaag werkt: bij elke nieuwe melding over gemiste inzameling herkent de agent het type, zet een concept klaar met de regel dat hij nooit een dag of tijdstip noemt dat niet in de route-informatie staat, en verzamelt de rest in één overzicht voor de planner. Niets gaat de deur uit zonder een blik van een medewerker. Meer van deze promptopbouw staat in de promptbibliotheek.

Wil je dit met je team werkend hebben, met jullie eigen meldingen en jullie eigen regels? In een AI-werksessie bouwt je team dat sjabloon op jullie eigen voorbeelden. Twijfel je waar te beginnen, plan een kort gesprek.

Bronnen

• AT5 / NH Nieuws, Half miljoen meldingen over de openbare ruimte vorig jaar, vooral veel klachten over afval. Zelf geopend. Amsterdamse MORA-cijfers over 2025, gepubliceerd 20 mei 2026.
• Rijksdienst voor Ondernemend Nederland, Bedrijfsafval na ontvangst registreren en melden. Zelf geopend. Meldplicht-drempels en de AMICE-melding bij het LMA.
• Stichting LMA, Begeleidingsbrief. Zelf geopend. Verantwoordelijkheden van ontdoener, vervoerder en ontvanger.
• Stichting LMA, Nummers en codes. Zelf geopend. Opbouw van het afvalstroomnummer en de Eural-code.
• Rijkswaterstaat, Eural. Zelf geopend. De Handreiking Eural voor het toekennen van de juiste code.
• Bijzonderstrafrecht.nl, Geldboete van 13.500 euro voor afvalverwerker na onjuiste Eural-code op 27 begeleidingsbrieven. Zelf geopend. Rechtbank Amsterdam, 19 februari 2026, ECLI:NL:RBAMS:2026:1814.
• NISD2.eu, NIS2 for Waste Management Companies. Zelf geopend. Indeling van afvalbeheer onder bijlage II, sector 2 van de NIS2-richtlijn.
• Orbiq, NIS2-vereisten. Zelf geopend. Drempel en boetebedragen voor belangrijke entiteiten, onafhankelijk van NISD2.eu.

Veelgestelde vragen

• Mag AI een melding over gemiste afvalinzameling zelf beantwoorden?

  Voor het bevestigen dat de melding binnen is, ja: dat is een feit zodra de melding er is. Zodra het antwoord een dag of tijdstip noemt waarop de kliko wordt opgehaald, mag AI dat alleen overnemen als de actuele planning dat al bevestigt. Een concept dat zelf een tijdstip verzint, is een belofte die niemand kan waarmaken.

• Kan AI een rapportage over afvalverwerking schrijven zonder dat de Eural-code verandert?

  Ja, zolang AI de Eural-code, het afvalstroomnummer en de tonnage letterlijk overneemt uit de registratie en er alleen de toelichtende tekst omheen schrijft. Een afvalverwerker kreeg in februari 2026 een boete van 13.500 euro omdat een verkeerde code zonder controle op 27 documenten werd overgenomen; AI die een code parafraseert, loopt precies dat risico.

• Wat heeft AI voor afvalverwerkers te maken met de circulaire economie?

  De Eural-code van een afvalstroom bepaalt niet alleen of afval gevaarlijk is, maar telt ook mee in de cijfers waarop de circulaire economie in Nederland stuurt, zoals recyclingpercentages. Een AI-tekst die een code zonder controle doorschrijft, vertekent dus niet alleen een rapportage, maar ook die cijfers.

• Valt een afvalverwerker onder de NIS2-richtlijn?

  Ja. Afvalbeheer (inzameling, behandeling en verwijdering) staat als "belangrijke entiteit" in bijlage II van de NIS2-richtlijn, met een drempel van 50 of meer medewerkers, of een jaaromzet en balanstotaal van elk meer dan 10 miljoen euro. Dat regelt een zorgplicht en meldplicht voor cyberincidenten bij systemen, niet wat een medewerker in een AI-chat mag typen.

• Mag je een adres uit een melding van een bewoner in een AI-chatbot plakken?

  Alleen via een zakelijk account met een verwerkersovereenkomst en modeltraining uitgeschakeld, want een adres is een persoonsgegeven en de AVG geldt zodra een AI-tool het verwerkt. Plak nooit een BSN of een betalingsachterstand van een klant in een consumentenversie van een AI-tool.