Meer leren over AI?
AI inzetten voor je team? In onze trainingen leer je het in 4 uur.
Dennis Claassen
AI-trainer · 35+ teams getraind
Key takeaways
- AI voor autobedrijven werkt vandaag het best op drie taken: een klantmail opstellen over de voortgang, een offerte-toelichting herschrijven in gewone taal, en een werkorder structureren uit de monteursnotitie. Geen van drie rekent zelf een schadebedrag uit.
- De grootste valkuil: AI die een schadebedrag of technische oorzaak verzint in plaats van het over te nemen uit de echte calculatie in Audatex of GT Motive, of door te verwijzen naar een erkend schade-expert.
- De sector zoekt personeel terwijl het werk toeneemt. In het tweede kwartaal van 2026 stonden er 7.700 vacatures open in de auto- en motorbranche, 10 procent meer dan een kwartaal eerder, meldt het CBS. De omzet van gespecialiseerde autoreparatie steeg in dat kwartaal met 7,7 procent.
- Reken op minuten winst per taak, geen uren. Uit onze trainingen bij garages en schadeherstelbedrijven: een klantmail die je zelf typt kost 4 tot 6 minuten, met een AI-concept en een controle 2 tot 3 minuten. Bij complexe schade (ADAS, hoogvoltage) geldt dat niet: daar blijft alles mensenwerk.
- Een kenteken of chassisnummer samen met de naam van je klant is een persoonsgegeven. Dat plak je niet zomaar in een gratis chatbot.
Een werkplaatsplanner bij een schadeherstelbedrijf schrijft naast het plannen van het sleutelwerk ook de statusmails, de offerte-toelichtingen en de werkorders. Dat bedrijf draait op vakmanschap dat extern wordt gecontroleerd: certificering, een vast calculatiesysteem, soms een onafhankelijke expert. Daar past geen chatbot die zelf een schadebedrag of een oorzaak verzint, hoe overtuigend die ook klinkt. Tegelijk heeft de sector het drukker dan ooit en vindt het moeilijk personeel: in het tweede kwartaal van 2026 stonden er 7.700 vacatures open in de auto- en motorbranche, 10 procent meer dan een kwartaal eerder, meldt het CBS. De omzet van gespecialiseerde autoreparatie steeg in dat kwartaal met 7,7 procent. Meer werk, minder handen. AI voor autobedrijven draait daarom niet om rekenwerk, maar om drie taken die nu al rijp zijn: een klantmail, een offerte-toelichting en een werkorder. Wil je met je team in kaart brengen welke van die drie bij jullie het meest oplevert, dan is een AI-werksessie een logische eerste stap. Wat AI daarbij nooit zelf mag bepalen, staat bij de valkuil hieronder.
Wat AI voor autobedrijven vandaag al goed doet
Een garage of schadeherstelbedrijf heeft één kenmerk dat AI-gebruik anders maakt: de uitkomst van je werk zit vast aan een officiële calculatie en soms aan een erkend expert. De schadecalculatie zelf loopt via een vast systeem, meestal Audatex of GT Motive, niet via losse inschattingen. Gebruik AI daarom voor tekst: een monteursnotitie omzetten in een klantmail (toepassing 1), een calculatie-uitdraai omzetten in begrijpelijke taal (toepassing 2), of een notitie structureren tot een werkorder (toepassing 3). Gebruik het nooit om zelf een schadebedrag, een oorzaak of een hersteltijd te schatten, zie de sectie hieronder.
Toepassing 1: een klantmail opstellen tijdens autoschade herstellen
Wat kost autoschade herstellen aan administratie, met en zonder AI?
De taak: een klant bellen of mailen over de status van zijn auto kost tijd, vooral als je het elke keer opnieuw in eigen woorden moet uitleggen. Wat is er gevonden, wat gaat er gebeuren, en wanneer is de auto klaar.
Hoe AI helpt: je laat AI een monteursnotitie omzetten in een klantmail, in gewone taal zonder vaktermen. Dat werkt omdat het een herformuleringstaak is op feiten die je al hebt vastgesteld. Het werkt niet als de monteursnotitie zelf onduidelijk of onvolledig is: dan herschrijft AI een gok, geen feit. Wat je mag verwachten: een statusmail van drie tot vier zinnen kost zelf schrijven ongeveer anderhalve minuut per zin, dus 4 tot 6 minuten. Met een AI-concept controleer je alleen de genoemde onderdelen en de datum tegen de notitie, 20 tot 30 seconden per feit, wat op 2 tot 3 minuten uitkomt. Niet doen bij een geschil met de klant of een verzekeraar: daar telt elke formulering juridisch, en dat blijft mensenwerk.
Een voorbeeld: de monteursnotitie, de prompt en wat er moet worden rechtgezet
Het volgende voorbeeld is geconstrueerd. Een echte monteursnotitie met kenteken en klantnaam is herleidbaar tot één voertuig en kan hier niet gepubliceerd worden. Een schadehersteller werkt een linker voorportier na een parkeerschade. De monteursnotitie: "voorportier li vervangen, scharnieren ok, lak in kleur, 1 dag droogtijd extra wegens vocht, klaar vrijdag ipv donderdag."
#CONTEXT: Je bent de assistent van een schadehersteller. Je krijgt
een monteursnotitie over een lopende reparatie.
#DOEL: Een klantmail in gewone taal, die uitlegt wat er is gedaan,
waarom de planning verschuift, en wanneer de auto klaar is.
#WERKWIJZE:
1. Vertaal elke vakterm naar gewone taal (bijvoorbeeld "voorportier"
wordt "linker voordeur").
2. Noem alleen de datum en reden die letterlijk in de notitie staan.
3. Verzin geen oorzaak of garantie die niet in de notitie staat.
#BELANGRIJKE REGELS:
- Geen schadebedrag of kostenindicatie noemen, dat staat alleen in
de offerte.
- Vraag bij twijfel over een afkorting om verduidelijking in plaats
van te raden.
Wat AI teruggeeft, een geconstrueerd maar geloofwaardig fragment:
Beste [klant],
Uw linker voordeur is vervangen en in de juiste kleur gespoten.
Door de vochtige omstandigheden heeft de lak een dag extra nodig
om te drogen. Hierdoor is uw auto vrijdag klaar in plaats van
donderdag. Excuses voor het ongemak.
Dit klinkt compleet, maar de scharniercontrole uit de notitie ("scharnieren ok") ontbreekt. Een klant die net een botsing achter de kiezen heeft, wil juist die geruststelling. Hij wil weten dat de deur ook mechanisch is gecontroleerd, niet alleen gespoten. Het model pakte de twee feiten op die de planningswijziging direct verklaren, de lak en de droogtijd. Het controlepunt zonder invloed op de nieuwe datum liet het vallen. Wat je repareert: één zin toevoegen, "de scharnieren zijn gecontroleerd en in orde." Dat kost tien seconden als je de notitie naast de mail legt. Alleen het AI-concept lezen is niet genoeg.
Toepassing 2: de offerte toelichten, niet de schadecalculatie zelf doen
De taak: een klant snapt een technische schaderegel niet, of een verzekeraar wil een heldere onderbouwing bij een post in de offerte. Dat kost tijd omdat je de calculatie-uitdraai steeds opnieuw in woorden moet omzetten.
Hoe AI helpt: je laat AI een regel uit de calculatie-uitdraai (uit Audatex of GT Motive) omzetten in een zin die een klant begrijpt. Het bedrag neem je letterlijk over uit die uitdraai. Dat werkt omdat AI hier alleen herformuleert, niet rekent. Het werkt niet als je AI vraagt zelf een schadebedrag of arbeidsduur te schatten. Een taalmodel voorspelt dan het meest waarschijnlijke getal uit tekstpatronen, niet het juiste getal uit jouw voertuig: zelfs het meest geavanceerde model genereert soms tekst die feitelijk onjuist is, meldt Anthropics eigen documentatie, zie Reduce hallucinations. Wat je mag verwachten, uit onze trainingen: een offerte-toelichting zelf schrijven kost 5 tot 8 minuten per regel bij een technische post. Met AI plus het overtypen van het exacte bedrag kom je op 2 tot 3 minuten.
Een voorbeeld: wat er gebeurt als je AI zelf laat schatten
Dit voorbeeld is geconstrueerd, om het mechanisme te laten zien zonder een echte calculatie te publiceren. Een calculatie-uitdraai bevat deze regel: "voorscherm li, vervangen, arbeid 1,8 uur, onderdeel EUR 312,40, spuitwerk EUR 145,00." Vraag je AI om alleen die regel te herschrijven voor de klant, dan werkt het goed. Vraag je AI in plaats daarvan om "een inschatting te geven van de totale herstelkosten voor een voorscherm met lakschade", zonder de uitdraai erbij, dan komt er een antwoord als dit:
Een voorscherm vervangen en spuiten kost gemiddeld tussen de
EUR 450 en EUR 600, afhankelijk van het merk en de leeftijd
van de auto.
Dat bedrag is niet willekeurig verzonnen. Het is het statistisch meest waarschijnlijke bedrag voor "voorscherm plus spuitwerk" in de teksten waarop het model is getraind. Het heeft alleen niets te maken met jouw auto. Reken de echte regel hierboven na: onderdeel EUR 312,40 plus spuitwerk EUR 145,00 is EUR 457,40. Daar komt de arbeid nog bovenop, 1,8 uur, en een uurtarief staat niet in die regel. Vul je eigen tarief in en je ziet het probleem. Bij EUR 60 per uur kom je op EUR 565,40 en blijf je net binnen de bandbreedte die AI noemde. Bij EUR 80 per uur kom je op EUR 601,40 en zit je er al boven. Of de gok van het model klopt, hangt dus af van een getal dat helemaal niet in de calculatie stond, en de klant heeft het bedrag al in zijn hoofd voordat iemand dat heeft nagerekend. De klant heeft dan al een bedrag in zijn hoofd dat niet overeenkomt met de offerte die volgt. Herstel: nooit een bedrag laten schatten, alleen laten overnemen uit de uitdraai. De regel die je daarvoor in de prompt zet: "Noem alleen bedragen die letterlijk in de meegegeven calculatie staan. Heb je geen calculatie gekregen, schrijf dan dat je die eerst nodig hebt."
Info
Stand van zaken op 9 november 2026. Welke certificering voor welke schade verplicht is, verschilt per type bedrijf en kan wijzigen. Branchenorm Erkend Schadeherstel is verplicht voor alle bij BOVAG aangesloten schadeherstelbedrijven, meldt Kiwa, de certificeerder die de audits voor deze norm namens BOVAG uitvoert. Voor werkzaamheden aan voertuigbeveiliging geldt sinds 1 april 2024 een eigen SERMI-certificering. Check de actuele eisen bij Kiwa of BOVAG voor je een AI-concept baseert op een aanname over wie welke schade mag afhandelen.
Toepassing 3: een werkorder structureren voor je werkplaats software
Past dit naast je bestaande autobedrijf software?
De taak: een monteur schrijft of dicteert bevindingen en gebruikte onderdelen. Iemand zet dat om in een werkorder die klopt met het format van de werkplaats software. Bij drukte stapelt dit typewerk op.
Hoe AI helpt: je laat AI de losse notitie (uren, onderdelen, bijzonderheden) structureren in de vaste velden van je werkorder. AI doet ook een voorstel voor de onderdeelnaam op basis van het kenteken. Dat werkt omdat het een vertaaltaak is van vrije tekst naar een vast format. Het werkt niet voor de onderdeelcode zelf. AI geeft een taalkundig voorstel, geen koppeling met de echte voertuigdatabase zoals een calculatiesysteem dat doet, zie de valkuil hieronder. Wat je mag verwachten, uit onze trainingen: een werkorder zelf uittypen uit een notitie kost 3 tot 5 minuten. Met een AI-concept en een controle van elke onderdeelnaam tegen het kenteken kom je op 1 tot 2 minuten. Niet doen zonder die controle. Een foutief voorgestelde onderdeelnaam leidt direct tot een verkeerde bestelling.
Dit werkt los van welke autobedrijf software je gebruikt: AI levert de tekst, je werkplaats software blijft het systeem voor planning, voorraad en facturatie. Heeft je software al een eigen AI-functie, check dan of die dezelfde controle op onderdeelnamen doet.
Een voorbeeld: de monteursnotitie, de prompt en de onderdeelnaam die moet worden rechtgezet
Ook dit voorbeeld is geconstrueerd. Een monteur dicteert na een parkeerschade: "achterbumper rechts, sensor parkeerhulp eruit, nieuwe bumper erop, sensor terugplaatsen, 2,5 uur arbeid."
#CONTEXT: Je bent de assistent van een monteur bij een schadeherstelbedrijf.
Je krijgt een dictaat over een afgeronde reparatie.
#DOEL: Een werkorder in de vaste velden: onderdeel, handeling,
arbeidsuren, bijzonderheden.
#WERKWIJZE:
1. Splits het dictaat in losse regels per onderdeel en handeling.
2. Vul de velden in met alleen wat letterlijk is gezegd.
3. Markeer met "CONTROLEER:" elk onderdeel waarvan de precieze
onderdeelnaam niet met zekerheid uit het dictaat volgt.
#BELANGRIJKE REGELS:
- Verzin geen onderdeelcode en geen merk- of typeaanduiding die
niet genoemd is.
- Tel de genoemde arbeidsuren exact over, splits ze niet zelf.
Wat AI teruggeeft, een geconstrueerd maar geloofwaardig fragment:
Onderdeel: achterbumper rechts
Handeling: vervangen
Onderdeel: parkeersensor (achterbumper)
Handeling: demonteren en terugplaatsen
Arbeidsuren: 2,5 uur
Dit leest logisch, maar de twee handelingen aan de sensor (eruit halen, en na montage van de nieuwe bumper terugplaatsen en opnieuw calibreren) zijn samengevoegd tot één regel "demonteren en terugplaatsen". Bij een parkeersensor hoort na het terugplaatsen vaak een aparte calibratiestap, en die staat nergens in het dictaat met een eigen tijdsduur. Het model vulde de aanname in dat terugplaatsen het hele proces dekt, omdat dat in de meeste reparaties zonder sensor zo werkt. Wat je repareert: de regel splitsen in "demonteren" en "terugplaatsen en calibreren (CONTROLEER: aparte post nodig?)". Dat kost twintig seconden als je het dictaat erbij hebt, maar scheelt een werkorder die achteraf een arbeidspost mist.
AI voor autobedrijven: een beslisregel voor schadecalculatie en complexiteit
Niet elke schade is gelijk. De grens tussen "AI mag tekst opstellen op basis van de calculatie" en "dit blijft volledig mensenwerk" ligt bij complexiteit en veiligheid, niet bij het schadebedrag alleen.
| Als dit geldt | Dan doe je dit | Waarom de grens daar ligt |
|---|---|---|
| Cosmetische schade (lak, deuk, bumper), calculatie al gemaakt in Audatex of GT Motive | AI mag de uitdraai omzetten in klantmail of offerte-toelichting, jij controleert het bedrag tegen de bron | Het bedrag staat al vast in een gevalideerd systeem; AI herformuleert tekst, verandert geen cijfer |
| Schade raakt ADAS, hoogvoltage onderdelen of de carrosseriestructuur | Verplicht een BOVAG Plusnorm-gecertificeerd bedrijf of een NIVRE-expert, AI blijft weg van het bedrag | Kiwa noemt dit expliciet "complexe en veiligheidskritische schades aan moderne voertuigen", met eigen eisen aan apparatuur en OEM-richtlijnen, zie de Plusnorm Schadeherstel |
| Klant of verzekeraar is het niet eens met de vaststelling van de schade | Schakel een NIVRE Register-Expert in, geen AI-tekst over de uitkomst | NIVRE-experts zijn de partij die wordt ingeschakeld om de omvang en oorzaak van een schade onafhankelijk vast te stellen |
| Je wilt alleen de klant informeren over status of planning, geen bedrag | AI mag het concept schrijven, zoals in toepassing 1 | Laag risico: een statusupdate bevat geen cijfer dat fout kan zijn |
Eén telregel voor toepassing 3: tel per onderdeel in het dictaat hoeveel afzonderlijke handelingen genoemd zijn (demonteren, vervangen, terugplaatsen, calibreren). Bij 1 handeling is het risico op een samengevoegde stap vrijwel nul, AI heeft dan niets om samen te voegen. Bij 2 of meer handelingen op hetzelfde onderdeel, zoals de sensor in het voorbeeld hierboven, stijgt het risico dat AI ze tot één regel samenvoegt: controleer die onderdelen dus altijd apart tegen het dictaat, ook als de rest van de werkorder er goed uitziet.
Waar AI voor autobedrijven misgaat: een verzonnen schadebedrag
In alle drie toepassingen is het patroon hetzelfde: een taalmodel vult een lege plek met een plausibele gok. Bij een klantmail is dat een weggevallen controlepunt. Bij een offerte-toelichting of werkorder een verzonnen schadebedrag, arbeidsduur of samengevoegde stap, zodra je AI laat schatten. GT Motive, een leverancier van calculatiesoftware, zegt over het eigen systeem dat het werkt met het kenteken of VIN-nummer en dat dit fouten bij onderdelenbestellingen voorkomt, aldus directeur Cees Klaassen bij wederverkoper Geevers. Behandel die uitspraak als verkoopclaim, niet als onafhankelijk gemeten resultaat. Het punt dat overeind blijft: een systeem dat start vanuit de echte voertuiggegevens is iets anders dan een taalmodel dat een bedrag voorspelt uit tekst. Zet AI daarom nooit in als vervanging voor Audatex of GT Motive, alleen als herschrijver van wat daaruit komt.
Wat het oplevert, en hoe je dat na zeven dagen meet
Wat na een week beter wordt: de tijd tussen een monteursnotitie en een verzonden klantmail, en het aantal herhaalde correcties zoals het scharniercontrolepunt hierboven, die een vaste promptregel kunnen worden. Wat niet beter wordt: de schadecalculatie zelf en de vraag of een expert nodig is.
Meet het met drie punten, zonder extra tooling:
- Hoeveel van de laatste tien AI-concepten misten een feit dat wel in de monteursnotitie stond? Dat moet richting nul. Elke misser is een signaal om je promptregel aan te scherpen.
- Hoeveel keer noemde een AI-concept een bedrag of oorzaak die niet letterlijk uit de calculatie-uitdraai kwam? Dat moet op nul staan. Eén keer is al een reden om de promptregel "verzin geen bedrag" te herhalen en te controleren of hij werkt.
- Hoeveel minuten kostte de controle van een concept gemiddeld? Vergelijk dat met de 2 tot 3 minuten uit de rekensom hierboven. Ligt het structureel hoger, dan gebruik je AI waarschijnlijk op schade die te complex is voor een eerste concept.
Privacy en regelgeving: kenteken, chassisnummer en de AVG
Een naam, een adres en een kenteken samen zijn een persoonsgegeven: gegevens die betrekking hebben op een geïdentificeerde of identificeerbare persoon, meldt de European Data Protection Board, het officiële EU-orgaan voor gegevensbescherming, in zijn uitleg bij artikel 4 AVG. Een kenteken alleen is minder eenduidig, maar staat bij een garage vrijwel nooit alleen: het hoort bij een klantdossier met naam en contactgegevens. Zet die combinatie nooit in een gratis consumentenversie van een AI-chatbot. Regel een zakelijk account met een verwerkersovereenkomst waarin modeltraining op je data is uitgesloten, zoals ChatGPT Team, Claude voor bedrijven of Copilot met een zakelijke licentie. Wil je toch een gratis tool voor alleen de tekst, zoals in toepassing 1? Haal dan eerst naam, adres en kenteken uit de notitie en werk met "de klant" en "het voertuig."
Wat AI hier niet goed kan
AI kan geen schadebedrag berekenen, geen technische oorzaak vaststellen en niet beoordelen of een expert nodig is: dat vraagt een voertuigspecifieke calculatie of een vakkundige beoordeling, geen tekstvoorspelling. Het herkent ook geen afwijking buiten het gangbare patroon van een monteursnotitie, zoals het scharniercontrolepunt in het voorbeeld.
Doe dit deze week
Pak een afgeronde monteursnotitie erbij
Kies een notitie met minstens twee feiten, zodat je direct ziet of AI er één laat vallen.
Draai de prompt uit toepassing 1 op die notitie
Leg het concept naast de volledige notitie. Streep aan welk feit ontbrak, zoals in het voorbeeld hierboven.
Leg de beslisregel schriftelijk vast voor je bedrijf
Eén A4: bij welke schade AI mag herschrijven, en bij welke schade altijd een Plusnorm-bedrijf of NIVRE-expert nodig is.
Het recept dat vandaag werkt: gebruik de klantmail-prompt uit toepassing 1 en de werkorder-prompt uit toepassing 3 voor elke statusupdate of werkorder. Laat AI nooit zelf een bedrag of arbeidsduur schatten, alleen overnemen uit je notitie of calculatie-uitdraai, en leg het concept naast de bron voor je verstuurt. Wil je dit met je team structureel opzetten? In een AI-werksessie bouwt je team dat in één dagdeel voor jullie eigen werkorders. Twijfel je waar te beginnen, bekijk de trainingen of kijk hoe een vergelijkbare taak wordt opgezet in offerte maken met AI en een klantmail schrijven met AI.
AI-training
Wil je AI leren inzetten?
In onze praktische trainingen leer je hoe je ChatGPT, Claude en andere AI-tools effectief inzet voor jouw werk.
Bronnen
- CBS, Hogere omzetten in auto- en motorbranche in tweede kwartaal, 2026. Zelf geopend. Bron voor de omzetgroei van 7,7 procent in gespecialiseerde autoreparatie en de 7.700 vacatures in de auto- en motorbranche in het tweede kwartaal van 2026.
- Kiwa, Branchenorm Erkend Schadeherstel. Zelf geopend. Bron voor de verplichte certificering bij BOVAG-leden en de SERMI-certificering sinds 1 april 2024.
- Kiwa, BOVAG Plusnorm Autoschadeherstel. Zelf geopend. Bron voor de definitie van complexe en veiligheidskritische schade (hoogvoltage, ADAS, carrosseriestructuur).
- NIVRE, Motorvoertuigen. Zelf geopend. Bron voor de rol van de NIVRE-expert bij het vaststellen van omvang en oorzaak van schade.
- Geevers, Efficiency met GT Motive. Zelf geopend. Bron voor de uitspraak van GT Motive-directeur Cees Klaassen over kenteken- en VIN-gebaseerde calculatie, hier behandeld als leveranciersclaim.
- European Data Protection Board, Wat zijn persoonsgegevens?. Zelf geopend. Bron voor de definitie van persoonsgegeven onder artikel 4 AVG.
- Anthropic, Reduce hallucinations. Zelf geopend. Bron voor het mechanisme achter een verzonnen schadebedrag: zelfs het meest geavanceerde taalmodel genereert soms tekst die feitelijk onjuist is of niet aansluit bij de gegeven context.
Veelgestelde vragen
Mag AI een schadecalculatie maken voor autobedrijven?
Nee, niet zelf rekenen. Een schadecalculatie loopt via een vast systeem, meestal Audatex of GT Motive, en daar verandert AI geen cijfer aan. AI mag wel een regel uit de calculatie-uitdraai omzetten in een zin die een klant begrijpt, met het bedrag letterlijk overgenomen uit die uitdraai. Vraag je AI om zelf een bedrag te schatten, dan voorspelt het model het meest waarschijnlijke getal uit tekstpatronen, niet het juiste getal uit jouw voertuig.
Hoe lang duurt autoschade herstellen, en versnelt AI dat?
De hersteltijd van de schade zelf (het lakwerk, het vervangen van onderdelen) versnelt AI niet. Wat wel sneller gaat is de administratie eromheen: een klantmail over de voortgang kost zelf 4 tot 6 minuten, met een AI-concept en een controle 2 tot 3 minuten. Bij complexe schade met ADAS of hoogvoltage onderdelen blijft de doorlooptijd afhankelijk van een Plusnorm-gecertificeerd bedrijf, niet van AI.
Vervangt AI mijn werkplaats software?
Nee. Werkplaats software plant monteurs, uren en middelen en blijft daarvoor het systeem. AI zet een monteursnotitie om in leesbare tekst voor een werkorder of klantmail, naast die software, niet in plaats ervan. De twee werken samen: AI levert de tekst, je werkplaats software houdt de planning en de administratie bij.
Welke autobedrijf software werkt samen met AI-tools?
Dat verschilt per leverancier en per contract, en verandert regelmatig. Check bij je eigen autobedrijf software of er een AI-functie beschikbaar is en onder welke voorwaarden, vooral rond het gebruik van klantgegevens. Werkt je systeem niet samen met AI, dan kun je AI los gebruiken voor tekst (klantmail, offerte-toelichting) en de uitkomst zelf overtypen in je software.
Is een kenteken of chassisnummer een persoonsgegeven onder de AVG?
Een kenteken of chassisnummer alleen is op zichzelf niet altijd eenduidig een persoonsgegeven. Bij een garage staat die informatie vrijwel nooit alleen: ze hoort bij een klantdossier met naam en adres, en die combinatie is wel een persoonsgegeven onder artikel 4 AVG. Zet die combinatie daarom niet in een gratis consumentenversie van een AI-chatbot, maar in een zakelijk account met een verwerkersovereenkomst.




