Permissiemodel: wie mag wat beslissen namens jou?

Bijgewerkt: 6 augustus 2026 · 7 min leestijd

Stel je voert een nieuwe huishoudelijke hulp in dienst. Je geeft haar niet zomaar de sleutel van elke kamer, de kluis en je bankpas. In plaats daarvan spreek je af: de keuken en woonkamer mag ze in, de slaapkamer alleen op verzoek, en de kluis blijft dicht. Dat is in essentie een permissiemodel: een set afspraken en technische regels die bepalen wie of wat toegang krijgt tot welke gegevens, functies of handelingen, en onder welke voorwaarden.

In de digitale wereld duikt dit begrip overal op. Een app op je telefoon vraagt toestemming voor je camera. Een website wil weten of ze cookies mogen plaatsen. En met de opkomst van zelfstandig handelende kunstmatige intelligentie, zogeheten AI-agenten, wordt de vraag urgenter dan ooit: mag een computerprogramma zelf beslissen om iets te kopen, een e-mail te versturen of bestanden te wijzigen? Een permissiemodel is het technische en organisatorische antwoord op die vraag. Het bepaalt niet alleen wat mag, maar ook wie dat vaststelt, hoe je toestemming intrekt en wat er gebeurt als iets misgaat.

Wat is het precies?

Een permissiemodel bestaat meestal uit een paar bouwstenen. Ten eerste zijn er rechten of permissies: losse, specifieke bevoegdheden zoals "lees mijn locatie", "stuur berichten namens mij" of "voer code uit op dit apparaat". Deze rechten worden zelden allemaal in één keer verleend; ze zijn opgeknipt in kleine, controleerbare stukjes.

Ten tweede is er de toekenning: het moment waarop een gebruiker, beheerder of ander systeem besluit een recht te geven. Dat kan eenmalig zijn (een pop-up op je telefoon die je aantikt), permanent (een instelling die je één keer zet) of tijdelijk (een token dat na een uur verloopt).

Ten derde is er handhaving: de techniek die er daadwerkelijk voor zorgt dat een programma zich aan de afgesproken grenzen houdt. Dit gebeurt vaak op besturingssysteemniveau, zodat een app fysiek niet bij de microfoon kan als die permissie niet is verleend, ongeacht wat de programmacode probeert.

Bij klassieke software, zoals een smartphone-app, is dit relatief overzichtelijk: een vaste lijst met mogelijke rechten (camera, microfoon, contacten, locatie) die de gebruiker per app aan- of uitzet. Bij AI-agenten wordt het ingewikkelder, omdat de mogelijke handelingen vrijwel onbegrensd zijn. Een AI-agent die toegang heeft tot internet, een terminal en je e-mail kan in theorie duizenden verschillende acties uitvoeren. Daarom werken moderne permissiemodellen voor AI vaak met categorieën van handelingen ("lezen" versus "schrijven", "lokaal" versus "extern versturen") en met menselijke goedkeuring als extra stap: de agent stelt een handeling voor, en een mens klikt op "toestaan" voordat er iets echt gebeurt.

Een aanvullend concept is scoping: het beperken van een recht tot precies wat nodig is. In plaats van "volledige toegang tot mijn Google-account" geeft een gebruiker bijvoorbeeld alleen "leestoegang tot mijn agenda voor de komende dertig dagen". Dit principe heet in de vakliteratuur het least privilege-principe: geef nooit meer bevoegdheid dan strikt noodzakelijk is voor de taak.

Wat wil men ermee bereiken?

De kern van elk permissiemodel is vertrouwen beheersbaar maken. Zonder zo'n model zou je software volledig moeten vertrouwen of helemaal niet gebruiken; er is geen tussenweg. Met een permissiemodel kun je een app gebruiken voor navigatie zonder dat diezelfde app ook je foto's mag doorsturen naar een adverteerder.

Een tweede doel is schadebeperking. Als een programma kwetsbaar blijkt te zijn voor misbruik, bijvoorbeeld doordat een kwaadwillende partij een lek in de code vindt, beperkt een goed permissiemodel de schade tot precies de rechten die dat onderdeel had. Dit heet in de beveiligingswereld sandboxing: het programma draait in een afgeschermde "zandbak" en kan niet zomaar buiten die grenzen treden.

Bij AI-agenten komt daar een derde doel bij: voorspelbaarheid en controle over autonomie. Onderzoekers en bedrijven willen dat mensen grip houden op systemen die zelfstandig plannen en handelen, zonder dat gebruikers voortdurend alles handmatig hoeven te controleren. Het permissiemodel is daarmee ook een instrument om het tempo van automatisering te reguleren: je kunt een AI-systeem eerst alleen laat-lezen-rechten geven, en pas later, als het betrouwbaar blijkt, meer bevoegdheden toekennen.

Tot slot spelen regelgeving en aansprakelijkheid een rol. Wetgevers eisen in toenemende mate dat bedrijven kunnen aantonen wie welke gegevens heeft gebruikt en waarom. Een expliciet permissiemodel maakt dat auditeerbaar: er ligt een logboek van wie wanneer welk recht kreeg en gebruikte.

Voorbeelden uit de praktijk

Het bekendste voorbeeld is het runtime-permissiemodel van Android, geïntroduceerd in Android 6.0 "Marshmallow" in 2015. Vóór die tijd moest je bij installatie akkoord gaan met alle rechten tegelijk; sindsdien vraagt een app pas om toegang tot bijvoorbeeld je locatie op het moment dat die functie daadwerkelijk wordt gebruikt, en kun je per recht "toestaan", "weigeren" of "alleen tijdens gebruik van de app" kiezen.

Apple volgde met App Tracking Transparency, geïntroduceerd in iOS 14.5 in april 2021. Dit dwingt apps om expliciet te vragen of ze gebruikers over andere apps en websites heen mogen volgen voor advertentiedoeleinden, wat de advertentie-industrie destijds flink op zijn kop zette.

Buiten mobiele besturingssystemen is OAuth 2.0, een open standaard voor autorisatie die in 2012 werd vastgelegd (RFC 6749), de basis van vrijwel elke "inloggen met Google" of "koppel je account"-knop op het web. OAuth werkt met scopes: een website kan bijvoorbeeld alleen je naam en e-mailadres opvragen, zonder toegang te krijgen tot je hele Google-account.

In de wereld van AI-agenten is Model Context Protocol (MCP), gepubliceerd door Anthropic eind 2024, een recent voorbeeld. MCP is een open standaard waarmee AI-assistenten verbinding maken met externe tools en databronnen, met expliciete permissie-afspraken per verbinding. Ook agentgerichte producten zoals Anthropics Claude Code en OpenAI's agentfuncties werken met een goedkeuringsstap: bij gevoelige acties, zoals het uitvoeren van een opdracht in een terminal of het versturen van een bericht, vraagt het systeem eerst bevestiging aan de gebruiker voordat het doorgaat.

Een ander praktijkvoorbeeld is Matter, de smarthome-standaard die in 2022 werd gelanceerd door een samenwerkingsverband van onder meer Amazon, Apple, Google en Samsung SmartThings. Matter regelt onder meer welke apparaten in huis met elkaar mogen communiceren en welke commando's ze van elkaar mogen accepteren, zodat een slimme lamp niet zomaar commando's van een onbekend apparaat opvolgt.

Hoe ver is de techniek?

Voor traditionele software, zoals smartphone-apps en webdiensten, zijn permissiemodellen inmiddels volwassen techniek. De basisprincipes liggen vast, de gebruikersinterfaces zijn ingeburgerd, en de meeste grote platforms controleren actief of ontwikkelaars zich aan de regels houden.

Voor AI-agenten ligt dat anders. Dit deelgebied staat nog in de kinderschoenen en ontwikkelt zich snel; grote taalmodellen kregen pas vanaf 2023 en 2024 op grote schaal de mogelijkheid om zelfstandig tools te gebruiken, bestanden te bewerken of op internet te zoeken. De permissiesystemen die daarbij horen worden grotendeels tegelijkertijd ontwikkeld met de agenten zelf, wat betekent dat er nog geen brede consensus is over standaarden.

Een bekend obstakel is het spanningsveld tussen bruikbaarheid en veiligheid. Vraag je een AI-agent bij elke kleine handeling om bevestiging, dan wordt het systeem onwerkbaar traag en gaan gebruikers uit gewoonte alles wegklikken zonder na te denken, een verschijnsel dat ook bij traditionele cookie-meldingen en app-permissies al bekend was en permission fatigue wordt genoemd. Geef je juist te veel autonomie in één keer, dan neemt het risico op ongewenste of onomkeerbare acties toe, bijvoorbeeld een agent die per ongeluk een verkeerd bestand verwijdert of een betaling verricht.

Onderzoekers experimenteren daarom met tussenvormen, zoals gelaagde autonomie, waarbij een agent voor laag-risico taken zelfstandig mag handelen maar voor hoog-risico taken altijd een mens moet raadplegen, en met reversibiliteit, het zoveel mogelijk omkeerbaar maken van acties zodat een fout hersteld kan worden. Ook wetgeving speelt hierbij een rol: de Europese AI-verordening, die sinds 2024 gefaseerd in werking treedt, verplicht aanbieders van risicovolle AI-systemen om onder meer menselijk toezicht en controlemechanismen in te bouwen, wat in de praktijk vaak neerkomt op een vorm van permissiemodel.

Wie werken eraan?

Aan de kant van besturingssystemen en platforms zijn Google (Android) en Apple (iOS/macOS) de partijen die de bekendste consumentenpermissiemodellen beheren en doorontwikkelen. Microsoft doet hetzelfde voor Windows en voor zijn bedrijfsproducten, waaronder identiteits- en toegangsbeheer via Azure.

In de AI-hoek zijn Anthropic, ontwikkelaar van Claude en het Model Context Protocol, en OpenAI, ontwikkelaar van ChatGPT en verschillende agentfuncties, twee van de bedrijven die actief publiceren over en experimenteren met permissiesystemen voor AI-agenten. Ook Google DeepMind en Microsoft Research doen onderzoek naar veilige autonomie van AI-systemen.

Op standaardisatievlak spelen organisaties als de Internet Engineering Task Force (IETF), verantwoordelijk voor onder meer de OAuth-standaard, en het World Wide Web Consortium (W3C) een rol. Voor smarthome-apparatuur is dat de Connectivity Standards Alliance, de organisatie achter Matter.

Op het gebied van regelgeving en toezicht zijn de Europese Unie, met de AI-verordening en de privacywetgeving AVG, en in de Verenigde Staten instanties als het National Institute of Standards and Technology (NIST) toonaangevend. Ook academische instituten, waaronder het Stanford Institute for Human-Centered AI, publiceren onderzoek naar hoe permissiemodellen voor AI het beste kunnen worden ingericht.