Een casestudy naar de inzet van AI binnen luchtvaartzaken

Een casestudy naar de inzet van AI binnen luchtvaartzaken

Naam: Adeline Dehue

E-mail: adelinedehue@live.nl Studentnummer: 12965278

Mastertrack: Privaatrechtelijke rechtspraktijk Begeleiders: Anna van Duin en Rachel Rietveld Datum: 8 januari 2021

Abstract

De werkdruk binnen de rechtspraak is hoog en zaken (ook standaardzaken) hebben vaak lange doorlooptijden. Gelukkig ontwikkelt de technologie zich in rap tempo, waardoor de

rechtspraak gebruik kan maken van Artificial Intelligence (hierna: AI) om processen sneller te laten verlopen en de werkdruk te verlagen.

In deze masterscriptie is onderzoek gedaan naar de inzet van AI binnen

luchtvaartzaken. In zes verschillende hoofdstukken is onder andere uiteengezet wat AI is, waarom luchtvaartzaken geschikt zijn voor het gebruik van AI en op welke manier AI het meest efficiënt kan worden ingezet binnen luchtvaartzaken.

Vervolgens is beargumenteerd waarom ook andere standaardzaken geschikt zullen zijn voor de inzet van AI. Om de vergelijking te kunnen maken tussen luchtvaartzaken en overige standaardzaken is het proces bij de rechtbank onderverdeeld in drie globale processen, te weten: de werkzaamheden die de griffiemedewerkers uitvoeren, het voorbereiden van de uitspraak door het analyseren van processtukken en eerder gewezen uitspraken en het doen van de uiteindelijke uitspraak.

Hoewel de inzet van AI veel voordelen kent bestaan er ook twijfels rond de inzet van AI in de rechtspraak. Deze twijfels zijn in dit onderzoek kort genoemd, waarna is

beargumenteerd waarom deze twijfels kunnen worden weggenomen.

Aan het eind van dit onderzoek is duidelijk op welke manier de rechtspraak in

standaardzaken gebruik zou kunnen maken van AI en welke technieken zij daarvoor het best kunnen gebruiken. Daarbij moet rekening worden gehouden met het feit dat de rechtspraak heden ten dage nog niet genoeg gedigitaliseerd is om daadwerkelijk gebruik te kunnen maken van AI. Voor alsnog is de inzet van AI binnen de rechtspraak dus nog toekomstmuziek. Dit onderzoek dient daarmee zowel als ontwerp van hoe AI het efficiëntst kan worden ingezet binnen standaardzaken, als als oproep aan de rechtspraak om stappen te zetten richting geautomatiseerde procesvoering.

Inhoudsopgave

Abstract ... 2

Inleiding ... 5

Onderzoeksopzet ... 6

Onderzoeksmethode ... 7

Hoofdstuk 1: Uiteenzetting van de probleemstelling en definities ... 8

1.1. Uiteenzetting van de probleemstelling ... 8

1.2. Definities ... 9

1.2.1. Standaardzaken... 9

1.2.2. Artificial Intelligence ... 9

1.2.3. Algoritmen ... 10

1.2.4. De werking van algoritmen ... 11

1.2.5. Machine learning ... 11

1.2.6. Regelgebaseerde algoritmen ... 13

1.2.7. Expertsystemen... 14

1.2.8. Narrow en general AI ... 15

Hoofdstuk 2: Wat maakt dat luchtvaartzaken geschikt zijn voor de inzet van AI? ... 16

2.1. Verordening 261/2004 ... 16

2.2. De basis voor AI... 18

2.3. Geen open normen ... 19

2.4. Geen menselijke beoordelingen/afwegingen ... 20

2.5. Gelijke behandeling en transparantie... 20

Hoofdstuk 3: Procesverloop luchtvaartzaken ... 22

3.1. Werkprocessen luchtvaartzaken ... 22

3.1.1. Indienen dagvaarding ... 22

3.1.2. Conclusie van antwoord en betaling griffierechten ... 22

3.1.3. Conclusie van repliek en conclusie van dupliek ... 23

3.1.4. Vonnis ... 23

3.2. Doorlooptijden werkprocessen ... 24

Hoofdstuk 4: Welke AI-systemen kunnen worden toegepast binnen luchtvaartzaken? ... 25

4.1. Versnellen doorlooptijden en verlichten van werkdruk ... 25

4.2. Ondersteuning processen ... 25

4.3. Besluitvormingsproces ... 28

Hoofdstuk 5: De inzet van AI in overige standaardzaken ... 29

5.1. Herkenning standaardzaken ... 29

5.2. Ontwerp inzet van AI in standaardzaken ... 29

5.2.1. Controleren dagvaarding ... 30

5.2.2. Versturen rolbrieven ... 30

5.2.3. Beoordelen processtukken en eerder gewezen uitspraken ... 31

5.2.4. Besluitvormingsproces ... 31

5.3. Pilot AI in bulkzaken ... 32

5.4. Mogelijkheden volgens de rechtspraak ... 33

5.5. Overzicht mogelijke toepassingen van AI in standaardzaken ... 34

Hoofdstuk 6: Twijfels bij de inzet van AI in standaardzaken ... 36

6.1. Bescherming van persoonsgegevens ... 36

6.2. Ongelijke behandeling ... 37

6.3. Transparantie ... 38

6.3.1. Technische transparantie... 38

6.3.2. Uitlegbaarheid ... 39

6.3.3. Crystal box ... 39

6.4. Robotrechters... 40

Conclusie ... 41

Bibliografie ... 44

Inleiding

Dat steeds meer bedrijven gebruik maken van AI is geen geheim. De afgelopen jaren wordt kunstmatige intelligentie steeds vaker toegepast in de samenleving, denk hierbij bijvoorbeeld aan Siri op je telefoon of Google Home. Ook geautomatiseerde besluitvormingsprocessen beginnen een steeds grotere rol te spelen binnen onze samenleving. Zo maakt de

belastingdienst al gebruik van AI bij het tegengaan van fraude en het uitvoeren van gerichte controles.¹ Dat besluitvormingsprocessen worden geautomatiseerd betekent dat besluiten niet door een mens worden genomen maar dat dit besluit door een algoritme wordt genomen. Niet alleen in besluitvormingsprocessen wordt AI ingezet. Ook is AI uiterst geschikt voor het verwerken van grote hoeveelheden informatie. AI is in staat om verbanden te leggen en nuttige informatie uit documenten te filteren. Deze geautomatiseerde manier van het verwerken van informatie werkt vele malen sneller dan een mens waardoor beslissingen uiteindelijk ook sneller kunnen worden genomen.

Sinds anderhalf jaar ben ik werkzaam als jurist in het luchtvaartrecht. Wij starten vele zaken tegen vliegtuigmaatschappijen als zij bijvoorbeeld vluchten annuleren of met langdurige vertraging uitvoeren. Het kantoor waarvoor ik werk gebruikt AI om te beoordelen wat de slagingskans is van de zaken die bij ons binnen komen. Het systeem volgt automatisch alle verstoringen op luchthavens, maar houdt ook rekening met weersomstandigheden en andere incidenten van vluchten over de hele wereld. Deze data gebruiken wij vervolgens om de exacte omstandigheden van een verstoorde vlucht vast te stellen en zo de slagingskans van de claim voor de getroffen passagiers te bepalen. Op dit moment kunnen wij met behulp van het systeem duizenden zaken per dag analyseren. Als wij dit handmatig zouden moeten doen zouden wij hier per zaak uren mee bezig zijn, het systeem is hier slechts enkele seconden mee bezig. Dit is slechts een voorbeeld van hoe AI kan worden ingezet om werkzaamheden sneller en gemakkelijker te laten verlopen. Als de slagingskans van een zaak groot genoeg is stellen wij een dagvaarding op en dienen wij deze in bij de desbetreffende rechtbank.

De rechtspraak maakt helaas nog geen gebruik van de mogelijkheden die AI te bieden heeft.

Ondanks het feit dat de luchtvaartzaken standaardzaken zijn die inhoudelijk vergelijkbaar zijn, duurt het proces bij de rechtbank vaak nog een jaar. Hierdoor werd ik aan het denken gezet en vroeg ik mij af hoe het kan dat deze zaken niet geautomatiseerd kunnen worden.

1 M. Vetzo, J. Gerards, R. Nehmelman, ‘Algoritmes en grondrechten’, p. 27.

Luchtvaartzaken kennen immers een standaardprocesverloop, betreffen geen ingewikkelde bewijsvoering en kennen een voorspelbare uitkomst. Luchtvaartmaatschappijen voeren daarnaast vaak een standaard verweer. Naar mijn idee kon daarom goed beargumenteerd worden dat luchtvaartzaken zich bij uitstek lenen om geautomatiseerd te worden.

Door mijn werk groeide mijn interesse naar de inzet van AI binnen luchtvaartzaken. Hierdoor ben ik verschillende artikelen en onderzoeken over dit onderwerp gaan lezen. AI is op vele manieren in te zetten, maar welke manieren zijn voor luchtvaartzaken het meest efficiënt en zijn deze manieren ook toe te passen op andere standaardzaken? Dat is de hoofdvraag die ik gedurende dit onderzoek zal gaan beantwoorden. Dit onderzoek heeft als doel een blauwdruk te ontwikkelen om de rechtspraak te ondersteunen bij het proces in standaardzaken.

Onderzoeksopzet

Om tot het antwoord op de onderzoeksvraag te kunnen komen ziet de opzet van dit onderzoek er als volgt uit. Het eerste hoofdstuk is zowel inleidend als beschrijvend van aard en zal de aanleiding van dit onderzoek uiteenzetten. Daarnaast zal in dit hoofdstuk uiteen worden gezet wat een standaardzaak precies inhoudt. Ook zal AI, en alle termen die daarmee samenhangen, worden uitgelegd. In het tweede hoofdstuk zal worden ingegaan op de geschiktheid van luchtvaartzaken voor de inzet van AI. In dit hoofdstuk zal eerst worden ingegaan op de regelgeving waarop luchtvaartzaken zijn gebaseerd. Vervolgens zal worden uitgelegd welke kenmerken een luchtvaartzaak bezit en waarom deze kenmerken luchtvaartzaken geschikt maken voor de inzet van AI. Het derde hoofdstuk zal het procesverloop van een luchtvaartzaak in kaart brengen. Inzicht in het procesverloop van een luchtvaartzaak is noodzakelijk om in te kunnen schatten welke vorm van AI zich het best zal lenen voor welk werkproces. Dit zal in het vierde hoofdstuk aan bod komen. Per werkproces zal worden afgegaan welk AI-systeem kan worden ingezet om dit werkproces efficiënter te laten verlopen. In het vijfde hoofdstuk zal de vergelijking worden gemaakt met overige standaardzaken. In dit hoofdstuk zal antwoord worden gegeven op de vraag of de AI-systemen die zich lenen voor luchtvaartzaken ook kunnen worden ingezet in andere standaardzaken. In het laatste hoofdstuk zullen de twijfels die spelen rondom AI in de rechtspraak worden besproken. Het onderzoek zal worden afgesloten met een conclusie.

Onderzoeksmethode

Dit onderzoek betreft een bureaustudie gebaseerd op juridisch-wetenschappelijke literatuur, overheidsdocumenten en de actualiteit. Het onderzoek zal kwalitatief van aard zijn, er wordt vooral gebruik gemaakt van observaties. Dit onderzoek is niet uitputtend omdat er continue nieuwe ontwikkelingen plaatsvinden op het gebied van AI en de digitalisering binnen de rechtspraak. Wel wordt er een zo compleet mogelijk beeld gegeven over de huidige mogelijkheden van de bestaande AI-systemen.

Hoofdstuk 1: Uiteenzetting van de probleemstelling en definities

1.1. Uiteenzetting van de probleemstelling

Zoals ik in mijn inleiding al heb genoemd, zie ik tijdens mijn werk van dichtbij hoe rechtbanken in Nederland relatief eenvoudige zaken afwikkelen. Alleen al de organisatie waarvoor ik werk is in 2019 1.166 standaard rechtszaken gestart. Het gros van deze zaken is erg vergelijkbaar met elkaar en zijn bijvoorbeeld gebaseerd op een vertraging die te wijten is aan de vliegtuigmaatschappij. Luchtvaartzaken kunnen onder de categorie standaardzaken worden geschaard, waar geen complexe bewijsvoering en zitting nodig is, en die worden behandeld door één rechter. Hoewel alle processtukken bij ons gedigitaliseerd zijn, kunnen wij deze bij de rechtbank niet digitaal aanleveren. Deze processtukken moeten schriftelijk bij de rechtbank worden aangeleverd waar zij dus ook handmatig verwerkt moeten worden. De griffiemedewerkers categoriseren de zaken handmatig en ook de rechters beoordelen handmatig de processtukken om uiteindelijk tot een uitspraak te komen. Dit zijn allemaal handelingen die naar mijn idee, door middel van digitalisering, sneller en efficiënter door een algoritme kunnen worden uitgevoerd.

Alle luchtvaartzaken zijn gebaseerd op de Verordening 261/2004 en het Sturgeon-arrest, waarover later meer. Er zijn dus een aantal vaste vereisten waar de rechtbank aan dient te toetsen om te beoordelen of de zaak onder de Verordening valt. Ook zijn het vaak veel voorkomende omstandigheden (bijvoorbeeld weersomstandigheden of staking) waar de rechtbank rekening mee dient te houden. Je zou zeggen dat dit soort zaken dus erg

voorspelbaar zijn en weinig tijd in beslag nemen. Echter, ook in deze standaardzaken kan het een jaar duren voordat er een vonnis wordt gewezen.

Dit onderzoek is gericht op standaardzaken, en dan specifiek luchtvaartzaken. De rechtspraak behandeld de meest uiteenlopende zaken, van een driedubbele moord tot een uit de hand gelopen burenruzie. Niet iedere zaaksoort leent zich voor de inzet van AI. Complexe zaken zijn bijvoorbeeld ongeschikt voor het gebruik van AI, dit zal in hoofdstuk twee verder aan bod komen. Luchtvaartzaken lenen zich juist wel voor de inzet van AI en dat is dan ook de reden waarom ik mij specifiek op deze zaaksoort focus gedurende dit onderzoek. Waarom luchtvaartzaken geschikt zijn voor de inzet van AI zal in hoofdstuk twee aan bod komen. In dit hoofdstuk wordt eerst uitgelegd wat er precies onder standaardzaken wordt verstaan.

1.2. Definities 1.2.1. Standaardzaken

De rechtbanken in Nederland behandelen veel verschillende soorten zaken. Dit kunnen complexe zaken zijn waarbij vele belangen tegen elkaar moeten worden afgewogen en

waarbij complexe bewijsstukken moeten worden overlegd. Echter, dit kunnen ook eenvoudige zaken zijn, waarbij door een rechter vonnis zal worden gewezen zonder dat er een zitting heeft plaatsgevonden. Deze eenvoudige zaken worden ook wel standaardzaken genoemd.

Luchtvaartzaken zijn hier een goed voorbeeld van. De procedure verloopt in deze zaken enkel schriftelijk, er vindt geen zitting plaats. Verder worden luchtvaartzaken behandeld door één rechter, er hoeft immers geen overleg plaats te vinden over ingewikkelde bewijsstukken of belangenafwegingen. Ook zal de rechter geen open normen hoeven in te vullen.

Luchtvaartzaken hebben steeds hetzelfde procesverloop en in iedere zaak zullen dezelfde handelingen moeten worden uitgevoerd. Gedurende het proces zal er geen contact zijn tussen de rechter en de partijen, er hoeft immers geen mondelinge behandeling of een

getuigengehoor plaats te vinden. Deze zaken lenen zich er dan ook goed voor om gestandaardiseerd te worden.

Standaardisering heeft voordelen, zoals efficiëntie, zekerheid en voorspelbaarheid.² Zo kan er vooraf al een inschatting worden gemaakt hoe de procedure zal gaan verlopen en hoeveel tijd het in beslag zal nemen. Ook zullen de zaken sneller bij de juiste rechter terecht kunnen komen, het zijn immers vaak dezelfde rechters die luchtvaartzaken behandelen.

1.2.2. Artificial Intelligence

Artificial intelligence staat voor kunstmatige intelligentie. De Amerikaanse psycholoog, David Wechsler, definieerde intelligentie als volgt: ‘Intelligentie is het vermogen doelgericht te handelen, rationeel te denken en effectief met de omgeving om te gaan.’³ Volgens deze omschrijving is iedereen met dit vermogen in staat om doelgericht problemen op te lossen, ook machines.

2 L. Coenraad en P. Ingelse, ‘Afscheid van de klassieke civiele procedure?’ 08-06-2017, p. 51.

3D. Wechsler, “The measurement of adult intelligence.”Baltimore: Williams & Wilkins, 1944, p. 3.

Wanneer machines in staat worden gesteld om intelligent gedrag te vertonen en taken automatisch uitvoeren die normaal gesproken door mensen worden uitgevoerd, wordt dit kunstmatige intelligentie genoemd.

Als we spreken over AI, hebben we het eigenlijk over systemen die intelligent gedrag vertonen door hun omgeving te analyseren en op basis van die analyse zelfstandig actie onderneemt om een specifiek doel te bereiken.⁴ Door gebruik te maken van deze slimme systemen zal de menselijke intelligentie uiteindelijk kunnen worden nagebootst. Een algemene definitie van AI wordt gegeven door de Europese Commissie:

“Artificial intelligence (AI) refers to systems that display intelligent behaviour by analysing their environment and taking actions – with some degree of autonomy – to achieve specific goals. AI-based systems can be purely software-based, acting in the virtual world (e.g. voice assistants, image analysis software, search engines, speech and face recognition systems) or AI can be embedded in hardware devices (e.g. advanced robots, autonomous cars, drones or Internet of Things applications).”⁵

AI verwijst dus naar verschillende technieken waarop de menselijke intelligentie kan worden nagebootst. Het is een overkoepelende term voor zelflerende computersystemen. Termen die hiermee samenhangen zijn machine learning en deep learning. Deze technieken zien op de manier waarop AI leert.⁶ Hoe deze technieken precies werken zal in dit hoofdstuk verder aan bod komen.

1.2.3. Algoritmen

Een algoritme is een opeenvolging van stappen – die plaatsvinden binnen het AI-systeem – die de invoerde data verwerkt tot een uitvoer om daarmee een specifiek probleem op te lossen.⁷ Er zijn verschillende typen algoritmen. Uiteenlopend van een eenvoudige beslisboom met een beperkt aantal variabelen tot complexe en zelflerende algoritmen, zoals machine learning of deep learning algoritmen.⁸ Deep learning algoritmen zullen in dit hoofdstuk kort aan bod komen, gezien de complexiteit van het algoritme zal dit type niet geschikt zijn voor

4Kamerstukken II, 2017–2018, 22 112, nr. 2578, p. 2

5 Commission, ‘Artificial Intelligence for Europe’ COM (2018) 237 final, 1

6 Prins, C., & Roest, J. (2018). AI en de rechtspraak: Meer dan alleen de ‘robotrechter’. Nederlands Juristenblad, 93(4), 260-268.

7 S. Kulk & S. Van Deursen, ‘Juridische aspecten van algoritmen die besluiten nemen’ 2-6-2020, p. 29.

8Bijlage bij Kamerstukken II 2018/19, 26643, nr. 641.

de inzet in eenvoudige standaardzaken. Welk type algoritme het best kan worden ingezet is afhankelijk van het doel waarvoor zij worden ingezet.

1.2.4. De werking van algoritmen

Van het woord ‘algoritme’ hebben veel mensen wel eens gehoord, maar wat het precies is en hoe het werkt, is nog niet altijd duidelijk. Zoals in de paragraaf hiervoor beschreven is een algoritme een opeenvolging van stappen om tot een bepaald doel te komen. Steeds meer beslissingen worden niet langer door mensen maar door computers gemaakt. Algoritmen worden gebruikt om bepaalde beslissingen (zoals rechterlijke uitspraken) te automatiseren.

Het algoritme wordt gevoed met grote hoeveelheden data – ook wel Big Data genoemd – om vervolgens de stappen af te lopen waarmee tot het doel (bijvoorbeeld de rechterlijke uitspraak) kan worden gekomen Grote hoeveelheden data zullen pas nuttig worden als de bruikbare informatie uit deze grote hoeveelheden wordt gefilterd. In het kader van dit onderzoek zullen deze grote hoeveelheden gegevens vooral bestaan uit processtukken en eerdere uitspraken betreffende standaardzaken binnen de rechtspraak. Vandaag de dag worden alle gegevens doorgelezen en gefilterd door mensen. Dit is erg arbeidsintensief en kost bovendien veel tijd.

Hier bieden algoritmen een uitkomst. Algoritmen worden ingezet om big data snel te scannen en bruikbare informatie eruit te halen. De bruikbare informatie die overblijft kan vervolgens worden gebruikt bij bijvoorbeeld besluitvorming. Dit proces van informatie halen uit grote hoeveelheden data wordt ook wel ‘Big Data analytics’ genoemd.⁹

1.2.5. Machine learning

Machine Learning-technieken stellen computers in staat zelf te ‘leren’ om taken uit te voeren, zonder daartoe expliciet geprogrammeerd te zijn, zoals bij regelgebaseerde technieken.¹⁰ De algoritmen waar het systeem gebruik van maakt worden niet langer aangepast door mensen, maar het zijn de systemen zelf die regels leren en hun prestaties verbeteren. ¹¹ De basis van machine-learning is patroonherkenning in grote hoeveelheden data. Op basis van grote hoeveelheden trainingsdata, gaat het algoritme op zoek naar verbanden en patronen in die

9 M. Vetzo, J. Gerards, R. Nehmelman, p. 20.

10 M. Vetzo, J. Gerards, R. Nehmelman, p. 43.

11 Marlies van Eck, Mark Bovens & Stavros Zouridis,’Algoritmische rechts toepassing in de democratische rechtsstaat’, NJB 2018/2101

gegevens.¹² Door middel van deze techniek wordt Spotify bijvoorbeeld in staat gesteld om nummers aan te bevelen die gelijkenis vertonen met de door de gebruiker eerder geluisterde nummers. Hetzelfde geldt voor Netflix, op basis van het eerdere kijkgedrag en het kijkgedrag van andere netflixgebruikers kan het een aanbeveling vormen voor soortgelijke films of series die een gebruiker ook leuk zal kunnen vinden.Zelflerende algoritmen zijn in staat om

zelfstandig verder te leren op basis van later ingevoerde gegevens en feedback.¹³ De

algoritmen verbeteren zichzelf door meer gegevens te onderzoeken en extra patronen in die gegevens op te sporen die helpen om tot een betere uitkomst te komen.¹⁴

Er kunnen binnen machine learning drie verschillende vormen van leren worden onderscheiden:

- Supervised learning

Bij deze vorm van leren krijgt de computer verschillende trainingsdata ingevoerd, waarbij een datawetenschapper als een soort leraar fungeert. Deze leraar heeft de gegevens, die dienen als input, vooraf gelabeld op een manier die tot de gewenste uitvoer zal leiden. Deze leraar legt uit welke conclusies er moeten worden getrokken uit de ingevoerde data, waardoor het algoritme leert hoe het met deze voorbeelden om moet gaan.¹⁵ Het systeem leert zichzelf regels aan, aan de hand van deze trainingsdata, die het vervolgens zelf kan toepassen op nieuw ingevoerde data.

- Unsupervised learning

Bij unsupervised learning is er geen leraar aanwezig en worden er dus ook geen gegevens vooraf gelabeld. De training vindt hier plaats op basis van data die geen labels of vooraf gedefinieerde output hebben. Bij deze vorm van machine learning moet het algoritme dus zelfstandig verbanden ontdekken in de ingevoerde data.¹⁶ Unsupervised learning is bijvoorbeeld geschikt om gelijksoortige documenten te doorzoeken om vervolgens de relevante patronen eruit te halen.¹⁷

12 S.Kulk & S. Van Deursen, p. 32.

13 S.Kulk & S. Van Deursen, p. 32.

14 Harry Surden, Artificial Intelligence and Law: An Overview, 35 Ga. St. U. L. Rev. (2019).

p. 1312

15 S.Kulk & S. Van Deursen, p. 34.

16 S.Kulk & S. Van Deursen, p. 34.

17 S.Kulk & S. Van Deursen, p. 34.

- Reinforcement learning

Bij reinforcement learning leert het algoritme een taak uit te voeren door het krijgen van beloningen als het algoritme tot een juiste uitkomst is gekomen. Deze vorm van leren is bijvoorbeeld geschikt als er weinige data beschikbaar is. Deze manier van leren kan worden vergeleken met het trainen van een hond. Als de hond iets goed doet krijgt hij een beloning, als de hond het niet goed doet krijgt hij niets. Op deze manier leert het algoritme zichzelf aan welke acties wel en niet goed zijn en welke acties dus wel en niet zullen leiden tot het

beoogde doel. ¹⁸

De termen machine learning en AI worden vaak door elkaar gebruikt, maar betekenen niet hetzelfde. Machine learning valt altijd onder AI, maar AI niet altijd onder machine learning.

Zoals in paragraaf 1.2.2. al werd genoemd is AI namelijk een overkoepelende term voor verschillende slimme systemen, waaronder dus machine learning.

1.2.5.1. Deep Learning

Binnen machine-learning kennen we de deep-learning. Deep-learning algoritmen zijn

machine-learning algoritmen die gebaseerd zijn op kunstmatige neurale netwerken, die weer gebaseerd zijn op het menselijk brein en het menselijk brein ook proberen na te bootsen. Dit type algoritme heeft de naam ‘deep-learning’ gekregen omdat het uit verschillende lagen bestaat. Resultaten uit de ene laag worden gebruikt als invoer voor de analyse van een volgende laag. Zo kan er dieper op gegevens worden ingegaan.¹⁹

1.2.6. Regelgebaseerde algoritmen

In tegenstelling tot zelflerende algoritmen zijn regelgebaseerde algoritmen te herkennen aan het feit dat zij van tevoren zijn geprogrammeerd volgens een ‘als dit, dan dat’-structuur.²⁰ Dit type algoritme is dus niet in staat om zelf regels aan te leren. Door deze ‘als dit, dan dat’- structuur zal het algoritme bij eenzelfde invoer ook tot eenzelfde uitkomst komen. Gegevens zullen door het algoritme aan elkaar worden gekoppeld wat door de als-dan-redenatie zal

18 S.Kulk & S. Van Deursen, p. 34.

19 M. Vetzo, J. Gerards, R. Nehmelman, p. 43.

20 S. Kulk & S. Van Deursen, p. 30.

leiden tot een voorspelling van de uitkomst.²¹ Regelgebaseerde algoritmen zijn zeer geschikt voor het automatiseren van beslisbomen voor processen waarin alle denkbare scenario’s vooraf kunnen worden voorzien.²² Dit type algoritme leent zich goed voor het automatiseren van simpele en overzichtelijke besluitvormingsprocessen, zoals dat in luchtvaartzaken het geval is.

1.2.7. Expertsystemen

In zogenoemde expertsystemen wordt gebruik gemaakt van regelgebaseerde algoritmen. Bij expertsystemen wordt er aan de werking van de regelgebaseerde algoritmen een input door experts toegevoegd. Deze expertsystemen gebruiken een top-down redenatie. Bij een top- down redenatie wordt er vanuit een wettelijk kader, door de inzet van juridische expertise, een voorspelling gedaan van mogelijke uitkomsten²³. Een verschil tussen expertsystemen en bijvoorbeeld machine learning is dat bij expertsystemen - het woord zegt het al - gebruik wordt gemaakt van de kennis van experts. Zij zijn in staat om feiten te interpreteren en belangen af te wegen en die kennis in het systeem in te voeren. Waar machine learning gebruik maakt van bekende scenario’s, kan een expertsysteem ook gebruik maken van

scenario’s die nog niet plaats hebben gevonden maar waarvan de mogelijkheid wel al door de experts aan het systeem zijn toegevoegd.²⁴

Expertsystemen zijn interactieve beslisbomen. Deze beslisbomen bestaan uit vragen en antwoorden waarmee snel tot de kern van het geschil kan worden gekomen. Afhankelijk van eerder gegeven antwoorden worden nieuwe of andere vragen gesteld. Op deze manier wordt alle informatie die relevant is voor de beoordeling verzameld. Doordat luchtvaartzaken geen open normen bevatten, zijn deze zaken bij uitstek geschikt voor het automatiseren van beslisbomen.

21 Raad voor de rechtspraak, Algoritmes in de rechtspraak. Wat artificiële intelligentie kan betekenen voor de rechtspraak, Rechtstreeks 2019/2, p.40.

22 S.Kulk & S. Van Deursen, p. 30.

23 Raad voor de rechtspraak, p.42.

24 Raad voor de rechtspraak, p.42.

1.2.8. Narrow en general AI

Zoals in de vorige paragrafen uiteengezet, kan er binnen AI onderscheid worden gemaakt tussen verschillende systemen, zoals regelgebaseerde en zelflerende systemen. AI-systemen kunnen op hun beurt weer worden onderscheiden in verschillende vormen, zoals narrow en general AI.

Narrow AI richt zich op het uitvoeren van één specifieke taak²⁵. Het narrow AI-systeem haalt zijn data uit een specifieke dataset waardoor het dus binnen een vooraf bepaald bereik werkt.

De systemen werken niet buiten dit bereik maar alleen voor de bepaalde taak waarvoor zij ontworpen zijn. Een voorbeeld van narrow AI in het kader van dit onderzoek kan zijn; het analyseren van grote hoeveelheden data, zoals bijvoorbeeld eerder gewezen uitspraken. De specifieke taak die het systeem dan krijgt opgelegd is het leggen van verbanden en het zien van correlaties in deze uitspraken. Zo kunnen in een mum van tijd vele zaken met elkaar worden vergeleken, iets waar een mens veel langer over gedaan zou hebben. Een ander bekend voorbeeld van narrow AI is het Watsonsysteem van IBM.²⁶ Dit systeem won in 2011 de Amerikaanse quiz Jeopardy van de beste menselijke speler. Het systeem won door zelf- aangeleerde kennis. Hiervoor was het van belang dat het systeem de benodigde kennis, die nodig was om de vragen te beantwoorden, uit openbare digitale bronnen kon halen zoals Wikipedia.²⁷

In tegenstelling tot narrow AI, richt general AI zich niet op één specifieke taak, maar is inzetbaar voor onbepaald veel doeleinden, waarbij de menselijke intelligentie wordt evenaart.

Op dit moment is AI nog niet in staat om emoties te vertonen en weloverwogen menselijke beslissingen te nemen.²⁸ General AI is volop in ontwikkeling, maar kan de menselijke intelligentie nog niet evenaren. Als we over AI spreken hebben we het dus over narrow AI.

25 Jajal, T.D., ‘Distinguishing between Narrow AI, General AI and Super AI’, (21-5-2018) <

https://medium.com/mapping-out-2050/distinguishing-between-narrow-ai-general-ai-and-super-ai- a4bc44172e22> geraadpleegd op 2 januari 2021.

26Ferrucci, D. A. (2012). Introduction to ‘This is Watson’. IBM Journal of Research and Development, 56(3.4), 1-1.

27 Ibid.

28 Jajal, T.D.

Hoofdstuk 2: Wat maakt dat luchtvaartzaken geschikt zijn voor de inzet van AI?

Tijdens dit onderzoek richt ik mij op de luchtvaartzaken. Deze standaardzaken lenen zich namelijk erg goed voor de inzet van AI. Zoals in het vorige hoofdstuk beschreven is

standaardisering de basis voor AI. In het vorige hoofdstuk hebben we ook gezien dat AI uit vele verschillende systemen bestaat. Standaardprocessen, zoals luchtvaartzaken zullen zich het best lenen voor de inzet van regelgebaseerde systemen. Dit is omdat dit systeem werkt op standaardisering, namelijk volgens de ‘als dit, dan dat’-structuur. Regelgebaseerde systemen zijn voor simpele en afgebakende problemen, zoals luchtvaartzaken, inzetbaar. Zelflerende systemen zijn op hun beurt weer goed inzetbaar voor complexere zaken, waarin niet alles van tevoren vaststaat maar zelf kan worden aangeleerd door het systeem. In dit hoofdstuk zal worden uiteengezet welke factoren een zaak standaard maken en waarom dit de inzet van AI aantrekkelijk maakt.

2.1. Verordening 261/2004

Alle luchtvaartzaken vinden hun grondslag in de Verordening 261/2004²⁹ (hierna: de

Verordening). De Verordening is in het leven geroepen om passagiersrechten te beschermen.

In de Verordening zijn de rechten opgenomen voor instapweigering, annulering en vertraging van de vlucht en is van toepassing op alle vluchten die vertrekken vanaf een luchthaven gelegen binnen de Europese Unie. Ook vluchten die vertrekken vanaf een luchthaven in een derde land, maar landen op een luchthaven binnen de Europese Unie vallen onder de

Verordening.

Artikel 5 van de Verordening bepaalt dat passagiers bij annulering van hun vlucht in beginsel recht hebben op een compensatiebedrag genoemd in artikel 7 van de Verordening. Hoewel in de Verordening alleen wordt gesproken van annulering, hebben passagiers bij vertraging ook recht op compensatie. Het Hof van Justitie van de EU (hierna: het Hof) heeft het begrip uit artikel 7 van de Verordening namelijk verruimd in haar uitspraak in de zaak Sturgeon tegen

29 Verordening EG 261/2004

Condor.³⁰ In deze uitspraak is bepaald dat vertraging van drie uur of meer ook onder de werking van de Verordening valt. ³¹

Het compensatiebedrag is voor iedere passagier hetzelfde, afhankelijk van de afstand van de geplande vlucht. Deze compensatiebedragen zijn dus standaard.

Artikel 5 lid 3 van de Verordening bepaalt dat de luchtvaartmaatschappij niet verplicht is om het compensatiebedrag te betalen als zij ‘kan aantonen dat de annulering het gevolg is van buitengewone omstandigheden die ondanks het treffen van alle redelijke maatregelen niet voorkomen konden worden’.³² Uit het Nelson-arrest volgt dat de luchtvaartmaatschappij zich ook kan beroepen op dit artikel in het geval van vertraging.³³ In punt 14 van de preambule wordt een niet-limitatieve opsomming gegeven van zulke buitengewone omstandigheden te weten, politieke onstabiliteit, weersomstandigheden die uitvoering van de vlucht in kwestie verhinderen, beveiligingsproblemen, onverwachte vliegveiligheidsproblemen en stakingen die gevolgen hebben voor de vluchtuitvoering van de luchtvaartmaatschappij die de vlucht

uitvoert.³⁴ In de zaak Folkerts tegen Air France heeft het Hof het begrip ‘buitengewone omstandigheden’ gedefinieerd als ‘omstandigheden die ondanks het treffen van elle redelijke maatregelen niet konden worden voorkomen, dat wil zeggen van omstandigheden waarop de luchtvervoerder geen daadwerkelijke invloed kan uitoefenen’.³⁵

De Verordening bevat dus een standaardregel: de passagier heeft recht op een

standaardbedrag aan compensatie bij een instapweigering, annulering of vertraging van meer dan drie uur. Daarop bestaat slechts één uitzondering en dat is als er sprake is van een

buitengewone omstandigheid. Uit de preambule van de Verordening en de gewezen arresten van het Hof is een goede inschatting te maken van wat er precies onder een buitengewone omstandigheid valt. Dit is dan ook de reden waarom er, zoals genoemd in de inleiding, van tevoren een nauwkeurige inschatting kan worden gemaakt of een rechtszaak kans van slagen

30HvJ EU 19 november 2009, samengevoegde zaken nr. C-402/07 en C-432/07 (Sturgeon tegen Condor Flugdienst en Böck en Lepuschitz tegen Air France), 62007CJ0402

31Ibid., r.o. 40

32 Artikel 5 lid 3 Verordening 261/2004.

33 HvJ EU 23 oktober 2012 gevoegde zaken C-581/10 en C-629/10 (Nelson tegen Deutsche Lufthansa AG en TUI c.s. tegen CAA), r.o. 40.

34 Punt 14 van de preambule van EG Verordening 261/2004.

35 HvJ EU 26 februari 2013, nr. C-11/11 (Air France/Folkerts c.s.) r.o. 43.

heeft of niet. Omdat er geen discretionaire ruimte bestaat in de Verordening lenen zaken gebaseerd op deze Verordening zich goed voor automatisering.

2.2. De basis voor AI

Een AI-systeem moet toegang hebben tot grote hoeveelheden bruikbare informatie. Grote hoeveelheden informatie zijn pas bruikbaar als deze een uniforme structuur hebben.³⁶ In complexe zaken zal er veel informatie worden uitgewisseld afkomstig uit verschillende bronnen, zoals bijvoorbeeld complexe bewijsvoering en getuigenverhoor. In deze informatie zal, voordat deze als invoer voor een AI-systeem kan dienen, een eenduidige structuur moeten worden aangebracht. Er zal in deze complexe gevallen veel energie gestoken moeten worden in het toevoegen van metadata aan data en datasets om deze aan elkaar te linken en

doorzoekbaar te maken.³⁷ Hoe eenduidiger deze data is, hoe makkelijker het is om de data met elkaar te verbinden. In luchtvaartzaken, waarbij sprake is van een overzichtelijke juridische vraag en een overzichtelijk feitencomplex, vindt er geen complexe bewijsvoering plaats en is er ook geen sprake van getuigenverhoren. De informatie die voortvloeit uit luchtvaartzaken heeft van zichzelf dus al een redelijk eenduidige structuur waardoor deze gemakkelijker kan worden omgezet in bruikbare data voor het AI-systeem.

2.2. Digitalisering

Zoals uit de vorige paragraaf blijk kan AI pas optimaal worden ingezet als er grote

hoeveelheden digitale gegevens beschikbaar zijn. Het is dus van belang dat procedures bij de rechtbank gedigitaliseerd worden. Standaardzaken zijn onder andere geschikt om

gedigitaliseerd te worden omdat er geen zitting nodig is. Het gehele proces zou in principe digitaal kunnen verlopen zonder dat de partijen ook maar een rechter hebben gezien.

Daarnaast heeft iedere luchtvaartzaak hetzelfde procesverloop. Het proces begint met een dagvaarding, vervolgens voert de luchtvaartmaatschappij verweer door middel van een conclusie van antwoord, hier mag op gereageerd worden met een conclusie van repliek en als laatste mag de luchtvaartmaatschappij een conclusie van dupliek indienen. Deze

processtukken worden momenteel allemaal schriftelijk ingediend bij de rechtbank. Aangezien het steeds om dezelfde soort stukken gaat, zouden deze stukken naar mijn mening juist

36B.J. van Ettekoven, B. Marseille, Afscheid van de klassieke procedure in het bestuursrecht, NJV Preadvies 2016

37 Prins, C., & Roest, J. 2018.

digitaal kunnen worden ingediend. Luchtvaartzaken zijn erg overzichtelijk en verlopen nagenoeg allemaal hetzelfde zonder uitzonderingen, deze zaken zijn daarom uitermate geschikt om digitaal te worden gevoerd. Daarnaast is de uitkomst van de zaken erg

voorspelbaar waardoor de nu nog handmatige rechterlijke uitspraak veelal al sterk overeen zal komen met een automatisch gegenereerde uitspraak op basis van de aangeleverde gegevens.³⁸ Op dit gebied heeft de rechtspraak daarom vooral behoefte aan digitale procesvoering. De gegevens kunnen dan automatisch verwerkt worden in de uitspraak en hoeven niet eerst opnieuw ingevoerd te worden.³⁹

2.3. Geen open normen

Zoals in het eerste hoofdstuk aan bod is gekomen, werken regelgebaseerde algoritmen volgens een ‘als dit, dan dat’-structuur. Volgens deze structuur bestaat er dus geen ruimte voor eigen interpretatie of invulling; een bepaalde invoer zal leiden tot een bepaalde uitvoer zonder enige belangenafweging of interpretatie. Dit is dan ook meteen één van de redenen waarom luchtvaartzaken geschikt zijn voor de inzet van regelgebaseerde algoritmen. In luchtvaartzaken is er geen sprake is van discretionaire ruimte of open normen. Alle

luchtvaartzaken zijn gebaseerd op de Verordening 261/2004 (hierna: de Verordening) en een aantal standaardarresten. Hieruit vloeien vaste vereisten voort waar de rechtbank aan dient te toetsen om te beoordelen of de zaak onder de Verordening valt en of er dus compensatie verschuldigd is door de luchtvaartmaatschappij. Ook zijn het vaak veel voorkomende

omstandigheden (bijvoorbeeld weersomstandigheden of staking) waar de rechtbank rekening mee dient te houden, dit zijn namelijk omstandigheden waardoor een zaak buiten de

Verordening zou kunnen vallen en er dus ook geen compensatie verschuldigd is. Alle vaste omstandigheden waar de rechter rekening mee dient te houden bij de beoordeling van het geschil kunnen worden ingevoerd in het expertsysteem. De regelgebaseerde algoritmen zullen vervolgens met deze informatie, die afkomstig is van de antwoorden uit de beslisboom, aan de slag gaan en tot een uitkomst komen.

38A.D. Reiling, ‘De rechtspraktijk: toepassing van AI in de rechtspraak’, Computerrecht 2020/6, 19-12-2019

39 Ibid.

2.4. Geen menselijke beoordelingen/afwegingen

Doordat luchtvaartzaken geen open normen bevatten, hoeft er ook geen afweging plaats te vinden tussen omstandigheden van het geval. Dit is positief omdat een algoritme (nog) niet in staat om een complexe juridische afweging te maken. In luchtvaartzaken is zo’n afweging niet nodig, simpelweg omdat het eenvoudige zaken zijn met eenduidige belangen die geen

interpretatie behoeven. Een algoritme kan automatisch de vereiste criteria – welke volgen uit de Verordening en standaardarresten – toepassen op de zaak. Alle relevante feiten zijn door het expertsysteem bekend geworden, waardoor het algoritme aan de hand van vergelijkbare zaken tot een uitspraak, of in ieder geval een voorspelling daartoe, kan komen. In complexe zaken is zo’n afweging van verschillende belangen en omstandigheden wel noodzakelijk. De behandeling in complexe zaken is namelijk, in tegenstelling tot standaardzaken, maatwerk.

Bij deze zaken is het dus wel belangrijk dat alle relevante feiten, belangen en overwegingen betrokken worden bij de besluitvorming. Een voorbeeld van complexe zaken waar een deugdelijke belangenafweging nodig is zijn bijvoorbeeld arbeidszaken. In deze zaken dient rekening te worden gehouden met alle omstandigheden van het geval, redelijkheid en billijkheid en belangen van partijen. Bij het beoordelen van de redelijkheid en billijkheid komt ook de menselijke beoordeling van bijvoorbeeld proportionaliteit kijken. Zo is het bijvoorbeeld onredelijk om iemand te ontslaan vanwege een klein vergrijp als dit ontslag enorme gevolgen heeft voor iemand. De ernst van het vergrijp staat dan niet in verhouding met de gevolgen die het ontslag met zich meebrengt. Dit zijn factoren waar een rechter rekening mee dient te houden. De menselijke beoordeling kan niet gedigitaliseerd worden, hiervoor is mensachtige intelligentie vereist wat niet is vast te leggen in een regel. En ook al zouden er regels kunnen worden vastgelegd dan zijn er ook altijd nog uitzonderingen op de regel. Om deze reden zijn complexe zaken dus niet geschikt voor het gebruik van AI.

Standaardzaken lenen zich daarentegen juist voor de inzet van AI, omdat er in deze zaken geen complexe juridische en menselijke afweging gemaakt hoeft te worden.

2.5. Gelijke behandeling en transparantie

Doordat regelgebaseerde algoritmen werken volgens de ‘als dit, dan dat’-structuur, zullen gelijke gevallen ook gelijk behandeld worden, eenzelfde invoer zal namelijk leiden tot eenzelfde uitkomst. Waar mensen bij het uitvoeren van repetitieve taken nog wel eens fouten kunnen maken, zal het algoritme dit juist voorkomen. Verder is het makkelijk na te gaan hoe het algoritme tot een bepaalde uitkomst is gekomen. Doordat expertsystemen beslisbomen

zijn kan er worden achterhaald welke vragen er zijn gesteld en wat de antwoorden hierop waren. Op deze manier kan de uitkomst worden uitgelegd. Zoals in het vorige hoofdstuk al besproken zijn luchtvaartzaken bij uitstek geschikt voor het automatiseren van dergelijke interactieve beslisbomen. Hiermee voldoet de inzet van regelgebaseerde algoritmen aan kernwaarden van de rechtspraak als onpartijdigheid en transparantie.

.

Hoofdstuk 3: Procesverloop luchtvaartzaken

Nu we weten dat luchtvaartzaken geschikt zijn voor de inzet van AI, is de volgende vraag hoe AI het best kan worden ingezet binnen de luchtvaartzaken bij de rechtspraak. In dit hoofdstuk wordt duidelijk waar AI onder andere voor kan worden ingezet.

3.1. Werkprocessen luchtvaartzaken

Om te kunnen beoordelen op welke manieren AI een rol kan gaan spelen binnen

luchtvaartzaken is het van belang om te weten hoe het proces bij de rechtbank er uit ziet. In deze paragraaf zal het verloop van een luchtvaartzaak worden uiteengezet.

3.1.1. Indienen dagvaarding

Een luchtvaartzaak begint met het indienen van een dagvaarding in het geval de

luchtvaartmaatschappij kantoorhoudend is in Nederland. Is een luchtvaartmaatschappij niet kantoorhoudend in Nederland maar wel in een andere EU-lidstaat, dan wordt de procedure gestart door middel van een zogenaamd small claim-formulier in plaats van een dagvaarding.

Aangezien beide procedures na indiening hetzelfde verlopen gaan zullen wij hierna enkel nog spreken over de dagvaardingprocedure. Luchtvaartzaken hebben in Nederland een

vervaltermijn van twee jaar, gerekend vanaf de datum van het incident, in dit geval dus de dag waarop de vertraging/annulering van de vlucht heeft plaatsgevonden. Binnen deze twee jaar moet de deurwaarder de dagvaarding dus hebben betekend en hebben aangebracht bij de desbetreffende rechtbank.

3.1.2. Conclusie van antwoord en betaling griffierechten

Nadat de dagvaarding bij de rechtbank is binnengekomen wordt er door een griffiemedewerker gecontroleerd of de zaak inderdaad tijdig en correct betekend is

aangebracht. In de betekende dagvaarding wordt een datum genoemd – dit is meestal binnen een periode van vier weken - waarbinnen de gemachtigde van de wederpartij zich bekend dient te maken bij de rechtbank. Als de gemachtigde dit niet tijdig doet en niet tijdig om uitstel verzoekt zal de rechtbank verstek verlenen (artikel 139 Wetboek van Burgerlijke Rechtsvordering). Meldt de gemachtigde van de wederpartij zich wel tijdig voor de roldatum, dan zal door de rechtbank een datum worden bepaald waarop de wederpartij haar conclusie

van antwoord dient in te dienen en een nota met het verschuldigde griffierecht versturen naar de eisende partij.

3.1.3. Conclusie van repliek en conclusie van dupliek

Nadat de griffienota is betaald en de conclusie van antwoord tijdig is ontvangen, wordt de eisende partij in de gelegenheid gesteld om op het verweer van de wederpartij te reageren middels een conclusie van repliek. In de conclusie van repliek zullen de argumenten die de wederpartij heeft aangedragen in haar conclusie van antwoord waar mogelijk worden ontkracht met bewijsstukken die worden bijgevoegd in de producties bij het processtuk.

Vervolgens wordt de wederpartij nog een laatste keer in de gelegenheid gesteld om te

reageren op de conclusie van repliek, middels een conclusie van dupliek. Alle processtukken dienen steeds op papier en in tweevoud bij de rechtbank te worden aangebracht. Naast dat dit ontzettend veel papier kost, brengt het ook erg veel administratie met zich mee. De

griffiemedewerkers bij de rechtbank dienen alle stukken te archiveren op de juiste plek.

3.1.4. Vonnis

Wanneer alle processtukken zijn ingediend, zal de rechter op basis van deze processtukken tot een oordeel komen. Gezien het feit dat luchtvaartzaken op dezelfde grond gebaseerd zijn, namelijk vertraging of annulering, hoeft de rechter enkel te beoordelen of deze vertraging of annulering aan de luchtvaartmaatschappij is toe te rekenen. De vertraging of annulering zal alleen niet aan de luchtvaartmaatschappij zijn toe te rekenen als deze is ontstaan door een oorzaak die buiten de macht van de luchtvaartmaatschappij ligt. Van een oorzaak die buiten de macht van de luchtvaartmaatschappij ligt kan bijvoorbeeld worden gesproken als de vertraging of annulering het gevolg is van extreme weersomstandigheden. De rechter baseert zijn oordeel op de feiten die gedurende het proces naar boven zijn gekomen en de

bewijsstukken die ter onderbouwing daarvan zijn overlegd. Als de rechter tot het oordeel komt dat de vertraging of annulering van de vlucht inderdaad is toe te rekenen aan de luchtvaartmaatschappij, dan zal de rechter de luchtvaartmaatschappij veroordelen tot het betalen van het geldende compensatiebedrag op grond van de Verordening en de daarbij behorende wettelijke rente. Ook zullen de proceskosten aan de kant van de

luchtvaartmaatschappij in rekening worden gebracht. Mocht de gedaagde partij niet zijn verschenen dan zal de rechter tot een verstekvonnis komen.

3.2. Doorlooptijden werkprocessen

Toepassing van AI kan binnen de rechtspraak een grote toegevoegde waarde hebben voor het versnellen van de doorlooptijden. Niet alleen zal dit voor de rechtspraak een uitkomst bieden, zij zullen zaken immers sneller afhandelen waardoor achterstanden kunnen worden

weggewerkt en de werkdruk kan worden verlaagd. Ook voor rechtszoekenden is een snellere procedure wenselijk ter bevordering van de rechtszekerheid.

Nadat de dagvaarding is ingediend bij de rechtbank duurt het gemiddeld vier weken voordat de zaak voor het eerst op de rol komt te staan. Echter, in vrijwel alle gevallen wordt er door de wederpartij om een aanhouding verzocht van nog eens vier weken. Het duurt dus al 2 maanden voordat de conclusie van antwoord zal worden ingediend. Nadat de conclusie van antwoord is ingediend krijgt de eisende partij wederom vier weken de tijd om de conclusie van repliek in te dienen. Vervolgens krijgt de gedaagde partij ook weer vier weken om de conclusie van repliek in te dienen. Voordat alle processtukken zijn uitgewisseld zijn er dus minstens vier maanden verstreken. Nadat alle processtukken zijn uitgewisseld zal de rechter zijn vonnis uitspreken. In beginsel zal dit vier weken na de indiening van de conclusie van dupliek zijn. Echter, het is eerder regel dan uitzondering dat de uitspraak meerdere malen met een termijn van vier weken wordt aangehouden. In het gunstigste geval duurt een

luchtvaartzaak dus gemiddeld vijf maanden. Echter, in de praktijk blijkt dat dit zelden wordt gehaald en dat de doorlooptijd van een luchtvaartzaak tussen de zes maanden tot een jaar is.

Één van de oorzaken hiervan is dat alles binnen de rechtspraak handmatig gebeurt wat een hoge werkdruk met zich mee brengt en waardoor uitspraken dus vaak moeten worden aangehouden omdat rechters er niet op tijd aan toe komen.

Hoofdstuk 4: Welke AI-systemen kunnen worden toegepast binnen luchtvaartzaken?

Nu we weten dat luchtvaartzaken geschikt zijn voor de inzet van AI-systemen en hoe het procesverloop er uit ziet, is de volgende vraag welke vorm van AI het best kan worden ingezet binnen de luchtvaartzaken bij de rechtspraak. Omdat er verschillende werkprocessen plaatsvinden zullen er ook verschillende AI-systemen worden ingezet. Welk AI-systeem leent zich het best voor welk werkproces? Die vraag zal in dit hoofdstuk worden beantwoord.

4.1. Versnellen doorlooptijden en verlichten van werkdruk

Zoals in de inleiding van dit onderzoek al werd genoemd kan een procedure bij de rechtbank voor luchtvaartzaken tot wel een jaar in beslag nemen. Zo heb ik wel eens meegemaakt dat een vonnisbepaling vijf keer werd aangehouden door de rechtbank. Toen ik belde om te vragen waar dit mee te maken had, gaf de medewerker van de desbetreffende rechtbank aan dat het kwam door de drukte en dat zij er simpelweg niet aan toe kwamen om tijdig vonnis te wijzen. Vooral de rechtbank in Haarlem heeft veel luchtvaartzaken in behandeling, daar worden alle zaken behandeld inzake vluchten die de luchthaven Schiphol als vertrek- of aankomstplaats hadden. De luchtvaartzaken worden dus niet verspreid over alle rechtbanken in Nederland, maar zijn voornamelijk geconcentreerd bij de rechtbanken in Haarlem en in Eindhoven, waar de meest gebruikte luchthavens van Nederland zich bevinden. Dit brengt voor deze specifieke rechtbanken ongetwijfeld extra werkdruk met zich meebrengt. Doordat zaken te lang blijven doorlopen, hopen de zaken zich op en ontstaan er achterstanden

waardoor de werkdruk alleen maar toeneemt. Het is dus een soort vicieuze cirkel waar je als rechtbank moeilijk uit komt als je op dezelfde manier blijft werken. Tijd voor verandering dus. Welke vormen van AI de rechtspraak in luchtvaartzaken het best kunnen ondersteunen zal in de volgende paragrafen duidelijk worden.

4.2. Ondersteuning processen

In het vorige hoofdstuk is het procesverloop van een luchtvaartzaak aan bod gekomen.

Daaruit kan geconcludeerd worden dat veel werkzaamheden nog handmatig gebeuren.

Wanneer zaken digitaal worden gevoerd, kan AI bij veel van deze werkzaamheden

ondersteuning bieden. Zo is één van de eerste werkzaamheden in een luchtvaartzaak die een griffiemedewerker uitvoert, het beoordelen van de dagvaarding op de geldigheid daarvan (zie

ook paragraaf 5.2.1.). Hierbij dient te worden gekeken of de dagvaarding juist is betekend, alle gegevens juist zijn ingevuld en of de dagvaarding tijdig bij de rechtbank is aangebracht.

Dit zijn handelingen die ook door een algoritme zouden kunnen worden uitgevoerd. Zo kunnen regelgebaseerde algoritmen – met hun ‘als dit, dan dat’-redenatie – worden ingezet om stukken te beoordelen op hun geldigheid. Als een dagvaarding bijvoorbeeld niet correct betekend is, dan zal de dagvaarding ongeldig worden verklaard. Algoritmen kunnen op deze manier werkzaamheden overnemen waardoor de werkdruk zal worden verlicht en processen sneller zullen verlopen.

Na de dagvaarding worden er nog een aantal andere processtukken uitgewisseld, zoals beschreven in het vorige hoofdstuk. Voor al deze processtukken worden er brieven gestuurd naar beide partijen, waarin de datum staat waarop het stuk bij de rechtbank binnen moet zijn.

Deze brieven hebben weliswaar een standaardinhoud maar worden wel fysiek en handmatig verstuurd. Dit brengt niet alleen extra werk met zich mee voor de rechtbanken, zij moeten deze brieven immers printen en versturen, ook voor de advocaten brengt het fysiek versturen van brieven extra werk met zich mee. Zij zullen deze brieven namelijk moeten inscannen gezien zij wel vaak digitaal werken. Het versturen van deze brieven zou ook door een systeem gedaan kunnen worden. De gegevens van beide partijen kunnen uit de dagvaarding worden gehaald door het systeem en deze gegevens worden vervolgens verwerkt in de

standaardbrieven. Beargumenteerd kan worden dat alle rolcorrespondentie zonder menselijke tussenkomst automatisch door middel van AI kan worden verstuurd een voorwaarde hiervoor is uiteraard dat ook de rechtbanken digitaal gaan werken. Het digitale systeem zal door middel van patroonherkenning registreren dat een processtuk is binnengekomen en zal dan automatisch de volgende brief genereren en versturen naar de procespartijen. Dit is mogelijk omdat deze brieven een standaardinhoud hebben die van tevoren ingevoerd zal worden in het systeem. Het moment van versturen hangt af van wanneer het processtuk is binnengekomen.

Het systeem zal bijvoorbeeld kunnen herkennen dat het processtuk dat is binnengekomen een conclusie van antwoord is. Op deze manier weet het systeem dat de brief met het verzoek tot indiening van de conclusie van repliek verstuurd kan worden.

Wanneer alle processtukken zijn uitgewisseld zal er een uitspraak volgen. Een kenmerk van standaardzaken is dat een uitspraak van tevoren te voorspellen is omdat zaken vergelijkbaar zijn. Net als alle rolcorrespondentie hebben vonnissen ook een standaardinhoud. Het vonnis in een luchtvaartzaak is als volgt opgebouwd:

- Het procesverloop - De feiten

- Het verzoek en het verweer - De beoordeling

- De beslissing

Als voorbereiding op de uitspraak zullen alle processtukken moeten worden doorgenomen.

Uit deze processtukken dient de relevante informatie te worden gehaald op basis waarvan de rechter zijn beslissing zal baseren. De rechter neemt deze stukken momenteel handmatig door om vervolgens de relevante informatie eruit te halen. Om de rechter in dit

voorbereidingsproces ondersteuning te kunnen bieden kan de machine learning techniek worden ingezet. Dit systeem leert door training uit grote hoeveelheden informatie de relevante onderdelen te halen. Deze methode van stukkenonderzoek is al door de rechtspraak erkend in de Verenigde Staten en het Verenigd Koninkrijk. Daarbij is de methode sneller en

nauwkeuriger dan handmatig dossieronderzoek.⁴⁰

De uiteindelijke beslissing hangt samen met de beoordeling en heeft ook een standaardopzet.

Hier zal een expertsysteem een uitkomst kunnen bieden. Zij kunnen door de resultaten die volgen uit de beslisbomen een oordeel vormen dat transparant is. Een expertsysteem wordt namelijk door mensen gebouwd, de invoer wordt door mensen geleverd en het systeem wordt door mensen gevalideerd. Mits deze handelingen correct hebben plaatsgevonden kent het expertsysteem dus geen zogenoemde black box.⁴¹

Niet alleen voor de rechtbanken is het fijn als zaken sneller kunnen worden afgehandeld. Ook in het kader van rechtszekerheid is het voor rechtszoekenden van belang dat zij gedurende een procedure weten waar zij aan toe zijn. Het verkorten van doorlooptijden helpt hierbij, het voorkomt namelijk dat rechtszoekenden onverwacht en onnodig in een lange procedure verwikkeld raken.

40 A.D. Reiling. 2019.

41 Raad voor de rechtspraak, p.44.

4.3. Besluitvormingsproces

In de vorige paragraaf werd al even kort aangehaald dat expertsystemen een rol kunnen spelen in het besluitvormingsproces. Over de vraag of algoritmen in de rechtspraak in de toekomst zelfstandig uitspraken kunnen doen is veel discussie. Van den Herik stelt bijvoorbeeld dat er tussen 2030 en 2040 algoritmen ontwikkeld zullen zijn die in staat zijn om een individueel geschil te beslechten.⁴² Van den Herik is niet de enige die er zo over denkt. Ook de voormalig voorzitter van de Raad voor de rechtspraak, Frits Bakker, is van mening dat computers in de toekomst zullen rechtspreken.⁴³ Henry Prakken is het hier niet mee eens, hij denkt dat het realistischer is om in te zetten op ondersteuning van de menselijke rechter met AI, zodat mens en computer samen beter presteren dan apart.⁴⁴

Iedere uitspraak zal gepaard moeten gaan met een motivering van de beslissing.

Expertsystemen zijn tot deze motivering in staat. Zoals al eerder in dit onderzoek besproken zijn expertsystemen interactieve beslisbomen. De vragen en antwoorden uit deze beslisbomen zijn bekend waardoor dus ook is te achterhalen hoe het systeem tot een beslissing is gekomen.

Zowel de stellingen van de heren Van den Herik en Bakker als die van de heer Prakken kunnen beargumenteerd worden. Standaardzaken lenen zich er perfect voor om ook een standaard uitspraak te laten vormen door een algoritme. Echter, mijns inziens is het te vroeg om de rechter helemaal te vervangen door computers. In dat opzicht sluit ik mij dus aan bij de heer Prakken en ben ik van mening dat het realistischer is om voor alsnog in te zetten op ondersteuning van de menselijke rechter. Een algoritme zou bijvoorbeeld een advies kunnen uitbrengen aan de rechter, gebaseerd op jurisprudentie en - in het geval van luchtvaartzaken - de Verordening. Op deze manier zal worden gewaarborgd dat alle relevantie feiten worden meegenomen in de beoordeling, maar zal de uiteindelijke uitspraak door een menselijke rechter worden gedaan.

42 Mr-online, ‘In 2030 zullen computers rechtspreken’, (31 oktober 2016), <https://www.mr-online.nl/in- 2030-zullen-computers-rechtspreken/> Geraadpleegd op 26 november 2020.

43Prins, C., & Roest, J. 2018

44 H. Prakken, ‘Komt de robotrechter er aan?’, NJB 2018/207, afl. 4.

Hoofdstuk 5: De inzet van AI in overige standaardzaken

Zoals in de inleiding werd aangegeven is het doel van dit onderzoek om een blauwdruk te ontwikkelen voor standaardzaken voor de inzet van AI. Dit onderzoek heeft zich tot nu toe gericht op luchtvaartzaken. Hiervoor heb ik beargumenteerd dat luchtvaartzaken uiterst geschikt zijn om langs digitale weg en met het gebruik van AI afgehandeld te worden.

Wanneer deze zaken digitaal worden gevoerd kunnen verschillende werkprocessen binnen de rechtspraak worden ondersteund en zelfs worden vervangen door de inzet van AI, zoals besproken in het vorige hoofdstuk. Nu blijkt dat AI inzetbaar is in luchtvaartzaken, rijst de vraag of deze werkwijze ook ingezet kan worden in andere standaardzaken.

5.1. Herkenning standaardzaken

Om te kunnen beoordelen of AI in andere zaken dan luchtvaartzaken op eenzelfde manier kan worden ingezet, zal moeten worden gekeken naar de kenmerken van de zaak. In het tweede hoofdstuk van dit onderzoek is gebleken waarom luchtvaartzaken geschikt zijn voor de inzet van AI. Dit komt doordat luchtvaartzaken geen open normen kennen, geen complexe

afweging van belangen verlangen en zonder zitting kunnen worden afgerond. Verder hebben luchtvaartzaken een erg voorspelbaar procesverloop en een voorspelbare uitkomst. Zaken die deze kenmerken hebben zouden dus ook geschikt zijn voor de inzet van AI. Dat wil niet zeggen dat zaken die deze kenmerken niet hebben en een stuk complexer van aard zijn, ongeschikt zijn voor de inzet van AI. Zij zijn enkel ongeschikt voor een soortgelijke inzet als in standaardzaken.

5.2. Ontwerp inzet van AI in standaardzaken

De processen die in luchtvaartzaken plaatsvinden, vinden ook in andere standaardzaken plaats. Zo zal er altijd moeten worden gecontroleerd of een dagvaarding correct is betekend en zal de rechtbank altijd rolbrieven blijven versturen. Ook vindt er in iedere standaardzaak een besluitvormingsproces plaats waarbij relevante feiten moeten worden beoordeeld. Deze paragraaf zal als ontwerp dienen voor de inzet van AI in deze standaardprocessen.

5.2.1. Controleren dagvaarding

Hoe een dagvaarding door de griffiemedewerker wordt gecontroleerd is niet afhankelijk van de soort zaak en gebeurt dus in elke standaardzaak op dezelfde manier. Iedere dagvaarding moet voldoen aan de voorwaarden genoemd in artikel 45 en 111 Wetboek van Burgerlijke Rechtsvordering. Deze artikelen zullen moeten worden vertaald naar een ‘als dit, dan dat’- regel, bijvoorbeeld als de datum van de betekening ontbreekt, dan is de dagvaarding ongeldig.

Regelgebaseerde systemen zijn in staat om op deze manier dagvaardingen te analyseren en kunnen hierin dus de taak van de griffiemedewerkers overnemen. De regelgebaseerde systemen werken volgens de ‘als dit, dan dat’-redenatie. In het geval van het aflopen van de voorwaarden voor een geldige dagvaarding zal het systeem dus als volgt in zijn werk gaan.

Als de datum van de betekening in de dagvaarding is opgenomen, dan door met het checken van de namen. Op deze manier wordt er een soort checklist afgelopen door het algoritme. Als de volledige checklist kan worden afgelopen zijn alle vereisten uit artikel 45 en artikel 111 Wetboek van Burgerlijke Rechtsvordering dus aanwezig en zal de dagvaarding geldig zijn.

5.2.2. Versturen rolbrieven

Ook het versturen van rolbrieven zal in iedere standaardzaak tot de werkzaamheden binnen het proces behoren. Op deze manier worden de procespartijen op de hoogte gesteld over waar in het proces de zaak zich bevindt en welke actie er wordt vereist voor welke datum. Deze brieven hebben een standaardinhoud en kunnen dus automatisch gegenereerd worden.

Hiervoor is het wel van belang dat het systeem weet welke brief wanneer verstuurd moet worden.

Op mijn werk worden er ook regelmatig standaardbrieven verstuurd naar cliënten. Door middel van deze brieven worden zij op de hoogte gehouden van het juridische proces. Wij versturen deze standaardbrieven nagenoeg automatisch vanuit het systeem waarin wij werken.

Het versturen van de brieven vereist slechts één handmatige handeling en dat is het aanpassen van een digitale tijdlijn. Het systeem weet op basis van deze tijdlijn welke brief er in deze fase van de tijdlijn moet worden verstuurd en verstuurd deze brief vervolgens automatisch naar de cliënt.

Ook de rechtspraak kan via een dergelijke tijdlijn werken in standaardprocessen. Zodra standaardzaken digitaal worden gevoerd, zal ook de rolcorrespondentie digitaal plaatsvinden.

Alle standaard rolbrieven zullen vooraf moeten worden geïmplementeerd in het systeem waarmee de rechtbank werkt. Zodra de griffiemedewerker op de tijdlijn aangeeft dat er een volgend processtuk is vereist, dan zal het systeem de brief die bij deze tijdlijnstatus hoort automatisch naar de procespartijen kunnen versturen. De griffiemedewerkers sturen deze brieven nu nog handmatig, met een dergelijk systeem is dit niet meer nodig en gebeurt dit automatisch.

5.2.3. Beoordelen processtukken en eerder gewezen uitspraken

De rechter bereidt een zaak voor door het lezen van de processtukken en het analyseren ervan.

De rechter zal handmatig de relevante feiten uit de stukken moeten halen om deze vervolgens mee te nemen in zijn vonnis. Hoewel standaardzaken vaak geen ingewikkelde feiten bevatten, kost het de rechter veel tijd om alle processtukken door te lezen. Met behulp van

tekstclassificatie, een zogenaamde supervised machine learning-techniek, kan het systeem automatisch structuur aanbrengen in processtukken en eerder gewezen uitspraken.⁴⁵ Het idee achter deze techniek is dat je het algoritme voorbeelden geeft van zinnen waarin bepaalde kenmerken staan. Als het systeem genoeg van dit soort voorbeelden krijgt, kan het patronen gaan ontdekken en in het vervolg observaties herkennen in niet eerder geziene zinnen.⁴⁶ Op die manier kan het systeem processtukken en gewezen uitspraken doorzoeken op relevante feiten en omstandigheden, waardoor de rechter dit niet handmatig meer hoeft te doen.

5.2.4. Besluitvormingsproces

Nadat de processtukken en eerder gewezen uitspraken zijn geanalyseerd door middel van de techniek, zoals in de vorige paragraaf uiteengezet, zal de rechter tot een uitspraak komen.

Standaardzaken hebben per definitie een voorspelbare uitkomst en er zijn geen complexe bewijs- en interpretatieproblemen.⁴⁷ In veel literatuur wordt inmiddels al gesproken over robotrechters.⁴⁸ Dit wil zeggen dat het besluitvormingsproces volledig wordt geautomatiseerd.

Standaardzaken lenen zich inderdaad voor een dergelijk geautomatiseerd

45 Raad voor de rechtspraak, p.33.

46 Ibid., p.30.

47 H. Prakken.

48Zie bijvoorbeeld Van den Herik in Mr., ‘In 2030 zullen computers rechtspreken’, 31 oktober 2016 (op mr- online.nl), Corien Prins en Jurgen van der Roest, ‘AI en de rechtspraak’, Nederlands Juristenblad 2018/206 en Henry Prakken, ‘Komt de robotrechter eraan?’, Nederlands Juristenblad 2018/207.

besluitvomingsproces. De inzet van regelgebaseerde algoritmen liggen voor wat betreft het besluitvormingsproces in standaardzaken het meest voor de hand, gezien het in deze zaken niet om complexe rechtsvragen zal gaan.⁴⁹

5.3. Pilot AI in bulkzaken

Een onderzoek wat erg vergelijkbaar is met het onderzoek wat ik momenteel uitvoer is het onderzoek van Manuella van der Put inzake de inzet van AI in bulkzaken. Het betreft een onderzoek waarin toepassingen van AI worden gebouwd en getest. Het onderzoek is gericht op het bouwen van een tool of dashboard waarmee ondersteuning kan worden geboden bij het afdoen van bulkzaken (grote hoeveelheden zaken met één simpele rechtsvraag) te weten bij het analyseren van de zaak, het zoeken naar vergelijkbare zaken en het komen tot een beslissing in deze zaken.⁵⁰ Er wordt onderzocht wat de mogelijke toepassingen zijn van AI binnen het gehele rechterlijke proces, van de eerste kennisneming van het dossier tot de uiteindelijke beslissing door de rechter.

Om AI-systemen te laten werken zijn er grote hoeveelheden data nodig.⁵¹ We hebben het dan over een minimumaantal uitspraken van 10.000. Omdat er bij de rechtbanken nog met

papieren dossiers wordt gewerkt heeft het maanden geduurd om überhaupt aan genoeg data te komen voor het onderzoek. Dit omdat papieren data moet worden gedigitaliseerd en door toevoeging van metadata doorzoekbaar moet worden gemaakt. Dit geeft des te meer aan waarom het zo belangrijk is dat de rechtspraak digitaliseert.

In de pilot wordt onder andere onderzocht of met behulp van AI het door de onderzoekers gebouwde systeem in staat is om uit een nieuw aangebrachte zaak de relevante feiten – die nodig zijn om tot een oordeel te komen - te halen. Het onderzoek loopt nog dus de resultaten zijn nog niet definitief, maar het voorlopige resultaat is dat het systeem inderdaad in staat is om de relevante feiten uit een zaak te halen⁵². Vervolgens gaat het systeem op zoek naar vergelijkbare zaken welke de rechter kan gebruiken bij de voorbereiding van de zaak. De verschillende onderzoekers die meewerken aan dit onderzoek zijn tot de conclusie gekomen

49 S.Kulk & S. Van Deursen, p.131

50 Raad voor de rechtspraak, p.50.

51 Ibid., p. 26.

52 Ibid., p. 55.

dat de inzet van AI bij het zelfstandig nemen van rechterlijke beslissingen nog ver weg lijkt, maar dat AI wel een ondersteunende rol aan kan nemen.⁵³

5.4. Mogelijkheden volgens de rechtspraak

Voor het onderzoek van Stijn van Deursen en Stefan Philipsen: ‘Juridische aspecten van algoritmen die besluiten nemen’⁵⁴ zijn interviews afgenomen bij verschillende betrokkenen bij de rechtspraak, zoals rechters en medewerkers van de Raad voor de rechtspraak. Hen is gevraagd naar de inzet van algoritmen binnen de rechtspraak en welke mogelijkheden zij hierin zien. Uit de afgenomen interviews volgt onder andere dat de betrokkenen kansen betreffende de rechtsgelijkheid en daarmee de rechtseenheid zien. Volgens de geïnterviewden kunnen algoritmen bijdragen aan een meer gecoördineerde behandeling van gelijksoortige rechtsvragen.⁵⁵ Hiermee bedoelen zij dat de inzet van algoritmen eraan kan bijdragen dat zaken met eenzelfde rechtsvraag binnen eenzelfde rechtbank ook bij dezelfde rechters terechtkomen. Hiermee kan worden voorkomen dat verschillende rechters verschillende uitspraken doen over dezelfde rechtsvraag. Dit zal leiden tot een consistentere aanpak van gelijke rechtsvragen.⁵⁶

Zoals al meerdere malen in dit onderzoek is aangekaart is een voorwaarde voor de inzet van AI dat de rechterlijke procedure gedigitaliseerd zal moeten worden. Ook de geïnterviewden beamen dit.⁵⁷ De geïnterviewden geven verder aan dat het momenteel ontbreekt aan overzicht in kwaliteitsmaatstaven, zoals doorlooptijden.⁵⁸ AI kan hier een uitkomst bieden door dit overzicht aan te brengen en ervoor te zorgen dat de informatie automatisch kan worden uitgewisseld tussen verschillende rechtbanken. Zo zal worden verholpen dat gelijke zaken bij de ene rechtbank veel langer duren dan bij een andere rechtbank. Ook dit zal bijdragen aan de rechtsgelijkheid en efficiëntie van de rechtspraak.⁵⁹

Ook kan binnen een rechtbank door middel van AI bijvoorbeeld in kaart worden gebracht waarom de doorlooptijd van vergelijkbare zaken bij de ene rechter veel langer is dan bij de andere rechter. Dit zou bijvoorbeeld het gevolg kunnen zijn van een specifieke interesse van

53 Raad voor de rechtspraak, p. 50.

54 S.Kulk & S. Van Deursen, p.46

55 Ibid., p. 122

56 Ibid.

57 Ibid., p. 114.

58 Ibid., p. 126.

59 Ibid.