En norsk teknologivirksomhet bygger en språkmodell, kjøper et datasett fra en ekstern leverandør og mater det inn i treningspipelinen sin. Datasettet består av tekst automatisk hentet fra offentlige nettsteder — blogginnlegg, debattforum, nyhetssider. Ingen av personene omtalt i tekstene har samtykket. Selskapet regner med at åpent tilgjengelig innhold er fritt å bruke.

8. juli vedtok EDPB retningslinjer 03/2026 om webscraping i konteksten generativ AI — det første samlede GDPR-rammeverket som adresserer storskala automatisk datainnhenting til AI-trening direkte. Retningslinjene avviser antagelsen ovenfor eksplisitt.

«Offentlig» er ikke et rettslig grunnlag

<cite index="6-13">EDPB fastslår at GDPR gjelder webscraping så snart det berører personopplysninger, og at offentlig synlighet verken er samtykke eller et rettslig grunnlag.</cite> Selskaper må identifisere et selvstendig behandlingsgrunnlag etter personvernforordningen artikkel 6.

<cite index="12-6,12-7,12-8,12-9">Samtykke er i praksis utelukket: retningslinjene bekrefter at artikkel 6(1)(a) generelt ikke er gjennomførbart ved webscraping i stor skala. Berettiget interesse etter artikkel 6(1)(f) er den primære veien, men forutsetter en streng trestegstest.</cite>

<cite index="13-1,13-2">EDPB anerkjenner at de fleste virksomheter vil falle tilbake på berettiget interesse, men understreker at selskapet da må dokumentere en legitim interessevurdering som redegjør for selskapets interesse, nødvendigheten av behandlingen og en avveining mot de registrertes interesser.</cite> <cite index="13-4">Rådet presiserer at det ikke finnes noen standardisert interessevurdering for dette formålet — den må gjennomføres fra sak til sak.</cite>

Sensitive data er i prinsippet forbudt

<cite index="16-9,16-10">Retningslinjene slår fast at behandling av særlige kategorier personopplysninger — som helse, politisk overbevisning eller seksuell orientering — i prinsippet er forbudt. Dersom webscraping involverer slike data, kreves det både et rettslig grunnlag etter artikkel 6 og et unntak etter artikkel 9(2).</cite>

<cite index="6-25">Bred scraping av særkategori-data må regnes som presumptivt ulovlig, ettersom massescraping sjelden tilfredsstiller kravene i artikkel 9(2).</cite> Et praktisk problem er at slike opplysninger ofte finnes spredt i åpne tekster. <cite index="7-14,7-15">Dersom en AI-modell husker og reproduserer data fra treningsdatasettet, medfører det ytterligere risiko for de registrerte — informasjonen kan benyttes direkte til vilkårlige formål.</cite>

<cite index="1-16">Ved webscraping må det særlig tas hensyn til formålsbegrensningsprinsippet og transparensprinsippet.</cite> <cite index="17-13">Avhengig av hvordan databehandlingen er utformet, trenger ikke behandlingsansvarlig å varsle enkeltpersoner direkte dersom dette er umulig eller krever uforholdsmessig innsats.</cite> Selskapet må likevel publisere detaljert personverninformasjon og legge til rette for at registrerte kan reservere seg før innsamling.

Tre kriterier avgjør om data er anonymt

Parallelt med webscraping-retningslinjene vedtok rådet retningslinjer 02/2026 om anonymisering — med direkte konsekvenser for AI-utvikling. Mange selskaper argumenterer for at trente modeller ikke «inneholder» personopplysninger fordi dataene er tilstrekkelig anonymisert. EDPB strammet inn denne vurderingen.

<cite index="31-7">Rammeverket benytter tre kriterier for å teste om data er anonymt: 1) ingen isolering av enkeltoppføringer, 2) ingen kobling til andre datasett, og 3) ingen inferens om enkeltpersoner.</cite> <cite index="38-8">Delvis etterlevelse er ikke etterlevelse: dersom ett enkelt kriterium ikke er oppfylt, forblir dataene personopplysninger under GDPR — med alle krav om rettslig grunnlag, formålsbegrensning, dataminimering og registrertes rettigheter.</cite>

<cite index="37-18">EDPB anerkjenner eksplisitt at AI — særlig agentisk AI — vil redusere tid og kostnad ved re-identifisering.</cite> Det betyr at anonymiseringsteknikker som holdt vann for fem år siden, ikke nødvendigvis passerer testen i dag. <cite index="1-4">Retningslinjene tar også hensyn til EU-domstolens avgjørelse i sak C-413/23 P EDPS mot SRB fra 4. september 2025 og øvrig EU-domstolspraksis.</cite>

Norsk relevans: GDPR er norsk lov

<cite index="20-5">Selv om Norge ikke er EU-medlem, er personvernforordningen tatt inn i norsk rett gjennom EØS-avtalen og gjort til norsk lov ved personopplysningsloven av 15. juni 2018.</cite> <cite index="20-13">I grenseoverskridende saker samarbeider Datatilsynet med de øvrige europeiske tilsynsmyndighetene gjennom EDPB, på lik linje med EU-statene.</cite>

EDPBs retningslinjer er tolkningsveiledning, ikke ny lovgivning — men pliktene de tolker, gjelder allerede. <cite index="6-20,6-21">Retningslinjene er i utkastform og åpne for høring frem til 30. oktober 2026. GDPR-pliktene de tolker — om lovlighet, transparens og nøyaktighet — er imidlertid allerede bindende.</cite>

<cite index="6-29,6-30">Det å kjøpe eller bruke et webscrapet datasett er fortsatt behandling av personopplysninger, og virksomheten arver behandlingsansvaret. Det kreves at man verifiserer rettslig grunnlag, proveniens og filtrering av særkategori-data i ethvert datasett før det mates inn i en modell.</cite> Dette gjelder også norske virksomheter som ikke selv scraper, men kjøper treningsdata fra tredjeparter.

Hva skjer frem mot 30. oktober

<cite index="32-8,32-9">EDPB anbefaler at data kun hentes fra pålitelige kilder, at tidsstempel registreres, og at data valideres før det benyttes i AI-trening — for å sikre etterlevelse av nøyaktighetsprinsippet. Retningslinjene gir også råd om tiltak for å etterleve dataminimeringsprinsippet.</cite>

Aktører som er direkte berørt — utviklere av grunnmodeller, selskaper som finjusterer modeller og virksomheter som kjøper webscrapet data — har frem til 30. oktober til å inngi høringssvar. Endelige retningslinjer vil fastsette den tolkningsstandarden europeiske tilsynsmyndigheter, inkludert Datatilsynet, legger til grunn i tilsynssaker og ved vurdering av overtredelsesgebyr.