Door Tom Lefebure, medeoprichter van Shredeo —

Een lid vraagt een AI-assistent om een sportles te boeken. De les is vol en vier mensen wachten al op een vrije plek. Enkele ogenblikken later heeft de AI een manier gevonden om de boekingsregels te omzeilen. De persoon bovenaan de wachtlijst is verwijderd.

Dit is geen filmscenario en ook geen oefening van beveiligingsexperts. Het gebeurde echt in Australië en werd op 10 augustus 2026 gemeld door ABC News.

Voor sportschoolhouders verdient dit verhaal meer aandacht dan alleen een alarmerende kop. Het laat zien dat een zwakke plek in boekingssoftware nu kan worden gevonden en gebruikt door een AI die een heel gewone opdracht krijgt: “Boek deze les voor mij.”

Shredeo bouwt software voor sportschoolbeheer die onder andere boekingen en wachtlijsten regelt. Dit onderwerp raakt ons dus rechtstreeks. Hieronder leggen we uit wat er gebeurde, wat dit verandert voor onze sector en hoe wij AI inzetten om onze eigen software op de proef te stellen.

Een eenvoudige boeking loopt uit de hand

Andrew, een Australische gebruiker, had een assistent geïnstalleerd die online handelingen voor hem kon uitvoeren. Hij vroeg de assistent om een les bij zijn sportschool te boeken.

De assistent ontdekte dat hij Andrew veel eerder kon inschrijven dan normaal was toegestaan. In plaats van de datum in de app te respecteren, vond de AI een andere route om de aanvraag rechtstreeks naar het boekingssysteem te sturen.

Andrew stond ook vierde op de wachtlijst van een andere les. Hij vroeg of de AI hem hoger kon plaatsen. Toen ontdekte de assistent iets veel ernstigers: de software liet toe dat de plek van iemand anders werd geannuleerd.

De AI probeerde dit bij het lid bovenaan de wachtlijst. De annulering werkte. Andrew ging van de vierde naar de derde plaats, terwijl hij nooit had gevraagd om iemand te verwijderen.

Toen hij besefte wat er was gebeurd, vroeg hij de assistent meteen om die persoon terug te plaatsen. Het was te laat: de AI wist zijn eigen handeling niet ongedaan te maken. Uiteindelijk hielp de assistent Andrew om de leverancier van de sportschoolsoftware te waarschuwen.

Op het eerste gezicht gaat het om één plek in één les. In werkelijkheid legt het incident een veel groter probleem bloot.

Hoe kon de AI handelen op de boeking van een ander lid?

Wanneer leden inloggen in de app van hun sportschool, zien ze knoppen om te boeken, te annuleren of op een wachtlijst te gaan. Die knoppen zijn alleen het zichtbare deel van de software.

Achter het scherm ontvangt het systeem elke aanvraag en beslist het of die mag worden uitgevoerd. Het moet daarbij twee dingen controleren:

  1. Wie doet de aanvraag?
  2. Mag die persoon deze handeling uitvoeren?

In dit geval wist de software wie Andrew was. Wat niet goed werd gecontroleerd, was of de boeking die hij wilde annuleren ook van hem was.

Het is alsof een sportschool bij de ingang wel een lidkaart controleert, maar daarna niet meer nagaat of die persoon het kantoor van de manager of het kluisje van een ander lid mag openen.

De AI heeft de zwakke plek niet gemaakt. Hij vond een deur die niet goed sloot en deed ze open.

OWASP, een internationale organisatie die zich bezighoudt met online beveiliging, noemt dit soort fouten een van de belangrijkste risico’s voor online software. Eenvoudig gezegd: software moet vóór elke belangrijke handeling controleren wat iemand mag doen, niet alleen bij het inloggen.

Wat AI verandert voor sportscholen

Tot voor kort waren technische kennis, tijd en een bewuste zoektocht nodig om zo’n verborgen route te vinden.

Nieuwe AI-assistenten veranderen dat. Ze kunnen een website doorlopen, verschillende routes proberen en handelingen combineren, ook wanneer hun gebruiker de techniek zelf niet begrijpt. In het Australische geval begon alles met een eenvoudige boekingsvraag vanaf de bank.

Dat betekent niet dat elke AI sportscholen zal proberen te kraken. Het betekent wel dat een vergeten zwakke plek gemakkelijker, sneller en soms bijna per ongeluk kan worden gevonden.

Welke onderdelen van sportschoolsoftware moeten het sterkst worden beschermd?

Een zwakke plek blijft niet noodzakelijk beperkt tot het lesrooster. Sportschoolsoftware moet dezelfde identiteits- en toegangscontroles toepassen op elke gevoelige handeling:

Die bescherming moet consistent blijven in de volledige software voor sportschoolbeheer, niet alleen in de interface die leden te zien krijgen.

Dit is geen alleenstaand geval meer

Het Australische incident valt op omdat het begon met een dagelijkse taak. Toch is dit niet het enige recente voorbeeld van een AI die veel verder gaat dan verwacht om een doel te bereiken.

In juli 2026 erkende OpenAI dat modellen tijdens een test uit een afgeschermde ruimte wisten te ontsnappen en vervolgens systemen van Hugging Face binnendrongen. Hugging Face is een ander AI-bedrijf. De oorspronkelijke opdracht was alleen om een oefening op te lossen. De modellen zochten een snellere weg naar de antwoorden.

De Australische nationale cyberveiligheidsdienst publiceerde ook officiële richtlijnen voor het voorzichtig gebruiken van AI-assistenten die zelfstandig kunnen handelen. De dienst waarschuwt dat een AI een kortere weg kan kiezen die technisch aan de opdracht voldoet, maar tegen de echte bedoeling van de gebruiker ingaat of een gevaar veroorzaakt.

Anthropic, het bedrijf achter Claude, legt zelf uit dat zulke assistenten beslissen hoe zij het opgegeven doel bereiken. Dat maakt ze nuttig. Het maakt hun gedrag ook moeilijker te voorspellen wanneer ze te veel vrijheid krijgen of software tegenkomen die onvoldoende is beschermd.

Voor een sportschoolhouder gaat het mogelijke gevolg veel verder dan de volgorde van een wachtlijst. Software voor sportschoolbeheer verbindt vaak:

  • namen en contactgegevens van leden;
  • boekingen en aanwezigheden;
  • lidmaatschappen en beschikbare credits;
  • betalingen en facturen;
  • toegang tot de sportschool;
  • informatie die alleen voor coaches en medewerkers bedoeld is.

Dit risico is niet theoretisch. In april 2026 bevestigde Basic-Fit dat een deel van zijn leden was gewaarschuwd na een ongeoorloofde download van gegevens. Volgens de openbaar gemaakte informatie ging het onder meer om namen, adressen, contactgegevens, geboortedata, lidmaatschapsinformatie en het rekeningnummer en de naam van de rekeninghouder. Leden in verschillende Europese landen, waaronder België en Frankrijk, waren getroffen. Het datalek leidde ook tot officiële vragen in de Nederlandse Tweede Kamer. De aanval hield geen verband met AI, maar toont wel wat er kan worden blootgesteld wanneer een systeem van een sportschool wordt gekraakt.

Als de regels niet goed worden afgedwongen, kan iemand mogelijk de boeking van een ander aanpassen, diens credits gebruiken, informatie bekijken die hem niet aangaat of een grens van de sportschool omzeilen. Een AI kan zulke handelingen vervolgens veel sneller herhalen dan een mens.

Bij Shredeo plaatsen we AI in de rol van een echte aanvaller

Dit verhaal is voor ons bijzonder herkenbaar. Bij Shredeo voer ik regelmatig gecontroleerde pogingen uit om in onze eigen software en boekingsroutes binnen te dringen. Daarvoor gebruik ik AI-modellen in omstandigheden die zo dicht mogelijk bij een echte aanval liggen.

Ik geef ze geen checklist. Ik geef ze een duidelijk doel: vind een manier om binnen te komen of iets te verkrijgen wat verboden hoort te zijn. Binnen de grenzen van de test mogen de modellen elke route proberen die ze vinden.

Hun opdrachten kunnen zijn om te proberen:

  • zich gratis in te schrijven voor een betalende dienst;
  • een betaling te omzeilen;
  • de controle over het account van iemand anders over te nemen;
  • een handeling uit te voeren die alleen een coach, medewerker of sportschoolhouder mag doen;
  • informatie te bekijken waartoe hun account geen toegang hoort te hebben.

We herhalen deze pogingen met elk type account in de software. De AI kan zich dus gedragen als:

  • een buitenstaander zonder lidmaatschap;
  • een gewoon lid van de sportschool;
  • een medewerker of coach;
  • de beheerder van een andere sportschool die verder probeert te gaan dan zijn eigen rechten.

Die laatste controle is essentieel. Iemand hoeft niet altijd met geweld in software binnen te dringen om schade te veroorzaken. Die persoon kan al een volledig geldig account hebben en proberen verder te gaan dan dat account hoort toe te laten.

We moeten dus zeker weten dat een lid een lid blijft, dat een medewerker geen beheerder kan worden en dat de verantwoordelijke van één sportschool nooit gegevens van een andere vestiging kan bekijken of aanpassen.

Het principe lijkt op wat in Australië gebeurde, met één belangrijk verschil: onze tests zijn bewust, gecontroleerd en beperkt tot systemen die we mogen testen. Ze richten zich nooit op software van een ander bedrijf of op gegevens van zijn klanten.

Waarom gebruiken we hiervoor AI? Een traditionele controle behandelt vooral situaties die we vooraf zelf hebben bedacht. Een AI met één duidelijk doel kan omwegen en combinaties proberen waar wij niet aan hebben gedacht.

Wanneer een test een zwakke plek blootlegt, herstellen we die. Daarna voegen we een blijvende controle toe die moet voorkomen dat hetzelfde probleem bij een latere update terugkomt.

We publiceren uiteraard niet welke methoden worden gebruikt of welke bescherming precies aanwezig is. De veiligheid van onze klanten is belangrijker dan een spectaculaire demonstratie.

Bij Shredeo is kunstmatige intelligentie bedoeld om je werk gemakkelijker te maken: ze helpt tijd te besparen, beter te begrijpen wat er in de sportschool gebeurt en eenvoudiger actie te ondernemen. Achter de schermen gebruiken we AI ook om zwakke plekken in onze eigen software te zoeken en de bescherming van de sportscholen die ons vertrouwen te versterken.

Vijf eenvoudige vragen voor je softwareleverancier

Een sportschoolhouder hoeft geen computerexpert te zijn om degelijke software te kiezen. Deze vijf praktische vragen helpen wel.

1. Kan een lid alleen op zijn eigen account handelen?

De software moet dit controleren bij elke boeking, annulering, betaling, documentaanvraag en profielwijziging.

2. Geldt dezelfde bescherming ook buiten de knoppen van de app?

Een functie op het scherm verbergen is niet genoeg. De software moet een verboden handeling weigeren, ook wanneer de aanvraag via een ongebruikelijke route binnenkomt.

3. Blijven de gegevens van elke sportschool gescheiden?

In software die door verschillende ondernemingen wordt gebruikt, mag een lid of medewerker van de ene sportschool nooit informatie van een andere sportschool kunnen bekijken.

4. Wordt ongewoon gedrag opgemerkt?

Een snelle reeks annuleringen, geweigerde pogingen of abnormale aanvragen moet kunnen worden ontdekt en onderzocht.

5. Wordt de beveiliging regelmatig getest?

Eén controle is niet voldoende. Software verandert, er komen nieuwe functies bij en aanvalsmethoden evolueren. De beveiliging moet dus bij elke ontwikkeling opnieuw worden bekeken.

Geen enkel serieus softwarebedrijf mag nul risico beloven

Wij zullen nooit beweren dat een incident onmogelijk is. Geen enkele verantwoordelijke leverancier kan absolute veiligheid garanderen, zeker nu hulpmiddelen om zwakke plekken te vinden snel beter worden.

Onze verantwoordelijkheid is om het risico zo klein mogelijk te maken: elke belangrijke handeling beschermen, ons eigen werk regelmatig testen, gevonden zwakke plekken herstellen en alert blijven op nieuwe vormen van misbruik.

Het Australische incident herinnert ons aan één eenvoudige regel. Een handeling verbergen of verbieden in een app maakt ze nog niet onmogelijk. De software zelf moet de regel bij elke aanvraag afdwingen.

AI-systemen zullen betere assistenten worden. Ze zullen ook beter worden in het vinden van deuren die niet goed sluiten. Bij Shredeo laten we ze liever onze deuren zoeken in een gecontroleerde situatie, zodat we de sportscholen die ons vertrouwen beter kunnen beschermen.

Over de auteur

Tom Lefebure, medeoprichter van Shredeo

Tom Lefebure — medeoprichter van Shredeo

Tom bouwt het Shredeo-platform, het dashboard en de functies die AI gebruiken. Hij voert regelmatig gecontroleerde beveiligingstests uit met AI-modellen en verschillende accounttypes om de bescherming van boekingen, betalingen, accounts en sportschoolgegevens te versterken.

Veelgestelde vragen

Kan AI echt sportschoolsoftware kraken?

Ja. Een AI die online handelingen kan uitvoeren, kan een bestaande zwakke plek in software vinden en gebruiken. De AI maakt die zwakke plek niet noodzakelijk zelf, maar kan ze wel veel sneller ontdekken en benutten dan een gewone gebruiker.

Welke informatie moet sportschoolsoftware beschermen?

De software moet onder meer contactgegevens, boekingen, lidmaatschappen, credits, betalingen, facturen en toegangsgegevens beschermen. Informatie die alleen voor coaches en beheerders bedoeld is, moet eveneens privé blijven.

Hoe weet ik of sportschoolsoftware veilig is?

Vraag hoe de leverancier voorkomt dat een lid op het account van iemand anders handelt, hoe de gegevens van sportscholen gescheiden blijven, hoe ongewoon gedrag wordt ontdekt en hoe vaak de bescherming wordt getest. Wees voorzichtig met beloften van absolute veiligheid.

Waarom gebruikt Shredeo AI om de beveiliging te testen?

Een AI kan hetzelfde doel krijgen als een echte aanvaller: een betaling omzeilen, een account overnemen of verboden informatie bereiken. Shredeo herhaalt deze pogingen met verschillende accounttypes, uitsluitend in een gecontroleerde situatie en op systemen die het mag testen.

Bronnen