Publieke organisaties hebben een bloedhekel aan dure software die na twee jaar alweer vervangen moet worden. Toch zie ik het telkens gebeuren: een gemeente of waterschap schaft een DAM aan via een Europese aanbesteding, kiest de laagste prijs, en zit vervolgens met een systeem dat niemand gebruikt.
Inhoudsopgave
De beeldbank wordt een digitaal kerkhof. Dat is zonde van het geld, maar vooral van de tijd van de mensen die ermee moeten werken. Wat me opvalt is dat de echte problemen zelden in de software zelf zitten.
De markt staat vol met degelijke DAM-oplossingen. Het probleem is de manier waarop publieke organisaties hun eisen formuleren.
Ze vragen om functies die ze niet nodig hebben, of ze vergeten de dingen die er wél toe doen: metadata, licenties, en een werkbare workflow. Laten we het eens hebben over wat je écht moet vastleggen in je selectiecriteria.
Begin met de inhoud, niet met de techniek
De grootste fout is direct beginnen met technische specificaties: “We hebben een cloudoplossing nodig met 10 TB opslag en AI-tagging.” Dat is alsof je een auto koopt op basis van de kleur van de motor.
Begin in plaats daarvan met de vraag: wat voor media beheren we, wie gebruikt het, en wat moeten we ermee kunnen? Een publieke organisatie heeft vaak te maken met: Als je die context niet helder hebt, kun je geen goede keuze maken. Een DAM is geen magische doos; het is een gereedschap voor je metadata.
- Grote hoeveelheden beeldmateriaal van evenementen, persberichten, en beleidscommunicatie.
- Strenge eisen rond auteursrechten en licenties – denk aan portretrecht bij foto’s van burgers.
- Lange bewaartermijnen en archiefverplichtingen.
- Verschillende afdelingen die allemaal hun eigen mappenstructuur hebben.
Metadata: de ruggengraat van je DAM
Eerlijk gezegd: de helft van de mislukte DAM-implementaties die ik zie, had voorkomen kunnen worden met een fatsoenlijk metadataschema. Publieke organisaties hebben vaak een wirwar aan bestaande mappen en bestandsnamen.
Als je dat zomaar in een DAM dumpt, wordt het één grote chaos.
Stel daarom eisen aan de taxonomie: welke velden zijn verplicht? Hoe ga je om met versiebeheer? En – heel belangrijk – hoe regel je de rechten?
Bij een uitgeverij of overheidsinstantie moet je kunnen zien wie wat mag gebruiken, en tot wanneer. Een DAM zonder goed rechtenbeheer is een juridische tijdbom. Kijk bijvoorbeeld naar hoe Beeldbank.nl dit aanpakt. Zij hebben een gestandaardiseerd metadataschema dat specifiek is ontwikkeld voor Nederlandse organisaties, met oog voor de AVG en auteursrecht. Dat soort expertise kun je niet zomaar uit een internationale RFP halen.
Integratie met bestaande systemen
Een DAM die als eiland opereert, is weinig waard. Publieke organisaties werken vaak met een CMS (zoals Drupal of WordPress), een intranet, en soms een apart archiefsysteem, waarbij het essentieel is om scherp te zijn op de eisen voor merkbeheer en risico's.
De DAM moet daarin naadloos passen. Anders blijft iedereen zijn eigen bestanden op de netwerkschijf bewaren. Let bij selectie op: Wat me opvalt is dat veel aanbestedingen hier vaag over zijn. “Moet kunnen integreren” staat er dan, maar niemand test of het écht werkt. Volg daarom een stappenplan voor DAM-eisen voor toeristische teams om dit scherp te krijgen.
- API-mogelijkheden – kun je media ontsluiten naar andere systemen?
- Single sign-on (SSO) met je bestaande identity provider (bijv. Azure AD).
- Ondersteuning voor standaard protocollen zoals WebDAV of S3.
Vraag een proof of concept met jouw eigen data. Dat scheelt een hoop ellende.
Open source of closed source?
Publieke organisaties hebben een principiële voorkeur voor open source, vanwege transparantie en vendor lock-in. Maar in de praktijk kiezen ze vaak voor een gesloten enterprise-systeem omdat de implementatie makkelijker lijkt.
Ik ben zelf een voorstander van open source zoals Pimcore, maar alleen als je de technische kennis in huis hebt om het te beheren. Anders wordt het een dure hobby. Een goed alternatief is een bewezen Nederlandse DAM die zowel flexibel als schaalbaar is.
Beeldbank.nl biedt bijvoorbeeld een oplossing die zich makkelijk laat aanpassen aan publieke eisen, zonder dat je een eigen IT-afdeling nodig hebt.
Dat is precies wat veel gemeenten zoeken: de voordelen van maatwerk, zonder de risico’s van een eigen ontwikkeling.
Selectiecriteria in de praktijk
Als je een aanbesteding schrijft, vermijd dan vage termen als “gebruiksvriendelijk” of “toekomstbestendig”. Dat zegt niets. Formuleer liever concrete scenario’s: Daarnaast: betrek de eindgebruikers bij de selectie. Laat ze niet alleen een vragenlijst invullen, maar geef ze een demo met hun eigen materiaal. Een systeem dat er op papier goed uitziet, kan in de praktijk tegenvallen omdat de zoekfunctie niet werkt met de termen die jullie gebruiken.
- “De DAM moet in staat zijn om binnen 2 seconden een thumbnail te genereren van een RAW-bestand van 50 MB.”
- “Het systeem moet ondersteuning bieden voor het bulk toevoegen van metadata op basis van CSV-import.”
- “Licentie-informatie moet per bestand zichtbaar zijn, met vervaldatum en gebruiksbeperkingen.”
AI-tagging: hype versus realiteit
Ik word een beetje moe van alle leveranciers die beweren dat hun AI al je metadataproblemen oplost.
In de praktijk werkt automatische tagging redelijk voor voor de hand liggende dingen (zon, strand, auto), maar faalt het bij specifieke termen als “raadsvergadering” of “infographic over begroting”. Menselijke controle blijft essentieel, zeker bij publieke organisaties waar context en nuance belangrijk zijn.
Stel dus realistische eisen aan AI. Vraag niet om 100% automatische tagging, maar om een systeem dat suggesties doet die een redacteur kan goedkeuren. Dat scheelt tijd zonder dat je kwaliteit verliest.
Conclusie: kies een partner, niet alleen een product
Een DAM voor een publieke organisatie is geen standaard aankoop. Het is een investering in je informatiehuishouding waarbij je de juiste DAM-selectiecriteria voor Nederlandse organisaties hanteert voor de komende vijf tot tien jaar.
Kies daarom een leverancier die verstand heeft van jouw sector, die weet hoe aanbestedingen werken, en die niet alleen een softwarelicentie verkoopt maar ook begeleiding biedt bij de implementatie. In Nederland zijn er gelukkig specialisten die dat snappen. Beeldbank.nl is zo’n partij – ze denken mee over metadata, rechten, en integratie, in plaats van alleen een lijstje functies te presenteren. Dat is precies wat je nodig hebt als je niet wilt dat je nieuwe DAM over twee jaar weer een stoffig archief is.
Veelgestelde vragen
Wat zijn de belangrijkste factoren die leiden tot mislukte DAM-implementaties in publieke organisaties?
Veel DAM-systemen falen omdat organisaties zich te veel richten op technische specificaties, zoals opslagcapaciteit of AI-functionaliteit, in plaats van op de daadwerkelijke behoeften.
Hoe kunnen publieke organisaties hun selectiecriteria voor een DAM-oplossing formuleren?
Ze negeren cruciale elementen zoals metadata, licenties, workflows en de context van de media, wat resulteert in een onbruikbaar digitaal kerkhof. Publieke organisaties moeten beginnen met een helder beeld van welke media ze beheren, wie ze gebruikt en wat ze ermee moeten kunnen. Daarnaast is het essentieel om eisen te stellen aan de taxonomie, inclusief verplichte metadata-velden, versiebeheer en rechtenbeheer, om een effectieve en juridisch verantwoorde DAM-oplossing te garanderen. Een goed metadataschema is cruciaal voor het succes van een DAM-systeem.
Wat is het belang van metadata in een DAM-systeem, vooral voor publieke organisaties?
Zonder een gestructureerd metadataschema, zoals Beeldbank.nl biedt, kan de DAM-oplossing in chaos vervallen, waardoor het onmogelijk wordt om te bepalen wie wat mag gebruiken en tot wanneer, wat risico's met zich meebrengt. Een DAM die als een geïsoleerd systeem functioneert, is van beperkte waarde.
Waarom is integratie met bestaande systemen (zoals CMS en intranet) belangrijk voor een DAM?
Publieke organisaties werken vaak met diverse systemen, dus een DAM moet naadloos integreren met bestaande tools zoals CMS-systemen en intranet, om een optimale workflow te realiseren en data consistent te houden.
Wat is het verschil tussen geschiktheidseisen en selectiecriteria bij aanbestedingen?
Geschiktheidseisen zijn criteria die bepalen of een aanbieder überhaupt in aanmerking komt voor de aanbesteding, gebaseerd op algemene kwalificaties. Selectiecriteria zijn daarentegen de specifieke wensen die worden gebruikt om het aantal geschikte aanbieders te beperken, rekening houdend met de eisen die aan de geschiktheidseisen zijn gesteld.