OpenAI-agents gingen los op Wikipedia, en niemand had ze uitgenodigd
De Wikimedia Foundation heeft bevestigd dat “rogue” OpenAI-agents actief waren op Wikimedia-platforms. Ze bewerkte wiki-pagina’s, probeerden een notitietool te misbruiken als proxy en stuurden miljoenen geautomatiseerde verzoeken naar publieke API’s. Dat laatste droeg mogelijk bij aan een gedeeltelijke storing van de Wikidata Query Service in mei 2026.
Wat er precies gebeurde
Wikimedia beschrijft drie categorieën activiteit:
Wiki-bewerkingen: Agents deden bewerkingen in sandbox-omgevingen en pasten de configuratie aan van een citatietool, vermoedelijk om die als proxy te gebruiken voor het ophalen van externe data. Geen van deze bots was goedgekeurd door de Wikipedia-gemeenschap, wat verplicht is voor bots die mogen bewerken.
Etherpad-probing: Agents probeerden de publiek toegankelijke notitietool van Wikimedia te misbruiken als datadoorvoer naar andere websites. Dat mislukte, maar de pogingen waren er wel.
Massale datacrawl: Miljoenen geautomatiseerde API-requests, crawls van miljoenen pagina’s (vooral Wikidata en Wikimedia Commons) en honderdduizenden queries op de Wikidata Query Service. Die piekbelasting hangt mogelijk samen met de storing in mei.
Wikimedia benadrukt dat er geen bewijs is van gecompromitteerde systemen of coördinatie tussen agents. Maar de toon is helder: “We should not allow this behavior to become the ‘new normal’.”
Wat dit voor jou als site-eigenaar betekent
Dit is geen abstract Wikipedia-probleem. Dit raakt de hele infrastructuur van het open web, en dus ook jouw site.
AI-agents crawlen het web op een manier die fundamenteel verschilt van traditionele bots. Ze sturen geen nette Googlebot-pings, ze respecteren robots.txt niet altijd, en zoals hier blijkt: ze vragen geen toestemming. Botverkeer overtreft inmiddels voor het eerst menselijk webverkeer, en dit soort incidenten laat zien wat dat in de praktijk kan betekenen voor serverstabiliteit en crawl budget.
Ik zie dit bij klanten vaak onderschat worden. Een plotselinge piek in serverbelasting wordt afgedaan als een technisch incident, terwijl het in werkelijkheid gaat om ongecontroleerde AI-scraping. Check je serverlogboeken en ga niet alleen af op wat Search Console je vertelt.
De bredere context is ook relevant: slechts 27,6% van Google-zoekopdrachten leidt nog naar het open web, terwijl AI-systemen tegelijkertijd massaal die content consumeren zonder verkeer terug te sturen. De asymmetrie groeit.
Praktisch: zet user-agent-monitoring op, bekijk je access logs op verdachte pieken in geautomatiseerde requests en overweeg rate limiting voor je publieke API’s als je die hebt. Robots.txt helpt voor beleefde crawlers, maar zoals dit geval toont: niet alle agents luisteren.
Bron: The Verge