Voor wie zonder technische vooropleiding begint, is de rol van data analyst vrijwel altijd de haalbaarste instap: je werkt met bestaande data, bestaande vragen en bestaande tooling, terwijl een data scientist geacht wordt zelf modellen te ontwerpen en te verdedigen. De keuze tussen data analyst of data scientist is daarom geen keuze tussen twee even zware startpunten. Het is een keuze tussen een rol waarin je binnen enkele maanden waarde levert en een rol waarin werkgevers doorgaans eerst een paar jaar praktijkervaring willen zien. De titel data scientist is bereikbaar, maar meestal als tweede stap, niet als eerste.
Je scrolt door tien vacatures voor junior data analyst. Negen ervan vragen SQL, Python, Power BI, statistiek, stakeholdermanagement en "minimaal twee jaar ervaring in een vergelijkbare rol". Dat is de standaardervaring van iemand die na een studie communicatie, psychologie of bedrijfskunde de overstap naar data wil maken.
De frustratie is terecht, maar de conclusie die de meeste starters trekken klopt niet. Ze lezen die eisenlijst als een toelatingsexamen en concluderen dat data niets voor hen is. In werkelijkheid is zo'n lijst een verlanglijst, samengesteld door een recruiter die van drie verschillende teamleiders input kreeg.
Het echte probleem zit dieper. Data analyst of data scientist zijn in Nederlandse vacatureteksten geen scherp afgebakende functies. Dezelfde titel dekt bij een verzekeraar iets heel anders dan bij een gemeente of een softwarebedrijf. Bij de een bouw je dashboards in Power BI, bij de ander onderhoud je een productiemodel. Wie op titel solliciteert, solliciteert in het donker.
En dat verklaart iets ongemakkelijks: hoogopgeleide starters lopen vast in een markt die schreeuwt om mensen. De cijfers van UWV via Platform Talent voor Technologie laten zien dat hbo- en wo-opgeleide technici vaker werkloos zijn dan hun middelbaar opgeleide collega's. Krapte is geen garantie. Aansluiting op wat een team morgen nodig heeft, dat is wel een garantie.
Een analist beantwoordt een vraag die het bedrijf al heeft. Een scientist bedenkt de vraag die het bedrijf nog niet stelde. Dat verschil van één zin bepaalt de hele instapdrempel.
De analist krijgt een concrete opdracht: waarom daalde de conversie in kwartaal twee, welke klantgroep zegt op, klopt deze rapportage wel. Je haalt data uit een datawarehouse met SQL, maakt het schoon, visualiseert het en legt in een overleg van twintig minuten uit wat je ziet. Het zwaartepunt ligt bij nauwkeurigheid en uitleg.
De scientist werkt aan iets dat nog niet bestaat: een voorspelmodel, een aanbevelingssysteem, een detectiemechanisme voor afwijkingen. Daar hoort verantwoordingsdruk bij. Je moet kunnen uitleggen waarom je voor een bepaald algoritme koos en welke aannames eronder liggen.
Bij een analist is de leerweg gestapeld: SQL eerst, dan visualisatie, dan statistiek, dan bedrijfscontext. Elke laag levert direct bruikbaar werk op. Bij een scientist moeten wiskunde, programmeren en domeinkennis grotendeels tegelijk op niveau zijn voordat je iets kunt opleveren waar iemand op durft te sturen.
Dat is ook waarom de vraag welke traineeship past bij jouw manier van denken nuttiger is dan de vraag welke titel het beste klinkt.
| Aspect | Data analyst (instap) | Data scientist (instap) |
|---|---|---|
| Realistische tijd tot productief werk | Doorgaans 3 tot 6 maanden | Doorgaans 12 maanden of meer |
| Typische ervaringseis in vacatures | 0 tot 2 jaar | Meestal 2 tot 4 jaar |
| Kernvaardigheid | SQL en visualisatie | Statistiek en modelleren |
| Aantal openstaande juniorplekken | Duidelijk ruimer | Beperkter |
| Wiskundeniveau bij start | Rekenvaardig, statistiek basaal | Kansrekening en lineaire algebra |
De meeste omscholers proberen het eerst zelf. Een online cursus Python, een certificaat, een portfolioproject met een openbare dataset. Op papier logisch. In de praktijk strandt die route op vier punten.
Ten eerste: certificaten tonen kennis, geen werkgedrag. Een recruiter ziet niet of jij een half afgemaakte analyse durft terug te leggen bij een manager die haast heeft. Precies dat gedrag bepaalt of je in een team overleeft.
Ten tweede: openbare datasets zijn schoon, bedrijfsdata is dat nooit. In een echte omgeving heb je te maken met dubbele registraties, ontbrekende velden en een collega die drie jaar geleden een kolom hergebruikte voor iets anders. Dat leer je alleen in een productieomgeving.
Ten derde: solliciteren op titel botst met een markt zonder gedeelde definities. Zolang data analyst of data scientist per organisatie iets anders betekent, is elke sollicitatie een gok.
Ten vierde: er is geen werkgever die zich aan je verbindt. Inhuur van externe specialisten is voor bedrijven duur en levert weinig binding op, en juist daarom investeren organisaties liever in mensen die blijven. Als starter val je buiten dat mechanisme zolang je alleen opereert.
De onderliggende denkfout is dat de meeste starters de kennisdrempel overschatten en de gedragsdrempel onderschatten. Ze studeren maandenlang op statistiek terwijl ze afgewezen worden op iets anders: het vermogen om een analyse in gewone taal uit te leggen aan iemand die geen data-achtergrond heeft.
Checklist:
De route die in de praktijk het beste werkt, draait de volgorde om: eerst een werkgever, dan de opleiding, dan de titel. Dat is de kern van het traineeshipmodel.
Het verschil met een algemeen bootcamp zit in de richting van de werving. Waar veel aanbieders eerst een groep opleidt en daarna zoekt waar die mensen passen, werft Createment trainees voor een concrete opdrachtgever met een concrete databehoefte. Je leert dus in de context van het bedrijf waar je gaat werken, met hun systemen en hun datamodel.
Dat verandert wat "instapfunctie" betekent. Je hoeft niet te bewijzen dat je vandaag al een productiemodel kunt bouwen. Je moet bewijzen dat je het binnen veertien maanden kunt leren, met begeleiding.
De filter zit vooraan. Het technisch assessment is zo opgezet dat ongeveer 91% van de kandidaten afvalt, wat betekent dat er ruwweg elf mensen worden getest voor elke trainee die aan een opdrachtgever wordt voorgesteld. Dat klinkt hard, maar het werkt twee kanten op: wie er doorheen komt, start met een opdrachtgever die weet dat het fundament klopt.
Getoetst wordt op logisch redeneren, abstractievermogen en doorzettingsvermogen, niet op je studierichting. Ook zonder wiskundeachtergrond is die stap haalbaar, mits je bereid bent de steile leercurve echt te lopen.
Stel, een beleidsmedewerker bij een uitvoeringsorganisatie werkt al drie jaar met Excel-bestanden van tienduizenden regels en heeft zichzelf draaitabellen en wat formules aangeleerd. Op eigen kracht solliciteren op data-analistvacatures levert weinig op: geen relevante studierichting, geen SQL op cv. Via een traineeshiproute verschuift de beoordeling naar wat wél zichtbaar is: het vermogen om rommelige data te ordenen en er een leesbaar verhaal van te maken. In dit soort trajecten is het gebruikelijk dat iemand na de eerste maanden zelfstandig rapportages oplevert en daarna doorgroeit richting modelmatig werk. Dit is een illustratieve schets, geen gemeten casus.
Overweeg je deze route, dan geeft het data science traineeship van Createment een beeld van hoe opleiding en werk in zo'n traject verweven zijn.
Begin bij de vraag welk soort werk je energie geeft, niet bij de vraag welke titel het meeste betaalt. Wie kiest tussen data analyst of data scientist puur op salaris, kiest bijna altijd de rol met de langste aanloop.
De volgorde die in de praktijk werkt:
Een praktische drempelwaarde: solliciteer je drie maanden op analistenvacatures en kom je nul keer voorbij de eerste ronde, dan is bijleren niet de oplossing. Dan is de toegangsroute het probleem. Zie ook de vergelijking van welke IT-functie bij je past zonder diploma.
Checklist:
Instapsalarissen liggen dichter bij elkaar dan de titels suggereren. Het verschil ontstaat pas na enkele jaren, wanneer modelverantwoordelijkheid en specialisatie meewegen. Voor starters is de belangrijkste financiële factor niet de titel maar de aanlooptijd: een rol waarin je na drie maanden bijdraagt levert eerder salaris op dan een rol waarvoor je eerst jaren moet investeren. Vergelijk daarom altijd het startmoment, niet alleen het eindbedrag.
Ja, maar zelden als eerste functie. Kansrekening en lineaire algebra zijn nodig om modelkeuzes te verantwoorden, en die bouw je meestal op tijdens analistenwerk. In de praktijk verloopt de route via rapportage naar statistische analyse naar modellering, doorgaans over twee tot vier jaar. Wie direct instapt op modelwerk zonder dat fundament, loopt vast op het verdedigen van aannames.
SQL is de enige echt onmisbare vaardigheid bij de start. Daarnaast vragen veel Nederlandse werkgevers om een visualisatietool zoals Power BI of Tableau, en Python voor bewerking en analyse. Een goede volgorde: SQL tot je zelfstandig kunt bevragen, daarna één visualisatietool, pas daarna Python. Drie tools half beheersen scoort slechter in een gesprek dan één tool goed.
Zwaarder dan de meeste kandidaten verwachten: bij Createment valt ongeveer 91% van de geteste kandidaten af. Het assessment meet aanleg en doorzettingsvermogen, niet parate kennis van programmeertalen. Bereid je daarom voor op logica- en patroonvragen en op gesprekken over hoe je een probleem aanpakt. Wie erdoorheen komt, start met een opdrachtgever die het fundament al heeft laten toetsen.
De onderliggende vraag blijft groeien, maar toegang vraagt een gerichte route. Het UWV plaatst 115 beroepen op beroepsniveau 4 op de lijst met kansrijke beroepen voor hbo'ers en wo'ers, functies met zeer complexe gespecialiseerde taken waaronder data-rollen vallen. Tegelijk toont CBS-data dat Nederland eind 2023 bijna 93.500 ICT-dienstverleners telde, een sector die tussen 2011 en 2023 met gemiddeld 4,6% per jaar groeide. Vraag is er dus; het knelpunt zit in de eerste stap.
De keuze tussen data analyst of data scientist is voor starters vooral een volgordekwestie. Begin bij het werk dat je binnen maanden kunt leveren, en laat de titel het gevolg zijn van wat je hebt gebouwd. Concreet: leer SQL tot gespreksniveau, maak één analyse van rommelige data uit je eigen werkverleden, en kies daarna bewust tussen zelf solliciteren of een route met een opdrachtgever die vooraf vastligt.
De belangrijkste correctie op het gangbare advies: meer cursussen stapelen lost een toegangsprobleem niet op. Wie na drie maanden solliciteren nog geen eerste gesprek haalt, moet de route veranderen, niet het curriculum. Selectie op aanleg in plaats van diploma, zoals in het assessmentmodel dat Createment hanteert, bestaat juist om die drempel te doorbreken. Kies de rol die past bij hoe je werkt, en de rest volgt.
Createment is een Nederlands bureau dat carrièrestarters en -switchers zonder IT-diploma via een betaald traineeship van veertien maanden omschoolt tot IT-professional. De trajecten omvatten Software Development, Data Science, Cyber Security en IT Specialist, met plaatsing bij opdrachtgevers zoals Jumbo, Transavia, CGI, APG en Alliander. Selectie gebeurt op talent en drive in plaats van op studierichting, in Nederland en België.
Ben je klaar om je IT-carrière te starten zonder diploma?
Stel je vraag
Twijfel je tussen een IT-traineeship of direct starten als junior software developer? Beide routes bieden snelle kansen in de IT, maar verschillen sterk in begeleiding, leercurve en instroomeisen. Een traineeship focust vaak op potentieel en gestructureerde groei, terwijl een juniorfunctie meer vraagt van je bestaande technische skills en praktijkervaring. In deze gids ontdek je de belangrijkste verschillen, zodat je kunt bepalen welke route het beste past bij jouw achtergrond, leerstijl en ambities.
Wil je starten in de IT, maar heb je geen IT-diploma of werkervaring? Dan vraag je je misschien af welke toelatingseisen écht belangrijk zijn voor een IT traineeship. Steeds meer organisaties kijken namelijk niet alleen naar diploma’s, maar vooral naar motivatie, leervermogen en analytisch inzicht. In deze gids ontdek je welke eisen gelden voor een IT traineeship, hoe de selectie werkt en hoe jij overtuigend laat zien dat je klaar bent voor een carrière in de IT.
_1.jpg)
Het sollicitatieproces voor een IT-traineeship draait allang niet meer alleen om diploma’s of IT-ervaring. Werkgevers kijken steeds vaker naar jouw potentie, analytisch vermogen en motivatie om te leren. Van capaciteitstesten en assessments tot gesprekken met recruiters en opdrachtgevers: elke stap helpt bepalen welke IT-rol het beste bij jou past. In deze gids ontdek je hoe het sollicitatieproces van een IT-traineeship eruitziet, hoe je je slim voorbereidt en wat je kunt verwachten tijdens de selectie.
Succesvol worden in data science draait om meer dan alleen techniek. Werkgevers zoeken professionals die data kunnen analyseren, inzichten helder communiceren en samenwerken met verschillende teams. In een data science traineeship ontwikkel je daarom zowel hard skills zoals Python, SQL en Power BI als soft skills zoals stakeholdermanagement en storytelling. In deze gids ontdek je welke vaardigheden het belangrijkst zijn en hoe je die in de praktijk opbouwt.
Python, R en SQL vormen de basis van vrijwel iedere data science carrière. Met SQL verzamel en structureer je data, in Python bouw je analyses en machine learning-modellen, en met R maak je krachtige statistische analyses en visualisaties. In een data science traineeship leer je deze technieken direct toepassen op echte praktijkcases, zodat je snel doorgroeit naar een professionele datarol.
Een IT-traineeship is voor veel werkgevers een slimme investering in toekomstig talent. Toch roept het vaak vragen op over de kosten, begeleiding en uiteindelijke opbrengst. In de praktijk liggen de totale kosten meestal tussen de 45.000 en 70.000 euro per trainee in het eerste jaar. In deze gids ontdek je hoe die investering is opgebouwd, wanneer een traineeship zich terugverdient en waarom steeds meer organisaties kiezen voor deze duurzame manier van IT-werving.
.jpg)
Wil je na je mbo de IT in, maar mis je nog werkervaring of een specifiek IT-diploma? Met een IT traineeship kun je versneld starten in een toekomstbestendige carrière. Bij Createment draait het niet alleen om diploma’s, maar vooral om jouw motivatie, leervermogen en potentie. In deze gids ontdek je hoe een mbo IT-traineeship werkt, welke richtingen je kunt kiezen en hoe je praktijkervaring opdoet bij toonaangevende opdrachtgevers.
Een data science assessment test meer dan alleen je code. Werkgevers kijken ook naar je probleemaanpak, analyses, communicatie en businessinzicht. In deze gids ontdek je welke assessments je kunt verwachten, waar assessors op letten en hoe je jezelf effectief voorbereidt.
Heb je tijdens je stage ontdekt hoe interessant werken met data kan zijn en wil je daar nu écht je werk van maken? Dan is de stap naar een data science traineeship een logische volgende move. Het helpt je om van eerste ervaring door te groeien naar een rol waarin je zelfstandig impact maakt met data, mét de begeleiding en praktijkervaring die je als starter nodig hebt.
Wil je de IT in, maar weet je niet hoe je jezelf sterk neerzet zonder traditionele achtergrond? Goed nieuws: in de IT draait het minder om diploma’s en meer om wat je kunt laten zien. Met de juiste voorbereiding, een sterk portfolio en een duidelijk verhaal kun je jezelf overtuigend positioneren en je kansen op een baan flink vergroten.
Denk je dat een carrière in de IT alleen is weggelegd voor mensen met een diploma? Dat beeld klopt allang niet meer. Met de juiste motivatie, begeleiding en een praktijkgerichte aanpak kun je ook zonder IT-achtergrond of hbo-diploma een sterke start maken. Een traineeship biedt je de kans om snel te leren, direct ervaring op te doen en door te groeien naar een volwaardige IT-rol.
Wil je werken met data en impact maken op echte bedrijfsbeslissingen? Data science is een vakgebied waarin techniek, analyse en business samenkomen. Of je nu net begint of een carrièreswitch overweegt, er zijn verschillende manieren om deze richting in te stappen en stap voor stap door te groeien naar je eerste rol als data scientist.
Wil je snel en gericht software developer worden, maar weet je niet hoe lang dat traject precies duurt? Met een traineeship krijg je een duidelijk pad waarin leren en werken samenkomen. In 14 maanden groei je van beginner naar een volwaardige developer die zelfstandig features bouwt, samenwerkt in een team en klaar is voor een vaste baan.
Ben je benieuwd wat een IT traineeship je oplevert? Salaris is vaak een van de eerste vragen die opkomt — en dat is logisch. Op deze pagina vind je een eerlijk overzicht: wat verdien je tijdens het traject, hoe groeit je salaris mee met je ontwikkeling, en wat kun je verwachten als je start bij een werkgever na afronding. Zo weet je precies waar je aan toe bent, voordat je de stap zet.
Voor je aan een IT traineeship begint, wil je weten waar je financieel aan toe bent. Wat verdien je tijdens het traject, hoe groeit je salaris en wat kun je verwachten als je eenmaal bij een opdrachtgever aan de slag gaat? In dit artikel vind je een helder overzicht van de salarissen voor IT trainees in Nederland, de factoren die jouw loon bepalen en wat je na afronding kunt verwachten.
Een assessment staat tussen jou en je plek in een software developer traineeship. Maar wat wordt er precies getest, hoe ziet het proces eruit en hoe bereid je je goed voor? In dit artikel krijg je een eerlijk en volledig beeld van het assessmentproces, van de eerste online test tot de technische opdracht en het stakeholdergesprek, zodat je goed voorbereid en met vertrouwen kunt beginnen.
Spreekt een data science traineeship je aan, maar vraag je je af of je wel in aanmerking komt? Geen IT-achtergrond, geen specifieke vooropleiding, geen ervaring met data — het klinkt misschien als een drempel, maar dat hoeft het niet te zijn. In dit artikel lees je precies waar de selectie op is gebaseerd, welke voorkennis je een voorsprong geeft en hoe de procedure verloopt, zodat je weet waar je aan toe bent voor je je aanmeldt.
De IT-sector heeft meer mensen nodig dan er beschikbaar zijn, en dat betekent kansen voor wie wil omscholen. Maar welke route kies je, hoe lang duurt het en kun je ook zonder diploma instappen? In dit artikel krijg je een helder overzicht van de belangrijkste omscholingsroutes naar IT, wat je van elke aanpak kunt verwachten en hoe je vandaag nog de eerste stap zet richting een toekomstbestendige carrière in de tech.
Traineeship of direct als junior aan de slag? Het is een keuze waar veel starters over nadenken, en het antwoord is niet voor iedereen hetzelfde. Beide routes leiden naar een carrière in data science, maar het pad ernaartoe verschilt flink. In dit artikel zet ik de twee opties eerlijk naast elkaar, zodat jij kunt bepalen welke aanpak het beste aansluit bij jouw leerstijl, achtergrond en ambities.
Geen IT-ervaring, geen IT-opleiding, maar wel de ambitie om in de tech te werken? Dan hoef je niet eerst jaren te studeren. Met het juiste traineeship leer je al werkend, verdien je vanaf dag één salaris en groei je in 14 maanden door naar een vaste IT-functie. In dit artikel lees je hoe dat werkt, wat je kunt verwachten en of een IT-traineeship zonder ervaring bij jou past.
Je overweegt een data science traineeship en wil weten wat je er financieel op vooruitgaat. Wat kun je verwachten als startsalaris, welke factoren bepalen wat je verdient en hoe verhoudt een trainee-salaris zich tot aanverwante functies? In dit artikel vind je concrete cijfers, een eerlijke vergelijking met de markt en praktische informatie om jouw keuze goed te onderbouwen.
Geen IT-diploma, maar wel de ambitie om in de tech te werken? Je bent niet de enige, en je staat er sterker voor dan je denkt. De IT-sector kijkt steeds minder naar papieren en steeds meer naar hoe je denkt, leert en problemen aanpakt. In dit artikel lees je hoe je zonder diploma kunt instappen in de IT, wat een betaald traineeship voor jou kan betekenen en welke stappen je zet van omscholer naar volwaardige IT-professional.
IT-vacatures openvullen met ervaren specialisten wordt steeds moeilijker. Een traineeship biedt uitkomst: je leidt zelf talent op, precies zoals jouw organisatie dat nodig heeft. Maar hoe zet je zo'n traject goed op, wat mag je verwachten en waar moet je op letten? In deze gids lees je alles wat je als bedrijf moet weten over IT-traineeships, van opzet en selectie tot begeleiding, kosten en resultaat.
Je wilt een software developer traineeship starten, maar eerst wil je weten wat je er financieel op vooruitgaat. Wat verdien je tijdens het traject, hoe snel stijgt je salaris en waar kun je op uitkomen na afronding? In dit artikel vind je een helder overzicht van de actuele salarissen voor software developer trainees in Nederland, de factoren die jouw loon bepalen en wat je bij Createment kunt verwachten.
Overweeg je een carrièreswitch naar IT, maar wil je geen sprong in het diepe maken? Dan is een traineeship een veilige en doelgerichte manier om over te stappen. Je leert in de praktijk, krijgt begeleiding én salaris vanaf dag één, terwijl je toewerkt naar een vaste IT-rol.
Oriënteer je je op een data science traineeship en wil je aanbieders goed met elkaar vergelijken? Deze gids helpt je snel de juiste keuze te maken met duidelijke criteria, gerichte vragen en heldere uitleg over salaris, baangarantie en voorwaarden.
Wil je een carrière in data starten en zoek je een praktische route met zekerheid? Een data science traineeship combineert leren en werken, zodat je snel relevante skills opdoet en gericht toewerkt naar een vaste rol in data.
Wil je weten hoe een IT traineeship precies werkt en wat je kunt verwachten van start tot vaste baan? In dit artikel lees je stap voor stap hoe een traineeship is opgebouwd, wat je als IT trainee doet en hoe je – ook zonder IT-diploma – kunt doorgroeien naar een duurzame IT-functie.
Wil je omscholen naar IT, maar heb je geen IT-diploma of relevante werkervaring? Dit artikel laat zien hoe je met een gericht omscholingstraject tóch de overstap maakt naar een toekomstbestendige IT-baan, inclusief begeleiding, praktijkervaring en baangarantie.
Wil je weten hoe de sollicitatieprocedure voor een Software Developer Traineeship eruitziet en hoe je je hier goed op voorbereidt? In dit artikel krijg je een helder overzicht van alle stappen, van assessment tot aanbod, zodat je precies weet wat je kunt verwachten – ook zonder IT-achtergrond.
Wil je weten of je in aanmerking komt voor een Software Developer Traineeship, ook zonder IT-diploma of ervaring? In dit artikel lees je welke toelatingseisen gelden, hoe de selectie verloopt en wat Createment belangrijker vindt dan je cv.
Overweeg je een carrière in data science en wil je snel praktijkervaring opdoen met zekerheid op een baan? In dit artikel lees je waarom een data science traineeship een slimme keuze is, welke skills je ontwikkelt en wat het je concreet oplevert op de arbeidsmarkt.
Ben je benieuwd wat een data science traineeship precies inhoudt en of het bij jou past? In dit artikel lees je wat een data science traineeship is, hoe het is opgebouwd en wat je leert in de praktijk, van data-analyse tot engineering en samenwerken in teams.
Vraag je je af wat een IT traineeship precies is en of het een goede manier is om in de IT te starten? In dit artikel lees je wat een IT traineeship inhoudt, hoe het werkt in de praktijk en waarom het ook zonder IT-opleiding een sterke springplank kan zijn naar een duurzame IT-carrière.
Wil je software developer worden en zoek je een praktische route met begeleiding en zekerheid? In dit artikel lees je wat een software developer traineeship is, hoe het werkt in de praktijk en wat je kunt verwachten qua leerpad, rollen en doorgroei.
Een data science traineeship is een grote stap, en voor je die zet wil je weten waar je aan begint. Hoelang duurt het? Wat wordt er van je verwacht? En past het bij jouw situatie? In dit artikel geven we je een helder overzicht van alles wat de duur van een data science traineeship bepaalt, zodat je met vertrouwen de juiste keuze kunt maken.
Oriënteer je je op een data science traineeship en wil je aanbieders goed met elkaar vergelijken? Deze gids helpt je snel de juiste keuze te maken met duidelijke criteria, gerichte vragen en heldere uitleg over salaris, baangarantie en voorwaarden.
