Waarom AI onmisbaar wordt in de strijd tegen fraude en ondermijning

Elke dag proberen criminelen misbruik te maken van de rechten die de Nederlandse overheid aan haar burgers geeft. Een horecavergunning wordt aangevraagd om geld wit te wassen. Een vastgoedtransactie dient om crimineel vermogen weg te zetten. Zorggelden en subsidies worden misbruikt via schijnconstructies. Ondermijning speelt zich steeds minder af op straat en steeds meer in documenten, bedrijfsstructuren en financiële constructies.

Wet Bibob: een sterk instrument dat veel vraagt

Gemeenten, provincies en andere publieke organisaties hebben met de Wet Bibob een belangrijk instrument in handen om zich te weren tegen ondermijning. In de praktijk is een Bibob-onderzoek echter complex en tijdrovend. Een vragenformulier van 57 pagina’s met tientallen bijlagen is geen uitzondering. Onderzoekers spitten door jaarrekeningen, bankafschriften, koopaktes en leenovereenkomsten, op zoek naar signalen die wijzen op ondermijning.

Dat vraagt om juridische, financiële en criminologische kennis, en die kennis zit vaak bij kleine teams. Door de beperkte capaciteit wordt regelmatig met steekproeven gewerkt en kan maar een deel van de aanvragen grondig worden onderzocht. Tegelijk worden criminelen steeds handiger in het verhullen van hun sporen, met stromannen, complexe constructies en bewerkte documenten. Eén gemist datapunt kan het verschil maken.

Hetzelfde patroon zien we bij zorgfraude: grote hoeveelheden financiële informatie, ingewikkelde eigendomsstructuren en signalen die verspreid liggen over verschillende bronnen.

Waar AI het verschil maakt

Alle informatie voor een onderzoek zit vaak al in het dossier, maar verspreid over tientallen losse documenten. Hier kan AI onderzoekers echt ontlasten:

• Documenten lezen en structureren: gegevens uit uiteenlopende documenten worden automatisch overzichtelijk gemaakt.
• Tegenstrijdigheden zichtbaar maken: komen de cijfers uit twee jaarrekeningen niet overeen, of staat er een andere bestuurder bij de KvK dan in het formulier? Zulke afwijkingen komen direct naar boven.
• Verbanden leggen: relaties tussen personen, bedrijven, adressen en financiers worden in één overzicht zichtbaar.
• Bewerkte documenten herkennen: afwijkende lettertypen of verdachte metadata kunnen wijzen op een gemanipuleerd document.
• Volledigheid controleren: ontbrekende stukken, zoals een jaarrekening, worden direct gesignaleerd.

Zo houden onderzoekers meer tijd over voor waar zij het verschil maken: duiden, afwegen en beslissen.

De onderzoeker houdt de regie

AI vervangt de onderzoeker niet. Juist bij ondermijning, waar besluiten grote gevolgen hebben voor burgers en ondernemers, moet elk signaal uitlegbaar zijn en herleidbaar tot de bron. De onderzoeker bepaalt zelf wat een signaal betekent en of vervolgonderzoek nodig is.

Daarnaast vraagt het werken met gevoelige gegevens om soevereine AI. Dat zijn AI-modellen die lokaal draaien, met hosting binnen de EU of on-premise, en die voldoen aan de AVG, de BIO en de EU AI Act. Zo houdt de overheid zelf de controle over haar data en haar beslissingen.

Van theorie naar praktijk

Hoe ziet dit eruit op de werkvloer van een gemeente? Wat levert het op en waar liggen de grenzen? Hugo Sleegers (co-founder, Avendar) en Jaap van Leeuwen (teammanager Ondermijning, Gemeente Den Haag) gaan hierover in gesprek tijdens hun sessie op het congres Ondermijning & Georganiseerde Criminaliteit op 18 november in het Postillion Hotel Utrecht Bunnik.

TIP – Kom op 18 november naar de sessie “Waarom AI onmisbaar wordt in de strijd tegen fraude en ondermijning” en hoor uit de praktijk hoe AI het werk van onderzoekers versterkt.

Bekijk programma >>