Wat is Zicht op Ondermijning?

Het dashboard Zicht op Ondermijning komt voort uit een samenwerkingsverband tussen verschillende lokale en landelijke overheden, geïnitieerd door het ministerie van Binnenlandse Zaken en Koninkrijksrelaties (BZK). In dit dashboard worden CBS-data gecombineerd met data van andere betrouwbare landelijke bronnen. De getoonde gegevens zijn nooit herleidbaar naar individuele adressen, personen en bedrijven.

Via het dashboard krijgt elke gemeente in Nederland extra inzichten in lokale criminele fenomenen. Samen met andere partijen kunnen zij hiermee de preventieve bestrijding van ondermijnende criminaliteit versterken.

Lees meer over het dashboard

Bekijk ook de folder

Dit dashboard...

...maakt gemeenten bewust van lokale problemen en risico’s.
...helpt (preventief) toezicht efficiënter in te zetten.
...kan via kansrijke zoekgebieden criminele activiteiten blootleggen.
...geeft handvatten voor preventiemaatregelen en beleid.
...kan gelegenheidsstructuren in kaart helpen brengen.

Bekijk ook de voorbeeldcases

Dit dashboard bevat een groot aantal analyses over allerlei verschillende thema’s en fenomenen. In een serie van 8 korte video’s nemen we geïnteresseerde gemeenten in hoofdlijnen mee door de inhoud. Daarnaast is er een algemene video beschikbaar over de doelen en werkwijze van Zicht op Ondermijning.
Klik op een link hieronder om de video's te bekijken.

1 Introductie
2 Misbruik van vastgoed
3 Drugsproblematiek
4 Verdachte transacties
5 Brancheanalyses
6 Wmo-zorg
7 Afwijkingen per gemeente
8 Meer informatie

Toelichting Zicht op Ondermijning (doelen en werkwijze)

Mogelijk misbruik van vastgoed

Op het dashboard Zicht op Ondermijning worden analyses gepresenteerd die inzicht geven in het risico dat vastgoed mogelijk gebruikt wordt voor het witwassen van (crimineel) geld of andere vormen van misbruik (klik hier voor een korte video met een rondleiding door dit thema).

Om de analyses in het dashboard goed te kunnen interpreteren is de context belangrijk. Het CBS publiceert per regio en per gemeente twee belangrijke kengetallen van de woningmarkt die gebruikt kunnen worden voor die context: de gemiddelde verkoopprijs en het aantal verkochte woningen.

Kenmerken van eigenaren en verblijfsobjecten

Kenmerken van woning- en niet-woningeigenaren of de verblijfsobjecten zelf kunnen voorspelkracht hebben voor de kans dat een verblijfsobject gebruikt wordt voor criminele doeleinden. Deze kenmerken noemen we daarom ook wel risico-indicatoren. Voorbeelden hiervan zijn het hebben van een laag inkomen en vermogen en minstens twee verblijfsobjecten in bezit, veroordeling van een eigenaar en een vaak verhandelde woning. De analyses op het dashboard laten zien in welke gemeenten, wijken en buurten deze risico-indicatoren vaak voorkomen en wat het landelijke beeld is. Dit helpt bij het identificeren van kansrijke zoekgebieden en kan zo richting geven aan bestaande en toekomstige interventies en beleidskeuzes van gemeenten en haar veiligheidspartners.
(bekijk analyse - Persoon)
(bekijk analyse - Bedrijf)
(bekijk analyse - Verblijfsobjecten)

Hieronder wordt per risico-indicator beschreven waarom er sprake kan zijn van een verhoogd risico dat vastgoed gebruikt wordt voor het witwassen van geld of andere vormen van misbruik.

Bestuurders van stichtingen - algemeen

Stichtingen hebben een aantal (juridische) kenmerken die misbruik van deze rechtsvorm (makkelijker) mogelijk maken:

  • Stichtingen die in twee opeenvolgende boekjaren een omzet hebben van minder dan zes miljoen euro hoeven geen jaarrekening te deponeren bij de Kamer van Koophandel (bron). Informatie over hun bedrijfsvoering is daardoor niet te vinden in belangrijke registers en databronnen. Illegale activiteiten kunnen zo (langer) buiten beeld blijven.
  • Certificaathouders van een stichting worden niet bij de Kamer van Koophandel geregistreerd. De juridische eigenaar (de bestuurder) kan daardoor een andere persoon zijn dan degene die dividend ontvangt (de economische eigenaar). Eventuele witwaspraktijken kunnen daardoor verborgen blijven voor de buitenwereld.
  • Voor de oprichting van een stichting is geen Verklaring Omtrent het Gedrag (VOG) nodig. Personen met een strafblad kunnen daardoor een stichting oprichten en besturen, zonder dat dat strafblad bekend hoeft te worden.

Stichting met alleenbestuurder

Wanneer een stichting slechts één bestuurder heeft, is de continuïteit van die stichting minder of niet gewaarborgd. Bovendien zijn er geen andere bestuurders die toezicht houden en medeverantwoordelijk zijn. Daardoor kunnen stichtingen met één bestuurder vrijer te werk gaan, zonder dat er veel controle op is. Dit hoeft geen probleem te zijn, maar biedt wel extra ruimte om de stichting te misbruiken als dekmantel voor (het faciliteren van) criminele activiteiten.

NB: Een stichting met ANBI-status dient altijd minimaal drie bestuursleden te hebben. Voor alle andere stichtingen geldt geen minimum aantal bestuursleden.

Stichting met beroepsbestuurder

Onder beroepsbestuurders verstaan we personen die betrokken zijn bij een groot aantal verschillende stichtingen. Wanneer het bijvoorbeeld gaat om vijf of meer stichtingen, kun je je afvragen of die bestuurder voor elk van die stichtingen voldoende kennis en tijd heeft om zijn of haar bestuurders- en controlerol goed te vervullen. De mogelijkheid bestaat dat deze persoon naar voren is geschoven door een crimineel netwerk. Binnen de besturen van die verschillende stichtingen kan die persoon dan fungeren als stroman. Het betreffende criminele netwerk blijft dan buiten beeld, maar krijgt wel invloed in het functioneren van meerdere stichtingen.

Stichting met alleen- en beroepsbestuurder

Voor stichtingen met een alleenbestuurder die tevens een beroepsbestuurder is gelden de risico’s van zowel stichtingen met een alleenbestuurder als de risico’s van stichtingen met een beroepsbestuurder, zoals bovenstaand beschreven.

Vaak verhandelde woning

Een vaak verhandelde woning is een woning die binnen een bepaald tijdsbestek veelvuldig van eigenaar is gewisseld (verkocht). Met dit soort transacties is relatief snel veel geld te verdienen. Hoewel dit op zichzelf niet illegaal is, kunnen vaak verhandelde woningen op verschillende manieren een rol spelen in het illegale circuit.

Ten eerste kan er bij vaak verhandelde woningen sprake zijn van onvolledige of onjuiste voorlichting en misleiding van kopers. Het gaat dan om kopers die makkelijk akkoord gaan met een relatief hoge koopprijs en bereid zijn om snel te tekenen en te betalen. Een verkoper kan daar misbruik van maken en in korte tijd veel winst maken en de prijs van een woning opdrijven. (zie ook Gestel, B. van, et al. Vastgoed & fout, Boom Juridische uitgevers, 2008).

Ten tweede kunnen vaak verhandelde woningen zijn gebruikt bij witwaspraktijken. Voor de aankoop van een woning is dan zwart geld ingezet. Wanneer de woning snel na de aankoop weer verkocht wordt, is dat geld witgewassen.

Eigenaar met buitenlands adres

Mensen die in het buitenland wonen, kunnen in Nederland onroerend goed in eigendom hebben. Nederland kent hiervoor geen beperkingen. Dit zorgt ervoor dat die eigenaar van onroerend goed zich kan onttrekken aan het zicht van de Nederlandse overheid. Het valt bijvoorbeeld niet meteen te achterhalen of de persoon in kwestie antecedenten en/of veroordelingen heeft en hoe het onroerende goed is gefinancierd. Buitenlandse documenten zijn bovendien moeilijker op echtheid te controleren en buitenlandse eigenaren die via een Nederlandse bemiddelaar verhuren hebben zelf ook weer weinig zicht op die huurders (Kruize et al., Criminele gebouwen, WODC, 2020).

Bij eigenaren met een buitenlands adres kan daarom sprake zijn van een verhoogd risico dat vastgoed gebruikt wordt voor het witwassen van geld (Unger et al., Money Laundering in the Dutch Real Estate Sector, 2012). Vastgoed leent zich in het algemeen goed voor het witwassen van crimineel verkregen geld (Unger et al., Aard en omvang van criminele bestedingen, WODC, 2018). Als crimineel geld vanuit het buitenland afkomstig is, maakt dat het risico op witwassen nog groter.

Met dit profiel wordt niet geïmpliceerd dat buitenlandse eigenaren een hoger risico op ondermijning vormen puur en alleen vanwege het hebben van een andere nationaliteit.

Laag inkomen en vermogen

Wanneer een persoon met een laag inkomen en laag vermogen één of meerdere verblijfsobjecten in bezit heeft, kunnen daar legitieme redenen voor zijn. Er kan bijvoorbeeld sprake zijn van een erfenis of verslechterde financiële omstandigheden van de eigenaar, bijvoorbeeld een faillissement. Het kan echter ook een indicatie zijn van hypotheekfraude (Van Gestel et al., Vastgoed & fout, 2008) of illegale geldstromen. Dat laatste wil zeggen dat de aankoop van een verblijfsobject (deels) gefinancierd is met zwart geld, of in ieder geval met middelen die niet bekend zijn bij de Nederlandse overheid. Hoe meer verblijfsobjecten de persoon met laag inkomen en laag vermogen in bezit heeft, hoe opvallender dat is.

Naast de mogelijkheid dat er criminele gelden zijn ingezet bij de aankoop van een verblijfsobject, spelen er bij personen met dit profiel nog andere risico’s. Mogelijk kan er sprake zijn van een verborgen criminele eigenaar (de werkelijke financier) die zelf buiten beeld wil blijven en daarom de koopakte op naam zet van een katvanger. Daarnaast bestaat het risico dat het verblijfsobject gebruikt wordt voor criminele doeleinden, bijvoorbeeld voor de productie van drugs.

Veroordeelde eigenaar

Eén van de sterke voorspellers van crimineel gedrag is of er sprake is van eerder gepleegde delicten: recidive. Belangrijk hierbij zijn ook het aantal gepleegde delicten, de leeftijd ten tijde van het eerste delict en de aard van het eerste delict. (zie onder andere Farrington, D. (1987), Predicting Individual Crime Rates Crime and Justice, 9, 53-101). Wanneer iemand eerder veroordeeld is voor een strafbaar feit, maakt dat de kans groter dat die persoon later in zijn of haar leven opnieuw (vergelijkbare) strafbare feiten pleegt.

Het is bekend dat bij criminaliteit ook een vorm van specialisatie optreedt. Het is bijvoorbeeld waarschijnlijker dat vermogensdelicten gevolgd worden door andere vermogensdelicten, dan door geweldsdelicten, al is enige mate van diversiteit ook aangetoond (zie onder andere Guerette, R., V. Stenius & J. McGloin (2005), Understand Offense Specialization and Versatility: a Reapplication of the Rational Choice Perspective, Journal of Criminal Justice, 33, (1), 77-87). Voor de (preventieve) aanpak van ondermijning is het daarom relevant om te weten waar mensen wonen die eerder veroordeeld zijn voor een ondermijning-gerelateerd delict, zoals witwassen.

Op een hoger abstractieniveau is het voor gemeenten ook belangrijk om te weten of er concentraties van veroordeelde eigenaren zijn. Dergelijke concentraties kunnen een negatieve invloed uitoefenen op de leefbaarheid van een buurt of wijk. Ook kan zo'n concentratie weer nieuwe gelegenheden bieden voor criminelen, zoals het vormen van netwerken.

Meerbezit

Het in bezit hebben van meerdere verblijfsobjecten hoeft geen indicatie te zijn van vastgoedfraude of malafide dan wel crimineel gebruik. Er zijn immers veel (particuliere) beleggers die investeren in vastgoed met legaal verkregen vermogen. Eigenaren met meerdere verblijfsobjecten in bezit hebben echter wel minder goed zicht op wat zich in hun woningen en/of niet-woningen afspeelt, indien deze bijvoorbeeld verhuurd worden of leeg staan. Het Regionaal Informatie en Expertise Centrum (RIEC) Amsterdam-Amstelland merkt op dat met name natuurlijke personen met beperkt meerbezit (twee tot en met vijf verblijfsobjecten*) kwetsbaar zijn voor malafide verhuurbemiddelaars.

Ook het investeren in vastgoed is aantrekkelijk voor criminelen. Vastgoed is een relatief veilige investering, de aankoop absorbeert veel (zwart) geld en er is weinig transparantie wat betreft de totstandkoming van de prijs, het eigendom en de eigendomsverhoudingen (Unger et al., Aard en omvang van criminele bestedingen, 2018). Uit de Monitor Georganiseerde Criminaliteit blijkt ook dat criminelen vooral investeren in onroerend goed, (dekmantel)bedrijven en horecagelegenheden (Kleemans et al., Georganiseerde criminaliteit in Nederland. Tweede rapportage op basis van de WODC monitor 2002).

Ook blijkt uit de groepsanalyse naar verdachte transacties op dit dashboard dat personen met twee of meer woningen in bezit naast de hoofdwoning 8,9 keer vaker zijn betrokken bij een verdachte transactie.

*Voor de analyse naar beperkt meerbezit wordt door Zicht op Ondermijning een ondergrens van drie verblijfsobjecten gehanteerd, omdat het bij twee verblijfsobjecten in bezit mogelijk vaak gaat om tijdelijk meerbezit vanwege een verhuizing. Ook kan het tweede verblijfsobject een vakantiewoning zijn.

Onverklaarbare woningaankopen

Voor de aankoop van een woning is (veel) geld nodig en wordt meestal een hypotheek afgesloten. Als zekerstelling voor de hypotheekverstrekker is een bepaald inkomen nodig. Soms wordt een woning gekocht voor een bedrag waar de koper niet voldoende (geregistreerd) geld voor heeft en/of dat niet gedekt is door een hypotheek. We spreken dan van een onverklaarbare woningaankoop. Vanaf 1 januari 2014 is het verboden om onroerende goederen te financieren met contant geld. De aankoop van een woning misbruiken voor het witwassen van geld is echter nog steeds mogelijk. Per RIEC-regio, gemeente en wijk is daarom geanalyseerd welk percentage woningen gekocht is met een onverklaarbare som geld. Deze analyse levert een extra bijdrage aan de bewustwording en het identificeren van kansrijke zoekgebieden.
(bekijk analyse)

Kenmerken hypotheeknemer

Woningaankopen kunnen gebruikt worden om geld wit te wassen. Wanneer de financier van een hypothecaire lening geen Nederlandse bank is, maar een persoon of buitenlands bedrijf, bestaat een verhoogd risico op witwassen.

Dit verhoogde risico heeft onder meer te maken met criminele loan back constructies, volgens het WODC een van de meest bedreigende witwasmethodes. Een crimineel laat het hierbij lijken alsof hij geld heeft verkregen via een (hypothecaire) lening van een andere partij, maar in werkelijkheid leent hij geld aan zichzelf, zodat de herkomst legaal lijkt. Volgens het Wetenschappelijk Onderzoek- en Documentatiecentrum (WODC) behoort de loan back constructie tot één van de tien grootste witwasdreigingen. 'Bij grote bedragen is de constructie vaak complexer van aard. In die gevallen wordt niet meer gebruikgemaakt van particuliere leners maar worden er financiële instellingen, bedrijven, trustkantoren en buitenlandse offshore vennootschappen bij betrokken' (National Risk Assessment Witwassen, 2019). Doordat niet overal wetgeving en toezicht is op het geldverkeer, zorgen buitenlandse bedrijfsstructuren ervoor dat de herkomst van geld soms extra moeilijk te achterhalen is. Dit geldt bijvoorbeeld bij buitenlandse bedrijfsstructuren. Particuliere en buitenlandse hypotheeknemers vormen dan ook een verhoogd risico op ondermijning.

Kenmerken van hypotheeknemers kunnen risico-indicatoren zijn voor het misbruik van hypothecaire leningen om geld wit te wassen. Op het dashboard wordt geanalyseerd in welke gemeenten, wijken en buurten deze risico-indicatoren voorkomen.
(bekijk analyse)

Kenmerken eigenaar: persoon

Er wordt getoond in welke gemeenten, wijken en buurten de risico-indicatoren op misbruik van vastgoed vaak voorkomen en wat het landelijke beeld is. Een voorbeeld van een risico-indicator is eerdere veroordelingen. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.
Klik op categorieën in de legenda om ze toe te voegen of juist weg te laten in een kaart. In de categorie onbekend zijn gegevens onbekend, onvoldoende betrouwbaar of geheim. Zie de uitleg over onthullingsrisico’s en onderdrukking. Vanwege diezelfde risico’s worden uitkomsten voor bepaalde wijken of buurten soms onderdrukt, terwijl de uitkomsten van andere wijken of buurten in die gemeente wel worden getoond. Dit kan (opvallende) verschillen veroorzaken tussen de uitkomsten van enerzijds wijken of buurten en anderzijds de betreffende gemeente.
Wanneer meerdere regio's dezelfde (afgeronde) procentuele score behalen worden de hoogste 10 bepaald door het alfabet
Download

Kenmerken eigenaar: bedrijf

Er wordt getoond in welke gemeenten, wijken en buurten de risico-indicatoren op misbruik van vastgoed vaak voorkomen en wat het landelijke beeld is. Een voorbeeld van een risico-indicator is stichtingen met een alleenbestuurder. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.
Klik op categorieën in de legenda om ze toe te voegen of juist weg te laten in een kaart. In de categorie onbekend zijn gegevens onbekend, onvoldoende betrouwbaar of geheim. Zie de uitleg over onthullingsrisico’s en onderdrukking. Vanwege diezelfde risico’s worden uitkomsten voor bepaalde wijken of buurten soms onderdrukt, terwijl de uitkomsten van andere wijken of buurten in die gemeente wel worden getoond. Dit kan (opvallende) verschillen veroorzaken tussen de uitkomsten van enerzijds wijken of buurten en anderzijds de betreffende gemeente.
Wanneer meerdere regio's dezelfde (afgeronde) procentuele score behalen worden de hoogste 10 bepaald door het alfabet
Download

Kenmerken verblijfsobject

Er wordt getoond in welke gemeenten en wijken de risico-indicatoren op misbruik van vastgoed vaak voorkomen en wat het landelijke beeld is. Een voorbeeld van een risico-indicator is vaak verhandelde woningen. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.
Klik op categorieën in de legenda om ze toe te voegen of juist weg te laten in een kaart. In de categorie onbekend zijn gegevens onbekend, onvoldoende betrouwbaar of geheim. Zie de uitleg over onthullingsrisico’s en onderdrukking. Vanwege diezelfde risico’s worden uitkomsten voor bepaalde wijken of buurten soms onderdrukt, terwijl de uitkomsten van andere wijken of buurten in die gemeente wel worden getoond. Dit kan (opvallende) verschillen veroorzaken tussen de uitkomsten van enerzijds wijken of buurten en anderzijds de betreffende gemeente.
Wanneer meerdere regio's dezelfde (afgeronde) procentuele score behalen worden de hoogste 10 bepaald door het alfabet
Download

Onverklaarbare woningaankopen

Voor elke RIEC-regio, gemeente en wijk kun je het percentage woningen zien dat gekocht is met een onverklaarbare som geld. Daarbij kun je ook zien wat per regio, gemeente of wijk als onverklaarbare som geld wordt beschouwd. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.
Klik op categorieën in de legenda om ze toe te voegen of juist weg te laten in een kaart. In de categorie onbekend zijn gegevens onbekend, onvoldoende betrouwbaar of geheim. Zie de uitleg over onthullingsrisico’s en onderdrukking. Vanwege diezelfde risico’s worden uitkomsten voor bepaalde wijken of buurten soms onderdrukt, terwijl de uitkomsten van andere wijken of buurten in die gemeente wel worden getoond. Dit kan (opvallende) verschillen veroorzaken tussen de uitkomsten van enerzijds wijken of buurten en anderzijds de betreffende gemeente.
De volgende tabellen tonen hoe de berekening voor onverklaarbare woningaankopen is uitgevoerd. Deze tabel is op het niveau van huishoudens. De cijfers bovenaan de pagina op het niveau van aankopen. Klik op een titel om de tabel uit te klappen. De tabellen bevatten gemiddelde bedragen voor heel Nederland en veranderen dus niet als in de kaartjes een gemeente, wijk of buurt wordt geselecteerd.

Lege velden: waarde onderdrukt. Lees meer over het risico op onthulling en onderdrukking.
Lege velden: waarde onderdrukt. Lees meer over het risico op onthulling en onderdrukking.

Kenmerken hypotheeknemer

Per gemeente, wijk en buurt wordt getoond welke risico-indicatoren voorkomen op het gebied van geldverstrekking ten behoeve van de financiering van een woning. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.
*: Klik hier voor een toelichting op de geselecteerde risico-indicator.
Klik op categorieën in de legenda om ze toe te voegen of juist weg te laten in een kaart. In de categorie onbekend zijn gegevens onbekend, onvoldoende betrouwbaar of geheim. Zie de uitleg over onthullingsrisico’s en onderdrukking. Vanwege diezelfde risico’s worden uitkomsten voor bepaalde wijken of buurten soms onderdrukt, terwijl de uitkomsten van andere wijken of buurten in die gemeente wel worden getoond. Dit kan (opvallende) verschillen veroorzaken tussen de uitkomsten van enerzijds wijken of buurten en anderzijds de betreffende gemeente.
Wanneer meerdere regio's dezelfde (afgeronde) procentuele score behalen worden de hoogste 10 bepaald door het alfabet
Download

Drugsproblematiek

Op het dashboard Zicht op Ondermijning worden analyses gepresenteerd met data over locaties en verdachten van drugsdelicten. De inzichten uit die analyses helpen risico's met betrekking tot drugsdelicten te voorspellen en dragen bij aan een preventieve aanpak (klik hier voor een korte video met een rondleiding door dit thema).

Delicten en verdachten

Data over delicten en verdachten over een langere periode en in verschillende gebieden laten zien hoe de aard en omvang van drugs- en gerelateerde problematiek in Nederland verandert. Op deze manier kunnen deze gegevens bijdragen aan bewustwording en inzicht geven in de effectiviteit van de aanpak van (drugs)criminaliteit. Daarnaast bieden ze een referentiebeeld dat kan helpen bij de interpretatie van verschillende analyses die op dit dashboard te vinden zijn.
(bekijk analyse)

Persoonskenmerken per delict

Door de koppeling van politiegegevens over drugsdelicten aan gegevens uit de Basisregistratie Personen, ontstaat een beeld van de persoonskenmerken per delict. Gemeenten kunnen hierbij ook onderling en over tijd met elkaar worden vergeleken. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.
(bekijk analyse)

Profielclusters

Drugsdelicten worden gepleegd door verschillende typen personen met verschillende combinaties van kenmerken. Om beter onderscheid te kunnen maken in de groep van verdachten, zijn per type drugsdelict profielclusters samengesteld: profielen van veelvoorkomende combinaties van persoonskenmerken. Deze profielclusters helpen focus aan te brengen in een preventieve aanpak.
(bekijk analyse)

Hennepkwekerijen

Deze pagina toont de regionale spreiding van geruimde hennepkwekerijen in Nederland. Het percentage en aantal kwekerijen wordt per gemeente en, waar mogelijk, per wijk getoond.
(bekijk analyse)

Synthetische drugslabs

Bij ruimingen van synthetische drugslabs worden verschillende typen drugs aangetroffen. Dit kan variëren per regio. Per type drugs kunnen de benodigde materialen en grondstoffen verschillen (samplers, gasgeneratiesystemen, vaten, chemicaliën). Daarom is een analyse gemaakt van de regionale spreiding van geruimde synthetische drugslabs in Nederland en, per regio, het percentage labs waar verschillende typen synthetische drugs werden geproduceerd. Deze analyse draagt bij aan bewustwording en alertheid om vroegtijdig signalen van de aanwezigheid van synthetische drugslabs te kunnen oppikken en gevaarlijke situaties voor mens en omgeving te voorkomen.
(bekijk analyse)

Kenmerken drugslocaties

Verblijfsobjecten die gebruikt worden als synthetisch drugslab of als hennepkwekerij, hebben mogelijk bepaalde gedeelde kenmerken, bijvoorbeeld vanwege de activiteiten die er plaatsvinden. Ook komen ze in bepaalde buurten misschien vaker voor, mogelijk vanwege de benodigde logistiek. Daarom wordt onderzocht in hoeverre drugslocaties afwijken ten opzichte van een gemiddeld verblijfsobject en buurt in Nederland.
Deze analyse draagt bij aan de bewustwording over verblijfsobjecten waarin drugslabs en hennepkwekerijen zijn gevonden en de relatie tot hun omgeving. Uit de analyse kan blijken dat bepaalde typen verblijfsobjecten en buurten (met bepaalde eigenschappen) kwetsbaar zijn om misbruikt te worden als drugslab(locatie) of hennepkwekerij(locatie). Daar kunnen dan preventieve maatregelen tegen worden ingezet.
(bekijk analyse)

Woon- versus pleeggemeente

Drugscriminelen plegen drugsfeiten niet altijd in hun eigen woonplaats: in de meeste gemeenten is meer dan een kwart van de verdachten afkomstig uit een andere gemeente. Daarom is een analyse gemaakt van de 'import en export' van drugsverdachten. Gemeenten krijgen hiermee inzicht in de herkomst van verdachten van drugsdelicten in hun gemeente (import) én inzicht in de andere gemeenten waar hun inwoners delicten plegen (export). Gemeenten kunnen hierover met elkaar in overleg gaan en mogelijk preventieve maatregelen nemen.
(bekijk analyse)

Familienetwerken

Wetenschappelijk onderzoek toont aan dat vertrouwensbanden in ondermijnende en georganiseerde (drugs)criminaliteit een belangrijke rol kunnen spelen. Daarom is een analyse gemaakt van de omvang van familierelaties tussen verdachten van drugsdelicten. Ook is geanalyseerd of familieleden van de verdachten in de betreffende gemeente in vastgoed hebben geïnvesteerd. Dit kan namelijk een indicatie zijn van witwassen van (crimineel) geld binnen de familie. Gemeenten kunnen met deze analyses inzicht krijgen in de mogelijke aanwezigheid, aard en omvang van familieverbanden in georganiseerde (drugs)criminaliteit binnen de gemeentegrenzen.
(bekijk analyse)

Jonge aanwas: risico jongeren

Jonge kinderen en jongeren kunnen vrijwillig of gedwongen (bewust of onbewust) betrokken raken bij georganiseerde drugshandel. Ze worden bijvoorbeeld betaald om pakketjes te bezorgen, te helpen bij de productie (hennepteelt) of worden gevraagd of gedwongen om drugs te dealen. Voor de leeftijdsgroep 8 tot en met 23 jaar is op basis van verschillende persoons-, huishoud- en buurtindicatoren een model gemaakt om te bepalen hoeveel kinderen en jongeren per gemeente, wijk en buurt een hoog risico hebben om in de drugscriminaliteit te belanden. De inzichten die deze analyse oplevert kunnen aanleiding en onderbouwing zijn om gerichte, preventieve maatregelen te nemen in bepaalde wijken of buurten.
(bekijk analyse)

Jonge aanwas: sociaal netwerk

Aangenomen wordt dat de sociale omgeving van jongeren een rol kan spelen in het al dan niet betrokken raken bij criminele activiteiten. Mogelijk hebben familieleden en klasgenoten bijvoorbeeld een belangrijke invloed op het risico om in de drugscriminaliteit te belanden. Om hier meer zicht op te krijgen, wordt een vergelijking gemaakt tussen de sociale netwerken van verdachte en niet-verdachte jongeren. Zo ontstaan risico-indicatoren in de sociale omgeving van jongeren om in de drugscriminaliteit te belanden, en daarmee aanknopingspunten voor een preventieve aanpak.
(bekijk analyse)

Tijdlijn verdenkingen

Ongeveer driekwart van de verdachten van drugsdelicten is eerder verdacht geweest van (verschillende) andere strafbare feiten. Bijna een kwart van de drugsverdachten is bijvoorbeeld minimaal één keer verdacht geweest van mishandeling, diefstal of inbraak. De tijdlijn verdenkingen brengt in beeld wat (in chronologische volgorde) de meest voorkomende verdenkingen waren voorafgaand aan het drugsdelict. Hiermee ontstaat de mogelijkheid om preventieve maatregelen te nemen richting verdachten van bepaalde delicten, om zo het plaatsvinden van drugsdelicten te helpen voorkomen.
(bekijk analyse)

Persoonskenmerken per delict

Door de koppeling van politiegegevens over drugsdelicten aan gegevens uit de Basisregistratie Personen, ontstaat een beeld van de persoonskenmerken per delict. Gemeenten kunnen hierbij ook onderling en over tijd met elkaar worden vergeleken. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.
In de grafieken hieronder kunnen persoonskenmerken van verdachten per delict worden bekeken door de tijd. Er kunnen twee gemeenten of regio's tegelijk geselecteerd worden.

Delicten en verdachten

Per gemeente en wijk wordt het aandeel inwoners getoond dat in een bepaalde periode werd verdacht van, of veroordeeld voor, drugs- of vermogensdelicten. Daarbij wordt ook een onderscheid gemaakt naar jonge verdachten van 18 tot en met 23 jaar. Daarnaast wordt per RIEC-regio en voor aan Zicht op Ondermijning deelnemende gemeenten getoond hoe het aantal drugsdelicten dat in het betreffende gebied gepleegd wordt zich over de tijd ontwikkelt. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.
Klik op categorieën in de legenda om ze toe te voegen of juist weg te laten in een kaart. In de categorie onbekend zijn gegevens onbekend, onvoldoende betrouwbaar of geheim. Zie de uitleg over onthullingsrisico’s en onderdrukking. Vanwege diezelfde risico’s worden uitkomsten voor bepaalde wijken of buurten soms onderdrukt, terwijl de uitkomsten van andere wijken of buurten in die gemeente wel worden getoond. Dit kan (opvallende) verschillen veroorzaken tussen de uitkomsten van enerzijds wijken of buurten en anderzijds de betreffende gemeente.

Drugsdelicten naar pleeggemeente of -regio

Profielclusters

Op basis van persoonskenmerken zijn met een clusteranalyse data-gedreven profielen gemaakt van verschillende typen drugsverdachten. Voor elk type drugsdelict worden drie profielen van veelvoorkomende combinaties van kenmerken getoond en wordt per gemeente gevisualiseerd welk percentage van de verdachten in die gemeente in de verschillende profielen valt. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.
Klik op categorieën in de legenda om ze toe te voegen of juist weg te laten in een kaart. In de categorie onbekend zijn gegevens onbekend, onvoldoende betrouwbaar of geheim. Zie de uitleg over onthullingsrisico’s en onderdrukking. Vanwege diezelfde risico’s worden uitkomsten voor bepaalde wijken of buurten soms onderdrukt, terwijl de uitkomsten van andere wijken of buurten in die gemeente wel worden getoond. Dit kan (opvallende) verschillen veroorzaken tussen de uitkomsten van enerzijds wijken of buurten en anderzijds de betreffende gemeente.

Kenmerken profiel 1

Kenmerken profiel 2

Kenmerken profiel 3

Geslacht

Leeftijd

Opleidingsniveau

Plaats in het huishouden

Sociaaleconomische categorie

Type woning

Woongemeente t.o.v. pleeggemeente

Totaal aantal keer verdachte

Familienetwerken

Van personen die in de periode 2012-2020 verdacht zijn geweest van drugsdelicten, wordt getoond hoeveel van hun familieleden in dezelfde periode óók verdacht zijn geweest van drugsdelicten. Daarnaast kun je per gemeente zien welk percentage van de particuliere woningen in het bezit is van die familieleden. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.
Klik op categorieën in de legenda om ze toe te voegen of juist weg te laten in een kaart. In de categorie onbekend zijn gegevens onbekend, onvoldoende betrouwbaar of geheim. Zie de uitleg over onthullingsrisico’s en onderdrukking. Vanwege diezelfde risico’s worden uitkomsten voor bepaalde wijken of buurten soms onderdrukt, terwijl de uitkomsten van andere wijken of buurten in die gemeente wel worden getoond. Dit kan (opvallende) verschillen veroorzaken tussen de uitkomsten van enerzijds wijken of buurten en anderzijds de betreffende gemeente.

Drugsverdachten met minimaal één andere drugsverdachte in de familie

Familieleden van drugsverdachten

Het aandeel drugsverdachten per relatie in het familienetwerk van een drugsverdachte.



Woningen van familieleden van drugsverdachten

Het aandeel woningen in een gemeente dat in bezit is van familieleden van drugsverdachten, exclusief de eigen woning van die familieleden.

Vastgoed van familie

Vastgoed (niet eigen woning) in bezit van familieleden van drugsverdachten, per gemeente

Toelichting

Familieleden van drugsverdachten

Het aandeel drugsverdachten per relatie in het familienetwerk van een drugsverdachte.

Woningen van familieleden van drugsverdachten

Het aandeel woningen in een gemeente dat in bezit is van familieleden van drugsverdachten, exclusief de eigen woning van die familieleden.

Risico jongeren

De analyse op deze pagina laat zien welke gemeente, wijk of buurt relatief grote risico’s kennen op jonge aanwas in de drugscriminaliteit. Op basis van een groot aantal mogelijke risico-indicatoren zoals persoons-, huishoud- en buurtkenmerken wordt per gemeente, wijk en buurt het percentage hoog-risico jongeren bepaald ten opzichte van alle jongeren in het gebied. Alleen voor de meest voorspellende risico-indicatoren uit het model zijn in de tabellen waarden voor de (hoog-risico) jongeren in de gemeente, wijk en buurt weergegeven. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom een indicator iets zegt over ondermijning.
Klik op categorieën in de legenda om ze toe te voegen of juist weg te laten in een kaart. In de categorie onbekend zijn gegevens onbekend, onvoldoende betrouwbaar of geheim. Zie de uitleg over onthullingsrisico’s en onderdrukking. Vanwege diezelfde risico’s worden uitkomsten voor bepaalde wijken of buurten soms onderdrukt, terwijl de uitkomsten van andere wijken of buurten in die gemeente wel worden getoond. Dit kan (opvallende) verschillen veroorzaken tussen de uitkomsten van enerzijds wijken of buurten en anderzijds de betreffende gemeente.

De rest van de pagina bestaat uit tabellen met verdiepende achtergrondinformatie. Ze zijn bedoeld voor de bezoekers die graag meer details bij de analyses willen hebben om de uitkomsten zo zelf beter te kunnen interpreteren en duiden.

De hoog-risico jongeren die hierboven worden getoond zijn vastgesteld aan de hand van een risicomodel. In de tabel hieronder worden de meest voorspellende indicatoren van het model weergegeven: de indicatoren die een belangrijk beslispunt in het model waren om een hoge of lage score toe te wijzen. De kolom ‘Bijdrage aan model’ geeft aan hoeveel een indicator bijdraagt, op een schaal van 0 (niet belangrijk) tot 100 (erg belangrijk). Voor de groep hoog-risico jongeren en voor de totale groep jongeren wordt de waarde per risico-indicator weergegeven. Zo worden afwijkingen op gemeente- of wijkniveau getoond.

Let op: deze indicatoren laten zien welke factoren belangrijk zijn voor het risicomodel, ze geven geen verklarend of causaal verband aan tussen de aanwezigheid van deze indicatoren en risico om in de drugscriminaliteit te belanden.

* De Halt interventie is op dit moment de enige afdoeningsmodaliteit die is meegenomen in het model. In de doorontwikkeling zal worden onderzocht of ook onder andere boetes, taakstraffen en sepots kunnen worden toegevoegd aan het model. Dit kan invloed hebben op het belang van Halt als indicator voor jonge aanwas.

Lege velden: waarde onderdrukt. Lees meer over het risico op onthulling en onderdrukking.
Download

* De Halt interventie is op dit moment de enige afdoeningsmodaliteit die is meegenomen in het model. In de doorontwikkeling zal worden onderzocht of ook onder andere boetes, taakstraffen en sepots kunnen worden toegevoegd aan het model. Dit kan invloed hebben op het belang van Halt als indicator voor jonge aanwas.

Lege velden: waarde onderdrukt. Lees meer over het risico op onthulling en onderdrukking.
Download

* De Halt interventie is op dit moment de enige afdoeningsmodaliteit die is meegenomen in het model. In de doorontwikkeling zal worden onderzocht of ook onder andere boetes, taakstraffen en sepots kunnen worden toegevoegd aan het model. Dit kan invloed hebben op het belang van Halt als indicator voor jonge aanwas.

Lege velden: waarde onderdrukt. Lees meer over het risico op onthulling en onderdrukking.
Download

Tijdlijn verdenkingen

Voor alle drugsverdachten in Nederland is het directe verleden aan voorgaande verdenkingen bepaald. Per type drugsdelict is gevisualiseerd wat de meest voorkomende verdenkingen van feiten en gevolgde paden waren, voordat zij verdacht zijn geraakt van het betreffende drugsdelict. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.

De stroomdiagram laat zien van welke delicten personen verdacht zijn geweest vóórdat zij voor het eerst verdacht werden van het gekozen drugsdelict. De figuur is in chronologische volgorde en werkt terug vanaf het gekozen drugsdelict in de rechterkolom. De middelste kolom bevat de direct voorgaande verdenkingen. De linker kolom de verdenkingen die dáár weer voor kwamen. Er wordt maximaal 15 jaar teruggekeken. Beweeg je muis over de figuur om te zien wat de codes betekenen.

De volgende figuur laat zien wat de leeftijdsverdeling van verdachten was toen zij voor het eerst verdacht werden van het geselecteerde drugsdelict. Klik op een balkje om een specifieke leeftijdscategorie te kiezen voor de rest van de pagina. Deze keuze kun je ook maken in het filtermenu onder de figuur.

De rest van de pagina bestaat uit tabellen met verdiepende achtergrondinformatie. Ze zijn bedoeld voor de bezoekers die graag meer details bij de analyses willen hebben om de uitkomsten zo zelf beter te kunnen interpreteren en duiden.

De tabel geeft een overzicht van de meest voorkomende delicten die verdachten hebben gepleegd in een periode vóórdat zij voor het eerst verdacht werden van het geselecteerde drugsfeit. Personen kunnen van meerdere delicten verdacht zijn geweest waardoor de uitkomsten op kunnen tellen tot meer dan 100 procent. Kies in het filtermenu onder de tabel hoeveel jaar je terug wil kijken.

De volgende tabel geeft een overzicht van verschillende eigenschappen die de volledige tijdlijn van verdenkingen (de stroomdiagram) beschrijft van het eerste delict tot aan het geselecteerde drugsdelict. Beweeg je muis over een eigenschap voor een beschrijving. Klik op een eigenschap voor meer informatie over de verdeling in de laatste figuur op deze pagina. Tussen haakjes staat of de indicator gebaseerd is op verdenkingen, veroordelingen of een combinatie.

1) De gegevens van verdenkingen die gebruikt zijn om deze tabel te maken, gaan maximaal 15 jaar terug. De leeftijd waarop iemand verdacht werd van zijn of haar eerste delict is daarom alleen bekend voor de twee jongste leeftijdsgroepen: jonger dan 18 jaar en 18 tot 25 jaar.


Kies een eigenschap uit de tabel met het samengevat pad. Deze figuur laat dan de verdeling van die eigenschap zien.

Hennepkwekerijen

Deze pagina toont de locaties van geruimde hennepkwekerijen in Nederland. Het percentage en aantal kwekerijen wordt per gemeente en, waar mogelijk, per wijk getoond. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.
Klik op categorieën in de legenda om ze toe te voegen of juist weg te laten in een kaart. In de categorie onbekend zijn gegevens onbekend, onvoldoende betrouwbaar of geheim. Zie de uitleg over onthullingsrisico’s en onderdrukking. Vanwege diezelfde risico’s worden uitkomsten voor bepaalde wijken of buurten soms onderdrukt, terwijl de uitkomsten van andere wijken of buurten in die gemeente wel worden getoond. Dit kan (opvallende) verschillen veroorzaken tussen de uitkomsten van enerzijds wijken of buurten en anderzijds de betreffende gemeente.
Voor de gemeenten die aanvullende gegevens over geruimde hennepkwekerijen hebben aangeleverd, toont de volgende figuur de jaarlijkse ontwikkeling van het aandeel geruimde hennepkwekerijen ten opzichte van alle panden in die gemeente. Deze figuur is altijd alleen gebaseerd op gegevens uit die aanvullende gemeentelijke bron. Klik in de legenda op de naam van een gemeente om deze uit de figuur te verwijderen of weer toe te voegen.

Synthetische drugslabs

Deze pagina toont de regionale spreiding van geruimde synthetische drugslabs in Nederland en, per regio, het percentage labs waar verschillende typen synthetische drugs werden geproduceerd. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.
Op dit dashboard wordt zoveel mogelijk geprobeerd om uitkomsten zo vergelijkbaar mogelijk te maken door ze te relateren aan een passende eenheid. Woningen met een risico-indicator worden bijvoorbeeld uitgedrukt als aandeel van alle woningen in een gemeente, wijk of buurt. In de kaartjes met aantallen synthetische drugslabs op deze pagina gebeurt dat niet. Drugslabs kunnen ook in de open lucht aangetroffen worden en de uitkomstmaat zou dan erg klein worden. In de rechterkaart worden aantallen drugslabs naar drugstype daarom gepresenteerd als aandeel van de aangetroffen drugslabs in de betreffende regio.

Verblijfsobject en buurtkenmerken van hennepkwekerijen en synthetische drugslabs

Er wordt getoond wat de verblijfsobject en buurtkenmerken zijn van (geïdentificeerde en geruimde) synthetische drugslabs en hennepkwekerijen. Die worden vergeleken met de kenmerken van gemiddelde verblijfsobjecten en buurten in Nederland. Een verblijfsobject is een woning of niet-woning. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.

De twee balkendiagrammen laten zien welke functies de verblijfsobjecten hebben waar drugslabs of hennepkwekerijen in zijn aangetroffen en hoe dit verschilt van een gemiddeld verblijfsobject. Dat gebeurt voor verblijfsobjecten in buurten met verschillende mate van stedelijkheid. Dat geeft een idee van hoe een typische drugslocatie op het platteland verschilt van een drugslocatie in een dichtbevolkt gebied. In beide figuren staan gebruiksfuncties van verblijfsobjecten opgenomen. De functies in de linker figuur zijn afkomstig uit de Basis Administratie Gebouwen (BAG), die in de rechter figuur uit de registratie van de Waardering Onroerende Zaken (WOZ).

Sommige kenmerken bevatten geen waarde in verband met onthullingsrisico’s. Ze zijn dan onderdrukt waardoor niet alle balken optellen tot honderd procent. Zie de uitleg over onthullingsrisico’s en onderdrukking

De twee figuren hieronder laten zien hoe verblijfsobjecten (links) en buurten (rechts) waarin drugslabs of hennepkwekerijen zijn aangetroffen op verschillende kenmerken afwijken of juist lijken op een gemiddeld verblijfsobject of buurt. Dat gebeurt voor verblijfsobjecten in buurten met verschillende mate van stedelijkheid. Standaard laten de figuren de uitkomsten zien voor álle drugslabs, hennepkwekerijen of gemiddelde verblijfsobjecten. Maar de kenmerken van een drugslocatie verschillen enorm met de functie van het verblijfsobject: een drugslab in een industriepand ziet er heel anders uit dan een drugslab in een woning. Bekijk daarom de uitkomsten voor de verschillende functies van de verblijfsobjecten om een goed beeld te krijgen van hoe de geruimde verblijfsobjecten verschillen van gemiddelde verblijfsobjecten.

De figuren laten zowel bollen als vierkanten zien. Een bol betekent dat het gemiddelde van een hennepkwekerij of drugslab significant afwijkt van een gemiddeld verblijfsobject. Deze afwijkingen zijn dus betrouwbaarder. Lees meer over de significantietoetsen die zijn uitgevoerd in de verdiepende informatie.

In het linker figuur kan het verblijfsobjectkenmerk percentage verblijfsobjecten in pand met meerdere verblijfsobjecten gekozen worden. Dit gaat over verblijfsobjecten die zich in een pand bevinden waar meerdere verblijfsobjecten aanwezig zijn, bijvoorbeeld een flatgebouw. De begrippen die op deze pagina zijn gebruikt worden verder toegelicht in de begrippenlijst.

Verblijfsobjecten kenmerken

Download

Buurtkenmerken

Download

Woon- versus pleeggemeente

Voor alle gemeenten wordt de import en export van drugsverdachten getoond: het aandeel drugsdelicten gepleegd door een verdachte uit een andere gemeente (import) én het aantal verdachten dat in een andere gemeente een delict pleegt (export). Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.
Klik op categorieën in de legenda om ze toe te voegen of juist weg te laten in een kaart. In de categorie onbekend zijn gegevens onbekend, onvoldoende betrouwbaar of geheim. Zie de uitleg over onthullingsrisico’s en onderdrukking. Vanwege diezelfde risico’s worden uitkomsten voor bepaalde wijken of buurten soms onderdrukt, terwijl de uitkomsten van andere wijken of buurten in die gemeente wel worden getoond. Dit kan (opvallende) verschillen veroorzaken tussen de uitkomsten van enerzijds wijken of buurten en anderzijds de betreffende gemeente.

Sociaal netwerk

Er wordt getoond in welke mate bepaalde kenmerken voorkomen in vijf typen sociale netwerken van jonge drugsverdachten en hoe ze samenhangen met dat type netwerk. Vervolgens wordt steeds een vergelijking gemaakt tussen de netwerken van jonge drugsverdachten en die van niet-verdachte jongeren. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.

De resultaten van deze analyse wijzen op risico-indicatoren om in de drugscriminaliteit te belanden. De aanwezigheid van verdachten in het netwerk en lage inkomens zijn bijvoorbeeld oververtegenwoordigd in de sociale netwerken van verdachte jongeren. Tegelijkertijd lijkt er sprake van beschermende factoren: het hebben van werk en een hoog opleidingsniveau komen juist minder vaak voor in de netwerken van verdachten. Met name in het huisgenotennetwerk zijn grote verschillen te zien tussen de netwerken van verdachte en niet-verdachte jongeren. De verschillen tussen ‘verdacht’ en ‘niet-verdacht’ zijn over het algemeen groter in zeer stedelijke gemeenten en worden kleiner naarmate de stedelijkheid afneemt.

Klik op categorieën in de legenda onder de figuur om ze toe te voegen of juist weg te laten. Klik op een bolletje om in een tweede figuur meer informatie te krijgen over de mate waarin personen met dat kenmerk voorkomen in de netwerken van jonge verdachten van drugsdelicten en van niet-verdachte jongeren.

De volgende figuur laat zien welk aandeel van de personen in de netwerken het hierboven geselecteerde kenmerk bezit. Hierbij wordt een uitsplitsing gemaakt naar het type netwerk (familie, huisgenoten, collega’s, klasgenoten en buren), first offenders versus herhaalde verdachten, minder- en meerderjarige jongeren en de mate van stedelijkheid van de gemeente waarin de jongere woont.

Verdachte transacties

Ongebruikelijke transacties moeten in Nederland worden gemeld aan de Financial Intelligence Unit (FIU), mede omdat ze te maken kunnen hebben met het witwassen van (crimineel) geld. Sommigen van deze transacties worden daarna door de FIU als 'verdachte transacties' aangemerkt. Met deze transacties worden in het dashboard verschillende analyses uitgevoerd (klik hier voor een korte video met een rondleiding door dit thema).

Verdachte transacties naar locatie

Verdachte transacties blijken vaak een indicatie voor het witwassen van (crimineel) geld. Het doel van witwassen is het versluieren van de herkomst van geld, wat sinds 2001 strafbaar is. De FIU-data zijn gebruikt om in kaart te brengen waar in Nederland de als verdacht aangemerkte transacties het meest voorkomen en wat de bijbehorende financiële waarde is. Ook wordt getoond wat de belangrijkste herkomst- en bestemmingslanden zijn van verdachte transacties. Deze pagina helpt zo inzicht te geven in illegale geldstromen.
(bekijk analyse)

Betrokken personen en bedrijven

De FIU legt vast welke personen bij de verdachte transacties betrokken zijn (inclusief opdrachtgevers, begunstigden en uitvoerders) en wat hun kenmerken zijn (onder andere geslacht, leeftijd en sociaaleconomische omstandigheid). Daarnaast legt de FIU vast welke bedrijfstakken betrokken zijn bij één of meerdere verdachte transacties. Informatie over betrokken personen en bedrijven kan bijdragen aan bewustwording en (door kenmerken met elkaar te verbinden) aan meer focus bij een preventieve aanpak van ondermijning.
(bekijk analyse persoonskenmerken)
(bekijk analyse bedrijfskenmerken)

Groepsanalyse

Mensen kunnen op verschillende manieren betrokken raken bij verdachte transacties. Soms is hierbij sprake van onderliggende (sociale) problematiek, zoals armoede. Soms is er ook een verband met vastgoedbezit. Daarom wordt onderzocht of er verbanden bestaan tussen inkomenskenmerken, woonsituatie en vastgoedbezit en het betrokken raken bij verdachte transacties. Zo kunnen subgroepen worden bepaald op basis van kenmerken die met een verhoogde kans voorkomen bij personen die betrokken zijn bij verdachte transacties.
(bekijk analyse)

Verdachte transacties naar locatie

Voor de verdachte transacties is in kaart gebracht waar in Nederland die het meest geregistreerd en om welke soort transacties het gaat. Ook kun je zien wat de belangrijkste herkomst- en bestemmingslanden zijn van verdachte transacties. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.
De kaartjes van Nederland laten verdachte transacties per gemeente zien, in aantal en bedrag. In het linker kaartje worden gemeenten uitgelicht op basis van twee absolute maten, in het rechter kaartje op basis van twee relatieve maten. In de tooltips staan altijd alle vier de maten.
Klik op categorieën in de legenda om ze toe te voegen of juist weg te laten in een kaart. In de categorie onbekend zijn gegevens onbekend, onvoldoende betrouwbaar of geheim. Zie de uitleg over onthullingsrisico’s en onderdrukking.
De gegevens op de rest van deze pagina hebben altijd betrekking op de totale periode 2011-2016 en op het totaal van de verdachte transacties. Die gegevens veranderen dus niet als er individuele jaren of specifieke transactiesoorten worden gekozen.

Verdachte transacties naar en van een gemeente

De volgende figuur en tabel geven meer informatie over de verdachte transacties tussen gemeenten en landen. Klik op een land in de figuur om meer informatie over dat land te zien.

Persoonskenmerken betrokkenen bij verdachte transacties

De personen die betrokken zijn bij verdachte transacties worden aan de hand van algemene persoonskenmerken in beeld gebracht. Hierbij is een verdeling gemaakt in frequentie van betrokkenheid en de rol van de betrokkenen in de transactie. Als referentie zijn de persoonskenmerken van de gehele Nederlandse bevolking opgenomen te zien in de benchmark. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.

Geslacht

Leeftijd

Sociaaleconomische categorie

Soort uitkering

Uitsplitsing van de sociaaleconomische categorie Ontvanger uitkering

Verdachte van misdrijf

Bedrijfskenmerken betrokkenen bij verdachte transacties

De bedrijven die betrokken zijn bij verdachte transacties worden hier aan de hand van algemene bedrijfskenmerken in beeld gebracht. Hierbij is er een verdeling gemaakt in frequentie van betrokkenheid. Als referentie zijn de bedrijfskenmerken van alle actieve bedrijven in Nederland ook opgenomen. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.

Actief in mogelijk kwetsbare branche *

*: Klik hier voor een toelichting op de mogelijk kwetsbare branches

Rechtsvorm

Aandeel meest betrokken bedrijfstakken bij verdachte transacties

Top 5 bij betrokkenen

Groepsanalyse

Regionale spreiding en kenmerken van subgroepen

Voor subgroepen waarbinnen het aandeel betrokkenen bij verdachte transacties hoger is dan gemiddeld, wordt de regionale spreiding getoond. Daarnaast worden deze subgroepen beschreven aan de hand van kenmerken op het gebied van huishouden, inkomen en vastgoedbezit. Lees meer in een korte uitleg of de extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.

Binnen de gekozen subgroep is de kans dat iemand betrokken is bij een verdachte transactie hoger dan gemiddeld. Let op: De kaarten laten alleen zien hoe vaak de gekozen groep in algemene zin voorkomt in gemeenten en wijken. Dit zijn niet aantallen personen die daadwerkelijk betrokken zijn bij een verdachte transactie.

Klik op categorieën in de legenda om ze toe te voegen of juist weg te laten in een kaart. In de categorie onbekend zijn gegevens onbekend, onvoldoende betrouwbaar of geheim. Zie de uitleg over onthullingsrisico’s en onderdrukking. Vanwege diezelfde risico's worden uitkomsten voor bepaalde wijken of buurten soms onderdrukt, terwijl de uitkomsten van andere wijken of buurten in die gemeente wel worden getoond. Dit kan (opvallende) verschillen veroorzaken tussen de uitkomsten van enerzijds wijken of buurten en anderzijds de betreffende gemeente.

De volgende figuur geeft extra informatie over de gekozen subgroep. Per groep is het mogelijk om te zien hoe bepaalde kenmerken verdeeld zijn binnen die groep en in heel Nederland. Zo kun je bijvoorbeeld zien of de inkomens van personen in een bepaalde subgroep afwijkend is. Kies een kenmerk in het filtermenu.

Brancheanalyses

Op het dashboard Zicht op Ondermijning worden analyses gepresenteerd die inzicht kunnen geven in het risico dat een branche wordt misbruikt voor witwaspraktijken. De geanalyseerde branches zijn geselecteerd op basis van inzichten en ervaringen van meerdere RIEC's (Regionaal Informatie- en Expertise Centra) en van deelnemende gemeenten. Niet-geanalyseerde branches kunnen ook risico's bevatten, maar blijven hier buiten beeld (klik hier voor een korte video met een rondleiding door dit thema).

Concentraties en trends

Sommige branches zijn er gevoelig voor om misbruikt te worden voor het witwassen van crimineel geld. Het is daarom interessant om te kijken naar opvallend hoge concentraties van bepaalde typen branches en soorten winkels. Die concentraties kunnen niet alleen zorgen voor verschraling van het winkelaanbod en/of oneerlijke concurrentie, maar ook een indicatie zijn van criminele activiteiten. Per branche is daarom geanalyseerd in welke gemeenten en wijken hoge concentraties van bedrijfsvestigingen voorkomen ten opzichte van het landelijke beeld. Daarnaast is geanalyseerd wat per gemeente en wijk de branches met de hoogste concentraties zijn.

De uitkomsten kunnen aanleiding zijn om extra aandacht te besteden aan een bepaalde branche of aan een bepaalde winkel uit één van die branches. Er kan bijvoorbeeld besloten worden tot preventief onderzoek bij een vergunningsaanvraag, extra toezicht of (extra) controles. Dit kan helpen voorkomen dat crimineel verkregen geld via de betreffende branche wordt witgewassen.
(bekijk analyse)

Financiële uitschieters

Financiële kengetallen van bedrijven kunnen iets zeggen over de kans dat deze bedrijven zich bezighouden met criminele activiteiten. Een opvallend hoge omzet per fte en een opvallend hoog uurloon kunnen bijvoorbeeld risico-indicatoren zijn voor het witwassen van zwart geld. Daarom is onderzocht welke afwijkingen er op deze indicatoren zijn binnen een wijk of gemeente.

Het referentiepunt is een gesimuleerde verwachting van de top 20 van de omzet per fte en van het gemiddeld uurloon per branche. In die verwachting is alleen gecorrigeerd voor het aantal vestigingen in de betreffende wijk of gemeente en niet ook voor kenmerken van die vestigingen, zoals grootte, type vestiging en of het een high-traffic locatie is. Voor elke gemeente en wijk is berekend wat de afwijking is van die verwachte waarde. Als de waarde van de top 20 bedrijven veel hoger is dan verwacht, kan dat een aanleiding zijn om lokaal in te zoomen op deze branche.
(bekijk analyse)

Afwijkingen in omzetverwachting

Een opvallend hoge omzet kan een aanwijzing zijn voor witwassen. Het is daarom interessant om bedrijven binnen dezelfde branche met elkaar te vergelijken en daarbij te kijken naar de gemiddelde omzet per inwoner. Soms kan een hoge omzet per inwoner heel goed verklaarbaar zijn, bijvoorbeeld vanwege het inkomensniveau in een bepaalde gemeente. Daarom wordt in deze analyse een verwachte brancheomzet per inwoner berekend op basis van kenmerken van de gemeente, de (woon)wijk en de inwoners van de wijk. Naast het inkomen van de inwoners, wordt bijvoorbeeld ook gekeken naar de nabijheid van voorzieningen.

Per gemeente en per woonwijk kan zo (voor verschillende branches) een vergelijking worden gemaakt tussen de voorspelde en de gerealiseerde omzet per inwoner. Een omzet die opvallend veel hoger is dan voorspeld, kan een eerste indicatie zijn van criminele activiteiten en aanleiding zijn voor nader onderzoek.
(bekijk analyse)

Veroordelingen

Wanneer iemand in het verleden veroordeeld is voor een delict, is de kans groter dat die persoon opnieuw verdacht wordt van een delict. Daarom is het interessant om te kijken naar eerdere veroordelingen van bedrijven en van eigenaren of bestuurders van bedrijven. Dit kan informatie geven over de kans dat bedrijven in een bepaalde regio of in een bepaalde branche misbruikt worden voor criminele doeleinden. Er is daarom geanalyseerd in welke gemeenten en wijken hoge concentraties van bedrijven met veroordelingen voorkomen. Daarnaast is geanalyseerd in welke branches hoge concentraties van bedrijven met veroordelingen voorkomen.

De uitkomsten kunnen aanleiding zijn om extra aandacht te besteden aan een bepaalde branche of aan een bepaalde wijk of bedrijventerrein. Er kan bijvoorbeeld besloten worden tot preventief onderzoek bij een vergunningsaanvraag, extra toezicht of (extra) controles.
(bekijk analyse)

Opvallende kenmerken

Bepaalde bedrijfskenmerken kunnen een risico-indicator zijn van crimineel gedrag of fraude. Voorbeelden hiervan zijn wijzigingen in besturen en extreme ratio's in financiële waarden. Dit worden opvallende kenmerken genoemd. Op het dashboard wordt getoond in welke gemeenten en wijken deze opvallende kenmerken vaak voorkomen en wat het landelijke beeld is. De gegevens zijn verkregen door publiek-private samenwerking met Graydon - een bedrijf dat informatie verzameld over bedrijven uit openbare bronnen. De gegevens zijn verder gecombineerd met CBS data. De geanalyseerde branches zijn geselecteerd op basis van inzichten en ervaringen van meerdere RIEC's (Regionaal Informatie- en Expertise Centra) en van deelnemende gemeenten.

De uitkomsten kunnen aanleiding zijn om extra onderzoek te doen naar bepaalde branches of specifieke gebieden waar bedrijven met een opvallend kenmerk relatief vaak voorkomen.
(bekijk analyse)

Concentraties en trends

Per branche wordt getoond in welke gemeenten en wijken hoge concentraties van bedrijfsvestigingen voorkomen ten opzichte van het landelijke beeld. Je kunt ook zien wat per gemeente en wijk de branches met de hoogste concentraties zijn. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.
Klik op categorieën in de legenda om ze toe te voegen of juist weg te laten in een kaart. In de categorie onbekend zijn gegevens onbekend, onvoldoende betrouwbaar of geheim. Zie de uitleg over onthullingsrisico’s en onderdrukking. Vanwege diezelfde risico’s worden uitkomsten voor bepaalde wijken of buurten soms onderdrukt, terwijl de uitkomsten van andere wijken of buurten in die gemeente wel worden getoond. Dit kan (opvallende) verschillen veroorzaken tussen de uitkomsten van enerzijds wijken of buurten en anderzijds de betreffende gemeente.
Kies in de kaartjes hierboven een gemeente en wijk waarvan je de ontwikkeling wil zien.
De volgende tabellen tonen meer informatie naar gemeente of wijk. Klik op een titel om de tabel open te klappen. De tabel is standaard gesorteerd op de kolom met de afwijkingsscore. Klik op een andere kolom om op die kolom te sorteren. Selecteer een wijk om meer informatie over een wijk te zien.

Lege velden: waarde onderdrukt. Lees meer over het risico op onthulling en onderdrukking.
Download
Lege velden: waarde onderdrukt. Lees meer over het risico op onthulling en onderdrukking.
Download

Afwijkende omzetten

Per branche wordt getoond in welke gemeente en wijken hoge omzetten van bedrijfsvestigingen voorkomen ten opzichte van het landelijke beeld. Voor de indicator omzet per fte en omzet per vestiging is de afwijking bepaald door te vergelijken met het gemiddelde van Nederland. Voor de indicator top 10 omzet per fte is de verwachte waarde gecorrigeerd voor de grootte van de populatie bedrijven in de gemeente of wijk.Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.
Klik op categorieën in de legenda om ze toe te voegen of juist weg te laten in een kaart. In de categorie onbekend zijn gegevens onbekend, onvoldoende betrouwbaar of geheim. Zie de uitleg over onthullingsrisico’s en onderdrukking. Vanwege diezelfde risico’s worden uitkomsten voor bepaalde wijken of buurten soms onderdrukt, terwijl de uitkomsten van andere wijken of buurten in die gemeente wel worden getoond. Dit kan (opvallende) verschillen veroorzaken tussen de uitkomsten van enerzijds wijken of buurten en anderzijds de betreffende gemeente.

De volgende tabellen tonen meer informatie naar gemeente of wijk. Klik op een titel om de tabel open te klappen. De tabel is standaard gesorteerd op de kolom met de afwijkingsscore. Klik op een andere kolom om op die kolom te sorteren. Selecteer een wijk om meer informatie over een wijk te zien.

Lege velden: waarde onderdrukt. Lees meer over het risico op onthulling en onderdrukking.
Download
Lege velden: waarde onderdrukt. Lees meer over het risico op onthulling en onderdrukking.
Download

Gemiddeld uurloon

Per branche wordt getoond in welke gemeente en wijken hoge uurlonen van bedrijfsvestigingen voorkomen ten opzichte van het landelijke beeld. Voor de indicator gemiddeld uurloon is de afwijking bepaald door te vergelijken met het gemiddelde van Nederland. Voor de indicator top 10 gemiddeld uurloon is de verwachte waarde gecorrigeerd voor de grootte van de populatie bedrijven in de gemeente of wijk. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.
Klik op categorieën in de legenda om ze toe te voegen of juist weg te laten in een kaart. In de categorie onbekend zijn gegevens onbekend, onvoldoende betrouwbaar of geheim. Zie de uitleg over onthullingsrisico’s en onderdrukking. Vanwege diezelfde risico’s worden uitkomsten voor bepaalde wijken of buurten soms onderdrukt, terwijl de uitkomsten van andere wijken of buurten in die gemeente wel worden getoond. Dit kan (opvallende) verschillen veroorzaken tussen de uitkomsten van enerzijds wijken of buurten en anderzijds de betreffende gemeente.

De volgende tabellen tonen meer informatie naar gemeente of wijk. Klik op een titel om de tabel open te klappen. De tabel is standaard gesorteerd op de kolom met de afwijkingsscore. Klik op een andere kolom om op die kolom te sorteren. Selecteer een wijk om meer informatie over een wijk te zien.

Lege velden: waarde onderdrukt. Lees meer over het risico op onthulling en onderdrukking.
Download
Lege velden: waarde onderdrukt. Lees meer over het risico op onthulling en onderdrukking.
Download

Brancheomzet per inwoner

Per branche wordt getoond in welke gemeenten en wijken een hoge omzet per inwoner voorkomt ten opzichte van het landelijke beeld. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.
Klik op categorieën in de legenda om ze toe te voegen of juist weg te laten in een kaart. In de categorie onbekend zijn gegevens onbekend, onvoldoende betrouwbaar of geheim. Zie de uitleg over onthullingsrisico’s en onderdrukking. Vanwege diezelfde risico’s worden uitkomsten voor bepaalde wijken of buurten soms onderdrukt, terwijl de uitkomsten van andere wijken of buurten in die gemeente wel worden getoond. Dit kan (opvallende) verschillen veroorzaken tussen de uitkomsten van enerzijds wijken of buurten en anderzijds de betreffende gemeente.
Kies in de kaartjes hierboven een gemeente en wijk waarvan je de concentraties per jaar wilt zien.
De volgende tabellen tonen meer informatie naar gemeente of wijk. Klik op een titel om de tabel open te klappen. De tabel is standaard gesorteerd op de kolom met de afwijkingsscore. Klik op een andere kolom om op die kolom te sorteren. Selecteer een wijk om meer informatie over een wijk te zien.

Lege velden: waarde onderdrukt. Lees meer over het risico op onthulling en onderdrukking.
Download
Lege velden: waarde onderdrukt. Lees meer over het risico op onthulling en onderdrukking.
Download

Afwijkingen omzetverwachting

Verschil tussen de voorspelde en de gerealiseerde brancheomzet per inwoner

Per branche wordt getoond in welke gemeenten en woonwijken grote afwijkingen voorkomen van de voorspelde omzet per inwoner. De voorspelde omzet is gebaseerd op het gemiddelde van de branche in combinatie met wijk-, gemeenten- en inwonerkenmerken. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.
Klik op categorieën in de legenda om ze toe te voegen of juist weg te laten in een kaart. In de categorie onbekend zijn gegevens onbekend, onvoldoende betrouwbaar of geheim. Zie de uitleg over onthullingsrisico’s en onderdrukking. Vanwege diezelfde risico’s worden uitkomsten voor bepaalde wijken of buurten soms onderdrukt, terwijl de uitkomsten van andere wijken of buurten in die gemeente wel worden getoond. Dit kan (opvallende) verschillen veroorzaken tussen de uitkomsten van enerzijds wijken of buurten en anderzijds de betreffende gemeente.

De rest van de pagina bestaat uit tabellen met verdiepende achtergrondinformatie. Ze zijn bedoeld voor de bezoekers die graag meer details bij de analyses willen hebben om de uitkomsten zo zelf beter te kunnen interpreteren en duiden.

Lege velden: waarde onderdrukt. Lees meer over het risico op onthulling en onderdrukking.
Download
Lege velden: waarde onderdrukt. Lees meer over het risico op onthulling en onderdrukking.
Download

Veroordelingen

Veroordeelde eigenaren, bestuurders en bedrijven

Per branche wordt getoond in welke gemeenten en wijken relatief veel bedrijven, bedrijfseigenaren en bedrijfsbestuurders voorkomen met een veroordeling op hun naam. Ook kun je zien wat per gemeente en wijk de branches zijn waarin de meeste veroordelingen voorkomen. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.
Vanwege lage aantallen is een aantal combinaties van branche, indicator en type delict uitgesloten. Het delict witwassen wordt alleen getoond in combinatie met alle branches bij elkaar. Voor veroordeelde bedrijven wordt alleen over alle delicten gezamenlijk gerapporteerd. Voor sommige branches zijn bijna geen resultaten naar gemeente of wijk beschikbaar. Deze hebben toch een plek in dit dashboard gekregen om een zo compleet mogelijk beeld te geven.

Klik op categorieën in de legenda om ze toe te voegen of juist weg te laten in een kaart. In de categorie onbekend zijn gegevens onbekend, onvoldoende betrouwbaar of geheim. Zie de uitleg over onthullingsrisico's en onderdrukking. Vanwege diezelfde risico's worden uitkomsten voor bepaalde wijken of buurten soms onderdrukt, terwijl de uitkomsten van andere wijken of buurten in die gemeente wel worden getoond. Dit kan (opvallende) verschillen veroorzaken tussen de uitkomsten van enerzijds wijken of buurten en anderzijds de betreffende gemeente.

De rest van de pagina bestaat uit tabellen met verdiepende achtergrondinformatie. Ze zijn bedoeld voor de bezoekers die graag meer details bij de analyses willen hebben om de uitkomsten zo zelf beter te kunnen interpreteren en duiden. De benchmark branches zijn exclusief de onderliggende niet-benchmark branches. Benchmark vervoer en opslag is bijvoorbeeld exclusief de taxibranche.

Lege velden: waarde onderdrukt. Lees meer over het risico op onthulling en onderdrukking.
Download
Lege velden: waarde onderdrukt. Lees meer over het risico op onthulling en onderdrukking.
Download
Lege velden: waarde onderdrukt. Lees meer over het risico op onthulling en onderdrukking.
Download

Opvallende kenmerken

Opvallende kenmerken van bedrijven

Per branche wordt getoond in welke gemeenten en wijken relatief veel bedrijven voorkomen met een opvallend kenmerk. Ook kun je zien wat per gemeente de branches zijn waarin de meeste opvallende kenmerken voorkomen en om welke kenmerken het daarbij gaat. De opvallende kenmerken op deze pagina zijn aangeleverd door Graydon. Door Graydon worden deze opvallende kenmerken XSeptions genoemd. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.
*: Klik hier voor een toelichting op totaal geselecteerde branches.
Klik op categorieën in de legenda om ze toe te voegen of juist weg te laten in een kaart. In de categorie onbekend zijn gegevens onbekend, onvoldoende betrouwbaar of geheim. Zie de uitleg over onthullingsrisico's en onderdrukking. Vanwege diezelfde risico's worden uitkomsten voor bepaalde wijken of buurten soms onderdrukt, terwijl de uitkomsten van andere wijken of buurten in die gemeente wel worden getoond. Dit kan (opvallende) verschillen veroorzaken tussen de uitkomsten van enerzijds wijken of buurten en anderzijds de betreffende gemeente.
Opvallende kenmerken van bedrijven naar gemeente en branche
Lege velden: waarde onderdrukt. Lees meer over het risico op onthulling en onderdrukking.
Download

Wmo-zorg

Binnen de zorgsector kan misbruik worden gemaakt ten behoeve van ondermijnende criminaliteit, bijvoorbeeld via onrechtmatige declaraties van persoonsgebonden budgetten (pgb) of niet geleverde zorg. In het dashboard worden resultaten weergegeven van analyses die inzicht kunnen geven in de mogelijke risico’s van ondermijning in deze branche (klik hier voor een korte video met een rondleiding door dit thema).

Gemeenten zijn onder meer verantwoordelijk voor de rechtmatigheid van de zorg die geleverd wordt vanuit de Wet Maatschappelijke Ondersteuning 2015 (hierna: Wmo). Dit houdt in dat gemeenten toezien op dat de zorggelden rechtmatig besteed worden. In verschillende onderzoeken wordt geconstateerd dat er signalen zijn van ondermijning in de zorgsector. Tops en Tromp beschrijven bijvoorbeeld dat pgb-fraude een verdienmodel is voor ondermijnende criminelen (Tops en Tromp, de achterkant van Nederland 2016). Onderzoek van het Informatieknooppunt Zorgfraude (IKZ) en RIEC Oost Nederland laat zien dat “Er zijn duidelijke aanwijzingen dat criminele netwerken die zich bezighouden met georganiseerde criminaliteit, actief worden en zijn in de zorgsector.” (IKZ, verwevenheid zorg & criminaliteit eindrapport 2020).

Er worden bijvoorbeeld onrechtmatige declaraties ingediend voor zorg die niet of ondermaats is geleverd. Daarnaast worden cliënten ingezet voor criminele activiteiten. Naast de impact die dit heeft op de cliënten en hun zorgvraag, betekent dit ook dat zorggeld weglekt en verdwijnt binnen criminele circuits. Dit tast de integriteit van de zorgsector aan. Om dit tegen te gaan willen gemeenten graag inzicht in (de omvang) van mogelijke risico’s op onrechtmatig besteedde zorggelden en aanknopingspunten om barrières op te kunnen werpen.

Activiteiten (SBI-codes)

Als pilot hebben de gemeenten Rotterdam, Tilburg, Maastricht en Zwolle KVK-nummers aangeleverd van bedrijven die Wmo-zorg hebben gedeclareerd. Aan de hand van deze gegevens kan inzichtelijk worden gemaakt wat het aandeel bedrijven is dat geen enkele Wmo-zorg gerelateerde SBI code heeft opgegeven en wel Wmo-zorg heeft gedeclareerd. Dat zou kunnen betekenen dat er in werkelijkheid geen Wmo-zorg geleverd is. Dit kan voor gemeenten aanleiding zijn om nader onderzoek te doen naar deze bedrijven.

Gemeenten kunnen door dit inzicht bijvoorbeeld preventief beleid ontwikkelen ten aanzien van deze bedrijven.
(bekijk analyse)

Activiteiten (SBI-codes)

Per gemeente wordt getoond in hoeverre de SBI-code van zorgaanbieders zorg-gerelateerd is. Ook wordt getoond in hoeverre deze zorgaanbieders onderdeel uitmaken van kwetsbare branches. Lees meer in de korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.

Combinatie van thema's

De analyses op dit dashboard worden gebundeld naar overkoepelend thema. Omdat onderzoek aantoont dat verschillende vormen van criminele (ondermijnende) activiteiten elkaar soms overlappen, maken we ook combinaties van thema’s.

Mensen die betrokken zijn bij drugsproductie of drugshandel, houden zich mogelijk ook bezig met bijvoorbeeld investeringen in vastgoed, of zijn actief in bepaalde branches. Daarmee proberen zij bijvoorbeeld crimineel verkregen vermogen te vermengen met legale geldstromen (ofwel witwassen). Combinaties van thema’s geven gemeenten dan ook beter zicht op de aard en omvang van ondermijning, ook in vergelijking met andere gemeenten in de regio en in het land. Gemeenten (en het RIEC) hebben vaak wel veel domeinkennis, of kennis over individuele casuïstiek, maar niet altijd zicht op de verwevenheid van verschillende vormen van ondermijning. De inzichten die uit combinaties van thema’s volgen, kunnen dan ook waardevol zijn bij het ontwikkelen van een meer gerichte aanpak en beleid.

Verdenkingen en financiële kenmerken

Mensen die betrokken zijn bij drugsproductie of drugshandel, houden zich mogelijk ook bezig met witwassen. Daarom onderzoeken we in de populatie drugsverdachten of deze mensen kenmerken hebben die duiden op witwassen (witwasindicatoren), of financiële risicokenmerken hebben.
(bekijk analyse)

Verdenkingen en financiële kenmerken

Per gemeente of RIEC-regio wordt getoond in hoeverre drugsverdachten ook kenmerken hebben die duiden op witwassen of financiële risicokenmerken hebben. Lees meer in een korte uitleg of extra verdiepende informatie. Lees de inleiding als je wilt weten waarom deze indicator iets zegt over ondermijning.