Risicosturing bijstandsfraude
Een inventarisatie van methodieken
Een onderzoek in opdracht van StimulanSZ
S. Bunt
M. van der Aalst
B2764
Leiden, 1 juli 2003
---
Inhoudsopgave
Voorwoord 5
1 Inleiding 7
1.1 Fraudebestrijding en risicoprofielen 7
1.2 De werkwijze van de inventarisatie 8
1.3 Leeswijzer 9
2 Algemene bevindingen 11
3 Methodieken risicosturing 19
3.1 De ontwikkeling van risicoprofielen 19
3.1.1 Bronnen 19
3.1.2 Een karakterisering van methoden 20
3.2 Het toetsen van risicoprofielen 26
3.3 De toepassing van risicoprofielen 27
4 Methodieken risicodetectie 31
4.1 Bestandskoppelingen met andere organisaties 31
4.2 Geautomatiseerde selectie van risicovolle formulieren 34
5 Korte beschrijving van cases 37
5.1 Cases risicosturing 37
5.2 Cases risicodetectie 46
6 Beschouwing 53
6.1 Het belang van risicosturing 53
6.2 De methodiek meer in detail 57
6.2.1 Modules voor de ontwikkeling en toetsing van risicoprofielen 57
6.2.2 Modules voor het gebruik van risicoprofielen 58
6.3 Hoe nu verder 59
7 Nawoord StimulanSZ 61
Bijlage 1 Organisaties uit inventarisatie die bezig zijn met risicosturing 63
Bijlage 2 Lijst deelnemers expertmeeting StimulanSZ 65
---
---
Voorwoord
In de kabinetsnota Bestrijding fraude en financieel-economische criminaliteit 20022006 is aan-
gekondigd dat elke sociale zekerheiduitvoerder risicoanalyses zal gaan uitvoeren. De oproep
voor het beter en slimmer controleren van het cliëntenbestand is ook aan gemeenten gedaan, die
een eigen bestuurlijke verantwoordelijkheid hebben voor de uitvoering van beleid.
Om hiermee aan de slag te gaan is het nodig te weten wat risicoanalyse en het opstellen van
fraudeprofielen precies inhoudt. Ik heb aan StimulanSZ de opdracht gegeven deze vraag te be-
antwoorden. Voor u ligt dan ook de nulrapportage van StimulanSZ over risicosturing in de bij-
stand. Het is een inventarisatie van methodieken voor risicoanalyse van verschillende sociale
diensten en organisaties binnen de sociale zekerheid. Het doel is om te komen tot kennisver-
meerdering en kennisdeling van methodieken van risicoanalyse en deze te vertalen naar een ef-
fectievere controlesystematiek voor het bijstandsdomein.
Een belangrijk aspect van de voorgenomen Wet Werk en Bijstand is dat het gemeentebestuur
meer verantwoording gaat afleggen aan de gemeenteraad over het gevoerde beleid. Het is daar-
bij van belang dat de toepassing van risicoanalyse voldoende geobjectiveerd gebeurt zodat uitke-
ringsgerechtigden en de gemeenteraad weten waar zij aan toe zijn. Door duidelijk te zijn tegen de
cliënt over het toepassen van risicoanalyse kan de spontane nalevingsbereidheid verbeteren.
Aan de hand van deze nulrapportage gaat het ministerie aan de slag met het verder ontwikkelen
van risicogestuurde controle-instrumenten. Aan de hand van kennis en ervaring tijdens het ont-
wikkelen van risicoanalysemethodieken en de invoering ervan bij gemeenten ontwikkelt Stimu-
lanSZ een implementatieaanpak en een beschrijving van werkprocessen.
Met deze instrumenten, die een onderdeel zullen vormen van de Kennisbank Hoogwaardige
Handhaving, zijn de gemeenten beter geëquipeerd voor een efficiencyslag in het handhavingsbe-
leid. Een efficiencyslag die ook van belang is voor de Wet Werk en Bijstand.
Ik wens u veel succes met de invulling van het gemeentelijke handhavingsbeleid!
De Staatssecretaris van Sociale Zaken
en Werkgelegenheid,
(M. Rutte)
---
---
1 Inleiding
1.1 Fraudebestrijding en risicoprofielen
Aan het begin van de jaren negentig bleek dat het misbruik van de Algemene bijstandswet groter
was dan altijd gedacht. Gemeentelijke sociale diensten zijn zich sindsdien steeds meer gaan rich-
ten op de bestrijding van bijstandsfraude. Desalniettemin groeide de algemene indruk dat veel
fraudegevallen onopgemerkt bleven. Cijfers die er zijn (de daadwerkelijke omvang van fraude is
nauwelijks goed vast te stellen) duiden op een omvangrijk handhavingsgat1.
Om de effectiviteit van de fraudebestrijding te verbeteren is de afgelopen jaren het project `kwali-
teitsverbetering fraudebestrijding gemeenten' uitgevoerd. Doel van dit project van het ministerie
van Sociale Zaken en Werkgelegenheid (SZW) was om gemeenten te ondersteunen bij een vol-
waardige en effectieve fraudebestrijding. Dit gebeurde in de vorm van een gereedschapskist voor
effectieve fraudebestrijding: de methodiek hoogwaardige handhaving. Deze gereedschapskist (de
Kennisbank Hoogwaardige Handhaving Abw) is in de periode 2000 2002 door negen
pilotgemeenten getest. De gemeenten Almelo, Hilversum, Nijmegen, Rotterdam, Venlo en Zaan-
stad vormden het Kennisbank Implementatie Project (KIP). De gemeenten Leeuwarden,
Apeldoorn en Tilburg (LAT) werken aan een doeltreffender en klantgerichter handhavingsbeleid.
De LAT-gemeenten hebben goede resultaten bereikt in het voorkomen en bestrijden van bij-
standsfraude door kwaliteitsverbetering binnen vier aandachtsgebieden: vroegtijdig informeren,
optimaliseren van de dienstverlening, vroegtijdige detectie door controle op maat en daadwerke-
lijk sanctioneren.
Waar fraudebestrijding in het verleden met name gericht was op controle van het zittende be-
stand van uitkeringsgerechtigden, gaat het bij hoogwaardige handhaving om een combinatie van
preventieve en gerichte repressieve maatregelen. Deze dienen samen de (spontane) naleving
door de cliënt te bevorderen. Bij hoogwaardig handhaven is er sprake van controle op maat: meer
controle in situaties waar dat nodig is en minder controle in situaties waarbij de kans op fraude
gering is. Men onderscheidt in deze controlesystematiek reguliere controles (gericht op alle cliën-
ten) en intensieve controles. De intensieve controles worden uitgevoerd op basis van fraudesig-
nalen of naar aanleiding van een verhoogd risico op fraude. Via risicoanalyse wordt onderzocht
welke groepen een verhoogd risico op fraude hebben. Door juist in deze situaties intensiever te
controleren, wordt de pakkans vergroot.
Fraudebestrijding staat momenteel hoog op de politieke agenda. Zo zijn bijvoorbeeld middelen ter
beschikking gesteld voor het stimuleren van hoogwaardige handhaving en voor uitbreiding van
het aantal controle- en opsporingsambtenaren. Het ministerie van SZW wil het gebruik van risico-
analyse daarbij stimuleren. De kabinetsnota Bestrijding fraude en financieel-economische crimi-
naliteit 20022006 gaat er van uit dat alle gemeenten in 2005 een risicoanalyse uitgevoerd
---
1 Wanneer de officiële fraudestatistiek wordt geraadpleegd, is het aantal fraudegevallen niet hoog: 5% bijstands-
fraude tijdens de eerste helft van 20021. Volgens een Nipo onderzoek uit 2000 bleek echter dat 23% van de bij-
standgerechtigden wel eens klusjes uitvoerde zonder dit door te geven aan sociale dienst. Bij die 23% gaat het
slechts om één vorm van inkomensfraude. Andere vormen vertoonden een lager fraudepercentage. Deze cijfers
duiden op een omvangrijk handhavingsgat.
---
hebben van de fraudesignalen binnen de gemeente, gericht op het onderkennen van risicovolle
groepen, waarop extra controles kunnen worden losgelaten. Een kleine groep gemeenten maakt
daadwerkelijk al gebruik van risicoanalyses bij het inrichten van controle en opsporing. Verder zijn
steeds meer gemeenten bezig met het ontwikkelen van een methodiek.
Het Ministerie van SZW heeft aan StimulanSZ gevraagd een project te starten dat in eerste aan-
leg moet leiden tot kennisvermeerdering en kennisdeling met betrekking tot methodieken van risi-
costuring die bruikbaar zijn in de gemeentelijke uitvoering2. Uiteindelijk moet het project leiden tot
één of meerdere uitgewerkte methodieken die zowel voor grote als kleine gemeenten bruikbaar
zijn en opgenomen kunnen worden in de Kennisbank Hoogwaardige Handhaving. Eerste fase in
het project is een inventarisatie van bestaande methodieken. StimulanSZ heeft Research voor
Beleid opdracht gegeven deze inventarisatie uit te voeren. Om zoveel mogelijk ideeën op te doen
is de inventarisatie niet beperkt tot de sociale diensten, maar is ook buiten de branche gekeken
welke organisaties werken met risicoprofielen en in hoeverre de daar gehanteerde methodieken
bruikbaar zijn voor sociale diensten. Dit rapport beschrijft de resultaten van deze inventarisatie.
In de volgende fasen van het project worden één of meer methodieken verder ontwikkeld, en
wordt aandacht besteed aan de implementatie van de ontwikkelde methodieken in de praktijk.
1.2 De werkwijze van de inventarisatie
De inventarisatie omvatte de volgende onderdelen:
· De eerste stap betrof een inventarisatie van de methodieken van risicosturing op hoofdlijnen.
In betrekkelijk korte tijd is getracht zoveel mogelijk relevante methodieken van risicosturing op
te sporen en in algemene zin te beschrijven. Daarbij richtten we ons zowel op gemeentelijke
sociale diensten als andere branches. Hierbij is gebruik gemaakt van bestaande literatuur
over het onderwerp en van het netwerk van StimulanSZ, het ministerie van SZW en Research
voor Beleid. Een andere bron vormde de expertmeeting over risicoanalyse in de sociale ze-
kerheid op 10 april 2003, die werd georganiseerd door het Ministerie van SZW.
· Er is gericht gezocht en gevraagd naar gemeenten en andere organisaties die bezig zijn met
risicosturing3. Het uiteindelijke resultaat heeft dus niet betrekking op een representatieve
steekproef, maar geeft een beeld van de `koplopers' op dit punt. Dit leverde veertien sociale
diensten op die zich bezig houden met (de ontwikkeling van) risicosturing en een vijftal orga-
nisaties uit andere branches die ervaring hebben met risicosturing (zie bijlage 1). Met deze
organisaties is een telefonisch interview gehouden om de belangrijkste kenmerken van de
methodiek te achterhalen. Bijlage 1 geeft een overzicht van de gevonden organisaties die be-
zig zijn met risicosturing en een beschrijving van de methodieken.
· Vervolgens is bij een aantal organisaties over potentieel interessante methodieken van risi-
costuring meer uitgebreid informatie verzameld. In totaal zijn zes persoonlijke interviews ge-
houden, en is bij een aantal andere organisaties nog telefonisch extra informatie verzameld.
---
2 Zie: Verbetering Handhaving Abw: Risicoprofielen. Startnotitie over wijze waarop StimulanSZ in nauwe samen-
werking met gemeenten, SZW en derden risicoprofielen ontwikkelt zodat gemeenten de effectiviteit van hun huidige
controlepraktijk kunnen verhogen. StimulanSZ, 27 januari 2003.
3 De aandacht wat betreft de andere branches richtte zich op die organisaties die te maken hebben met mogelijk
frauderende personen (cliënten, gebruikers dan wel burgers). Het actief naspeuren van organisaties die te maken
hebben met bedrijven is achterwege gelaten, omdat de vergelijkbaarheid met sociale diensten beperkt is.
---
Daarbij is dieper ingegaan op de gehanteerde methodiek, de inbedding in werkprocessen en
ervaringen wat betreft rendement en gebruikswaarde. De keuze voor de organisaties en me-
thodieken is in nauwe samenspraak met StimulanSZ gemaakt.
· Op 15 mei 2003 is bovendien een expertmeeting georganiseerd met gemeenten die op de
een of andere manier bezig zijn met risicosturing (hetzij in de ontwikkelingsfase, hetzij ge-
meenten die risicoprofielen al daadwerkelijk toepassen in de praktijk). Focus van de ex-
pertmeeting lag in het verkennen van de gebruikswaarde van verschillende methodieken en in
het tegen elkaar afwegen van voor- en nadelen van de verschillende methodieken. Bovendien
is gekeken naar meer algemene uitgangspunten die centraal zouden moeten staan bij het
ontwikkelen van één of meer methodieken door StimulanSZ. Bijlage 2 bevat een lijst met deel-
nemers aan deze expertmeeting.
· Tot slot zijn we tijdens de inventarisatie methodieken tegengekomen die strikt genomen niet
onder de bovenstaande definitie van risicosturing vallen. Toch is in overleg met StimulanSZ
hierover enige informatie verzameld (zie hoofdstuk vier).
1.3 Leeswijzer
Dit rapport is als volgt opgebouwd. Hoofdstuk 2 begint met een aantal algemene bevindingen die
naar aanleiding van de inventarisatie naar voren zijn gekomen. Vervolgens geeft hoofdstuk 3 een
beschrijving van de aanpak die gemeenten en andere organisaties hebben gekozen bij het ont-
wikkelen en gebruiken van risicoprofielen. Het is een overkoepelend hoofdstuk, waarin veel voor-
komende methodieken naast elkaar worden beschreven. Hoofdstuk 4 gaat in op methoden
waarmee fraude vroegtijdig kan worden opgespoord, maar die niet vallen onder de noemer van
risicosturing. Vervolgens beschrijft hoofdstuk 5 en aantal methodieken van risicosturing en risico-
detectie meer op caseniveau. Hoofdstuk 6 geeft een beschouwing van de onderzoeksresultaten
op grond waarvan de onderzoekers een aantal concrete aanknopingspunten bieden voor de vol-
gende fase van het project. Tot slot bevat hoofdstuk 7 een nawoord van StimulanSZ.
---
10
2 Algemene bevindingen
Het volgende hoofdstuk beschrijft de tijdens de inventarisatie gevonden methodieken van risicos-
turing. Daaraan voorafgaand presenteren we in dit hoofdstuk eerst een aantal algemene bevin-
dingen.
Terminologie
Tijdens het onderzoek is gebleken dat sociale diensten veel verschillende termen gebruiken in
verband met risicosturing, zoals signaalsturing, risicoanalyse, risicoprofielen en risicodetectie.
Vaak is niet precies omschreven wat met een bepaald begrip wordt bedoeld en wordt aan het-
zelfde begrip op enigszins andere manier inhoud gegeven. Om begripsverwarring te voorkomen
leggen we uit wat er in deze publicatie bedoeld wordt met bepaalde termen.
Signaalsturing en risicosturing worden beide gebruikt ten behoeve van controle op maat (als on-
derdeel van Hoogwaardig Handhaven). Controle op maat houdt in: hoe meer risico, hoe intensie-
ver de benodigde controle. Bij signaal- en risicosturing wordt dus getracht vooral gevallen met
een relatief grote kans op fraude intensief te onderzoeken.
Bij signaalsturing4 worden die bijstandsontvangers onderzocht waarover signalen binnenkomen
die mogelijk op fraude wijzen. Op die manier wordt gericht en systematisch getracht fraude te
voorkomen of te beperken. Deze signalen kunnen voortkomen uit bestandvergelijking met het In-
lichtingenbureau (IB), maar bijvoorbeeld ook intern via een fraudealerte consulent, via een exter-
ne melding (tips), of via andere bestandskoppelingen (bijv. met bestanden van de dienst wonen).
Risicosturing5 is een systematiek waarbij klanten met een bepaald risicoprofiel intensiever wor-
den gecontroleerd. De achterliggende gedachte is dat de frauderisico's onder bepaalde klant-
groepen (klanten met één of meer gemeenschappelijke kenmerken) hoger zijn dan onder andere
klantgroepen. Risicosturing beoogt de beschikbare controlecapaciteit in te zetten op die klant-
groepen die een verhoogd risico hebben.
Risicosturing kan alleen plaatsvinden op basis van een risicoanalyse. Dit houdt in dat wordt ge-
analyseerd welke klantgroepen een verhoogd risico op fraude hebben. Een dergelijke analyse
kan plaatsvinden op basis van verschillende bronnen en methodieken. Het resultaat van een risi-
coanalyse is één of meer risicoprofielen. Dit is een beschrijving van de kenmerken van cliënten
die behoren tot een groep met een hogere fraudekans, en dus in aanmerking komen voor een
intensieve controle.
Belangrijk verschil tussen risicosturing en signaalsturing is dat bij risicosturing bepaalde groepen
worden onderscheiden met een verhoogd frauderisico en dat signaalsturing zich richt op het on-
derkennen van individuele situaties met een verhoogd frauderisico.
---
4 Deze beschrijving is afkomstig uit de publicatie Handhaven op maat. De methoden uit het LAT-project. Uitgave
van het Ministerie van SZW, juni 2003.
5 Deze beschrijving is afkomstig uit de publicatie Handhaven op maat. De methoden uit het LAT-project. Uitgave
van het Ministerie van SZW, juni 2003.
---
Overigens zijn er gemeenten die, los van risicoanalyses, al langer werken met gerichte thema-
controles. Daarbij worden bepaalde groepen cliënten (bijvoorbeeld kamerbewoners of postadres-
sen) in een bepaalde periode intensief gecontroleerd. Jaarlijks vinden die themacontroles onder
andere groepen plaats.
Tijdens deze inventarisatie zijn we methodieken tegengekomen die raakvlakken hebben met risi-
costuring, maar strikt genomen niet onder de bovengenoemde beschrijving van risicosturing val-
len. Deze methodieken hebben we in hoofdstuk vier kort beschreven en samengevat onder de
noemer `risicodetectie'.
Stand van zaken
We zijn tijdens deze inventarisatie veertien gemeenten op het spoor gekomen die bezig zijn met
het ontwikkelen of toepassen van risicosturing bij fraudebestrijding. Dit zijn over het algemeen
G25 of G86 gemeenten. De kleinere gemeenten zijn hier, op een enkele uitzondering na, niet
mee bezig. De indruk bestaat dat deze gemeenten risicosturing minder van belang vinden, omdat
men er van uitgaat dat fraude in kleine gemeenten makkelijker is op te sporen doordat men een
directer contact heeft met cliënten. Het is onduidelijk of dit ook daadwerkelijk het geval is. Wel
staat vast dat kleine gemeenten de kosten van het ontwikkelen van risicoprofielen minder makke-
lijk kunnen dragen. Kleine gemeenten vragen zich dus af of de baten van risicosturing opwegen
tegen de kosten.
De meeste gemeenten die bezig zijn met risicosturing, verkeren nog in een stadium waarin risi-
coprofielen worden ontwikkeld of uitgetest. Men is bovendien vaak nog bezig het gebruik van risi-
coprofielen een definitieve plek te geven binnen de reguliere werkprocessen.
De stand van zaken met betrekking tot risicosturing bij organisaties uit andere branches verschilt
sterk. De Belastingdienst werkt al jaren met een systeem van risicosturing. Ook het UWV heeft al
het nodige op dit gebied ontwikkeld, en is bezig het systeem verder uit te bouwen. In de branche
van zorgverzekeraars is het toepassen van risicosturing een vrij recente ontwikkeling. Er zijn ook
organisaties die nog helemaal niet werken aan risicoanalyses en risicosturing. De Informatie Be-
heer Groep is daar één van.
De profielen
Gemeenten blijken in de praktijk meestal te werken met enkelvoudige profielen. Een enkelvoudig
profiel houdt in dat een cliënt op basis van één criterium (bijv. kamerbewoner of dak- en thuis-
loos) behoort tot een risicogroep. Meervoudige profielen gaan uit van een risicoscore per cliënt
die tot stand komt op basis van combinaties van cliëntkenmerken.
Opvallend is dat de profielen die zijn ontwikkeld door diverse gemeenten veel overlap vertonen.
We benoemen in bijgaand kader alle enkelvoudige profielen die we tijdens deze inventarisatie bij
gemeenten zijn tegengekomen.
12
Schema 16 Overzicht van enkelvoudige profielen die sociale diensten hebben benoemd
woonfraude
· kamerbewoners,
· dak- en thuislozen
· alleenstaande ouders (met gezinsuitbreiding)
· gescheiden
· `verlaten door partner', of zelf partner verlaten
· kostganger hebben/krijgen
· kostganger zijn/worden
· meerdere uitkeringen op één adres,
· heeft financieel afhankelijke kinderen
· relatief veel verhuizingen
· postadressen
inkomstenfraude
· groep met bijverdiensten
· mensen met courante beroepen (waar veel vraag naar is; horeca, autohandel, bouw, glazen-
wassers)
· voorheen werkzaam geweest in risicobranche
· oefent risicoberoep uit
· gewezen zelfstandige dan wel recent door dienst afgewezen aanvraag daartoe
· onduidelijk zijn over (inkomsten uit) beroep
· mensen die zeggen arbeidsongeschikt te zijn of gedeeltelijk arbeidsongeschikt zijn bevonden
· maatregelongevoelige cliënten
· komt afspraken slecht na/breekt traject af
· solliciteert weinig
Vermogensfraude
gewezen zelfstandige dan wel recent door dienst afgewezen aanvraag daartoe
Algemeen
· eerder gefraudeerd
· agressief gedrag
· heeft/werpt veel beperkingen op
· mensen met schulden
Met name kamerbewoners, verlatingen en kostgangers/onderhuurders zijn door meerdere ge-
meenten genoemd als risicoprofiel. Toch benadrukken gemeenten ook dat er verschillen zijn tus-
sen gemeenten. In hoeverre er daadwerkelijk sprake is van verschillen in fraudepatronen tussen
gemeenten is op basis van deze inventarisatie niet te zeggen.
Wel ligt het voor de hand dat bepaalde groepen (bijvoorbeeld kamerbewoners of dak- en thuislo-
zen) in sommige gemeenten nauwelijks aanwezig zijn. Omdat in deze gemeenten de betreffende
groep te klein is om beleid op te baseren, benoemen gemeenten deze groepen niet als risico-
groep. Soms lijken er op het eerste gezicht ook opvallende verschillen tussen gemeenten te be-
---
6 Dit overzicht bevat geen gegevens van gemeenten die samengestelde profielen gebruiken.
13
staan, die mogelijk te verklaren zijn door op een meer gedetailleerd niveau hiernaar te kijken. Zo
bleek in Tilburg dat jonge allochtone mannen met een Abw-uitkering relatief vaak witte fraude
plegen. Deze groep bleek echter in Leeuwarden veel minder vaak betrokken te zijn bij witte frau-
de. Dit verschil is mogelijk te herleiden tot verschillen in de populatie allochtonen tussen Leeu-
warden en Tilburg.
Er is een duidelijk verschil in fijnmazigheid van de profielen: de groep met bijverdiensten zal in
gemeenten aanzienlijk omvangrijker zijn dan de dak- en thuislozen. Dit heeft natuurlijk conse-
quenties voor de bruikbaarheid van het profiel.
Externe ondersteuning
Veel gemeenten schakelen bij de ontwikkeling van risicosturing externe expertise in. Men maakt
bijvoorbeeld gebruik van begeleiding bij het opstellen van risicoprofielen (onder andere in de
vorm van workshops). Op het terrein van risicosturing en risicoanalyses zijn op dit moment een
beperkt aantal bureaus actief.
Organisaties in andere branches schakelen ook vaak externe ondersteuners in. Zo werken
zorgverzekeraars samen met automatiseringsbedrijven. De Belastingdienst liet zich bij het formu-
leren van profielen ondersteunen door een onderzoeksbureau.
Hieruit zijn twee dingen op te maken:
Het (gedegen) ontwikkelen van een systeem van risicosturing brengt investeringen met zich mee.
Gemeenten (en ook andere organisaties) kunnen dit niet alleen, omdat ze behoefte hebben aan
specifieke expertise (voor workshops met consulenten, over methoden en technieken van onder-
zoek, eventueel voor automatisering).
Doordat veel gemeenten gebruik maken van dezelfde externe expertise wordt er waarschijnlijk
steeds vanuit hetzelfde concept gedacht. In andere branches gebruikt men andere ondersteu-
ners, die wellicht (net) een andere aanpak formuleren. Hier staat natuurlijk het voordeel van bun-
deling van expertise tegenover.
Bestuurlijk draagvlak
Voor een effectieve invoering van risicosturing zijn een aantal randvoorwaarden essentieel.
Ten eerste moet er bestuurlijk draagvlak zijn voor de invoering van risicosturing. In dit opzicht zijn
er grote verschillen tussen gemeenten. Sommige sociale diensten hebben direct hun bestuur
mee, anderen moeten veel moeite doen om de politiek te overtuigen van het belang van risicostu-
ring. De angst bij bestuurders is vaak dat het gebruik van risicoprofielen stigmatiserend werkt.
Bij het ontbreken van bestuurlijk draagvlak is het toetsen van risicoprofielen (zie §3.2) extra
van belang, zodat kan worden aangetoond dat daadwerkelijk sprake is van een verhoogd
risico bij bepaalde klantgroepen.
Niveau van registratie
De problemen waar men tegenaan loopt bij de ontwikkeling en toepassing van risicoprofielen zijn
in veel gemeenten hetzelfde. Een belangrijk punt van aandacht is dat het niveau van registratie
van sociale diensten vaak minder mogelijkheden biedt dan men zou willen in het kader van risi-
coanalyse. Het komt regelmatig voor dat klantkenmerken die risicoverhogend werken, niet wor-
den geregistreerd in de gebruikte systemen. Hierdoor blijven de gebruiksmogelijkheden beperkt:
14
er kan immers geen selectie op bestanden worden uitgevoerd om de groep die aan het
risicoprofiel voldoet te onderscheiden (bijvoorbeeld voor thema-controles).
Het belang van risicosturing volgens gemeenten
Over het rendement van risicosturing voor sociale diensten zijn op basis van deze inventarisatie
nog geen harde uitspraken te doen. Veel gemeenten beschikken nog niet over de resultaten van
controles op basis van risicoprofielen, of slechts over een beperkt aantal cases. Voor zover er wel
cijfers zijn, ontbreekt vaak een ijkpunt. Idealiter worden de resultaten (in termen van opgespoorde
fraude) van controles op basis van risicosturing immers vergeleken met de resultaten van aselec-
te controles. Desalniettemin zijn de eerste resultaten hoopgevend in de zin dat risicosturing kan
bijdragen aan de doelstellingen van hoogwaardig handhaven. Uit de beschikbare resultaten tot nu
toe blijkt dat controles bij risicogroepen veel fraude aan het licht kunnen brengen. Dit betreft per-
centages variërend tussen de 22 en 88%.
Gemeenten zijn het er over eens dat risicosturing een bijdrage kan leveren aan vroegtijdige de-
tectie van fraude en bovendien mogelijkheden biedt om het controleapparaat zo efficiënt mogelijk
in te zetten. Tegelijkertijd is het volgens hen echter slechts één van de peilers van het fraudebe-
leid. Controle op maat kan immers ook worden ingericht op basis van signaalsturing. De andere
peilers van hoogwaardig handhaven (vroegtijdig informeren, optimalisering dienstverlening en
daadwerkelijk sanctioneren) leveren bovendien volgens gemeenten op de expertmeeting zeker
zoveel op.
Tijdens de interviews gaven enkele respondenten aan meer opbrengst te zien in signaalsturing
dan in risicosturing. Sommige gemeenten zijn afwachtend met betrekking tot risicosturing omdat
men in het kader van vroegtijdige detectie meer efficiency verwacht van het tijdig afhandelen van
fraudesignalen of van het uitvoeren van bestandskoppelingen met andere organisaties.
Het ontwikkelen van (gedegen) risicoprofielen vergt bovendien de nodige investeringen. Veel sig-
nalen komen toch al binnen (IB-signalen, tips, fraudesignalen van medewerkers). Veel gemeen-
ten komen er nog onvoldoende aan toe deze signalen in onderzoek te nemen en investeren
daarom vooral hierin. Andere gemeenten zijn van mening dat risicosturing en signaalsturing el-
kaar goed aanvullen, en investeren dus in beide.
Overigens blijken risicoanalyses een bruikbare rol te kunnen spelen bij de signaalsturing. Dit ge-
beurt op 2 manieren (zie § 3.3.: de toepassing van risicoprofielen):
· Door de risicoprofielen onder de aandacht te brengen van bijstandsconsulenten is het moge-
lijk beperkte fraudealertheid onder consulenten te ondervangen.
· De risicoprofielen kunnen een rol kunnen spelen bij de prioriteitstelling van fraudesignalen.
Kortom: risicosturing kan volgens gemeente meerwaarde bieden, maar ook zonder risicosturing
denken gemeenten nog de nodige winst te kunnen boeken bij het voorkomen en het bestrijden
van fraude. Risicosturing vergt bovendien de nodige investeringen die goed moeten worden af-
gewogen tegen de (potentiële) opbrengsten. En dat is lastig, omdat het rendement in de huidige
situatie eigenlijk nog niet goed is vast stellen.
15
De behoefte van gemeenten: methodiek of profielen?
Tijdens de expertmeeting van StimulanSZ in het kader van dit onderzoek 7 bleek dat gemeenten
meer behoefte hebben aan methodieken voor het ontwikkelen van risicoprofielen, dan aan een
lijst met mogelijke risicoprofielen. Er zijn volgens de gemeenten op de expertmeeting te veel loka-
le verschillen. Men wil de risicoprofielen daarom liefst zelf ontwikkelen op basis van de lokale si-
tuatie.
Er zijn uit het onderzoek twee nuanceringen aan te brengen op deze behoefte:
· Het is de vraag of het altijd nodig is zelf profielen te ontwikkelen, gezien de grote overlap aan
profielen tussen gemeenten. Een landelijke lijst met gebruikte risicoprofielen maakt het voor
gemeenten mogelijk die risicoprofielen te testen, waarvan men verwacht dat ze lokaal van
toepassing zijn. Dit bespaart ontwikkelkosten.
· Kleine gemeenten zijn nog amper actief bezig met risicosturing. Een belangrijke factor hierbij
zullen hoogstwaarschijnlijk de ontwikkelkosten zijn. Wellicht hebben deze gemeenten wel baat
bij een overzicht van landelijke profielen.
Bruikbaarheid methodieken andere sectoren
In het onderzoek is bewust ook buiten de branche van sociale diensten gekeken naar mogelijk
interessante methodieken voor gemeenten. Dit is gebeurd bij andere organisaties in de sociale
zekerheid (UWV, SVB) maar ook elders. Dit leverde inderdaad een aantal organisaties op die
werken met risicosturing: de Belastingdienst, de zorgverzekeraars en het UWV zijn daarvan
duidelijke voorbeelden.
De directe bruikbaarheid van die methodieken voor sociale diensten is eigenlijk beperkt. De staat
van automatisering bij sociale diensten staat dit niet toe. In de volgende hoofdstukken wordt meer
uitgebreid ingegaan op de bruikbaarheid van methodieken uit andere branches voor sociale dien-
sten. Alle drie de organisaties beheren in ieder geval een aanzienlijk groter `cliëntenbestand' dan
sociale diensten en kennen (mede daardoor) werkprocessen die in belangrijke mate geautomati-
seerd zijn. Alle drie de organisaties leunen ook behoorlijk op automatisering bij het ontwikkelen
van risicoprofielen en/of de toepassing ervan. Het volledig overnemen van deze methodieken is
daarmee niet aan de orde. Dit betekent niet dat mogelijk wel interessante aspecten uit de aanpak
zouden kunnen worden overgenomen of dat gebruik zou kunnen worden gemaakt van inzichten
van die organisaties op het thema risicosturing. Op de expertmeeting op 10 april over het gebruik
van risicoanalyse in de sociale zekerheid was ook één van de slotconclusies dat organisaties op
dit punt meer van elkaar zouden kunnen leren.
Risicosturing en het CWI
Als gevolg van de Wet Structuur Uitvoering Werk en Inkomen (SUWI) verschuift de poortwachter-
functie van gemeenten naar de CWI's. Deze hebben tot taak de gegevens te verzamelen en te
controleren die nodig zijn om een uitkering te verstrekken op basis van de WW of de bijstand. Het
is daarom logisch om het CWI te betrekken bij activiteiten op het gebied van fraudepreventie en
fraudebestrijding. Zo werkt de gemeente Enschede al langere tijd nauw samen met het lokale
CWI aan de invulling van de handhavingstaken van het CWI. De gemeente heeft voorlichting ge-
geven aan CWI-medewerkers over hoe de gemeente omgaat met fraudepreventie en fraudebe-
---
7 Tijdens deze expertmeeting waren vooral gemeenten aanwezig die al bezig zijn met de ontwikkeling van risicostu-
ring. Het betrof dus geen gemiddelde groep gemeenten.
16
strijding, en wat er op dit gebied verwacht wordt van CWI-medewerkers. In deze voorlichting is
onder meer aangegeven in welke situaties men extra alert moet zijn op mogelijke fraudesignalen,
bijvoorbeeld bij verlatingen. Er is hierbij echter geen sprake van risicoprofielen, in de zin dat er
standaard extra controles plaatsvinden bij bepaalde cliëntgroepen.
Verder is er een gezamenlijke folder ontwikkeld door de gemeente en het CWI, die onder meer
wordt gebruikt bij groepsbijeenkomsten op het CWI voor cliënten die een uitkering willen aanvra-
gen. Tijdens deze bijeenkomsten wordt onder meer voorlichting gegeven over de rechten en
plichten van cliënten, en over de taken van de gemeente op het gebied van fraudepreventie en
fraudebestrijding.
In het referentiewerkproces CWI 20038 wordt beschreven dat er door het CWI administratief een
eerste risicobeoordeling moet plaatsvinden. Als de door de klant aangereikte gegevens beant-
woorden aan een risicoprofiel, wordt de klant gevraagd om extra administratieve (be-
wijs)stukken/informatie aan te leveren of uitleg te geven over mogelijk niet consistente of onjuiste
gegevens. De exacte inhoud van de controlemomenten en de risicoprofielen worden in de loop
van 2003 door het CWI samen met de ketenpartners (UWV en gemeenten) nader ontwikkeld.
Hierbij wordt gebruik gemaakt van het project `Ontwikkeling en verbetering integrale handhaving
in de keten van werk en inkomen'. Dit is een project waarin zeven gemeenten (Almelo, Apel-
doorn, Hilversum, Leeuwarden, Nijmegen, Rotterdam en Tilburg) op experimentele basis samen-
werken met de landelijke CWI-organisatie, met als doel het versterken van de handhaving in de
uitvoering van de keten van werk en inkomen. Het is de bedoeling dat risicoprofielen, als één van
de onderdelen van dit project, als experiment worden ingezet bij het CWI (en bij reïntegratiebe-
drijven).
---
8 Het Referentiewerkproces beschrijft de samenhang van de CWI taken en werkprocessen en die van ketenpartners
UWV en gemeenten. Het is in de eerste plaats een leidraad voor lijnmanagers bij de sturing en inrichting van de
dienstverlening, de interne werkprocessen en de samenwerking met de ketenpartners. Daarnaast bevat het de uit-
gangspunten voor verdere uitwerking van de werkprocessen in werkinstructies, ICT-oplossingen, registratierichtlij-
nen, opleiding, training, coaching en kwaliteitsborging.
17
18
3 Methodieken risicosturing
In dit hoofdstuk wordt een beschrijving gegeven van methodieken van risicosturing. Daarbij wordt
onderscheid gemaakt in de volgende stappen:
· het ontwikkelen van risicoprofielen
· het toetsen van risicoprofielen
· de toepassing van risicoprofielen.
De beschrijvingen in dit hoofdstuk zijn gebaseerd op de interviews die in het kader van deze in-
ventarisatie hebben plaatsgevonden en op literatuur op het gebied van fraudebestrijding.
3.1 De ontwikkeling van risicoprofielen
3.1.1 Bronnen
Bij de ontwikkeling van risicoprofielen wordt gebruik gemaakt van verschillende bronnen. Men
gebruikt vaak een combinatie van bronnen. Onderstaand schema geeft een overzicht van moge-
lijke bronnen. Dit schema is gebaseerd op interviews binnen en buiten de wereld van de sociale
zekerheid.
Schema 2 Bronnen voor risicoanalyses
Medewerkers (erva- Ervaringen van medewerkers van de sociale dienst zijn input voor het for-
ringsdeskundigen) muleren van op de lokale situatie toegespitste, potentiële risicoprofielen.
Bestanden Het gaat hier om fraudebestanden (bestanden waarin o.a. fraudemeldingen
worden geregistreerd en de resultaten van onderzoek naar mogelijke frau-
de), al dan niet in combinatie met uitkeringsbestanden.
Fraudedossiers In (schriftelijke) fraudedossiers staat vaak meer specifieke informatie dan in
bestanden.
RIF-onderzoeken In een Regionaal Interdisciplinair Fraudeteam (RIF) wordt vanuit een
interdisciplinair verband in de regio onderzocht welk soort cliënten van
welke situaties (gelegenheidsstructuren) gebruik maakt om te fraude-
ren. Aan gemeenten wordt over de resultaten gerapporteerd.
Theoretisch Gebruikt voor theoretische analyses: scan op wet- en regelgeving en werk-
Deskundigen processen: waar zitten mogelijkheden tot frauderen, mazen in de wet of
uitkeringsprocessen?
Medewerkers
Op basis van ervaringen van experts, bijvoorbeeld consulenten, boeteambtenaren en sociaal re-
chercheurs/handhavingsambtenaren wordt bepaald welke cliëntkenmerken het risico op fraude
verhogen. Het in kaart brengen van de ervaringen gebeurt over het algemeen door het organise-
ren van workshops, waarin wordt gebrainstormd over cliëntkenmerken die risicoverhogend wer-
ken. Vervolgens wordt gekeken welke van deze kenmerken ook terug te vinden zijn in de eigen
bestanden. Dit is de meest gebruikte manier waarop sociale diensten risicoprofielen opstellen.
19
Bestanden
Bij sociale diensten gaat het dan om FRIS- of LAROS-bestanden (of eigen fraudebestanden).
Idealiter wordt een vergelijking gemaakt tussen de kenmerken van fraudeurs ten opzichte van de
kenmerken van de totale populatie (bij sociale diensten alle bijstandsontvangers). Hiervoor is het
nodig de frauderegistratie te vergelijken met de uitkeringsregistratie. Indien deze laatste optie niet
mogelijk is, beperkt de bestandsanalyse zich tot een analyse van het fraudebestand. Deze analy-
se kan echter niet aangeven welke groepen een bovengemiddelde fraudekans hebben. Hiervoor
is het altijd nodig het fraudebestand te vergelijken met de gegevens van de totale bijstandspopu-
latie.
Fraudedossiers
De uiteindelijke analyses zijn in dit geval noodgedwongen waarschijnlijk meer kwalitatief van
aard.
Resultaten van RIF-onderzoek
In Leeuwarden en Tilburg bleken de uitkomsten van RIF-onderzoeken niet bruikbaar voor de
ontwikkeling van risicoprofielen. In beide gevallen leverde de analyse cliëntkenmerken op die
voor de gemeenten niet administratief te detecteren waren. Het betrof partiele inkomsten uit de
horeca, en gegevens omtrent het vermogen van de cliënt. Deze informatie was niet uit de eigen
bestanden te halen.
Er komt overigens in plaats van de huidige RIF's een landelijk dekkend netwerk van interventie-
teams dat in heel Nederland zwart werk, illegale arbeid, sociale zekerheidsfraude en fiscale frau-
de gaat aanpakken. In deze teams werken gemeenten, Belastingdienst, Sociale
Verzekeringsbank, Arbeidsinspectie, Uitvoeringsinstituut Werknemersverzekeringen en het
Openbaar Ministerie samen. Ook het Westland interventieteam, het Confectie interventieteam en
het Bouw interventieteam gaan er in op.
Theoretisch deskundigen
Dergelijke analyses kunnen bijvoorbeeld door juristen/wetstechnisch medewerkers worden uitge-
voerd. In praktijk wordt deze stap door sociale diensten vaak niet expliciet gezet, omdat de kennis
over de mogelijkheden tot fraude bij de uitvoering van de bijstandswet genoegzaam bekend is
(bijv. woonfraude).
3.1.2 Een karakterisering van methoden
De gebruikte methodieken voor het ontwikkelen van risicoprofielen zijn te in te delen in de vol-
gende vier groepen:
1. De `kwalitatieve' aanpak
2. De `gezond verstand' aanpak
3. De statistische aanpak
4. De theoretische aanpak.
20
1. De `kwalitatieve'aanpak
Op basis van een combinatie van (voornamelijk kwalitatieve) bronnen wordt een zo gedegen mo-
gelijke analyse gemaakt. De aanpak mondt uit in een aanduiding van groepen met een verhoogd
risico op fraude. De omvang van het verhoogde risico kan met deze methode vooraf niet in kwan-
titatieve termen worden uitgedrukt. Wel kunnen de geformuleerde profielen worden getoetst aan
de hand van steekproefonderzoek (zie § 3.2) voordat ze daadwerkelijk worden geïmplementeerd
in werkprocessen. Uit deze toets blijkt hoe hoog het frauderisico is binnen de betreffende risico-
profielen ten opzichte van de `gemiddelde' cliënt. Hierdoor is de fraudekans wel (enigszins) te
kwantificeren.
Er zijn meerdere varianten van de kwalitatieve aanpak. Een belangrijk onderscheid is of men
werkt met enkelvoudige profielen (voorbeeld Leeuwarden) of meervoudige profielen (Utrecht). Bij
een enkelvoudig profiel deelt men een cliënt op basis van één criterium (bijv. kamerbewoner of
dak- en thuisloos) in een risicogroep in. Meervoudige profielen gaan uit van een risicoscore per
cliënt die tot stand komt op basis van meerdere kenmerken.
Voorbeeld Leeuwarden
Een door veel gemeenten gehanteerde kwalitatieve aanpak is met behulp van externe onder-
steuning9 ontwikkeld in de LAT-gemeenten. Leeuwarden is één van de gemeenten die deze aan-
pak toepast. In het volgende hoofdstuk wordt de aanpak meer in detail omschreven. Deze
aanpak werkt toe naar enkelvoudige profielen (aanduiding van risicogroepen op basis van één
kenmerk) op basis van RIF-onderzoeken, workshops met consulenten en een analyse van het
fraudebestand. Overigens wordt de ontwikkelde aanpak niet altijd volledig overgenomen door
gemeenten. Zo hebben zowel Apeldoorn als Leeuwarden een grondige analyse van het eigen
fraudebestand achterwege gelaten omdat de vulling en kwaliteit van dit bestand nog onvoldoende
was.
Vaak wordt gestart met het in praktijk toepassen van een beperkt aantal cliëntprofielen. Er wordt
bijvoorbeeld gestart met risicoprofielen voor typen fraude die relatief vaak voorkomen.
Inmiddels zijn in Leeuwarden kamerbewoners en dak- en thuislozen aangeduid als risicogroepen.
Beide risicoprofielen zijn in praktijk getoetst. Er is door de Dienst Stadsontwikkeling een bestand
beschikbaar gesteld van geregistreerde kamerverhuuradressen. Dit bestand is vervolgens verge-
leken met het uitkeringsbestand. Van de 230 cliënten die op één van deze kamerverhuuradres-
sen stond ingeschreven zijn er a-select een aantal geselecteerd. Rechtmatigheids-onderzoek bij
deze groep toonde aan dat na 22 afgeronde rechtmatigheidsonderzoeken in 38% van de gevallen
fraude is geconstateerd en de uitkering is beëindigd of aangepast. De ijkwaarde is vastgesteld
door een a-selecte steekproef van 87 cliënten te controleren op rechtmatigheid. Daarbij is in 5
gevallen fraude geconstateerd. Dit komt overeen met een ijkpercentage van 5,7 procent. Ten
aanzien van het risicoprofiel "kamerbewoners" blijkt dat het rendementspercentage (38%), hoger
is dan de ijkwaarde (5,7%). Op grond van de testresultaten is geconcludeerd dat het risicoprofiel
"kamerbewoners" in Leeuwarden doeltreffend is. Ook het risicoprofiel dak-en thuislozen is in de
test doeltreffend bevonden. Een controle van een steekproef van 30 cliënten heeft 16 aanpas-
singen of beëindigingen tot gevolg gehad.
---
9 Deze aanpak is ontwikkeld door Radar Advies.
21
Voorbeeld Utrecht
Een andere variant van deze kwalitatieve aanpak is de `scorekaart' zoals die is ontwikkeld door
de gemeente Utrecht. Er is gestart met een inventarisatie van ervaringen bij de afdeling Fraude-
bestrijding. Vervolgens is men die ervaringsgegevens gaan toetsen aan de hand van de volgende
bronnen: resultaten van RIF-onderzoeken, analyse van het eigen frauderegistratie- en informatie-
systeem (FRIS), bestudering van landelijke literatuur over fraude (o.a. CBS-fraudestatistiek).
Op basis hiervan is een scorekaart ontwikkeld, waarbij vijf typen fraude worden onderscheiden
(witte, zwarte-, grijze, vermogens- en woonfraude). De scorekaart houdt in dat per cliënt in een
Excel-bestand een aantal vragen moet worden ingevuld over de cliënt (met vaste antwoordcate-
gorieën). De vragen die moeten worden beantwoord hebben betrekking op 14 variabelen die van
invloed zijn op de fraudekans (zie § 5.1 voor een overzicht van deze variabelen). Aan ieder ant-
woord heeft de gemeente een puntenaantal gekoppeld. Hoe hoger het puntenaantal, hoe groter
het frauderisico.
Het puntenaantal dat per antwoord wordt toegekend is gebaseerd op eigen inzichten van de afde-
ling Fraudebestrijding en het Bureau Nieuwe Aanvragen van SoZaWe. Bij het toekennen van de
punten stond de absolute waarde niet voorop, maar ging het veel meer om de onderlinge verhou-
ding tussen de toegekende punten (dus welke variabelen wegen zwaar en welke minder zwaar
mee). De combinatie van antwoorden bepaalt de totale scores per cliënt. Deze scores (per type
fraude heeft de cliënt een totaalscore) berekent het Excel-programma automatisch op basis van
de ingevulde antwoorden.
Per fraudetype is bepaald boven welk puntenaantal een intensieve controle van toepassing is.
Er heeft intern discussie plaatsgevonden over deze omslagpunten (bij welke score moet het in-
tensieve controletraject worden toegepast). Hierbij was de vraag of iemand op basis van één en-
kel risicokenmerk (bijvoorbeeld woonwagenbewoner) in aanmerking zou moeten komen voor een
intensieve controle. Uitkomst van deze discussie is dat bij een hoog risico op één kenmerk, de
cliënt ook op minimaal één ander kenmerk een hoger dan gemiddelde fraudekans moet hebben.
Wanneer de cliënt op een bepaald kenmerk een gemiddeld frauderisico scoort dan moet er op
minimaal twee, drie of vier andere kenmerken sprake zijn van een meer dan gemiddeld risico.
Deze systematiek is in detail uitgewerkt en op basis hiervan zijn de definitieve omslagpunten be-
paald.
Er vindt in 2003 een pilot van drie maanden plaats waarbij de scorekaart wordt ingezet in het
aanvraagproces. Het is de bedoeling dat de toetsers in de pilot een belangrijke rol krijgen bij het
gebruik van de scorekaart. Zij houden de managementinformatie bij, aan de hand waarvan de
scorekaart eventueel kan worden bijgesteld en verfijnd.
Wanneer kritisch wordt gekeken naar de aanpak van Leeuwarden en Utrecht, kunnen van beide
methodieken voor- en nadelen worden benoemd.
Voordeel van de aanpak van Leeuwarden is de transparantie en inzichtelijkheid: de enkelvoudige
profielen zullen voor een ieder goed kerkenbaar zijn. Het vaststellen of iemand valt binnen een
risicogroep vergt weinig extra handelingen van de consulent, en is zelfs uit bestanden af te lei-
den. Nadeel van de gehanteerde aanpak is dat het model in de praktijk erg `hangt' op de ervarin-
gen van consulenten. Resultaten van RIF-onderzoeken en informatie uit fraudebestanden zijn in
de praktijk nauwelijks gebruikt. De aanpak in Leeuwarden blijft bovendien beperkt tot profielen
met kenmerken die uit de bestanden van de sociale dienst zijn te herleiden. Verder beperkt de
gebruikswaarde zich tot die cliënten die voldoen aan het profiel. Soms gaat het daarbij om zeer
kleine groepen (bijvoorbeeld de dak- en thuislozen). Het uiteindelijke rendement in termen van
bespaarde uitkeringen blijft navenant beperkt. Aan de andere kant bestaat het risico dat enkel-
---
voudige profielen te grofmazig kunnen zijn (te veel cliënten voldoen aan het profiel om de hele
groep intensief te kunnen controleren). Bij de tot nu toe gebruikte profielen in Leeuwarden (ka-
merbewoners en dak- en thuislozen) was van dit laatste echter geen sprake.
Het voordeel van de Utrechtse aanpak is dat er rekening gehouden wordt met combinaties van
kenmerken en dat er ook meer algemene kenmerken in het model zitten. Daarmee is iedere cli-
ent `te scoren' en blijft de extra controle niet beperkt tot een kleine groep. Omdat een cliënt bo-
vendien op meer dan één kenmerk een verhoogd frauderisico moet scoren om in aanmerking te
komen voor een intensieve controle is de aanpak minder stigmatiserend dan controles op basis
van een enkelvoudig profiel. Aan de andere kant veronderstelt het model een exactheid in het
voorspellen van frauderisico's die er in werkelijkheid (nog) niet is. Het is immers zonder een sta-
tistisch model niet mogelijk om exact te bepalen hoe belangrijk de verschillende variabelen zijn.
Het puntenaantal dat is toegekend aan iedere variabele is gebaseerd op een inschatting van de
sociale dienst. In praktijk zal moeten blijken of de cliënten met een hoge risicoscore op basis van
de scorekaart inderdaad de cliënten zijn met het hoogste frauderisico. Een nadeel van de score-
kaart is verder dat deze extra handelingen vergt van uitvoerders: de scorekaart maakt geen deel
uit van de reguliere registratie van de cliënt, maar moet apart worden ingevuld. Tot slot bestaat
het risico dat de scorekaart zowel door medewerkers van de sociale dienst als cliënten ervaren
wordt als een soort `black box', waarvan onduidelijk is hoe die precies werkt. De scorekaart is
namelijk geautomatiseerd door middel van een Excel-bestand. Door een aantal vragen in Excel te
vullen, rekent het programma zelf automatisch de fraudescores uit. Medewerkers van de sociale
dienst en cliënten hebben waarschijnlijk behoefte te weten op basis van welke kenmerken een
cliënt een hoge fraudescore krijgt. Bovendien is het risico van deze automatisering dat men zelf
niet meer nadenkt over het frauderisico, maar blindelings vertrouwt op de scorekaart.
2. De `gezond verstand` aanpak
In deze aanpak zijn louter op basis van ervaringen van consulenten risicoprofielen geformuleerd.
Deze ervaringen zijn tijdens een overleg tussen consulenten en de sociale recherche geïnventa-
riseerd. Dit is een globale maar eenvoudig toepasbare methodiek, die goed bruikbaar is voor
kleine gemeenten.
In Winterswijk is men op deze manier tot een vijftal risicoprofielen gekomen die gebruikt worden
om woonfraude op te sporen. In deze gevallen wordt standaard een huisbezoek afgelegd.
De risicoprofielen zijn niet eerst kwantitatief getoetst voordat ze in de reguliere werkprocessen
werden geïmplementeerd. Daarmee is de aanpak minder gedegen dan de kwalitatieve aanpak,
maar wel makkelijker toepasbaar.
De gemeente heeft goede ervaringen met deze toepassing van risicosturing. Het huisbezoek
bleek in 2000, 2001 en 2002 in respectievelijk 88%, 78% en 59% gevallen gevolgen te hebben
voor de uitkering (de aanvraag is ingetrokken, afgewezen of de gemeente heeft de uitkering be-
eindigd wegens onjuiste gegevens).
3. De statistische aanpak
Deze aanpak kan alleen worden toegepast wanneer men beschikt over een bestand met alle cli-
entgegevens waarin per cliënt is vastgelegd of men wel of niet heeft gefraudeerd. Dit bestand
wordt met behulp van een statistische techniek geanalyseerd. Vaak wordt in dit verband de term
`datamining' gebruikt. Op grond van een dergelijke bestandsanalyse worden kenmerken van cli-
enten opgespoord die samenhangen met fraude.
23
De analyse mondt uit in een vorm van kwantificering:
· Hetzij een aanduiding van groepen met een significant bovengemiddelde kans op fraude.
· Hetzij een aanduiding van de fraudekans van iedere individuele cliënt (op grond van een
combinatie van diens achtergrondkenmerken). Aan ieder achtergrondkenmerk wordt een we-
gingsfactor meegegeven.
De verschillen tussen beide vormen zijn vergelijkbaar met de verschillen tussen de profielen in
Leeuwarden en de scorekaart uit Utrecht.
Voor een statistische aanpak is informatie nodig over kenmerken van fraudeurs en kenmerken
van de totale populatie. Wanneer fraudegegevens in hetzelfde bestand worden bijgehouden als
uitkeringsgegevens is deze analyse relatief gemakkelijk te maken. Wanneer het om aparte be-
standen gaat, zoals bij sociale diensten in de regel het geval is, moet eerst een bestandskoppe-
ling tot stand worden gebracht. Verder zijn de volgende voorwaarden van belang:
· Het bestand van cliënten moet een minimum aantal fraudeurs bevatten, om op basis van een
statistisch model een significante samenhang te kunnen vinden tussen cliëntkenmerken en
fraude.
· In het bestand moeten voldoende kenmerken van cliënten worden geregistreerd, die mogelij-
kerwijs kunnen samenhangen met fraude.
· Het bestand moet resultaten bevatten van aselecte controles. Hiermee wordt bedoeld dat alle
cliënten even intensief worden gecontroleerd. Wanneer de sociale recherche in een bepaald
jaar bijvoorbeeld extra controles uitvoert bij bepaalde doelgroepen, zoals kamerbewoners,
kunnen hieruit geen harde conclusies worden getrokken over de kansen op fraude bij deze
groep. Het hoge aantal aangetoonde fraudes in deze groep kan dan vooral het gevolg van
een hogere pakkans zijn, niet van het feit dat kamerbewoners meer frauderen. Hierdoor ont-
staat een zogeheten `self-fulfilling prophecy'.
Voorbeeld Tilburg
Tilburg is de enige gemeente in de inventarisatie (waarschijnlijk in Nederland) die risicoprofielen
heeft ontwikkeld met behulp van een statistisch model. De statistische analyse heeft plaatsge-
vonden op basis van een bestand waarin cliëntgegevens, uitkeringsgegevens en fraudegegevens
op cliëntniveau zijn gekoppeld. De analyse heeft plaatsgevonden voor witte fraude en samenwo-
ningfraude.
· Bij witte fraude bleken vier kenmerken statistisch significant samen te hangen met fraude:
leeftijd, type uitkering, geslacht en nationaliteit. Op basis hiervan zijn zes verschillende cliënt-
groepen onderscheiden, met een oplopende fraudekans. De klasse met het laagste risico op
witte fraude betreft Nederlandse vrouwen ouder dan 65 jaar met bijstandsuitkering (fraude-
kans in deze groep = 0,6%). De klasse met het hoogste risico op fraude betreft allochtone
jonge mannen met een bijstandsuitkering (fraudekans = 28%).
· Bij samenwoningfraude bleken de volgende kenmerken relevant: burgerlijke staat,leeftijd, ge-
slacht, nationaliteit, reden aanvraag. Op basis hiervan konden drie verschillende cliëntgroepen
worden onderscheiden, met een oplopende fraudekans (laagste groep heeft 13% kans, hoog-
ste groep heeft 22% kans). Het model voor samenwoningfraude is minder krachtig dan voor
witte fraude doordat er minder cases waren.
Overigens heeft Tilburg ook risicoprofielen ontwikkeld op basis van ervaringen van medewerkers.
Er zijn ervaringsprofielen ontwikkeld voor samenwoningfraude, inkomensfraude, en een alge-
meen profiel dat betrekking heeft op de attitude van cliënten.
Zowel het statistisch als het ervaringsprofiel voor samenwoningfraude is getest op het cliëntenbe-
24
stand van Tilburg begin oktober 2002 en aangetoonde samenwoningfraudes uit de eerste maan-
den van 2002. Het percentage aangetoonde fraudes bleek het hoogst binnen de selectie van cli-
enten op basis van een combinatie van de statistische profielen en de ervaringsprofielen (samen
met de indicatie van schulden). Deze combinatie van profielen voorspelde beter fraude dan een
selectie van cliënten op basis van het statistisch profiel of een selectie op basis van de ervarings-
profielen.
Voorbeeld UWV
Het UWV heeft op dit moment een statistisch model ontwikkeld voor WW-controles en voor de
looncontroles bij werkgevers10. Bij beide werkprocessen werkte men voorheen met een model op
basis van de ervaringen van werknemers (het UWV noemt dit een expertmodel), omdat men op
basis van de destijds beschikbare bestanden nog niet in staat was een statistisch model te gene-
reren.
Het grote voordeel van een statistisch model boven een expertmodel is volgens het UWV dat het
een objectieve grond heeft. Bovendien zijn bij de statistische modellen de scores meer gediffe-
rentieerd. Het expertmodel voor de WW heeft bijvoorbeeld een zeer beperkte risicoschaal. Deze
loopt van 1 t/m 4, waarbij in categorie 4 de hoogste risico's zitten. Deze categorie cliënten beslaat
ongeveer 30% van de totale steekproef. Binnen deze groep kunnen de risico's dus niet meer
verder worden gedifferentieerd. Bij het statistisch model WW is het mogelijk om de top 10% van
hoogste risico's selecteren of zelfs de top 1%.
4. De theoretische aanpak
Deze aanpak leunt op theoretische analyses. Zo maakt het UWV risicoscans (soort van audit)
waarin wet- en regelgeving en uitvoeringsprocessen worden doorgelicht op de mogelijkheden
voor fraude. Deze risicoscans zijn dus niet bedoeld om te achterhalen welke cliënten vaker frau-
deren, maar richten zich in algemene zin op mogelijkheden om te frauderen. Het gaat hierbij om
vragen als: welk type overtredingen kunnen er plaatsvinden? Welke acties moet iemand onder-
nemen om te frauderen? Welke uitvoeringsprocessen zijn fraudegevoelig omdat onvoldoende
controle plaatsvindt, of controle slechts beperkt mogelijk is?
Een ander voorbeeld in dit verband is het `barrièremodel' van de SIOD waarin structuren in kaart
zijn gebracht waar illegale werknemers mee te maken hebben. Sec gesproken gaat het hier niet
om een model voor risicoanalyse of risicoprofielen maar om het opsporen van gelegenheidsstruc-
turen. We denken dat het interessant genoeg is het toch kort te beschrijven en even stil te staan
bij de bruikbaarheid ervan.
Barrièremodel illegale arbeid
In dit model is een theoretische exercitie uitgevoerd op mogelijke barrières waar illegale vreemde-
lingen mee te maken kunnen hebben om in Nederland te kunnen verblijven. Van daaruit is op
zoek gegaan naar potentiële illegale faciliteerders. Er worden 4 barrières onderscheiden voor
illegale vreemdelingen om in Nederland te kunnen verblijven: de entree, huisvesting, officiële
identiteit, arbeid/inkomen. Illegale faciliteerders zijn achtereenvolgens: mensensmokkelaars,
huisjesmelkers, vervalsers en illegale werkverschaffers. Illegale arbeid kan vervolgens wor-
den opgespoord door de faciliteerders op te sporen (voordeel daarbij is dat je meteen groe-
pen illegale werknemers kunt opsporen). Op het moment is de SIOD bezig projecten te
ontwikkelen waarbij ze het model in de praktijk gebruiken. Ze willen bijvoorbeeld illegale uit-
---
10 Het UWV wil geen informatie openbaar maken over de kenmerken van cliënten met een hoog frauderisico.
25
zendbureaus gaan traceren.
Desgevraagd denkt een gesprekspartner van de SIOD dat een vergelijkbaar denkmodel ook
best is te ontwikkelen voor verschillende vormen van bijstandsfraude, bijvoorbeeld voor
zwarte inkomsten of samenwoonfraude. Het aantal barrières zal echter beperkter zijn. Het
lijkt de onderzoekers echter eerder iets voor een multidisciplinaire aanpak, aangezien niet
alleen de sociale dienst te maken heeft met bijvoorbeeld fraude door zwart werken of onjuis-
te opgave van adresgegevens.
3.2 Het toetsen van risicoprofielen
Het belang van toetsen
Het toetsen van risicoprofielen kan gebruikt worden om aan te tonen dat de profielen daadwerke-
lijk betrekking hebben op klanten met een verhoogd frauderisico. Dit is met name van belang bij
profielen die zijn opgesteld op basis van lokale ervaringen van experts. Als het verhoogde risico
objectief wordt vastgesteld, kan de sociale dienst aantonen dat de indeling in groepen niet geba-
seerd is op vooroordelen richting een bepaalde groep. Bovendien kan een dergelijke toets aan-
geven hoeveel effectiever het uitvoeren van controles op basis van risicoprofielen is, ten opzichte
van het uitvoeren van aselecte controles. Een dergelijke toets levert dus informatie op over de
meerwaarde van het gebruik van de profielen ten opzichte van de oude werkwijze waarin alle cli-
enten op dezelfde wijze worden gecontroleerd.
Bij een statistisch model is een toets niet meer nodig om aan te tonen dat er bij groepen die op
basis van het statistisch model naar voren komen, sprake is van een verhoogde fraudekans. De
profielen zijn immers gebaseerd op daadwerkelijke verhoogde fraudekansen bij bepaalde groe-
pen cliënten. Wel kan worden beoordeeld hoe krachtig het model fraude voorspelt. Het ene mo-
del zal in staat zijn fraude beter te voorspellen dan het andere. Het UWV spreekt in dit verband
van het valideren van een statistisch model.
Gemeenten verschillen van mening over het belang van het toetsen van risicoprofielen. Een be-
langrijk argument vóór toetsen is dat het gebruik van risicoprofielen gelegitimeerd moet worden,
niet alleen ten opzichte van het gemeentebestuur, maar ook ten opzichte van de eigen cliënten
en uitvoerders. Andere gemeenten vinden deze legitimatie minder noodzakelijk. Het argument
van deze gemeenten is dat de profielen gebaseerd zijn op ervaringen van professionals, en dat
de profielen zichzelf in de praktijk bewijzen, ook zonder een formele toetsing.
Het toetsen van expertprofielen
Het toetsen van expertprofielen kan op de volgende manier plaatsvinden:
Een aantal uitkeringsgerechtigden dat voldoet aan het profiel wordt geselecteerd. Deze
groep wordt vervolgens intensief op fraude gecontroleerd, aan de hand van een controlepro-
tocol. Uit de resultaten van deze controleactie blijkt vervolgens bij hoeveel van de geselec-
teerde cliënten fraude is geconstateerd. Dit wordt het rendementspercentage genoemd.
Om de meerwaarde aan te tonen van het werken met risicoprofielen moet dit rendements-
percentage worden vergeleken met een ijkwaarde, die het percentage fraudegevallen weer-
geeft op basis van een aselecte controlemethodiek.
26
De ijkwaarde kan op twee manieren worden bepaald:
1. Door een willekeurige steekproef van cliënten te controleren op fraude. De mate waarin hier
fraude blijkt voor te komen is dan de ijkwaarde.
2. Ten tweede kan worden gekeken naar het percentage fraudegevallen dat naar voren is ge-
komen bij het verrichten van heronderzoeken over een aantal jaar. Veel gemeenten zullen dit
echter niet op eenvoudige wijze kunnen achterhalen.
Een potentieel risicoprofiel wordt als doeltreffend beoordeeld wanneer het rendementspercentage
significant hoger is dan de ijkwaarde. Blijkt het rendementspercentage even hoog of lager te zijn
dan de ijkwaarde dan wordt het risicoprofiel lokaal afgeschreven.
Het valideren van statistische modellen
Bij de toepassing van een risicomodel krijgen alle cliënten op basis van het model een kansscore
toegekend die aangeeft hoe hoog de kans op regelovertreding is. Deze kansscore is gebaseerd
op een combinatie van de risicokenmerken van de cliënt. Aan ieder risicokenmerk is een gewicht
toegekend. Het ene risicokenmerk is immers belangrijker bij het bepalen van het frauderisico dan
het andere. Vervolgens bepaalt de organisatie bij welk frauderisico men gaat controleren, dus
waar men de grens tussen risicovol en niet-risicovol legt. Alle gevallen boven die grens worden
geselecteerd voor controle.
Vervolgens kan men bepalen in hoeverre het model in staat is de juiste gevallen te selecteren.
Iemand met een grote fraudekans, hoeft immers niet altijd daadwerkelijk te frauderen. In de prak-
tijk worden bij de selectie van cliënten twee type fouten gemaakt:
1. Een cliënt wordt geselecteerd, maar de cliënt is geen fraudeur.
2. Een cliënt wordt niet geselecteerd, terwijl er wel sprake is van fraude.
De maatstaven die gebruikt worden om de voorspelkwaliteit van een model te bepalen, hebben
betrekking op deze fouten:
1. De efficiëntie. Dit is het percentage met het model geselecteerde risicovolle cliënten , waarbij
ook feitelijk fraude is geconstateerd. Hoe hoger dit percentage is, hoe minder mensen ten on-
rechte door het model zijn geselecteerd.
2. De effectiviteit: Dit is het percentage fraudeurs die door het model zijn geselecteerd als risi-
covolle cliënten. Het is dus een indicator voor de maat waarin het model er in slaagt alle
fraudeurs te selecteren.
3.3 De toepassing van risicoprofielen
Risicoprofielen kunnen door sociale diensten op verschillende manieren worden ingezet.
In praktijk worden risicoprofielen vooral gebruikt bij het uitvoeren van de controletaak, maar in
principe kan ook in een eerder stadium gebruik worden gemaakt van risicoprofielen: namelijk bij
het informeren van cliënten. Op basis van een risicoanalyse kan aan cliënten met een verhoogd
risico op fraude voorlichting op maat worden gegeven over de verplichtingen waaraan men moet
voldoen.
27
Risicosturing en controle
In praktijk komen de volgende toepassingsmogelijkheden van risicosturing voor:
1. Intensieve controle bij de poort
2. Intensieve controle tijdens periodiek heronderzoek
3. Ter (gedeeltelijke) vervanging van periodiek heronderzoeken
4. Themacontroles
5. Als hulpmiddel bij de selectie van fraudesignalen
Hieronder worden de toepassingsmogelijkheden kort beschreven en wordt aangegeven welk type
kosten en baten hiermee gemoeid zijn voor de werkprocessen zelf (we hebben het dan niet over
opbrengsten in termen van extra opgespoorde fraude). Bij alle toepassingen geldt dat, wanneer
de toepassing leidt tot een eerdere opsporing van mogelijke fraude, ingewikkelde en tijdrovende
terugvorderingsprocedures worden voorkomen. Bovendien belanden cliënten minder snel in een
schuldsituatie. Dit inverdieneffect wordt daarom hieronder niet steeds expliciet benoemd.
Ad 1. Intensieve controle bij de poort
De claimbeoordeling is een belangrijk moment in verband met het vroegtijdig detecteren van
fraude. Wanneer in dit stadium reeds een poging tot fraude wordt ontdekt, wordt voorkomen dat
ten onrechte uitkeringen worden verstrekt, en wordt schade (zowel voor de gemeente als de cli-
ent) voorkomen. Daarom is het zinvol om risicosturing te gebruiken voor het ontwikkelen van een
controle op maat-systematiek tijdens de aanvraagprocedure. Dit houdt in dat op basis van vooraf
opgestelde profielen een standaard, dan wel een intensieve intake plaatsvindt. Bij klanten die
voldoen aan de criteria in het risicoprofiel wordt een intensieve intake afgenomen. Vaak worden
in dit verband ook standaardprotocollen ontwikkeld, waarin precies staat aangegeven uit welke
stappen een standaard- of intensieve intake bestaat.
Bij het invoeren van risicoprofielen bij de claimbeoordeling is het van belang om met het CWI af
te stemmen wat hun rol hierbij (in de toekomst) zou kunnen zijn.
De kosten bestaan in dit geval uit de extra tijd die nodig is voor de uitvoering van een intensieve
controle. Daar kunnen echter besparingen tegenover staan, zoals de tijd die kan worden be-
spaard door minder intensieve standaardcontroles (bij niet-risicogroepen). Bovendien is het in-
verdieneffect dat terugvorderingsprocedures kunnen worden voorkomen hierbij het sterkst; de
uitkering is dan immers nog niet toegekend.
Ad 2. Intensieve controle tijdens periodiek rechtmatigheidsonderzoek
Volgens de Regeling administratieve uitvoeringsvoorschriften Abw, Ioaw, Ioaz 1996 (Rau)11, moe-
ten gemeenten periodiek heronderzoeken uitvoeren naar de rechtmatigheid van de uitkering.
Daarbij mogen gemeenten op basis van een heronderzoeksplan de periodiciteit waarmee heron-
derzoeken worden uitgevoerd laten verschillen per groep cliënten, mits de maximale termijn tus-
sen twee heronderzoeken maximaal 18 maanden bedraagt.
Risicosturing kan worden ingezet bij de uitvoering van deze rechtmatigheidsonderzoeken. Dit
houdt in dat er op basis van vooraf opgestelde profielen een standaard, dan wel een intensief
heronderzoek plaatsvindt. Bij klanten die voldoen aan de criteria in het risicoprofiel wordt de klant
---
11 In de nieuwe wet Werk en Bijstand, die waarschijnlijk per 1-1-2004 in werking treedt, vervalt de Rau. Gemeenten
zullen dan zelf beleid moeten formuleren.
28
bijvoorbeeld altijd voor een gesprek uitgenodigd op kantoor, of vindt altijd een huisbezoek plaats.
De andere groepen cliënten ondergaan een minder intensief heronderzoek.
Ook in dit geval bestaan de kosten uit de extra tijd die nodig is voor de uitvoering van een inten-
sieve controle. Daar kunnen echter besparingen tegenover staan op de tijd die men uittrekt voor
een standaardcontrole (bij niet-risicogroepen).
Ad 3. Ter (gedeeltelijke) vervanging van periodieke rechtmatigheidsonderzoeken
De LAT-gemeenten (Leeuwarden, Apeldoorn en Tilburg) hebben als onderdeel van Hoogwaardig
handhaven een systeem van controle op maat ontwikkeld, waarbij de periodieke rechtmatig-
heidsonderzoeken zijn afgeschaft. In plaats daarvan voert men controles uit op basis van risico-
profielen. Dit systeem van risicosturing wordt aangevuld door controles naar aanleiding van een
fraudesignaal. Dit kan een signaal zijn dat gegenereerd is door het Inlichtingenbureau, door ande-
re bestandskoppelingen of op basis van tips van consulenten, burgers of externe organisaties.
In dit geval bestaan de kosten uit de uitvoering van de risicogestuurde controles. Daar staat ech-
ter een grote besparing op de uitvoering van tijdafhankelijke rechtmatigheidsonderzoeken tegen-
over.
Ad 4. Themacontroles
Themacontroles zijn controles waarbij in een bepaalde periode (een deel van) de uitkeringsge-
rechtigden die voldoen aan de kenmerken van het risicoprofiel extra worden gecontroleerd,
meestal op basis van een fraudeprotocol. Een dergelijke themacontrole vindt plaats naast de tijd-
afhankelijke heronderzoeken.
In dit geval bestaan de kosten uit de uitvoering van de themacontroles. Hier staan geen bespa-
ringen in het primaire proces tegenover (exclusief natuurlijk de winst op tijdrovende terugvorde-
ringsprocedures wanneer de fraude op een later moment zou zijn opgespoord)..
Ad 5. Als hulpmiddel bij de selectie van fraudesignalen
Sociale diensten hebben in praktijk te maken met de volgende fraudesignalen:
· Signalen van het Inlichtingenbureau
· Signalen vanuit andere bestandskoppelingen
· Externe signalen (van burgers of andere organisaties)
· Interne signalen (van consulenten/ casemanagers, sociale recherche of handhavingsambte-
naren.
Veel sociale diensten nemen deze signalen niet in behandeling op volgorde van binnenkomst,
maar hanteren bepaalde selectiecriteria, bijvoorbeeld het type fraude waarvan sprake zou zijn, of
een inschatting van de `hardheid' van het fraudesignaal. Eén van de criteria die hierin zou kunnen
meewegen is of het fraudesignaal betrekking heeft op een cliënt met een verhoogde fraudekans.
In dit geval is er geen sprake van kosten voor het uitvoeren van extra of intensievere controles.
Het betrekken van risicoprofielen in het besluit om een fraudesignaal in onderzoek te nemen, kost
in praktijk waarschijnlijk nauwelijks tijd.
29
Rendement
De verschillende toepassingsmogelijkheden kennen verschillende kosten en baten, en daarmee
verschilt ook het rendement. De kosten hebben vrijwel altijd betrekking op de uitvoering van extra
controles of intensievere controles. Alleen bij het gebruik van risicoprofielen als hulpmiddel bij de
selectie van fraudesignalen, is er geen sprake van extra of intensievere controles.
Bij sommige toepassingen staan tegenover de extra uitvoeringskosten als gevolg van extra of in-
tensievere controles, besparingen in het primaire proces.
· Bij het gebruik van risicoprofielen tijdens aanvraag of heronderzoek, is het de vraag of het ge-
bruik van risicoprofielen extra tijd kost ten opzichte van de situatie waarin men alle cliënten op
gelijke wijze controleert. Tegenover de intensievere controles van risicogroepen, staan im-
mers de standaardcontroles bij de niet-risico groepen. Hier kan wellicht tijdwinst worden ge-
boekt.
· Bij het (gedeeltelijk) vervangen van de periodieke rechtmatigheidsonderzoeken door controles
bij risicogroepen, bespaart men de kosten van de uitvoering van deze rechtmatigheids-
onderzoeken.
· Bij het uitvoeren van themacontroles bespaart men daarentegen geen tijd op de primaire pro-
cessen. De themacontroles zijn immers éxtra controles, die aanvullend zijn aan de standaard
aanvragen en heronderzoeken.
In alle toepassingen bespaart men uitkeringslasten doordat er meer fraude wordt ontdekt (mits de
risicoprofielen duidelijk meer aangetoonde fraudes opleveren dan de aselecte controles). Aange-
nomen mag worden dat het toepassen van risicoprofielen aan de poort, de hoogste besparingen
oplevert. Wanneer in dit stadium een poging tot fraude wordt ontdekt, kan de klant immers geheel
buiten de uitkering worden gehouden. Dit bespaart zowel uitkeringslasten als uitvoeringskosten.
30
4 Methodieken risicodetectie
Tijdens deze inventarisatie zijn we twee methoden tegengekomen waarmee op klantniveau frau-
derisico's worden gedetecteerd. We vatten deze methoden niet onder de noemer van risicostu-
ring omdat deze methoden zich niet richten op groepen klanten met een verhoogd frauderisico.
Toch is het wel zinvol om deze methoden te beschrijven omdat ze nuttig kunnen zijn bij het opti-
maliseren van vroegtijdige detectie van fraude.
4.1 Bestandskoppelingen met andere organisaties
Het structureel vergelijken van bestandsgegevens van cliënten van sociale diensten met gege-
vens over deze cliënten bij andere organisaties is een beproefd middel in het kader van de frau-
deopsporing. Dit is een methodiek die valt onder de noemer van signaalsturing: er wordt
onderzoek gedaan naar die bijstandsontvangers waarover signalen bestaan die mogelijk op frau-
de wijzen.
Op dit moment zijn alle gemeenten aangesloten bij het Inlichtingenbureau. Via het Inlichtingbu-
reau worden de gegevens van cliënten van sociale diensten maandelijks op sofi-nummer verge-
leken met de andere bestanden in het IB. Dit betreft bestanden van het UWV (gegevens over
WW- of WAO uitkeringen of werk in loondienst), de Belastingdienst (gegevens over rente en
vermogen) en de Informatie Beheer Groep (IBG), de instantie in Nederland die de
studiefinanciering regelt en alle inschrijvingen aan het hoger onderwijs administreert.
Hieruit kunnen signalen van witte fraude naar voren komen, omdat bijvoorbeeld blijkt dat een cli-
ënt van de sociale dienst door een werkgever is aangemeld bij het UWV, terwijl de cliënt aan de
sociale dienst niet heeft doorgegeven dat hij werk heeft. Een dergelijk signaal kan aanleiding zijn
tot nader onderzoek.
Naast deze structurele vorm van bestandsvergelijkingen, vinden er allerlei projecten plaats waar-
bij op lokaal of regionaal niveau bestanden van de sociale dienst worden vergeleken met andere
organisaties. Voorbeelden zijn:
· Energiebedrijven
· De RDW (het beheer van diverse basisregisters met voertuig- en persoonsgegevens)
· Ziekenfondsen
· Het Verificatie Informatie Systeem (de serienummers van gestolen, vermiste of anders-
zins als ongeldig geregistreerde documenten)
· Kadaster
· Woningregister/ woningcorporaties.
Deze projecten bestaan uit de volgende stappen:
· Het koppelen van bestanden. Het bestand met cliënten van de sociale dienst wordt gekoppeld
aan dat van een externe organisatie. Vaak wordt gekoppeld op de combinatie postcode en
huisnummer, of op sofi-nummer.
· Deze koppeling kan leiden tot een aantal verdachte zaken, bijvoorbeeld de cliënt staat bij
verschillende instanties op een verschillend adres ingeschreven, of de cliënt heeft op het
31
woonadres een verdacht lage energierekening.
· Deze zaken worden nader onderzocht. Vaak vindt er eerst dossieronderzoek plaats. Hieruit
kan blijken dat er een logische verklaring bestaat voor de situatie. Het kan bijvoorbeeld zo zijn
dat hetzelfde adres door verschillende instanties verschillend wordt geregistreerd, of het ener-
gieverbruik blijkt zeer laag omdat de cliënt in een inrichting verblijft.
We beschrijven hieronder kort twee voorbeelden van bestandskoppelingen: de aanpak van het
Zoeklichtproject in Amsterdam en de koppeling met gegevens van het energiebedrijf zoals RIF-
Noord deze heeft uitgevoerd. De cases worden uitgebreider beschreven in § 5.2.
Zoeklichtproject Amsterdam
Dit is een wijkgericht project dat zich richt op het opsporen en aanpakken van illegale verhuur en
onderhuur en woonfraude. De volgende organisaties zijn hierbij betrokken: De Dienst Wonen, de
Sociale Dienst Amsterdam, de afdelingen Burgerzaken van de stadsdelen, het Register Amster-
dam, de Amsterdamse federatie van Woningcorporaties en de Makelaarsvereniging Amsterdam.
De Dienst Wonen is de trekker van het project. De keuze voor een bepaalde wijk (of een deel van
een wijk) vindt plaats in overleg met de betrokken organisaties.
Binnen het gekozen gebied worden de bestanden van alle betrokken organisaties gekoppeld.
Er zijn 35 indicatoren opgesteld op grond waarvan adressen in principe als onderzoekswaardig
worden benoemd:
· Bijvoorbeeld omdat de gegevens over de bewoning van het adres verschillen tussen de orga-
nisaties.
· Er zijn andere bijzondere dingen aan de hand met het adres die de moeite waard zijn om na-
der te onderzoeken. Bijvoorbeeld: er is sprake van een alleenwonende gehuwde of het aantal
inwoners is veel groter dan het aantal kamers.
Uiteindelijk legt men per wijk 300 tot 350 huisbezoeken af.12 Hiervan vinden er gemiddeld 60-70
huisbezoeken plaats bij cliënten van de sociale dienst. Dit levert gemiddeld de volgende resulta-
ten op:
· Enkele tientallen leiden tot een wijziging in de administratie van de sociale dienst.
· Ongeveer 10 leiden tot een wijziging van de bijstandsnorm of een beëindiging van de uitkering
· Hooguit 1 geval van fraude (een benadeling van 6000 of meer = aangifte-grens) wordt aan-
getoond.
Project `Waakvlam' van RIF Noord
Dit project richt zich op het opsporen en aanpakken van een specifiek type woonfraude: `niet-
bewoning' door middel van een bestandskoppeling tussen cliënten van de sociale dienst en de
energieverbruikgegevens van Essent. Een laagverbruik aan energie kan een aanwijzing zijn voor
niet-bewoning.
Essent heeft op CD-rom alle laagverbruikcijfers (---
12 Het betreft hier mondeling verkregen informatie. Er is geen analyse uitgevoerd op rapportages.
32
onderzoek gedaan. Dit betrof altijd dossieronderzoek en één of meer huisbezoeken
Van de meer dan 9.000 cliënten in de gemeente Groningen zijn in het project 128 cliënten nader
onderzocht. Dit aantal is gebaseerd op de beschikbare onderzoekscapaciteit. Niet alle situaties
van laag energieverbruik zijn dus onderzocht. Van deze 128 gevallen bleek ongeveer de helft ver-
klaarbaar (cliënt woont in inrichting of gas en elektra zijn in de huur inbegrepen). Er is bij 51
cliënten nader onderzoek gedaan. Dit betrof altijd dossieronderzoek en 1 of meer huisbezoeken.
Uiteindelijk heeft dit geleid tot 20 beëindigde uitkeringen, een aantal zaken die nog steeds twijfel-
achtig waren (waarbij men bij een nieuw heronderzoek extra alert is) en een aantal zaken waarbij
nog strafrechterlijk onderzoek loopt.
Tegenover de 20 beëindigde uitkeringen staat een investering van 1 ½ fte voor ongeveer 6
maanden (4 maanden fulltime huisbezoek, 2 maanden rapportage). Deze kosten wegen ruim op
tegen de baten (totaal bedrag aan 20 beëindigde uitkeringen gedurende een jaar). Overigens zijn
een half jaar na het project nog slechts 3 van de 20 uitkeringen opnieuw toegekend. Verder zijn
veel inschrijvingen in de GBA aangepast en zijn er diverse woningen door de woningcorporaties
aan nieuwe woningzoekenden toegewezen.
Wettelijke randvoorwaarden bestandskoppelingen
Veel gemeenten zijn afwachtend met het uitvoeren van bestandskoppelingen omdat men niet
goed op de hoogte is van de wettelijke randvoorwaarden.
Een aantal instanties (genoemd in artikel 121 en 122 van de Algemene bijstandswet) zijn wettelijk
verplicht op verzoek van een gemeente kosteloos inlichtingen te verstrekken over cliënten van
een sociale dienst die nodig zijn voor het uitvoeren van de Algemene bijstandswet. Deze ver-
strekkingen hoeven op grond van de Wet bescherming persoonsgegevens (art. 29, vierde lid)
niet gemeld te worden aan het College Bescherming Persoonsgegevens (CBP).
De meldingsplicht aan het CBP geldt wél voor projecten waarin een sociale dienst haar gehele
bestand koppelt met gegevens van andere instanties (bijv. ziekenfonds, energiebedrijf). Het CBP
beoordeelt of de verwerking van persoonsgegevens plaatsvindt conform de Wet Bescherming
Persoonsgegevens (WBP). Hierbij moeten met name de volgende twee uitgangspunten in acht
worden genomen:
1. Proportionaliteit.
De inbreuk op de privacy moet in redelijke verhouding staan tot het beoogde doel. Dat houdt in
dat niet méér mag worden gevraagd dan nodig voor een bepaald doel.
2. Subsidiariteit.
Als het doel via een andere weg kan worden bereikt die minder inbreuk maakt op de privacy, dan
moet die andere weg worden behandeld. Zo kunnen bijv. nieuwe technieken of systemen verou-
derde procedures voor informatievergaring cq verificatie van gegevens overbodig maken.
Wat betekenen de bovenstaande uitgangspunten nu voor bestandskoppelingen in het kader van
fraudebestrijding?
Fraudebestrijding is in principe een grond voor inmenging van de overheid in de persoonlijke le-
venssfeer, mits er een substantiële bijdrage geleverd wordt aan de opsporing van fraude. Dit
houdt in dat men op basis van testgegevens moet kunnen aantonen hoeveel fraudesignalen een
koppeling oplevert. Men mag pas daadwerkelijk onderzoek doen naar deze fraudesignalen na
toestemming van het CBP. Verder moet de koppeling zodanig worden uitgevoerd dat alleen ge-
---
bruik wordt gemaakt van die gegevens die noodzakelijk zijn in het kader van de fraudebestrijding.
Op basis van de bovenstaande criteria heeft RIF Noord toestemming gekregen voor de be-
standskoppeling met Essent.
4.2 Geautomatiseerde selectie van risicovolle formulieren
Een andere methode van risicodetectie is om het eigen systeem dusdanig in te richten dat
risicovolle gevallen langs automatische weg `naar boven komen'. Zorgverzekeraars werken hier
sinds kort mee, de Belastingdienst al langer. Om zo ver te komen is wel voorwerk noodzakelijk:
de kenmerken van risicovolle gevallen moeten vooraf bekend zijn (m.a.w. de risicoprofielen) en
uit het administratieve systeem zijn af te leiden. Zo ontwikkelt de Belastingdienst regels waarmee
geautomatiseerd aangiftebiljetten worden geselecteerd met een verhoogde kans dat ze gecorrigeerd
moeten worden (op basis van inconsistenties met aangiftes in het verleden, overschrijding van wettelij-
ke normen en een vergelijking met bijvoorbeeld loonbestanden). Een ander voorbeeld zijn de zorgver-
zekeraars.
Zorgverzekeraars
Volgens Zorgverzekeraars Nederland werken zorgverzekeraars met een geautomatiseerde selectie
van declaraties die risicovol zijn, en dus intensief moeten worden gecontroleerd. Het gaat over het al-
gemeen om declaraties van zorgaanbieders, omdat zich daar de meeste kans op fraude voordoet. Het
systeem van ziektekostenverzekeringen werkt vaak met het verstrekken van zorg in natura, waardoor
verzekerden nauwelijks aanleiding hebben te frauderen.
In de branche van zorgverzekeraars is het toepassen van risicoanalyse een vrij nieuwe ontwikke-
ling. Eén van de grotere zorgverzekeraars, Achmea Zorg (Zilveren Kruis Achmea, Groene Land
Achmea, PWZ Achmea, FBTO en Avero Achmea) heeft in een pilot in de zorgsector farmacie een
risicomodel ontwikkeld voor de controle op gedeclareerde nota's. Hierbij zijn de volgende stappen
gevolgd:
1. Experts (fraudespecialisten en materiedeskundigen uit de sector: in dit geval apothekers)
hebben indicatoren benoemd die op fraude kunnen duiden. Men noemt deze stap `mind-
mining'.
2. Bekeken is welke van deze indicatoren digitaal in de bestanden zijn opgeslagen. Van deze
indicatoren is onderzocht in hoeverre deze ook daadwerkelijk bleken samen te hangen met
fraude. Deze indicatoren kunnen betrekking hebben op de nota, maar ook op de persoon of
organisatie die de nota indient.
3. Op basis van een geautomatiseerde analyse van de bestanden ( met behulp van statistische
modellen) zijn ook andere indicatoren vastgesteld die duiden op een verhoogd frauderisico.
In dit verband gebruikt men de term `data-mining'. Data-mining is een continu proces, waarbij
de data steeds opnieuw worden geanalyseerd op basis vastgelegde kenmerken van een
fraude. De analysesoftware stelt daarbij vast of bepaalde nieuwe kenmerken statisch relevant
zijn en stelt daarmee de gebruiker van de software in staat om die statische relevantie als
mogelijke nieuwe fraude-indicator te onderzoeken.
Men wil ook voor andere zorgsoorten dergelijke risicomodellen ontwikkelen en de controlesyste-
matiek hierop aanpassen. Men gaat de controle meer inzetten op de risicovolle nota's. Deze no-
ta's kunnen op basis van risicomodellen automatisch worden geselecteerd. Daarnaast blijft men
34
een deel van de controle, net als nu, steekproefsgewijs uitvoeren. De nieuwe controlesystematiek
kan worden uitgevoerd binnen de bestaande formatie.
Bij de Belastingdienst worden de risicovolle gevallen die op deze manier worden geselecteerd
intensiever gecontroleerd. Ook binnen Achmea Zorg wil men steeds meer op deze manier gaan
werken.
Toepassingsmogelijkheden sociale dienst
De toepassingsmogelijkheden voor sociale diensten zijn beperkt. Deze werken immers niet met
declaraties. Bovendien is de automatisering bij sociale diensten over het algemeen minder
bruikbaar dan bij bovengenoemde organisaties. De automatisering van sociale diensten is door-
gaans sterk gericht op het uitvoeren van financiële transacties, en is in mindere mate gericht op
de registratie van risicokenmerken. Toch zijn een paar aspecten uit de bovengenoemde aanpak
wellicht wel interessant:
· Sociale diensten werken met inkomstenverklaringen. Tijdens de expertmeeting is geïnventari-
seerd of een vergelijkbare aanpak op die formulieren denkbaar is. Het idee werd weliswaar
niet direct verworpen maar kon op weinig enthousiasme rekenen. De inkomstenverklaringen
zien gemeenten toch vaak vooral als administratieve last die weinig oplevert voor de handha-
ving. Dit beeld komt overeen met hetgeen gesteld wordt in de Kennisbank Hoogwaardige
Handhaving. Hierin staat dat de inkomstenverklaringen (IV) in praktijk nauwelijks detectie-
waarde hebben. De cliënt die fraudeert, geeft dit ook op zijn IV niet op. In de praktijk worden
daarom vrijwel nooit fraudesignalen uit een IV geanalyseerd. De conclusie is dat de inkom-
stenverklaring in de huidige vorm geen toegevoegde waarde heeft in het kader van detectie
van fraudesignalen.
· Er zit voor sociale diensten wellicht een meerwaarde in het automatiseren van de fraudealert-
heid. Hierover werd tijdens de expertmeeting opgemerkt dat het nooit zo mag zijn dat automa-
tische signalen de fraudealertheid van consulenten gaat vervangen. Een dergelijk systeem
zou het risico met zich meebrengen dat consulenten niet meer zelf opmerkzaam zijn.
35
36
5 Korte beschrijving van cases
5.1 Cases risicosturing
1. Gemeente Leeuwarden
De ontwikkeling van risicoprofielen
Gebruikte methodiek
`kwalitatieve' aanpak
Gebruikte bronnen:
· RIF-onderzoeken
· `ervaringsdeskundigheid' medewerkers
Type fraude waarop risicoprofielen van toepassing zijn:
· leefvormfraude (kamerbewoners)
· het oneigenlijk gebruik door niet- dak- en thuislozen van twee postadressen, bedoeld voor dak- en thuislo-
zen in Leeuwarden.
Gebruikte profielen:
· kamerbewoners
· dak- en thuislozen
Het toetsen van risicoprofielen
Ja, door middel van een vergelijking van de controleresultaten bij een steekproef onder de risicogroep met
controleresultaten van een aselecte steekproef van cliënten ( de ijkwaarde).
De toepassing van risicoprofielen in het werkproces
· Intensieve controle bij de poort
· Ter (gedeeltelijke) vervanging van heronderzoeken
· Themacontroles (incidenteel)
Voor elk risicoprofiel wordt een apart protocol opgesteld met werkinstructies.
Ervaringen
· Het werken met risicoprofielen heeft volgens Leeuwarden een positief effect op de medewerkers. Door ge-
richte controles zijn er meer en beter zichtbare resultaten (vroeger waren er meer toevaltreffers). Dat stimu-
leert.
· Het werken met risicoprofielen is erg arbeidsintensief (je gaat de diepte in, huisbezoeken altijd met twee
man etc). Dit kost extra capaciteit. Directe kosten zijn, naast de kosten van workshops en begeleiding van
medewerkers, beperkt.
· De baten wegen volgens de gemeente echter tegen de kosten op, zeker aan de poort.
37
Rendement
Rechtmatigheidsonderzoek bij de groep kamerbewoners toonde aan dat na 22 afgeronde rechtmatigheidson-
derzoeken in 38% van de gevallen fraude is geconstateerd en de uitkering is beëindigd of aangepast. De ijk-
waarde is vastgesteld door een aselecte steekproef te controleren op rechtmatigheid. Daarbij is in 5,7% van de
gevallen fraude geconstateerd. Op grond van deze testresultaten heeft de gemeente geconcludeerd dat het
risicoprofiel "kamerbewoners" in Leeuwarden doeltreffend is.
Ook het risicoprofiel dak-en thuislozen is in de test doeltreffend bevonden. Een controle van een steekproef
van 30 cliënten heeft 16 aanpassingen of beëindigingen tot gevolg gehad.
Toekomst van het project
Men is in Leeuwarden tevreden met het model. Kan op punten nog wel wat verbeterd worden, maar werkt in de
praktijk goed. Men gaat er dan ook mee door.
Interessante resultaten of bijzonderheden van dit project
Van het werken met risicoprofielen gaat een preventieve werking uit als de aanpak expliciet wordt gecommuni-
ceerd. Zo heeft men bij het testen van de profiel kamerbewoners bij de helft de controle aangekondigd en bij
de andere helft niet. Bij de eerste groep zegden twee personen spontaan hun uitkering op. Ook bij nieuwe
aanvragen ziet een aanzienlijk deel van de betreffende groep af van de aanvraag nadat men is gewezen op
het werken met het betreffende risicoprofiel.
38
2. Pilot gemeente Tilburg
De ontwikkeling van risicoprofielen
Gebruikte methodiek
Statistische aanpak en kwalitatieve aanpak (nadruk ligt op statistische aanpak)
Gebruikte bronnen:
· Bestanden (koppeling van fraudebestand-, klantvolgsysteem en betaalsysteem)
· RIF-onderzoeken
· `ervaringsdeskundigheid' medewerkers
Type fraude waarvoor risicoprofielen ontwikkeld zijn
· Witte fraude (statistisch)
· Samenwoningfraude (statistisch en ervarings)
· Inkomsten fraude (ervarings)
· Attitude (ervarings)
In praktijk toegepaste profielen:
· Statistisch profiel samenwoningfraude (zes groepen op basis van leeftijd, geslacht, nationaliteit en uitke-
ringsvorm)
· Ervaringsprofiel samenwoningfraude (financieel afhankelijke kinderen, gescheiden?, relatief veel verhuizin-
gen, kennen wij niet als deel echtpaar of alleenstaande ouder?)
· Ervaringsprofiel attitude (komt afspraken slecht na/breek trajecten af, solliciteert te weinig, vertoont agres-
sief gedrag, heeft/werpt veel beperkingen op)
Het toetsen van risicoprofielen
Nee, er heeft nog geen vergelijking plaatsgevonden tussen het percentage geconstateerde fraude in de selec-
tie van cliënten met een verhoogd risico in vergelijking tot aselecte controles.
De toepassing van risicoprofielen in het werkproces
· Ter (gedeeltelijke) vervanging van heronderzoeken. In plaats van tijdsafhankelijk heronderzoeken doet men
onderzoek op basis van signalen en op basis van risicosturing.
Men werkte met aparte protocollen met werkinstructies per risicoprofiel
Ervaringen
· De doelstellingen "het verhogen van de fraudealertheid en een grotere aandacht voor de woon- en leefsitu-
atie van de cliënt" zijn gerealiseerd.
· In praktijk blijken zowel medewerkers fraudebestrijding als consulenten/casemanagers het lastig te vinden
om om te gaan met de signalen uit de monitor. Men is gewend om te werken met min of meer harde feiten
en omstandigheden. Men moet er aan wennen om extra controles uit te voeren puur omdat iemand tot een
risicogroep behoort. Een confronterend gesprek aangaan of een huisbezoek doen zonder concrete fraude-
melding vraagt om een aangepaste instelling en werkwijze. Voorafgaand aan deze controles moet men
zich eerst een beeld vormen van de klant en een dossieronderzoek verrichten. Sommige medewerkers
zijn hier beter in dan andere. Daar is in de pilot gebruik van gemaakt. Iedere rechercheur en fraudepreven-
tiemedewerker kreeg die signalen toebedeeld waar hij op basis van zijn competenties het beste mee kan
werken.
39
Rendement
· De doorlooptijd van de evaluatie van de pilot was te kort om vanuit statistisch oogpunt de effecten van de
controles op basis van risicoprofielen te onderbouwen.
· Zowel de statistische profielen als de ervaringsprofielen zijn getest op het cliëntenbestand van Tilburg begin
oktober 2002. Hierbij is uitgegaan van de aangetoonde samenwoningfraudes uit de eerste maanden van
2002. Het percentage aangetoonde fraudes bleek het hoogst binnen de selectie van cliënten op basis van
een combinatie van de statistische profielen en de ervaringsprofielen (samen met de indicatie van schul-
den). Deze combinatie van profielen voorspelde beter fraude dan een selectie van cliënten op basis van het
statistisch profiel of een selectie op basis van de ervaringsprofielen.
Toekomst van het project
Men heeft, zowel in de frontoffice als bij fraudebestrijding in Tilburg goede ervaringen opgedaan met het wer-
ken met risicosturing. Men wil hier mee doorgaan. De uitbouw van de pilot ziet Tilburg met name in het uitdie-
pen van andere risicoprofielen, zoals zwarte fraude en in het toepassen van risicoprofielen aan de poort.
Interessante resultaten of bijzonderheden van dit project
Controle en opsporing vergen bepaalde competenties van medewerkers. Dit geldt specifiek voor controle van
cliënten op basis van een verhoogd frauderisico. De gemeente Tilburg heeft voor haar medewerkers een sys-
teem ontwikkeld van competenties en indicatoren gekoppeld die objectief en meetbaar zijn.
40
3. Pilot gemeente Utrecht
De ontwikkeling van risicoprofielen
Gebruikte methodiek
Kwalitatieve aanpak
Gebruikte bronnen:
· `Ervaringsdeskundigheid' medewerkers, zoveel mogelijk onderbouwd door:
· Het eigen fraudebestand: FRIS
· RIF-onderzoeken
· Literatuuronderzoek (waaronder landelijke CBS fraudestatistiek)
Type fraude waarop risicoprofielen ontwikkeld zijn
· Witte fraude
· Grijze fraude
· Zwarte fraude
· Vermogensfraude
· Woonfraude
Ontwikkelde profielen (nog niet in praktijk toegepast)
Er is een scorekaart ontwikkeld, waarbij vijf typen fraude worden onderscheiden (witte, zwarte-, grijze, vermo-
gens- en woonfraude). De scorekaart houdt in dat per cliënt in een Excel-bestand een aantal vragen moet wor-
den ingevuld over de cliënt (met vaste antwoordcategorieën). De vragen die moeten worden beantwoord
hebben betrekking op de volgende 14 onderwerpen die van invloed zijn op de fraudekans.
- Arbeid (aantal werkzame uren)
- Arbeidsongeschiktheid (percentage)
- Beroep
- Reden aanvraag
- Woonsituatie
- Gewezen zelfstandige Ja/Nee
- Geslacht
- Hoogte van woonlasten in verhouding tot inkomen
- Leeftijd
- Leefvorm
- Opleiding
- Schuldpositie
- Bijstandsverleden
- Ex-gedetineerd Ja/Nee
Aan ieder antwoord is een puntenaantal gekoppeld. Het puntenaantal dat per antwoord wordt toegekend is ge-
baseerd op eigen inzichten van de afdeling Fraudebestrijding en het Bureau Nieuwe Aanvragen van SoZaWe.
Bij het toekennen van de punten stond de absolute waarde niet voorop, maar ging het veel meer om de onder-
linge verhouding tussen de toegekende punten (dus welke variabelen wegen zwaar en welke minder zwaar
mee). De combinatie van antwoorden bepaalt de totale scores per cliënt. Deze scores (per type fraude heeft de
cliënt een totaalscore) berekent het Excel-programma automatisch op basis van de ingevulde antwoorden.
41
Per fraudetype is bepaald boven welk puntenaantal een intensieve controle van toepassing is.
Er heeft intern discussie plaatsgevonden over deze omslagpunten (bij welke score moet het intensieve contro-
letraject worden toegepast). Hierbij was de vraag of iemand op basis van één enkel risicokenmerk (bijvoor-
beeld woonwagenbewoner) in aanmerking zou moeten komen voor een intensieve controle. Uitkomst van deze
discussie is dat bij een hoog risico op één kenmerk, de cliënt ook op minimaal één ander kenmerk een hoger
dan gemiddelde fraudekans moet hebben om in aanmerking te komen voor intensieve controle. Wanneer de
cliënt op een bepaald kenmerk een gemiddeld frauderisico scoort dan moet er op minimaal twee, drie of vier
andere kenmerken sprake zijn van een meer dan gemiddeld risico. Deze systematiek is in detail uitgewerkt en
op basis hiervan zijn de definitieve omslagpunten bepaald.
Het toetsen van risicoprofielen
Niet van toepassing: de ontwikkelde profielen zijn nog niet in praktijk toegepast. Er vindt in 2003 een pilot
plaats waarbij de scorekaart wordt ingezet in het aanvraagproces. Er zijn nog geen ervaringen opgedaan met
de uitvoering van intensieve controles op basis van de scorekaart.
De toepassing van risicoprofielen in het werkproces
Men start in 2003 met het toepassen van de scorekaart bij de aanvraagprocedure in een pilot. Op termijn wil
men dit uitbreiden naar andere toepassingsmogelijkheden
Men gaat werken met aparte protocollen met werkinstructies per risicoprofiel
Interessante resultaten of bijzonderheden van dit project
· Dit is het enige project waarbij men bij het opstellen van risicoprofielen ook gebruik heeft gemaakt van lan-
delijke literatuur.
· Iedere cliënt krijgt per type fraude een individuele fraudescore die het risico op dat type fraude aangeeft.
Wanneer men boven een bepaalde risicoscore uitkomt, moet een intensieve controle worden uitgevoerd. In
protocollen (per type fraude een protocol) is vastgelegd op welke wijze deze controles moeten plaatsvin-
den.
42
4. Gemeente Winterswijk
De ontwikkeling van risicoprofielen
Gebruikte methodiek
De gezond verstand aanpak
Gebruikte bronnen:
· `ervaringsdeskundigheid' medewerkers
Type fraude waarop risicoprofielen ontwikkeld zijn
· Woonfraude
Gebruikte profielen
1. Klant geeft aan een kostganger te hebben of te krijgen
2. Klant geeft aan een kostganger te zijn of te worden
3. Klant geeft aan onder te verhuren of onder te huren
4. Klant geeft aan te zijn verlaten door de partner of heeft zelf een partner verlaten
5. Klant heeft eerder gefraudeerd
Het toetsen van risicoprofielen
Nee, deze zijn niet getoetst (niet vergeleken met een ijkwaarde). Wel zijn de resultaten van de huisbezoeken
bekend (zie gegevens rendement hieronder).
De toepassing van risicoprofielen in het werkproces
· Intensieve controle bij de poort
· Intensieve controle tijdens heronderzoek (tot en met 2001)
Men voert bij cliënten die voldoen aan een risicoprofiel standaard een huisbezoek uit
Ervaringen
De gemeente is positief over de effecten. Het draagvlak binnen de organisatie is goed. Klanten staan natuurlijk
niet te springen om een huisbezoek, maar er zijn geen officiële klachten binnengekomen over de werkwijze.
Rendement
De sociale dienst heeft ongeveer 400 klanten. Op jaarbasis voldoen zo'n 25-30 cliënten aan het risicoprofiel,
en bij deze cliënten voert men een huisbezoek uit. Het huisbezoek bleek in respectievelijk 2000, 2001 en 2002
in 88%, 78% en 59% gevallen gevolgen te hebben voor de uitkering (de aanvraag wordt ingetrokken of afge-
wezen of de gemeente heeft de uitkering beëindigd wegens onjuiste gegevens).
Interessante resultaten of bijzonderheden van dit project
· Dit is in de inventarisatie de enige kleinere gemeente die we zijn tegengekomen die risicosturing toepast
· Door toetsing achterwege te laten, en puur gebruik te maken van de ervaringen van consulenten is dit een
weinig arbeidsintensieve aanpak
43
5. Gemeente Apeldoorn
De ontwikkeling van risicoprofielen
Gebruikte methodiek
Kwalitatieve aanpak
Gebruikte bronnen:
· Met name `ervaringsdeskundigheid' medewerkers
Type fraude waarop risicoprofielen ontwikkeld zijn/ gaan worden
· Witte fraude
· Grijze fraude
· Zwarte fraude
· Vermogensfraude
· Woonfraude
Gebruikte profielen
· Tijdens LAT-periode is er gewerkt met fraudeprofielen `courante beroepen'. Daarbij drie typen onderschei-
den: 1) cliënten die in een dergelijk beroep werkzaam zijn geweest; 2) cliënten die een dergelijk beroep als
wensberoep hebben; 3) cliënten die parttime werkzaam zijn in een dergelijk beroep.
· Verder zijn de volgende themacontroles uitgevoerd: `cliënten met maatregelen', kostgangers/onderhuurders
en cliënten met een toeslag van 20%.
· Specifieke fraudeprofielen ten behoeve van een nieuwe aanpak (in het kader van de pilot `Risicobeheersing
in dienstverleningsconcept bedrijfsverzamelgebouw Regio Apeldoorn') moeten nog worden ontwikkeld
Het toetsen van fraudeprofielen
Geen systematische toetsing van profielen door vergelijking van controleresultaten van de risicogroep met een
ijkpunt. Onderbouwing van profielen zal `gaandeweg het proces' plaatsvinden, bijvoorbeeld op grond van resul-
taten van themacontroles onder bepaalde groepen cliënten.
De toepassing van fraudeprofielen in het werkproces
In september 2003 start de pilot `Risicobeheersing in dienstverleningsconcept bedrijfsverzamelgebouw Regio
Apeldoorn'. Apeldoorn introduceert daarin `risicomanagement' als sturingsconcept. Dit concept gaat er van uit
dat de gemeente financiële risico's als gevolg van de grotere financiële verantwoordelijkheid op grond van de
nieuwe wet Werk en Bijstand (WBB) kan beheersen: enerzijds door verbetering van de effectiviteit van reinte-
gratie (verhogen uitstroom) en anderzijds via verbetering van de handhaving (terugdringing van fraude). De in
te zetten instrumenten worden afgewogen op grond van kosten (efficiency) en baten (effectiviteit, kwaliteit, te-
vredenheid).
Men gaat uit van een werkwijze op maat. Dit houdt in dat niet alle klanten op een zelfde manier benaderd (ge-
informeerd, gemotiveerd en/of gecontroleerd) worden, maar dat op grond van klantprofielen dienstverlening en
controle op maat ingezet worden.
Uitgangspunt is dat naarmate cliënten dichter bij de arbeidsmarkt staan, de nadruk meer zal komen te liggen
op werk (o.a. de verplichtingencontrole) en minder op de uitvraag en controle van gegevens.
Pilot wordt gebruikt voor het nader vormgeven van werkprocessen, protocollen en dergelijke.
Interessante resultaten of bijzonderheden van dit project
· Vergeleken met de `oude' LAT-aanpak is de differentiatie van handhavingsinspanningen op grond van de
afstand van cliënten tot de arbeidsmarkt nieuw.
---
6. Het UWV
De ontwikkeling van risicoprofielen
Gebruikte methodiek
Statistische aanpak
Gebruikte bronnen:
· Bestanden
· Medewerkers
Type fraude waarop risicoprofielen ontwikkeld zijn
1. Fraude bij WW: statistisch model (Was eerst expertmodel)
2. Fraude bij arbeidsongeschiktheidsuitkeringen (WAO, WAZ, Wajong): Is nu nog een expertmodel, wordt in
de toekomst een statistisch model wanneer het UWV beschikt over meer controle-resultaten (over 1 jaar).
3. Fraude Looncontrole bij werkgevers. Begonnen als expertmodel, is nu een statistisch model
Gebruikte profielen
UWV wil deze niet openbaar maken
Het toetsen van risicoprofielen
Ja, er heeft validatie plaatsgevonden. Deze validatie is statistisch van aard. Hiervoor gebruikte men het be-
stand waarmee het model ook is opgesteld. Van dit bestand is bekend welke mensen de regels hebben over-
treden en welke niet. Men berekent het percentage van de met het model geselecteerde uitkeringsontvangers
(of werkgevers) waarbij ook feitelijk sprake is van regelovertreding (de efficiëntie). Vervolgens trekt men hier-
van af het percentage geconstateerde overtreders bij aselect controleren. Dit verschil noemt men het predictie-
verschil.
De toepassing van risicoprofielen in het werkproces
· Themacontroles (los van reguliere werkprocessen)
De toekomst van het project
· Op dit moment is het ontwikkelen en toepassen van risicomodellen nog een apart project binnen het UWV.
Het is de bedoeling om in de toekomst de controle op basis van risicoanalyse in te bedden in de reguliere
werkprocessen. Zo komen er in de toekomst op ieder kantoor aparte units handhaving, voor het behande-
len van fraudesignalen (BGB). Deze gaan dan ook controles op basis van risicoanalyse uitvoeren.
· Men denkt er over om in de toekomt risicoanalyses wellicht breder te gaan toepassen, bijvoorbeeld bij de
selectie van fraudesignalen of voor het geven van informatie op maat.
Interessante resultaten of bijzonderheden van dit project
· Het UWV vindt het van belang om een deel van de controles aselect te blijven uitvoeren. Dit is nodig om
de modellen te kunnen valideren, nieuwe risico's te kunnen onderkennen en om te voorkomen dat vrijwel
alle controles zich richten op dezelfde groep mensen.
· Het UWV heeft de voorspelkwaliteit van het expertmodel WW vergeleken met dat van het later ontwikkelde
statistisch model WW. In deze vergelijking scoorde het expertmodel behoorlijk. Een belangrijk voordeel van
het statistische model was wel dat de frauderisico's gedifferentieerder kunnen worden ingeschat.
45
5.2 Cases risicodetectie
1. Zoeklichtproject gemeente Amsterdam
Doel van het project
Het opsporen en aanpakken van illegale verhuur en onderhuur en woonfraude
Betrokken organisaties
· Dienst Wonen
· Sociale Dienst Amsterdam
· Afdelingen Burgerzaken van de stadsdelen
· Register Amsterdam
· Amsterdamse federatie van Woningcorporaties
· Makelaarsvereniging Amsterdam
Korte beschrijving van de zoeklicht methodiek
Het project is wijkgericht. De keuze voor een bepaalde wijk vindt plaats in overleg met de betrokken or-
ganisaties. Wanneer een wijk meer dan 5000 adressen heeft, wordt een deel van een wijk geselecteerd.
Gemiddeld worden per wijk ongeveer 4000 adressen geselecteerd. Deze omvang is goed werkbaar.
Van deze adressen worden de bestanden van alle betrokken organisaties gekoppeld. Er zijn 35 indicato-
ren opgesteld op grond waarvan adressen in principe als onderzoekswaardig worden benoemd. Bijvoor-
beeld omdat de gegevens over de bewoning van het adres verschillen tussen de organisaties, of omdat
er andere bijzondere dingen aan de hand zijn met het adres, die de moeite waard zijn om nader te on-
derzoeken. Bijvoorbeeld: er is sprake van een alleenwonende gehuwde of het aantal inwoners is veel
groter dan het aantal kamers. Uiteindelijk legt men per wijk 300 tot 350 huisbezoeken af. Wanneer op
basis van de 35 indicatoren meer dan 350 adressen als onderzoekswaardig naar voren komen, wordt
gekeken of er op basis van gezond verstand logische verklaringen te bedenken zijn voor bepaalde situa-
ties. Denk hierbij bijvoorbeeld aan verschillen in achternaam omdat iemand na het overlijden van de
partner de eigen naam weer gebruikt. Deze adressen hoeven dan niet te worden bezocht.
Van de 300- 350 adressen waar men op huisbezoek gaat, heeft zo'n 20% (60-70) betrekking op cliënten
van de sociale dienst.
Taakverdeling sociale dienst/dienst Wonen
De Dienst Wonen is de trekker van het project. Deze heeft een kleine staf in dienst : een projectcoördina-
tor en twee administratief medewerkers. In totaal heeft de Dienst Wonen 7 fte ter beschikking voor de
uitvoering van Zoeklicht.
De sociale dienst levert de eigen bestanden van de betreffende wijk aan de afdeling automatisering van
de Dienst Wonen, die deze bestanden koppelt met de bestanden van de andere betrokken organisaties.
In principe werkt de sociale dienst (de medewerkers dienstverlening van de regiokantoren) ook mee aan
het uitvoeren van huisbezoeken die voortvloeien uit het project. Er wordt naar gestreefd de medewerkers
van de sociale dienst die huisbezoeken te laten uitvoeren waar cliënten van de sociale dienst bij betrok-
ken zijn. Men voert deze huisbezoeken uit in duo's: samen met een buitendienstmedewerker van de
Dienst Wonen of van de woningcorporatie. Omdat elke keer wordt samengewerkt met een ander regio-
kantoor van de sociale dienst, komt het echter voor dat de betreffende regiomanager andere prioriteiten
stelt, en dat de huisbezoeken worden uitgevoerd zonder de sociale dienst. In dat geval geeft men het re-
sultaat wel door aan de sociale dienst, maar met deze informatie kan de sociale dienst minder goed uit
de voeten, omdat de andere instanties minder goed op de hoogte zijn van de wettelijke mogelijkheden
van de Algemene bijstandswet. Ook is het de vraag of de sociale dienst altijd toekomt aan het verder be-
handelen van deze informatie.
46
Rendement
We gaan hier in op het rendement van het project in verband met uitkeringsfraude. Dit levert een ander
beeld op dat het rendement van het project op grond van de bredere doelstelling: `Het opsporen en aan-
pakken van illegale verhuur en onderhuur en woonfraude'.
De volgende resultaten van het project zijn mondeling verkregen:
Van de 60-70 huisbezoeken per wijk in het kader van het Zoeklichtproject (op een totaal ven ongeveer
4000 onderzochte adressen) bij cliënten van de sociale dienst resulteren:
· Enkele tientallen in een wijziging in de administratie van de sociale dienst.
· Ongeveer 10 in een wijziging van de bijstandsnorm of een beëindiging van de uitkering
· Hooguit 1 geval in fraude (een benadeling van 6000 of meer = aangifte-grens)
Dit is volgens de afdeling Handhaving van de Sociale Dienst, gezien de tijd die gemoeid is met het afleg-
gen van de huisbezoeken, een matig resultaat.
Ter vergelijking: het rendement van het onderzoeken van fraudesignalen is duidelijk hoger. Op dit mo-
ment worden van de enkele duizenden fraudesignalen (los van signalen van het Inlichtingenbureau) per
jaar zo'n 1000 in onderzoek genomen. Hierbij resulteert 50% in boetewaardig gedrag of fraude (een be-
nadeling van 6000 of meer = aangifte-grens). Dit percentage zou wel zakken wanneer alle fraudesigna-
len in behandeling zouden worden genomen, maar blijft hoger liggen dan in het Zoeklicht project.
Toekomst van het project
De verantwoordelijke wethouder (Stedelijke Ontwikkeling) heeft zich gecommitteerd aan het project en
het bestuurlijk draagvlak is groot, dus zal deelname van de sociale dienst aan het project gehandhaafd
worden. De afdeling Handhaving van de Sociale Dienst is bezig met het in dienst nemen en oplei-
den van handhavingspecialisten. Dit is een nieuwe functie. Deze mensen krijgen speciale taken op
het gebied van preventie en controle en hebben geen opsporingsbevoegdheid. In de toekomst zal
deze groep waarschijnlijk de huisbezoeken in het kader van zoeklicht gaan uitvoeren.
Bijzonderheden van dit project
Het Zoeklicht project is met name interessant voor andere grote steden, waar sprake is van woningnood.
Het project is immers gestart met als belangrijkste doel het tegengaan van onrechtmatige bewoning. Dit
probleem is het grootst in de grote steden. Toch blijken ook kleinere gemeenten interesse te hebben in
het project, zo blijkt uit verzoeken om informatie aan de projectcoördinator van Zoeklicht.
47
2. Project RIF Noord energieverbruik "Waakvlam"
Doel van het project
Het project richt zich op het opsporen en aanpakken van een specifiek type woonfraude: `niet-bewoning'
door middel van een bestandskoppeling tussen cliënten van de sociale dienst en de energieverbruikge-
gevens van Essent. Een laagverbruik aan energie kan een aanwijzing zijn voor niet-bewoning.
Betrokken organisaties
RIF Noord, Gemeenten Groningen en Emmen, Energiebedrijf Essent
Korte beschrijving van de methodiek
De bestandskoppeling ging als volgt in het werk:
Essent heeft op CD-rom alle laagverbruikcijfers (
Van alle cliënten van de sociale dienst, is het energieverbruik gerangschikt. Dus bovenaan de cases met
nulverbruik, vervolgens die met weinig verbruik etc. Vervolgens is administratief onderzoek gedaan om te
kijken of het lage energieverbruik verklaarbaar was. Veel voorkomende verklaringen betroffen cliënten
die in een inrichting wonen of waar gas en elektra in de huur zijn inbegrepen. Bij de resterende gevallen
is nader onderzoek gedaan. Dit betrof altijd dossieronderzoek en 1 of meer huisbezoeken.
Ervaringen
Het project is positief ervaren. De meerwaarde van bestandskoppelingen is volgens RIF- Noord met na-
me groot wanneer eenzelfde organisatie hier ervaring in opbouwt, en wanneer alle benodigde expertise
(juridisch, fraude- en automatiseringskennis) bij elkaar in één organisatie is ondergebracht. Bovendien
zijn er vrijwel geen vervolgprocedures aangespannen door klanten. Dit was slechts éénmaal het geval,
en deze cliënt is niet in het gelijk gesteld. De bewijsvoering voor niet-bewoning op basis van laagverbruik
is dus moeilijk te weerleggen door cliënten.
Rendement
Resultaten gemeente Groningen
Van de meer dan 9000 cliënten zijn in het project 128 cliënten nader onderzocht. Dit aantal is gebaseerd
op de beschikbare onderzoekscapaciteit. Niet alle situaties van laag energieverbruik zijn dus onderzocht.
Van deze 128 gevallen bleek ongeveer de helft verklaarbaar (cliënt woont in inrichting of gas en elektra
zijn in de huur inbegrepen). Er is bij 51 cliënten nader onderzoek gedaan. Dit betrof altijd dossieronder-
zoek en 1 of meer huisbezoeken. Uiteindelijke heeft dit geleid tot 20 beëindigde uitkeringen, een aantal
zaken die nog steeds twijfelachtig waren (waarbij men bij een nieuw heronderzoek extra alert is) en bij
een aantal zaken loopt het strafrechterlijk onderzoek nog.
Tegenover de 20 beëindigde uitkeringen staat een investering van ongeveer 6 maanden 1 ½ fte. (4
maanden fulltime huisbezoek, 2 maanden rapportage). Deze kosten wegen ruim op tegen de baten (to-
taal bedrag aan 20 beëindigde uitkeringen gedurende een jaar). Overigens zijn een half jaar na het pro-
ject nog slechts 3 van de 20 uitkeringen opnieuw toegekend.
Verder zijn veel inschrijvingen in de GBA aangepast en zijn er diverse woningen door de woningcorpora-
ties aan nieuwe woningzoekenden toegewezen.
In Emmen bleek veel minder sprake te zijn van niet-bewoning dan in Groningen. Niet-bewoning lijkt dus
in grote steden aanmerkelijk meer voor te komen.
48
Toekomst van bestandskoppelingen
Volgens RIF Noord leveren koppelingen met het energiebedrijf en het woningregister het meeste op voor
sociale diensten qua aantal fraudegevallen. In het najaar gaat RIF Noord het bestand van de sociale
dienst Groningen koppelen met het woningregister, waardoor het aantal kamers per wooneenheid verge-
leken kan worden met het aantal bewoners volgens de bestanden van de sociale dienst. Hierdoor kun-
nen risicoadressen (o.a. schijnbewoning, overbewoning) gedetecteerd worden.
Maar er zijn veel meer koppelingen interessant: koppeling met kadaster (onroerend goed, dus vermo-
gen), koppeling met vennootsysteem EZ (geregistreerde ondernemers). RIF Noord is op dit moment be-
zig met een bestandskoppeling tussen de sociale dienst Groningen en de RDW. De gemeente Den Haag
heeft dit al gedaan (bleek ook effectief).
Mogelijke bestandskoppelingen zijn: alle instanties die verplicht zijn inlichtingen te verschaffen aan ge-
meenten op basis van art. 121 en 122 Abw en alle openbare bronnen (voor iedereen raadpleegbaar).
Bijzonderheden van dit project
Essent wilde zeker weten dat men geen juridische problemen zou krijgen, dus is toestemming gevraagd
en gekregen door het College Bescherming Persoonsgegevens. Deze heeft beoordeeld dat de effectivi-
teit van deze koppeling in het kader van fraudebestrijding opwoog tegen privacybelangen. Men vond dus
dat de inbreuk op de privacy in redelijke verhouding stond tot het beoogde doel (proportionaliteitsbegin-
sel).
Lastig is dat de effectiviteit van een dergelijk project pas is aan te tonen door daadwerkelijk te koppelen.
Dit is in principe geen echt probleem, zo lang de resultaten van de koppeling maar niet worden gebruikt
tot toestemming van het CBP is verkregen.
49
3. Achmea Zorg
De ontwikkeling van risicoprofielen
Gebruikte methodiek
Expertmodel (`mind-mining') en statistische analyses (`datamining')
Gebruikte bronnen
· Bestanden
· `Ervaringsdeskundigheid': fraudespecialisten en mensen die werkzaam zijn in zorgsector
Type fraude waarop risicoprofielen ontwikkeld zijn / gaan worden
· fraude met nota's in de farmacie (nota's van zorgverleners en verzekerden)
De toepassing van fraudeprofielen in het werkproces
Er heeft een pilot plaatsgevonden binnen de farmacie. Op basis hiervan is een risicomodel opgesteld
waarmee risicovolle nota's kunnen worden geselecteerd. Men wil ook voor andere zorgsoorten dergelijke
risicomodellen ontwikkelen en de controlesystematiek hierop aanpassen. Men gaat de controle meer in-
zetten op de risicovolle nota's. Deze nota's kunnen op basis van risicomodellen automatisch worden ge-
selecteerd. Daarnaast blijft men een deel van de controle, net als nu, steekproefsgewijs uitvoeren. De
nieuwe controlesystematiek kan worden uitgevoerd binnen de bestaande formatie.
Rendement
Uit de pilot in de farmacie is gebleken dat de kosten van de ontwikkeling van risicomodellen opwegen te-
gen de baten. De pilot vergde enkele tienduizenden euro's investering. Daar stond echter 1 tot 2 miljoen
te voorkomen schade tegenover. Deze bedragen hoefde men niet uit te keren omdat er sprake was van
onregelmatigheden.
50
51
6 Beschouwing
In dit hoofdstuk geven de onderzoekers hun visie op de betekenis van de onderzoeksresultaten
voor de volgende fasen van het project, waarin de methodieken voor risicosturing verder worden
ontwikkeld.
6.1 Het belang van risicosturing
Voorafgaand aan het ontwikkelen van een methodiek voor risicosturing is het zinvol het belang
ervan voor sociale diensten goed te overwegen. Uit het onderzoek blijkt namelijk dat de metho-
diek kan variëren van `eenvoudig en weinig onderbouwd' tot `zeer uitgebreid en gedegen'. De
noodzakelijke investeringen variëren al naargelang de gekozen aanpak. Een goede analyse van
het belang van risicosturing is op dit moment slechts in kwalitatieve termen te maken.
Risicosturing biedt een aantal duidelijke voordelen.
· Door middel van risicosturing wordt de beschikbare controlecapaciteit met name ingezet op
die klantgroepen die een verhoogd risico hebben. Hierdoor kan in principe met dezelfde capa-
citeit meer fraude worden opgespoord.
· De uiteindelijke efficiency die wordt bereikt door risicosturing is in belangrijke mate afhankelijk
van de kracht van het fraudeprofiel (hoe goed voorspelt dit de daadwerkelijke kans op fraude
en in welke mate wijkt deze af van de gemiddelde fraudekans). Omdat slechts een beperkt
aantal gemeenten de eigen risicoprofielen heeft getoetst, is nog niet in kwantitatieve zin aan te
geven hoe groot deze efficiencyslag precies is. De eerste resultaten van controles op basis
van risicoprofielen zijn echter veelbelovend.
· De gebruiksmogelijkheden van risicosturing beperken zich niet tot het opsporen van bestaan-
de fraudegevallen, ook de preventie aan de poort kan worden versterkt door risicosturing.
· Bovendien kunnen risicoprofielen worden gebruikt bij de prioriteitstelling bij de behandeling
van fraudesignalen.
· Tenslotte kunnen duidelijke risicoprofielen (en daaraan gekoppelde vaste fraudeprotocollen)
de fraudealertheid onder bijstandsconsulenten verhogen.
De onderzoeksbevindingen duiden ook op een aantal beperkingen van risicosturing. Slechts een
beperkt deel van de bijstandscliënten valt immers onder de risicoprofielen. Andere cliënten kun-
nen natuurlijk ook frauderen. Daarom kan de handhaving niet alleen gebaseerd worden op risico-
sturing. Gemeenten nuanceren daarom ook het belang hiervan. Ze zien evenveel of soms zelfs
meer heil in signaalsturing, bestandskoppelingen en andere peilers van hoogwaardig handhaven.
Kortom, risicosturing is niet zaligmakend, maar vormt één van de mogelijke instrumenten in het
kader van fraudebestrijding. Wij denken daarom dat het verstandig is om voorzichtig om te gaan
met grote investeringen in de ontwikkeling van een methodiek, zeker wanneer vooraf niet volledig
duidelijk is wat de opbrengst ervan zal zijn.
53
De kwalitatieve aanpak
We stellen voor om de kwalitatieve aanpak13 voor de ontwikkeling van risicoprofielen verder uit te
werken. Argumenten hiervoor zijn:
· De resultaten zijn op voorhand goed in te schatten; het leidt tot inhoudelijk goed te onderbou-
wen profielen of scores. De onderbouwing is, door het gebruik van verschillende bronnen, de-
gelijker dan `de gezond verstand' aanpak.
· De methode is goed hanteerbaar en vergt geen al te grote investeringen van gemeenten.
· Een onderdeel waarmee de profielen kunnen worden getoetst is heel goed in te bouwen in de
methodiek, en bestaat voor een deel ook al. Een dergelijke toetsing maakt de kwalitatieve me-
thode gedegen omdat de profielen hierdoor objectief onderbouwd zijn.
· De kwalitatieve aanpak sluit goed aan bij de huidige praktijk van de meeste gemeenten die
werken met risicosturing.
· De statistische aanpak vergt aanzienlijk grotere investeringen en heeft daarbij bovendien te
veel nadelen (zie § 3.1.2: o.a. te weinig celvulling op lokaal niveau om statistische samenhang
te kunnen constateren)
· Methoden uit andere sectoren tenslotte blijken uiteindelijk beperkt over te nemen omdat het
veelal gaat om grotere aantallen, (gemiddeld) beter geautomatiseerde administratieve proces-
sen, en andere werkprocessen (zie hoofdstuk twee).
Voor die kwalitatieve aanpak bestaan grofweg twee opties: de LAT-aanpak (voorbeeld Leeuwar-
den) en de door de gemeente Utrecht ontwikkelde aanpak. In onderstaand schema zijn de ver-
schillen tussen de twee opties en de mogelijke voor- en nadelen kort op een rij gezet. Een
uitgebreidere beschrijving hiervan is te vinden in § 3.1.2. Deze voor- en nadelen zijn opgesteld
door de onderzoekers op basis van een analyse van de methodieken. Na afloop van de pilot in de
gemeente Utrecht kunnen definitieve conclusies getrokken worden ten aanzien van voor- en na-
delen van de scorekaart. Het is goed mogelijk dat een aantal nadelen zijn te ondervangen.
Tabel 1 Beschrijving van aanpak Lat-gemeenten en gemeente Utrecht
Lat-gemeenten Gemeente Utrecht
Bronnen · eigen ervaringen medewerkers via · eigen ervaringen medewerkers (niet via
workshops workshops)
· resultaten van RIF-onderzoeken · resultaten van RIF-onderzoeken
· analyse lokaal fraudebestand · analyse lokaal fraudebestand
· literatuuronderzoek
Eindresultaat enkelvoudige profielen Scorekaart met meervoudige profielen
(score op frauderisico per cliënt wordt be-
paald op basis van meerdere cliëntkenmer-
ken)
Toetsing Ja Nee, men heeft de fraudekans binnen de
groepen met een hoog risico (nog) niet
vergleken niet vergeleken met een ijkpunt.
Voordelen · Eenvoud, · Iedere cliënt wordt `gescoord', controle
---
13 Onder de kwalitatieve aanpak verstaan we dat op basis van een combinatie van (voornamelijk kwalitatieve) bron-
nen een zo gedegen mogelijke analyse van risicogroepen wordt gemaakt. De aanpak mondt uit in een aanduiding
van groepen met een verhoogd risico op fraude. De omvang van het verhoogde risico kan met deze methode vooraf
niet in kwantitatieve termen worden uitgedrukt. Wel kunnen de geformuleerde profielen worden getoetst aan de
hand van steekproefonderzoek (zie § 3.2) voordat ze daadwerkelijk worden geïmplementeerd in werkprocessen.
54
· Transparantie, blijft dus niet beperkt tot een kleine
· Geen extra handelingen van consu- groep
lenten · Intensieve controle vindt alleen plaats
op basis van een combinatie van ken-
merken die risicoverhogend zijn. Hier-
door is de aanpak minder
stigmatiserend.
· Wekte interesse van gemeenten tijdens
expertmeeting
Nadelen · Sterke afhankelijkheid van ervaringen · De score op frauderisico is minder in-
van consulenten zichtelijk, zowel voor cliënt als uitvoe-
· Men gebruikt alleen profielen die uit rende
het bestand te herleiden zijn. · De automatische berekening van sco-
· Enkelvoudige profielen kunnen te res kan ertoe leiden dat uitvoerende
grofmazig zijn niet zelf meer nadenkt over frauderisi-
· Aanpak beperkt zich tot cliënten met co's
profiel (kleine groep) · Vergt extra handelingen uitvoerende
· Scores suggereren exactheid die er niet
is
Omdat het model van Utrecht nog niet in de praktijk is uitgetest, is het lastig om op dit moment
voor één van beide methoden te kiezen. Dat hoeft ook niet; het lijkt zelfs verstandig beide metho-
dieken de komende periode goed te volgen en zo uitgebreid mogelijk te testen.
Toetsing van profielen
Gemeenten denken verschillend over het belang van het toetsen van profielen voordat deze
daadwerkelijk worden gebruikt bij het uitvoeren van controles. Binnen de gemeenten die werken
met een kwalitatieve methode, zijn er gemeenten die de gebruikte profielen toetsen (door ze te
vergelijken met een ijkwaarde), en gemeenten die dit niet doen. Deels heeft dit te maken met ver-
schillen tussen gemeentebestuurders. Sommige bestuurders zijn enthousiast over risicosturing,
anderen zijn afwachtend omdat men bang is voor stigmatisering van cliënten. In dit laatste geval
is het voor het creëren van draagvlak noodzakelijk om de profielen vooraf te toetsen.
Of men toetsing van belang vindt, heeft ook te maken met een persoonlijke visie van de uitvoer-
ders zelf. De tijdens de expertmeeting met gemeenten genoemde functies van een dergelijke
toetsing zijn:
· Het geeft vooraf indicaties over het uiteindelijk te realiseren rendement van risicosturing met
het betreffende profiel.
· Het maakt het eenvoudiger om politiek draagvlak te creëren voor een systeem van risicostu-
ring.
· Het is aan cliënten én aan de consulenten beter te verantwoorden waarom je bepaalde men-
sen op voorhand (zonder concrete vermoedens van fraude) intensiever controleert dan ande-
re.
---
Het op lokaal niveau toetsen van profielen zou wat ons betreft daarom standaard onderdeel deel
moeten uitmaken van de te ontwikkelen kwalitatieve methodiek(en). Door de profielen op lokaal
niveau te toetsen, is er sprake van objectiviteit. Dit is van belang om het gebruik van de profielen
te rechtvaardigen, niet alleen ten opzichte van het lokaal bestuur, maar ook ten opzichte van cli-
ënten en uitvoerders. Overigens is het in sommige gevallen te rechtvaardigen om profielen die
reeds in veel gemeenten zijn getoetst en bruikbaar bleken, ook in andere gemeenten in te voeren
zonder opnieuw lokaal te toetsen.
Bij het toetsen van profielen moet bekeken worden welke omvang van een steekproef voldoende
is. Leeuwarden werkt met kleine steekproeven. Dit is ook eigenlijk niet te voorkomen: wanneer
men met grotere steekproeven zou werken, controleert men feitelijk al een groot deel van de risi-
cogroep voordat men het profiel officieel introduceert. Door de beperkte omvang van de steek-
proef moet er echter wel sprake zijn van een behoorlijk verschil met de ijkwaarde, wil het profiel
als doeltreffend worden beoordeeld.
Herijking
Profielen zijn gedurende een bepaalde tijdsperiode bruikbaar. Door de uitvoering van extra con-
troles, en doordat bekend wordt dat men extra wordt gecontroleerd, levert een profiel op termijn
waarschijnlijk steeds minder aangetoonde fraude op. Daarom moet de doeltreffendheid van de
risicoprofielen periodiek herijkt worden. Niet (meer) renderende profielen moeten worden vervan-
gen.
100% risicosturing?
We pleiten voor een aanpak waarbij sociale diensten, naast risicosturing en signaalsturing, ook
steekproefsgewijs controles uitvoeren. Deze controles dienen meerdere doelen tegelijkertijd:
· Voorkomen wordt dat de controle zich te veel concentreert op bepaalde groepen. Ook men-
sen die niet voldoen aan het profiel kunnen immers frauderen; het profiel geeft slechts aan dat
er een verhoogde kans is op fraude;
· Van het uitvoeren van steekproefsgewijze controles gaat een preventieve werking uit bij die
groepen die niet onder de risicoprofielen vallen.
· De resultaten van deze controles kunnen tegelijkertijd gebruikt worden als middel om de de-
tectiewaarde van de gebruikte risicoprofielen te ijken.
Een lijst met profielen
Wij denken dat het zinvol is om lokaal reeds ontwikkelde (en liefst ook getoetste) profielen cen-
traal beschikbaar te stellen. Ook al zijn niet alle ontwikkelde risicoprofielen in alle gemeenten toe-
pasbaar, in de praktijk bestaat toch veel overlap tussen gemeenten. Gemeenten kunnen op deze
manier gebruik maken van elkaars ervaringen, en kunnen toetsen of een bepaald risicoprofiel in-
derdaad lokaal van toepassing is. Dit kan met name voor kleine gemeenten een oplossing zijn.
Ook gemeenten die zonder al te grote investeringen vooraf een begin willen maken met risicostu-
ring kunnen gebaat zijn bij een overzicht van elders ontwikkelde profielen. Er zou dan een hand-
leiding beschikbaar moeten komen hoe die profielen kunnen worden vertaald naar de lokale
situatie ("speelt dit profiel bij ons of niet?");
Een modulematige aanpak
De onderzoeksbevindingen zijn ons inziens aanleiding tot een modulematige aanpak. Gemeenten
hebben onderling verschillende voorkeuren en prioriteiten. Ze moeten dus gebruik kunnen maken
van die onderdelen of modules die voor hen interessant zijn en zijn niet gebaat met een "alles-of-
niets-model". We denken aan de volgende modules:
56
Het ontwikkelen van risicoprofielen.
· Aan de ene kant zijn er gemeenten die volledig zelf profielen willen ontwikkelen, daar moet
een methodiek voor ontwikkeld worden.
· Aan de andere kant zullen met name de kleine gemeenten gebaat zijn bij een lijst met reeds
ontwikkelde profielen. De kleine gemeenten lijken op dit moment weinig behoefte te hebben
aan het zelf ontwikkelen van een methodiek voor risicosturing: ze hebben een heel ander con-
tact met cliënten omdat ze kleinschaliger zijn, hebben te weinig consulenten voor een work-
shopachtige aanpak en hebben ook niet de aantallen om goed te kunnen toetsen.
Het toetsen van risicoprofielen
Gemeenten hebben waarschijnlijk behoefte aan een concrete handleiding hoe de ontwikkelde ri-
sicoprofielen in praktijk getoetst kunnen worden. Denk hierbij bijvoorbeeld aan de wijze van trek-
ken van de steekproef, de benodigde omvang van de steekproef, en de beoordeling van de
resultaten van de steekproef (is het profiel krachtig genoeg om toe te passen?).
Het gebruik van de profielen in de werkprocessen:
Deze modules geven aan op welke wijze profielen in de werkprocessen kunnen worden ingezet.
Hierbij onderscheiden we risicosturing bij intake, bij periodieke heronderzoeken, themacontroles,
bij prioritering van fraudesignalen en ter vervanging van de huidige periodiek heronderzoeken.
Modules voor evaluatie en communicatie
De modules voor evaluatie zijn gericht op het vaststellen van het rendement, verbeterpunten en
herijking van profielen (is het profiel nog actueel?).
De module voor communicatie gaat in op de wijze waarop de communicatie (zowel in- als extern)
het beste kan plaatsvinden. Het rendement van de risicoprofielen is immers beter wanneer cliën-
ten hiervan goed op de hoogte zijn. Bovendien voorkomt heldere communicatie over het gebruik
van risicoprofielen veel onrust bij bijvoorbeeld de politiek en cliëntenorganisaties.
6.2 De methodiek meer in detail
6.2.1 Modules voor de ontwikkeling en toetsing van risicoprofielen
We onderscheiden bij de ontwikkeling en toetsing van risicoprofielen een basismodule voor ge-
meenten die gebruik willen maken van reeds opgebouwde expertise en een uitgebreide module
voor gemeenten die zelf lokale profielen willen ontwikkelen.
Basismodule
De basismodule behelst een aanpak waarbij sterk geleund wordt op reeds ontwikkelde lokale pro-
fielen. Hij zou moeten bestaan uit de volgende stappen:
· Stap 1: Openbaar maken/beschikbaar stellen van lokaal ontwikkelde risicoprofielen. Van ieder
profiel zou moeten worden aangegeven om welk type fraude het gaat, in welke gemeenten ze
zijn ontwikkeld, in welke gemeenten het profiel is getoetst, en zo mogelijk de resultaten van
deze toetsing.
· Stap 2: Een aanpak voor gemeenten om de geldigheid en bruikbaarheid van de profielen in de
lokale situatie te kunnen beoordelen. Er zou bijvoorbeeld een checklist kunnen worden opge-
steld met aandachtspunten die bij zo'n lokale beoordeling relevant zijn: in ieder geval de om-
vang van de groep met het profiel in de gemeente, demografische kenmerken van de
57
bevolking, de herkenbaarheid van het profiel voor uitvoerenden. De herkenbaarheid van het
profiel voor uitvoerenden zou kunnen beoordeeld aan de hand van een lokale workshop met
uitvoerenden. Voor de uitvoering van een dergelijke workshop kan een methodiek ontwikkeld
worden.
· Stap 3: Toetsen van die profielen in de lokale praktijk. Ook voor deze toetsing kan een aanpak
beschreven worden. Het is denkbaar dat vooral kleine gemeenten amper mogelijkheden heb-
ben om een profiel echt te toetsen, gezien de beperkte omvang van de bijstandspopulatie.
Daarom is het goed bij de lijst met profielen aan te geven in hoeverre het betreffende profiel
elders al is getoetst en `bewezen'. In principe is het overigens denkbaar hierop in te spelen
door bepaalde, veel voorkomende profielen landelijk te gaan toetsen (wel te specificeren naar
omvang gemeente en regio).
Uitgebreide module
De uitgebreide module is bedoeld voor gemeenten die volledig zelf lokale profielen (verder) willen
ontwikkelen. Wat ons betreft is die aanpak gestoeld op de kwalitatieve aanpak (zie boven), waar-
bij het komende jaar eventueel een keuze zou moeten worden gemaakt tussen de LAT-aanpak
en het door Utrecht ontwikkelde model. In ieder geval moet de module de volgende onderdelen
bevatten:
· De te gebruiken bronnen, inclusief de wijze waarop deze zijn te vertalen naar bruikbare profie-
len (aan welke voorwaarden moet minimaal zijn voldaan, waar moet op worden gelet, etc.)
· Een aanpak voor workshops met consulenten (deelnemers, gesprekslijn, minimale argumen-
tatie, creatieve input, verwerking van de workshop, etc.)
· Een aanpak voor de toetsing van ontwikkelde profielen (zie ook stap 3 van de basismodule).
6.2.2 Modules voor het gebruik van risicoprofielen
Voor de verschillende toepassingsmogelijkheden die genoemd staan in § 3.3 kunnen aparte mo-
dules worden ontwikkeld. Gemeenten kunnen dan zelf bepalen van welke toepassingsmogelijk-
heden men gebruik wil maken. Dit houdt in dat de volgende modules worden ontwikkeld:
1. Gebruik risicoprofielen bij intensieve controle bij de poort
2. Gebruik risicoprofielen bij intensieve controle tijdens periodieke rechtmatigheidsonderzoeken.
3. Gebruik risicoprofielen ter (gedeeltelijke) vervanging van periodieke rechtmatigheidsonder-
zoeken
4. Gebruik risicoprofielen bij themacontroles
5. Gebruik risicoprofielen bij de selectie van fraudesignalen
Deze modules moeten ieder de volgende onderdelen bevatten:
· Randvoorwaarden voor toepassing
· Stappenplan voor de invoering
· Praktische hulpmiddelen bij de invoering (bijv. protocollen voor de uitvoering van intensieve
controles, checklist die gebruikt kan worden bij de prioritering van fraudesignalen)
· De beschrijving van de noodzakelijke aanpassingen in de werkprocessen waarin gebruik
wordt gemaakt van risicosturing
· De consequenties op het gebied van automatisering
De bovenstaande modules verschillen in de mate waarin de organisatie de werkprocessen moet
aanpassen. Het gebruik van risicoprofielen bij themacontroles vergt bijvoorbeeld minder aanpas-
sing van de werkprocessen dan het gebruik van risicoprofielen ter (gedeeltelijke) vervanging van
58
periodieke rechtmatigheidsonderzoeken. Idealiter zou er daarom ook een afwegingskader be-
schikbaar moeten komen, op basis waarvan gemeenten meer zicht krijgen op de gevolgen en ef-
fecten van de verschillende toepassingsmogelijkheden.
6.3 Hoe nu verder
Experimenten
Om de kwalitatieve methode verder te ontwikkelen is het nodig om een aantal gemeentelijke ex-
perimenten op te zetten, en deze grondig te evalueren. Deze experimenten dienen als basis om
de in de vorige paragraaf beschreven modules verder te ontwikkelen en om een implementatie-
plan op te stellen. We geven hier geen gedetailleerde omschrijvingen van de experimenten. Deze
kunnen het beste worden opgezet in samenspraak met de bureau's die de experimenten gaan
begeleiden. Wel geven we een aantal feiten en overwegingen weer die van belang zijn bij de op-
zet van de experimenten.
Uit deze inventarisatie blijkt dat de meeste gemeenten nog bezig zijn met het ontwikkelen of toet-
sen van risicoprofielen. Slechts enkele gemeenten hebben daadwerkelijk ervaring opgedaan met
de toepassing van risicoprofielen. De gemeenten Winterswijk, Leeuwarden, Tilburg, Venlo en
Zaanstad zijn de enige gemeenten uit deze inventarisatie die risicoprofielen daadwerkelijk al toe-
passen. Deze gemeenten, met uitzondering van Winterswijk, werken met de kwalitatieve aanpak.
Venlo en Zaanstad zijn sinds 1 april 2003 gestart. Leeuwarden heeft al langer hiermee ervaring
opgedaan. Tilburg richt zich met name op de statistische aanpak.
Het ligt daarom voor de hand om in ieder geval Leeuwarden en Utrecht bij de experimenten te
betrekken. Leeuwarden, omdat deze gemeente het langste bezig is met de toepassing van risi-
coprofielen op basis van de kwalitatieve aanpak. Utrecht, omdat deze gemeente een heel ander
type risicoprofiel heeft ontwikkeld dat men gaat testen in een pilot. Het loont de moeite om te vol-
gen wat hiervan in praktijk de resultaten zijn.
Er blijkt in praktijk niet sprake te zijn van één kwalitatieve aanpak. Gemeenten vullen de kwalita-
tieve aanpak op onderdelen anders in. Hierbij onderscheiden we de volgende elementen:
1. Gebruik van meerdere bronnen bij het ontwikkelen van profielen: naast ervaringsdeskundig-
heid van medewerkers, ook gebruik van RIF-onderzoeken of analyse van lokale fraudebe-
standen.
2. Het type profielen dat wordt ontwikkeld. Met gebruik van dezelfde bronnen kan toch een an-
der eindresultaat worden bereikt. Zie bijvoorbeeld het verschil tussen Utrecht en Leeuwar-
den.
3. De toetsing van profielen. Wordt er getoetst of niet, en op welke wijze?
4. Op welke wijze worden de profielen toegepast (zie § 3.3)?
Daarom is het verstandig om voor iedere aanpak meerdere experimenten op te starten. In dit op-
zicht is het een voordeel dat veel gemeenten nog niet ver zijn. Dit maakt het mogelijk op zoek te
gaan naar gemeenten die bereid zijn te experimenteren met bepaalde onderdelen van de kwalita-
tieve aanpak, in ruil voor facilitering en evaluatie van het project.
Het is van belang om voorafgaand aan de start van de experimenten reeds goed na te denken
over de evaluatie en de vragen die hierin beantwoord moeten worden. Deze evaluatie moet im-
mers de input leveren voor de te ontwikkelen modules. Wanneer vooraf onvoldoende aandacht
besteed wordt aan de evaluatie bestaat het risico dat bepaalde vragen niet kunnen worden be-
59
antwoord, omdat de benodigde informatie niet voor handen is. Daarnaast is het handig om een
procesevaluatie uit te voeren waarbij op meerdere momenten tijdens het experiment een meting
wordt uitgevoerd. Dit is van belang om inzicht te krijgen in eventuele knelpunten, mogelijke oplos-
singen voor knelpunten en randvoorwaarden.
Overige interessante ontwikkelingen
Verder is het zinvol een aantal ontwikkelingen te volgen die mogelijk van belang zijn voor de ont-
wikkeling van risicoprofielen.
Ten eerste is het goed om op de hoogte te blijven van de voortgang met betrekking tot een kop-
peling tussen de landelijke bijstandsfraudestatistiek en andere bestanden die mogelijke relevant
zijn voor risicoanalyse, zoals de bijstandstatistiek en het GBA. Op basis van overleg tussen het
CBS en het ministerie van SZW vindt in september 2003 een eerste test plaats, waarbij dergelijke
koppelingen een rol spelen. Deze actie is vooral bedoeld om een duidelijk beeld te krijgen van de
mogelijkheden die de bij de bijstandsfraudestatistiek verzamelde gegevens bieden. Wellicht dat in
dit kader ook ervaringen worden opgedaan met het oog op een landelijke risicoanalyse. Hierbij
gaat het onder meer om de vraag of voldaan wordt aan de noodzakelijke randvoorwaarden (zie §
3.1.2. de statistische aanpak).
Verder is de SIOD bezig om een monitor sociale zekerheidsfraude op te zetten. Ook bij dit initia-
tief loont het de moeite om op de hoogte te blijven, en te bekijken of een dergelijke monitor moge-
lijkheden biedt in het kader van risicoprofielen.
In het project `Ontwikkeling en verbetering integrale handhaving in de keten van werk en inko-
men' werken zeven gemeenten (Almelo, Apeldoorn, Hilversum, Leeuwarden, Nijmegen, Rotter-
dam en Tilburg) op experimentele basis samen met de landelijke CWI-organisatie, met als doel
het versterken van de handhaving in de uitvoering van de keten van werk en inkomen. Omdat het
de bedoeling is dat risicoprofielen, als één van de onderdelen van dit project, als experiment wor-
den ingezet bij het CWI, is het interessant om de vorderingen van dit project te blijven volgen.
Tot slot is uit deze inventarisatie gebleken dat bestandskoppelingen tussen bestanden van socia-
le diensten en andere organisaties een bijdrage kunnen leveren aan vroegtijdige detectie van
fraude. Met name de huidige RIF's zijn hier vrij actief mee bezig. Ook gemeenten zien potentie in
uitbreiding van deze mogelijkheden. Bekeken moet worden op welke wijze ook op dit vlak kennis-
vermeerdering kan worden gestimuleerd.
60
7 Nawoord StimulanSZ
61
62
Bijlage 1 Organisaties uit inventarisatie die bezig zijn
met risicosturing
Tabel 11 Sociale diensten die bezig zijn met (de ontwikkeling van) risicosturing
Gemeente Stand van Zaken Karakterisering van de methode
Almelo · Men is bezig risicoprofielen op te stellen `Kwalitatieve' aanpak
Apeldoorn · Risicoprofielen moeten nog worden ontwikkeld `Kwalitatieve' aanpak
· Men voert themacontroles uit
Arnhem · Risicoprofielen moeten nog worden ontwikkeld `Kwalitatieve' aanpak
Dordrecht · Men is bezig risicoprofielen op te stellen `Kwalitatieve' aanpak
Eindhoven · Risicoprofielen moeten nog worden ontwikkeld `Kwalitatieve' aanpak
Hilversum · Men is bezig risicoprofielen op te stellen `Kwalitatieve' aanpak
Leeuwarden · Men past risicoprofielen toe `Kwalitatieve' aanpak
Nijmegen · Men is bezig risicoprofielen op te stellen `Kwalitatieve' aanpak
Rotterdam · Risicoprofielen moeten nog worden ontwikkeld `Kwalitatieve' aanpak
Tilburg · Men heeft in pilot risicoprofielen toegepast. Men is Statistische aanpak en `kwalitatieve'
bezig een vervolg op de pilot te ontwikkelen. aanpak
Utrecht · Risicoprofiel (scorekaart) wordt getest in een pilot `Kwalitatieve' aanpak
Venlo · Men past risicoprofielen toe (sinds 1 april 2003) `Kwalitatieve' aanpak
Winterswijk · Men past risicoprofielen toe `Gezond verstand' aanpak
Zaanstad · Men past risicoprofielen toe (sinds 1 april 2003) Zaanstad stelt zelf geen risicoprofie-
len op, maar maakt gebruik van re-
sultaten van andere gemeenten.
1Er is gericht gezocht en gevraagd naar gemeenten die bezig zijn met risicoanalyses. Dit overzicht heeft dus niet
betrekking op een representatieve steekproef en pretendeert niet volledig te zijn.
Tabel 2 Andere organisaties die in het kader van dit onderzoek zijn benaderd
Organisatie Karakterisering van de methode van risicosturing
RIF's De theoretische aanpak: men formuleert hypotheses over mogelijke frau-
des die zich in bepaalde situaties kunnen voordoen (met name branche-
analyses)
SIOD De theoretische aanpak (barrièremodel, zie § 3.1.2)
Sociale Verzekeringsbank De theoretische aanpak
Belastingdienst Statistische aanpak: geautomatiseerde analyse van formulieren
Zorgverzekeraars Statistische aanpak
IB-groep Maken geen gebruik van risicosturing
UWV De theoretische aanpak en de statistische aanpak
63
64
Bijlage 2 Lijst deelnemers expertmeeting StimulanSZ
Gemeente Afdeling Naam
Leeuwarden Dienst Sociale Zaken Dhr. W. van Rijnsoever
Tilburg Dienst Sociale Zaken, afdeling BFB Dhr. W. van Hoof
Hilversum Dienst MO, afd. Sociale Zaken Mw. E. Vierstra
Dordrecht Sociale Dienst Dhr. T. Willemsen
Winterswijk Sociale Zaken Mw. E. Looman
Utrecht Dienst MO, afd. SoZaWe-fraudebestrijding Dhr. J. Verbossen
Hoorn Sociale Zaken Dhr. P. Deykers
Amsterdam Sociale Dienst, afd, Handhaving Dhr. F. Born
Marum Sociale Zaken Dhr. H. de Rue
Deventer Sector Sociale Voorzieningen Dhr. F. Dieleman
Enschede sociale dienst dhr. G. Kinkhuis
Nijmegen sociale dienst dhr. De Ruiter
Expertmeeting risicoprofielen
d.d. 15 mei 2003 te Arnhem
65
---
Research voor Beleid
Schipholweg 13 - 15
Postbus 985
2300 AZ Leiden
telefoon: (071) 5253737
telefax: (071) 5253702
e-mail: rvb@rvbh.nl
www.researchvoorbeleid.nl
67