Vorige maand kwam de onderzoeksredactie van RTL Nieuws naar buiten met een ‘Onderwereldkaart’. Deze kaart vergelijkt gemeenten op basis van kwetsbaarheid voor ondermijnende criminaliteit. Een hoge score op deze kaart betekent volgens de onderzoekers niet dat er in de gemeente veel ondermijnende criminaliteit is, maar dat het risico op ondermijnende criminaliteit hoger is dan in andere gemeenten met een lagere score. In deze blog beargumenteren wij waarom de Onderwereldkaart in de huidige vorm geen goed idee is. In het bijzonder zullen we ingaan op het doel van de kaart, de gebruikte indicatoren en hoe er tot nu toe op de kaart is gereageerd. Tot slot doen we enkele handreikingen die volgens ons leiden tot een verbeterde weergave van het doel van de kaart.

Het doel van de Onderwereldkaart

De onderzoeksredactie van RTL Nieuws heeft met de Onderwereldkaart onderzocht hoe kwetsbaar inwoners, bedrijven en gemeenten zijn voor ondermijnende criminaliteit. Dit is geen gemakkelijke opgave en de gekozen aanpak is lovenswaardig. De onderzoekers hebben gebruikgemaakt van een divers palet aan data uit open bronnen en hebben experts uit verschillende disciplines betrokken bij de selectie van indicatoren. Daarnaast maken ze gebruik van interactieve geografische kaarten om hun bevindingen te rapporteren. Ook kon de Onderwereldkaart rekenen op reacties uit verschillende hoeken: gemeenten, de politie en zelfs de minister van Justitie en Veiligheid heeft gereageerd op de bevindingen. Aan valorisatie van het onderzoek dus geen gebrek. Dat is iets waar wij als wetenschappers nog iets van kunnen leren. Toch zijn er enkele belangrijke kanttekeningen te plaatsen bij de (methodologische) opzet van de Onderwereldkaart.

Ondermijning lastig te definiëren

‘Ondermijning is vaak onzichtbaar’, stellen onderzoekers van RTL Nieuws. Desondanks of juist daarom proberen de betrokken onderzoekers met deze kaart ondermijning in kaart te brengen: ‘We hopen dat de Onderwereldkaart inwoners en bedrijven helpt om signalen van ondermijnende criminaliteit te herkennen en dat gemeenten het gebruiken om te kijken waar ze staan en wat ze kwetsbaar maakt’.[1] Kort samengevat geeft de kaart aan de hand van twintig indicatoren een indicatie voor hoe kwetsbaar inwoners, bedrijven en gemeenten zijn voor ondermijning en ondermijnende criminaliteit. Ons eerste punt van kritiek richt zich op wat we vanuit wetenschappelijk oogpunt de ‘uitkomstvariabele’ zouden noemen: wat precies is ‘kwetsbaarheid voor ondermijnende criminaliteit’? De onderzoekers merken in het verantwoordingsdocument[2] terecht op dat het fenomeen ondermijning door het ontbreken van een eenduidige definitie ‘lastig’ valt te ‘concretiseren’. Ondermijning kan immers, zo beschrijven de auteurs, ‘op veel verschillende manieren plaatsvinden’ en dus zijn er ook ‘veel potentiële signalen die kunnen duiden op criminele ondermijning’. Toch doen de onderzoekers een poging om de term handen en voeten te geven. Met ondermijning wordt in dit onderzoek gedoeld op ‘de manier waarop de leefbaarheid, democratie en rechtstaat worden ondergraven of verzwakt doordat criminelen misbruik maken van bedrijven en personen in de bovenwereld’, en wordt ‘criminele ondermijning’ beschreven als ‘de negatieve maatschappelijke effecten van de georganiseerde misdaad’.[3]

De term ondermijning is inderdaad lastig te definiëren en dat is precies de reden waarom verschillende wetenschappers er recent voor hebben gepleit om de term in zijn geheel los te laten. De term kan op veel verschillende manieren worden geïnterpreteerd, met als gevolg een ‘verlammend effect’ op de operationele praktijk (Nelen et al., 2022: 145-146[4], zie ook Boutellier, 2020[5], Salet, Terpstra & de Jong, 2019[6] en Vols, 2019[7]). Kort gezegd: omdat ondermijning haast allesomvattend is, blijft onduidelijk welk specifiek probleem of effect wordt of moet worden aangepakt. Maar juist dit inzicht is van belang om een effectieve aanpak vorm te kunnen geven.

Wat ons betreft trappen de onderzoekers van RTL Nieuws met hun beschrijving van ondermijning en criminele ondermijning in dezelfde valkuil. Hierdoor blijft onduidelijk waar de Onderwereldkaart precies zicht op geeft: voor welke vorm(en) van criminaliteit of effecten daarvan zijn de burgers, bedrijven en gemeenten nu precies kwetsbaar? Voor een effectieve aanpak van criminaliteit is het immers belangrijk om vooraf vast te stellen welke vorm van criminaliteit je wilt aanpakken. De modus operandi van bijvoorbeeld witwassen is anders dan die van het importeren van illegale wapens, en dus zijn ook de interventiemogelijkheden van de twee delicten verschillend.  

Kwetsbaarheid, geregistreerde criminaliteit of de effecten daarvan

Naast dat de definitie weinig concreet is, valt ook op dat de onderzoekers zich in hun omschrijving van criminele ondermijning richten op de ‘negatieve maatschappelijk effecten’ van georganiseerde criminaliteit. Waar de onderzoekers elders nog opmerkten dat de Onderwereldkaart per gemeente aanwijzingen geeft voor kwetsbaarheid voor ondermijning, doet de definitieomschrijving dus vermoeden dat de twintig indicatoren zicht zouden moeten geven op de effecten van criminaliteit. Vervolgens wordt ook vermeld dat de kaart ‘nadrukkelijk geen weergave van geregistreerde criminaliteit, maar een combinatie van geregistreerde ondermijnende criminaliteit en kenmerken die kunnen duiden op potentiële kwetsbaarheden” is.[8] Het gaat dus blijkbaar zowel om geregistreerde ondermijnende criminaliteit, kenmerken die kunnen duiden op potentiële kwetsbaarheden én om de effecten daarvan. Dit wekt verwarring op en roept de vraag op hoe de kaart kan bijdragen aan de herkenbaarheid van signalen.

Logische denkfout

De onderzoekers stellen dat met de Onderwereldkaart onderzocht wordt hoe kwetsbaar inwoners, bedrijven en gemeenten zijn voor ondermijnende criminaliteit. De gebruikte data worden echter uitsluitend op het gemeentelijk niveau gepresenteerd, maar daaruit kunnen inwoners en bedrijven hun kwetsbaarheid niet afleiden. Doen ze dat wel, maken ze een logische denkfout waarbij de eigenschappen van een grotere populatie geldig worden geacht op een lager aggregatieniveau: ‘wat klopt voor de gemeente als geheel, klopt ook voor elk van haar onderdelen’.

De onderzoekers lijken hier overigens ook in te tuinen, want in de titel spreekt men van ‘Criminele ondermijning in jouw buurt’ en in de introductie stellen zij dat de Onderzoeksredactie van RTL Nieuws onderzoekt ‘hoe kwetsbaar jouw buurt is voor criminele ondermijning’. Buurten zijn echter kleinere geografische eenheden dan gemeenten: Nederlandse gemeenten kennen anno 2022 gemiddeld 41,5 buurten.[9] Maar er bestaan betekenisvolle verschillen tussen buurten (‘de ene buurt is de andere niet’; zie Pauwels, 2002[10]). Daarnaast weten we dat zelfs de meeste plekken in een buurt met veel criminaliteit eigenlijk veilig zijn en criminaliteit zich concentreert op enkele specifieke straatsegmenten.[11] De kenmerken van de gemeente mogen dus niet zomaar geldig worden geacht op een lager niveau, zoals buurten of bedrijven. De Onderwereldkaart wordt daarom ook beter niet als graadmeter voor de kwetsbaarheid van buurten, bedrijven en burgers gepresenteerd.

De gebruikte indicatoren

In de toelichting van de keuze van de indicatoren wordt uiteengezet dat men geprobeerd heeft zowel zogenoemde ‘prestatiegerichte’ en ‘voorspellende’ indicatoren te betrekken. Onder prestatiegerichte indicatoren wordt verstaan: ‘resultaten van bijvoorbeeld opsporing, denk aan het aantal veroordeelde drugscriminelen, het aantal gevonden verdachte transacties of het geregistreerde aantal zaken van mensenhandel’. Daarnaast betrekken de onderzoekers voorspellende indicatoren, die zij als volgt beschrijven:‘indicatoren die meer dynamisch zijn en minder afhankelijk van prestaties (…) bijvoorbeeld het aandeel kwetsbare jongeren, vastgoed met een verhoogd risico of de aanwezigheid van bedrijven uit risicovolle branches’.[12] Het is op zich interessant dat de onderzoekers verschillende indicatoren betrekken in de analyse. Maar de vraag die rijst bij voorspellende indicatoren is: in welke mate is aangetoond dat deze indicatoren daadwerkelijk een voorspellende waarde hebben voor criminele ondermijning? Uit het onderzoek blijkt niet of deze voorspellende waarde is getest en wat de uitkomsten hiervan zijn.

Ambigue uitkomstvariabele

De geselecteerde indicatoren duiden zowel op gelegenheden als op gevolgen. Dat hoeft niet problematisch te zijn wanneer de indicatoren duidelijk van elkaar zijn gescheiden. Maar wanneer de indicatoren worden gecombineerd zodat ze zowel oorzaken als gevolgen weerspiegelen, is niet meer duidelijk wat een hogere of lagere score in werkelijkheid betekent. Zijn er veel gelegenheden voor ondermijnende criminaliteit of voor veel gevolgen? Je meet als het ware een ambigue uitkomstvariabele.
Daarnaast plaatsen we onze vraagtekens bij de operationalisering van individuele indicatoren. Wat is bijvoorbeeld het belang van het aantal verdachten of veroordeelden voor bepaalde delicten per gemeente? Is de woonlocatie van verdachten of criminelen bepalend voor de kwetsbaarheid van gemeenten voor delicten of de gevolgen ervan? Uit welk onderzoek blijkt bijvoorbeeld dat mensen die zich schuldig maken aan witwassen, dit doorgaans doen in de gemeente waar ze ook wonen? En hoe zit dit bij wapen- en mensenhandel? Zorgen de daders van deze delicten doorgaans ook voor dezelfde of misschien juist andere vormen van ondermijnende criminaliteit in hun eigen gemeente? We zeggen niet dat dit voor de verdachten van deze delicten niet het geval zou zijn. Wat we wél zeggen is dat het van belang is om het werkbare mechanisme zichtbaar te maken, omdat pas duidelijk wordt hoe criminaliteit het beste kan worden aangepakt als we heel precies weten hoe een indicator bijdraagt aan (kwetsbaarheid voor) ondermijnende criminaliteit. In het Verantwoordingsdocument zou dus een motivering verwacht mogen worden van op welk onderzoek men zich baseert om de indicatoren te onderbouwen. Pas dan is de Onderwereldkaart van toegevoegde waarde voor de praktijk.

Een niet-stigmatiserende kaart?

Eén van de voorwaarden voor inclusie van een indicator, zo blijkt uit het Verantwoordingsdocument, was dat deze niet stigmatiserend zijn. Maar worden de opgenomen branches, zoals de kappers en schoonheidssalons, niet gestigmatiseerd wanneer de kaart tot doel heeft om inwoners en bedrijven te helpen om signalen van ondermijnende criminaliteit te herkennen en gemeenten te helpen om een inschatting te maken waar ze staan en wat ze kwetsbaar maakt? Er zijn immers veel kwetsbare branches, zoals ook blijkt uit het rapport dat de onderzoekers aanhalen ter verantwoording van de gekozen branches.[13] Daarnaast kan men zich ook afvragen of het samenspel van de twintig indicatoren, weergegeven in een top-X van gemeenten en gevisualiseerd met behulp van verschillende tinten rood, niet eveneens een stigmatiserende uitwerking heeft op gemeentelijk niveau. Eén dag na de lancering van de Onderwereldkaart publiceert RTL Nieuws een artikel over de gemeente Tubbergen, de gemeente die van alle gemeenten het beste scoort: ‘Er is geen gemeente waar de georganiseerde misdaad moeilijker voet aan de grond zet dan in het Twentse Tubbergen’.[14] Dat in het artikel wordt gesproken over het ‘succes van Tubbergen’ en daarbij de vraag wordt gesteld of hier wellicht ‘de sleutel in de aanpak van criminele ondermijning’ ligt, leidt impliciet tot het ‘falen van Heerlen’, de gemeente die het slechtste uit de bus komt. Zo beschrijven de onderzoekers in een andere bijdrage dat ruim een derde van de woningen in Heerlen een verhoogd risico op een hennepplantage heeft. Hiervoor is gekeken naar het aantal aangetroffen hennepplantages, maar ook naar het besteedbaar inkomen van huishoudens en het aantal bewoners per woning in deze regio.[15] Het is niet ondenkbaar dat wanneer politie en andere instanties op de uitkomsten van deze kaart acteren, de aandacht als gevolg veelal zal uitgaan naar de gezinnen met een lagere sociaaleconomische status. Dit werkt ontegenzeggelijk stigmatiserend voor (burgers in) Heerlen, zeker wanneer repressieve middelen worden ingezet. Dat dit laatste niet ondenkbaar is, blijkt uit de volgende paragraaf waarin we laten zien dat ‘kwetsbaarheid’ lijkt te worden begrepen als een vorm van criminaliteit. 

Risico’s ingewisseld voor voldongen (criminele) feiten

Een ander ‘gevaar’ van de Onderwereldkaart schuilt in de naam van de kaart zelf. Ten eerste ontstaat door te spreken over de Onderwereldkaart het beeld van criminelen die zich in een andere wereld zouden begeven, afgezonderd van de rest van de samenleving. Natuurlijk proberen criminelen hun illegale activiteiten buiten het zicht van de overheid en burgers te houden, maar we weten ook dat criminelen voor het plegen van criminaliteit vaak afhankelijk zijn van bestaande legale structuren. Denk bijvoorbeeld aan de transportsector voor de in- en export van drugs en aan de bestaande financiële structuren die nodig zijn om geld wit te wassen. Het onderscheid tussen de zogenaamde onder- en bovenwereld is dus denkbeeldig. Ze zijn eerder volledig in elkaar verstrengeld.
Ten tweede: hoewel de kaart pretendeert enkel kwetsbaarheden of risico’s voor het voetlicht te brengen, doet de naam vermoeden dat de actuele criminaliteit in kaart is gebracht. Ook minister Yeşilgöz-Zegerius van Justitie en Veiligheid lijkt van het laatste uit te zijn gegaan, wanneer ze concludeert: ‘Het laat zien dat georganiseerde criminaliteit zich in elke hoek van ons land heeft kunnen nestelen en wortelen’.[16] Kwetsbaarheden, risico’s en signalen worden hier dus ingewisseld voor voldongen (criminele) feiten, terwijl door de onderzoekers nog werd benadrukt dat een hoge score op de kaart niet betekent dat er in de gemeente veel ondermijnende criminaliteit is. Hoe het ook zij, burgemeesters in het zuiden van Limburg hebben de minister al opgeroepen om geld vrij te maken ‘voor meer agenten, rechercheurs en rechters om meer te kunnen handhaven en zo de problemen het hoofd te kunnen bieden’.[17] Men kan zich hier overigens afvragen of de roep om meer handhaving op zijn plaats is. Juist omdat het bij de Onderwereldkaart over kwetsbaarheden gaat, bijvoorbeeld in relatie tot het kernmerk ‘Aandeel huishoudens met problematische schulden’, lijkt sociale preventie door andere partijen dan de politie wellicht een meer passende interventie.

Hoe nu verder?

Zoals de Onderwereldkaart goed laat zien, biedt de toegenomen beschikbaarheid van (openbare) gegevens kansen om onderzoek te doen naar kwetsbaarheden voor criminaliteit, criminaliteit zelf en de gevolgen ervan. We hebben in deze blog ook laten zien dat het belangrijk is dat deze gegevens op een juiste manier geselecteerd, geanalyseerd, geïnterpreteerd en gepresenteerd worden. Een grondige analyse ten bate van een geïnformeerde aanpak is belangrijk, want zoals Salet en collega’s (2019)[18] eerder stelden: ‘Ondermijning kan bedreigend zijn voor de rechtsstaat, maar een slecht doordachte ondermijningsaanpak kan dat ook’ (p. 1737). Samengevat doen we op basis van onze reflectie de volgende aanbevelingen:

1. Wees concreet over het fenomeen dat bestudeerd wordt. Gaat het om kwetsbaarheid, criminaliteit of effecten/gevolgen ervan?
2. Wees concreet over welke vorm van criminaliteit het gaat.
3. Wees concreet over het aggregatieniveau: gaat het om inwoners, bedrijven, gemeenten of buurten?
4. Zorg bij het gebruik van indicatoren voor een goede weerspiegeling van het concept dat je wenst te meten. In de methodologische literatuur wordt hier ook wel gesproken over het representatieproces.[19]
5. Gebruik betrouwbare gegevens of combineer databronnen waardoor meetfouten tot een minimum beperkt worden (zie het ‘meetproces’[20]).
6. Tot slot kunnen bestaande meetinstrumenten helpen bij het verkrijgen van een valide inzicht in specifieke fenomenen. Zo bestaan er diverse instrumenten om zicht te krijgen op kwetsbaarheden (bv. Huisman & van Nuth, 2022[21]), georganiseerde criminaliteit (bv. Vander Beken, 2004[22]) of schade daarvan (bv. Gómez-Quintero et al., 2022[23]).

Om een nadere analyse van (ondermijnende) criminaliteit verder handen en voeten te geven, is de politiestrategie die bekend staat als problem-oriented policing leerzaam. Deze aanpak pleit voor een diepgravende analyse van de uiteenlopende achtergronden en oorzaken van specifieke vormen van criminaliteit, waarbij oog is voor een reactieve strafrechtelijke aanpak, maar ook een belangrijke rol is weggelegd voor preventie door andere publieke en private partijen.

Teun van Ruitenburg, Postdoc onderzoeker NSCR
Thom Snaphaan, Senior onderzoeker Avans Hogeschool en promovendus Universiteit Gent

Verder lezen
Centre for Problem-Oriented Policing: https://popcenter.asu.edu/

Goldstein, H. (1990). Problem-oriented policing. McGraw-Hill. https://popcenter.asu.edu/sites/default/files/library/reading/pdfs/Goldstein_Book-2.pdf

Braga, A. (2008). Problem-oriented policing and crime prevention. Criminal Justice Press. https://popcenter.asu.edu/sites/default/files/braga_pop_intro_2.pdf

---

Voetnoten

[1] https://www.rtlnieuws.nl/onderzoek/artikel/5349222/vraag-antwoord-onderwereldkaart-vragen-qa

[2]https://www.rtlnieuws.nl/sites/default/files/content/documents/2022/12/02/Verantwoording%20RTL%20Nieuws%20Onderwereldkaart.pdf

[3]https://www.rtlnieuws.nl/sites/default/files/content/documents/2022/12/02/Verantwoording%20RTL%20Nieuws%20Onderwereldkaart.pdf

[4] Nelen, H., Van Wingerde, K., Moerland, R., & Bisschop, L. (2023). Koers bepalen. Over de lessen van de versterking aanpak georganiseerde drugscriminaliteit. Boom criminologie. https://repository.wodc.nl/handle/20.500.12832/3236

[5] Boutellier, H., Steden, R. van, Eski, Y., & Boelens, M. (2020). Een einde aan ondermijning. Tijdschrift voor Veiligheid, 19(1), 3-16.

[6]  Salet, R., Terpstra, J., de Jong, R. (2019). De aanpak van ‘ondermijning’. Nederlands Juristenblad, 2019(24), 1731–1737.

[7] Vols, M. (2020). Ondermijning: Van frame naar hype naar wet. Nederlands Tijdschrift voor Bestuursrecht, 2019(2), 48-52.

[8]https://www.rtlnieuws.nl/sites/default/files/content/documents/2022/12/02/Verantwoording%20RTL%20Nieuws%20Onderwereldkaart.pdf

[9] Centraal Bureau voor de Statistiek. (2022, 22 december). Kerncijfers wijken en buurten 2022. https://www.cbs.nl/nl-nl/maatwerk/2022/51/kerncijfers-wijken-en-buurten-2022

[10] Pauwels, L. (2002). De ene buurt is de andere niet. Exploratie van mogelijkheden tot contextualisering van geregistreerde criminaliteit op buurtniveau. VUBPress.

[11] Steenbeek, W., & Weisburd, D. (2015). Where the Action is in Crime? An Examination of Variability of Crime Across Different Spatial Units in The Hague, 2001–2009. Journal of Quantitative Criminology, 32,449–469. https://link.springer.com/article/10.1007/s10940-015-9276-3

[12]https://www.rtlnieuws.nl/sites/default/files/content/documents/2022/12/02/Verantwoording%20RTL%20Nieuws%20Onderwereldkaart.pdf

[13] https://www.riec.nl/documenten/rapporten/2019/10/21/landelijk-beeld

[14] https://www.rtlnieuws.nl/onderzoek/artikel/5346087/tubbergen-drugs-criminaliteit-onderwereldkaart

[15] https://www.rtlnieuws.nl/nieuws/nederland/artikel/5350437/heerlen-hennep-aanpak-100-procent-controle-succesvol

[16] https://www.rtlnieuws.nl/onderzoek/artikel/5351784/ondermijning-onderwereldkaart-yesilgoz-reactie-criminaliteit-gemeenten

[17] https://www.rtlnieuws.nl/onderzoek/artikel/5351784/ondermijning-onderwereldkaart-yesilgoz-reactie-criminaliteit-gemeenten

[18] Salet, R., Terpstra, J., de Jong, R. (2019). De aanpak van ‘ondermijning’. Nederlands Juristenblad, 2019(24), 1731–1737.

[19] Snaphaan, T., & Hardyns, W. (2021). Handvatten voor een kwaliteitsbeoordeling van big data: De introductie van het Total Error raamwerk. Tijdschrift voor Veiligheid, 20(4), 63–88. https://doi.org/10.5553/TvV/.000033

[20] Snaphaan, T., & Hardyns, W. (2021). Handvatten voor een kwaliteitsbeoordeling van big data: De introductie van het Total Error raamwerk. Tijdschrift voor Veiligheid, 20(4), 63–88. https://doi.org/10.5553/TvV/.000033

[21] Huisman, W., & van Ruth, S. (2022). Risky business: food fraud vulnerability assessments. Crime Law Social Change, 78,  559–576. https://doi.org/10.1007/s10611-021-10008-99

[22] Vander Beken, T. (2004). Risky business: A risk-based methodology to measure organized crime. Crime, Law and Social Change 41, 471–516. https://doi.org/10.1023/B:CRIS.0000039599.73924.af

[23] Gómez_Quintero, J., Chainey, S., & Borrion, H. (2022). A method for organized crime harm assessment: Connecting Associated Crimes. Policing: A Journal of Policy and Practice. https://doi.org/10.1093/police/paac046