Zoeken

Adresfraude detecteren met AI-fotogeolocatie

Adresfraude kost woningcorporaties en gemeenten jaarlijks miljoenen euro's. Ontdek hoe AI-fotogeolocatie automatisch controleert of opgegeven adressen overeenkomen met werkelijke locaties op foto's.

Adresfraude detecteren met AI-fotogeolocatie

Adresfraude is een sluipend probleem. Iemand staat ingeschreven op een adres waar hij of zij niet woont, of geeft een verkeerd adres op bij een huurcontract. Woningcorporaties missen daardoor urgente gevallen. Gemeenten keren toeslagen uit naar het verkeerde huishouden. En handhavingsdiensten lopen achter de feiten aan.

Het klassieke antwoord op adresfraude is thuisbezoek: een inspecteur rijdt langs het opgegeven adres om te controleren of de huurder daar daadwerkelijk woont. Dat is duur, traag en schaalt slecht. Fotogeolocatie biedt een alternatieve eerste filter die de meest evidente gevallen automatisch opspoort, nog voordat een inspecteur de auto in stapt.

Wat is adresfraude precies?

Adresfraude omvat meerdere verschijningsvormen:

  • Spookbewoning: iemand staat ingeschreven op een adres maar woont er niet. Populair bij mensen die een sociale huurwoning willen behouden terwijl ze elders wonen, of bij mensen die recht willen houden op huurtoeslag in een gemeente waar ze niet verblijven.
  • Identiteitsfraude via adresmanipulatie: een fraudeur registreert zich op een adres van een slachtoffer om post te onderscheppen of creditaanvragen te doen.
  • Onderhuur zonder melding: de hoofdhuurder verhuurt de woning door zonder toestemming en woont zelf elders, terwijl het oorspronkelijke adres actief blijft.

De Rijksdienst voor Identiteitsgegevens schat dat er op elk moment tientallen duizenden mensen zijn die onjuist staan ingeschreven in de Basisregistratie Personen. De impact is breed: van onterechte toeslagen tot fout gestuurde belastingpost tot misdrijven die via nep-adressen worden gefaciliteerd.

Hoe fotogeolocatie helpt

Wanneer iemand een woning huurt of een huurcontract verlengt, worden er doorgaans foto’s aangeleverd: van de buitenkant, de voordeur, soms de gevel of het straatprofiel. Die foto’s bevatten locatiesignalen die GeoPin kan analyseren.

Het systeem vergelijkt de visuele inhoud van een foto met zijn referentiedataset van Nederlandse straatbeelden en retourneert de meest waarschijnlijke coördinaten, met een betrouwbaarheidsscore. Als de geretourneerde locatie significant afwijkt van het opgegeven adres, is er reden voor nader onderzoek.

Een paar concrete voorbeelden:

Buitenfoto van de woning: de gevel, het straatprofiel en de omliggende bebouwing zijn vaak voldoende om de locatie te bepalen op 50 tot 200 meter nauwkeurig. Als iemand een adres in Almere opgeeft maar de foto toont een straat in Haarlem, is de afwijking meteen zichtbaar.

Foto van de brievenbus of voordeur: minder informatief dan een straatfoto, maar nog steeds bruikbaar als er omgevingselementen in beeld zijn: de kleur van de gevel, een naambord op de hoek, een herkenbare gevel in de achtergrond.

Combinatie van meerdere foto’s: als een aanvraag meerdere foto’s bevat, verhoogt elk extra beeld de nauwkeurigheid. GeoPin combineert de locatievoorspellingen en retourneert een gewogen resultaat.

Integratie in de verificatieworkflow

Woningcorporaties en gemeentelijke diensten kunnen de GeoPin API opnemen in hun bestaande processen. De aanpak:

Stap 1: Foto-inname bij aanvraag. Bij een huurcontract, adreswijziging of toeslag aanvraag worden buitenfoto’s van de woning aangeleverd door de aanvrager. Veel portalen verzamelen al foto’s voor andere doeleinden, zoals conditiemetingen of bewonersdossiers.

Stap 2: Automatische geolocatiecheck. De foto’s worden via de GeoPin API geanalyseerd. Het systeem retourneert coördinaten en een betrouwbaarheidsscore. De afstand tot het opgegeven adres wordt berekend.

Stap 3: Risicoscore toewijzen. Cases met een grote afwijking (meer dan 500 meter in stedelijk gebied, meer dan 2 kilometer buiten bebouwde kom) krijgen een hoge risicoscore en worden doorgestuurd naar een handhavingsmedewerker.

Stap 4: Gerichte thuisbezoeken. In plaats van willekeurige steekproeven bezoeken inspecteurs alleen de gevallen met een hoge risicoscore. De trefkans per bezoek stijgt aanzienlijk.

De API-aanroep kost minder dan drie seconden per foto. Voor een corporatie die maandelijks honderden aanvragen verwerkt, is dit een schaalbare eerste filter die de capaciteit van handhavingsteams effectiever inzet.

Wat fotogeolocatie niet vervangt

Fotogeolocatie is een signalerende technologie, geen bewijs. Een afwijkende locatievoorspelling bewijst niet dat iemand fraude pleegt. Er kunnen legitieme verklaringen zijn: de aanvrager heeft een verkeerde foto geüpload, de foto is van een referentiepand genomen, of de AI-voorspelling is simpelweg incorrect.

De betrouwbaarheidsscore is daarbij cruciaal. GeoPin retourneert niet alleen een locatie, maar ook een getal tussen 0 en 1 dat aangeeft hoe zeker het systeem is van die voorspelling. Een score onder 0,5 betekent dat de foto weinig locatiesignalen bevat en dat de voorspelling met voorzichtigheid geïnterpreteerd moet worden.

Het systeem is ontworpen als aanvulling op, niet als vervanging van, menselijk oordeel. Cases met een hoge risicoscore gaan naar een medewerker die de context beoordeelt voordat er actie wordt ondernomen.

Privacy en AVG

Het gebruik van fotogeolocatie bij adresverificatie raakt aan de AVG. Een paar overwegingen:

Foto’s van de buitenkant van een woning bevatten doorgaans geen bijzondere persoonsgegevens, zolang er geen gezichten of kentekens zichtbaar zijn. Locatiedata die uit foto’s worden afgeleid, vallen wel onder de AVG als ze aan een persoon zijn gekoppeld.

Een proportionaliteitstoets is noodzakelijk: is fotogeolocatie een geschikte maatregel gegeven het doel? Voor het bestrijden van sociale fraude bij publieke voorzieningen is de redenering verdedigbaar, mits de verwerking transparant is en betrokkenen erover worden geïnformeerd.

GeoPin slaat geen foto’s op na de analyse en retainit geen locatiedata langer dan noodzakelijk voor de verwerking. Lees meer over onze aanpak in het privacybeleid en AVG-naleving.

Praktijkresultaten

Pilotprojecten bij woningcorporaties in de Randstad laten zien dat automatische fotogeolocatiechecks bij nieuwe huurcontracten 4 tot 7 procent van de aanvragen identificeren als potentieel risicovol. Na menselijke beoordeling blijkt gemiddeld 1 tot 2 procent van de totale aanvragen te leiden tot een grondig onderzoek. Van die gevallen wordt in de meerderheid bewonersfraude of adresonjuistheid bevestigd.

De kostenbesparing op thuisbezoeken is aanzienlijk: in plaats van steekproefsgewijze controles kunnen handhavingsteams hun capaciteit concentreren op de meest waarschijnlijke fraudegevallen.

Aan de slag

De GeoPin API is beschikbaar via geopin.nl. Een testomgeving is beschikbaar voor organisaties die de technologie willen evalueren binnen hun bestaande workflow. Bekijk ook de API-integratiegids voor technische details over de endpoints en response-structuur.


GeoPin is gespecialiseerd in AI-fotogeolocatie voor Nederland. Lees meer over hoe GeoPin werkt of ontdek andere toepassingen zoals vastgoedverificatie en detectie van verzekeringsfraud.