Nederland investeert fors in de energietransitie. Via regelingen zoals de ISDE (Investeringssubsidie Duurzame Energie), de SEEH (Subsidie Energiebesparing Eigen Huis) en gemeentelijke fondsen kunnen huishoudens en bedrijven duizenden euro’s terugkrijgen op investeringen in zonnepanelen, warmtepompen, isolatie en laadinfrastructuur. De aanvraagprocedure is grotendeels digitaal: aanvragers uploaden foto’s van de installatie als bewijs dat de maatregel daadwerkelijk is uitgevoerd.
Dat klinkt afdoende. Maar het opent ook een deur voor fraude die moeilijk handmatig te detecteren is.
Het subsidiefraudeprobleem in de praktijk
De meest voorkomende vormen van subsidiefraude bij energiemaatregelen zijn niet spectaculair. Ze zijn juist subtiel.
Foto’s van een ander adres. Een aanvrager dient een subsidie in voor zonnepanelen op zijn eigen dak, maar de opgeladen foto’s zijn genomen bij een buurman, een familielid, of zelfs een willekeurige woning die eerder op Google Street View is gevonden. Zonder ter plaatse te gaan is dit lastig te controleren.
Hergebruik van eerder goedgekeurde foto’s. Dezelfde set installatiefoto’s wordt bij meerdere aanvragen ingediend: soms door dezelfde aanvrager voor dezelfde woning (dubbele aanvraag), soms via een netwerk van fraudeurs die elkaars foto’s uitwisselen.
Installateur faciliteert fraude. In zeldzamere gevallen voert een installateur werkzaamheden maar gedeeltelijk uit, of helemaal niet, en stelt foto’s van elders beschikbaar als bewijs voor de klant. Het subsidiegeld wordt gedeeld.
De schaal van het probleem is moeilijk precies te kwantificeren, omdat het ontdekken ervan arbeidsintensief is. RVO, de uitvoeringsorganisatie die de ISDE beheert, verwerkt tienduizenden aanvragen per jaar. Elk dossier bevat meerdere foto’s. Handmatige inspectie van elk dossier is ondoenlijk.
Waarom EXIF-metadata onvoldoende is
De voor de hand liggende eerste stap is het controleren van de GPS-coördinaten in de EXIF-metadata van de foto. Veel smartphones slaan die automatisch op bij het maken van een foto.
Maar EXIF-verificatie heeft fundamentele beperkingen bij subsidiecontrole.
Ten eerste is EXIF-data eenvoudig te wijzigen. Er zijn tientallen gratis tools beschikbaar die de ingebedde locatiedata aanpassen. Een fraudeur die weet dat de verantwoordelijke instantie op coördinaten controleert, past die simpelweg aan.
Ten tweede is EXIF-data vaak niet aanwezig. Foto’s gemaakt via WhatsApp, gedownload van een website, of genomen met een oudere camera bevatten doorgaans geen GPS-coördinaten. Een ontbrekend EXIF-locatieveld als reden voor afwijzing gebruiken zou te veel legitieme aanvragen blokkeren.
Ten derde is EXIF-data geen bewijs van de werkelijkheid, alleen van wat het apparaat op het moment van opname registreerde. Binnen een gebouw kan GPS-onnauwkeurigheid oplopen tot honderden meters.
Visuele fotogeolocatie, die de locatie bepaalt op basis van wat er op de foto te zien is, vormt een onafhankelijke verificatielaag die deze beperkingen niet heeft.
Hoe AI-geolocatie subsidiecontrole versterkt
GeoPin analyseert de visuele inhoud van een foto en vergelijkt die met zijn gedetailleerde index van Nederlandse adressen en omgevingen. Voor een foto van een dak met zonnepanelen betekent dit: herkent het systeem de dakstructuur, de gevelopbouw, de raamindeling, de omliggende bebouwing, de straatinrichting?
Het resultaat is een locatievoorspelling met bijbehorende confidence score en de meest waarschijnlijke GPS-coördinaten.
Bij subsidiecontrole levert dit drie directe toepassingen op.
Adresverificatie. De voorspelde locatie van de foto wordt vergeleken met het adres in de aanvraag. Klopt de foto visueel overeen met de gevel, het dak en de omgeving op dat adres? Een grote afwijking is een signaal voor nader onderzoek.
Deduplicatiedetectie. Dezelfde foto ingediend bij meerdere aanvragen wordt herkend aan zowel visuele gelijkenis als identieke geolocatieresultaten. Een set foto’s die al eerder in een goedgekeurd dossier zat, mag niet opnieuw als bewijs dienen.
Batch-screening bij inspectiepieken. Na campagnes of uitlooptermijnen van subsidieregelingen stromen er grote aantallen aanvragen binnen in korte tijd. Geautomatiseerde geolocatiescreening verwerkt honderden dossiers per uur, zodat menselijke inspecteurs alleen de opvallende gevallen hoeven te beoordelen.
Integratie met de bestaande aanvraagworkflow
Een praktische implementatie hoeft de bestaande aanvraagomgeving niet te vervangen. De GeoPin API integreert als verificatielaag tussen het uploadmoment en de definitieve beoordeling.
De workflow ziet er zo uit:
Stap 1: Upload. De aanvrager uploadt foto’s via het bestaande portaal. Niets verandert aan de voorkant.
Stap 2: Automatische scan. De ingediende foto’s worden via de API doorgestuurd naar GeoPin. Per foto retourneert het systeem binnen enkele seconden een locatievoorspelling, confidence score en indicatie of de foto al eerder in het systeem gezien is.
Stap 3: Routing. Aanvragen met hoge overeenstemming worden normaal verwerkt. Aanvragen met een significante locatiediscrepantie of lage confidence worden gemarkeerd voor handmatige controle.
Stap 4: Menselijke beoordeling. De beoordelaar ziet de aanvraag inclusief de geolocatie-uitslag, het verschil tussen voorspeld en opgegeven adres, en eventuele matches met eerdere aanvragen. Dat is concrete input, geen vaag vermoeden.
Foto’s van buitenkant versus installatiefoto’s
Een terechte vraag is: geolocatie werkt goed voor buitenfoto’s, maar installatiefoto’s van zonnepanelen of een warmtepomp in een technische ruimte bevatten soms weinig buitencontext.
Dat klopt. Subsidiepaketten bevatten doorgaans een mix van foto’s: overzichtsfoto’s van het dak of de gevel (hoge geolocatiewaarde), detailfoto’s van de installatie (lage geolocatiewaarde) en foto’s van energielabels of meetapparatuur (geen geolocatiewaarde).
De overzichtsfoto’s zijn het meest waardevol voor verificatie, en die zijn in vrijwel elk subsidiedossier aanwezig. Installateurs en aanvragers zijn gewend ze te maken als bewijs van de situatie voor en na de installatie. Het systeem hoeft slechts een of twee foto’s met voldoende buitencontext te vinden om een betrouwbare locatiecheck uit te voeren.
Waarom dit nu urgent is
De subsidiestromen voor de energietransitie nemen toe, niet af. Meer geld betekent meer aantrekkingskracht voor fraude. Tegelijk zijn de uitvoeringsorganisaties die de aanvragen verwerken niet evenredig meegegroeid in capaciteit.
De druk om efficiënter te controleren is daarmee structureel. Geautomatiseerde fotogeolocatie is een van de weinige technieken die schaalbaarheid biedt zonder dat elk dossier een menselijke inspecteur vereist. Het systeem werkt op locatieniveau, niet op aanvragerniveau, waardoor het privacyvriendelijker is dan biometrische of profieltechnieken.
Voor uitvoeringsinstanties die hun fraudebestendige processen willen versterken zonder de behandeltermijnen op te rekken, is dit een concrete technologische optie die vandaag inzetbaar is.
GeoPin biedt fotogeolocatie specifiek geoptimaliseerd voor Nederland, inclusief API-toegang voor automatisering. Lees meer over hoe GeoPin werkt of bekijk de API-integratiemogelijkheden.