Beter zicht op crimineel

Data helpt gemeenten bij aanpak ondermijning

Ergens in het buitengebied houdt de politie een verdacht busje aan. De bestuurder vervoert een aantal lege containers waarop een scheikundige formule is genoteerd. Ook staat er een container in de bus van Mister Beef hondenvoer. De agenten vragen het kenteken op en halen de identiteit van de bestuurder door het systeem. Het levert niets op. Hij mag doorrijden. Enkele dagen later blijken de man en de container gelinkt aan een drugsdumping, maar tegen die tijd is de vogel gevlogen.

Deze echte politiecasus werd nagespeeld in het project Weerbaar, een samenwerking van de gemeente Den Bosch, de politie Oost-Brabant, Jheronimus Academy of Data Science, Stichting DITSS (Dutch Institute for Technology, Safety & Security) en Pandora Intelligence. De laatste is een bedrijf dat kunstmatige intelligentie inzet om ondermijning, terrorisme en cybercriminaliteit te detecteren. Centraal in de test stond de vraag hoe veel de politie had kunnen weten als ze direct, via hun smartphone, toegang hadden gehad tot een systeem waarin data van de politie en de gemeenten en data uit open bronnen was samengebracht. In de test werden geanonimiseerde testdata van de politie gebruikt.

Pandora-eigenaar Peter de Kock, tevens professor of practice in datawetenschap op het gebied van criminaliteitsbestrijding aan Tilburg University, somt de testresultaten op. ‘In de nagespeelde casus richt de agent zijn camera allereerst op de chemische formule op de ton. Uit open bronnen blijkt dat die niet op de lijst van verboden middelen staat. Wel is het een pre-precur sor; een stof die, als je hem samenvoegt met een andere precursor, een stof kan opleveren die wel verboden is. Dat is het eerste ‘plusje’.

Ons systeem onthult daarnaast dat er drie maanden eerder een drugslab is opgerold waar ook containers van Mister Beef werden aangetroffen. Uit data van schoolbank.nl blijkt verder dat de bestuurder in de klas heeft gezeten met een heel bekende drugscrimineel, die verbonden was bij de eerder genoemde drugsdumping. Met zo veel ‘plusjes’ zou de officier van justitie kunnen besluiten dat de bestuurder mee moet naar het bureau voor verder onderzoek.’

Eigen eilandje
Voor De Kock bewijst het experiment dat het technisch relatief makkelijk is om politie- en gemeentedata te koppelen en dat een datagedreven aanpak meerwaarde heeft in de opsporing van ondermijning. Toch gebeurt het nog relatief weinig. Dat frustreert hem. ‘We zijn vandaag al in staat om ondermijnende criminaliteit een gevoelige klap toe brengen,’ stelt hij. ‘Daarvoor moeten we data delen. Natuurlijk moeten we een gesprek voeren over hoe we dat rechtmatig en veilig doen. Maar onder het motto ‘dat mag allemaal niet’ blijven de meeste organisaties liever veilig op hun eigen eilandje zitten. Dat kan een keuze zijn, maar dan moeten we niet verbaasd zijn dat ondermijnende criminaliteit welig tiert in het land.’

Waarom zou je als gemeente het risico lopen om het ‘veilige eilandje’ te verlaten? Om te voorkomen dat de overheid ongewild maar onvermijdelijk ondermijning faciliteert. Dat zegt voormalig politierechercheur Sander Schaepman, die vanaf 2016 de veiligheidsafdeling van de gemeente Helmond leidde en tegenwoordig onder meer veiligheidsadviseur is in Rijswijk. ‘Componenten uit de boven- en onderwereld grijpen in elkaar. Het begint met een bestuurlijke keuze om dat in beeld te durven brengen. Aan de hand van gemeente- bronnen en openbare data van bijvoorbeeld het Kadaster en de Kamer van Koophandel, ben je als overheid veel beter in staat om een waardeoordeel te vellen over bijvoorbeeld een vastgoedontwikkelaar. Je wil voorkomen dat de burgemeester op de foto staat met een zware crimineel.

De kunst is daarbij om van data informatie te maken en van daaruit intelligence. Daarvoor moet je niet door een rietje naar een landkaart kijken, maar het grote geheel in ogenschouw nemen.’ Schaepman waarschuwt dat kleinere steden met minder dan honderdduizend inwoners momenteel niet de mankracht hebben voor een datagedreven aanpak van ondermijning. ‘In Amsterdam en Rotterdam zijn de problemen groot, maar daar werkt tweehonderd man op de veiligheidsafdeling. Daar gebeuren al mooie dingen. De kleine steden blijven achter.’

Proeftuin
Op meerdere plekken wordt geëxperimenteerd met een datagedreven aanpak van ondermijning. Eén ervan is het Organized Crime Field Lab, een proeftuin om ondermijning gezamenlijk aan te pakken. Het Field Lab is geïnitieerd door het OM en de Nationale Politie in nauwe samenwerking met het lokaal bestuur, de Belastingdienst, Regionale Informatie- en Expertise Centra (RIEC’s) en andere over heidsinstanties. Professor Martijn Groenleer van Tilburg University begeleidt het Field Lab. Hij stelt vast dat het opzetten van samenwerking tussen instanties de grootste uitdaging is. ‘Ondermijning is een veelkoppig monster. De verschillende instanties hebben vaak slechts zicht op een deel van het probleem. Dus moeten ze data delen. Veel van onze samenwerkingspartners zijn daar heel terughoudend in. Begrijpelijk, maar in het Field Lab doen we toch ons best om ze te laten zien wat de mogelijkheden zijn om, binnen de kaders van de wet, data slim te combineren om een probleem beter in kaart te brengen.’

Het begint al bij de probleemdefinitie. Ondermijning wordt vaak niet als een direct probleem gezien. De buurman heeft een paar wietplanten, nou en? ‘Het wordt wél een probleem als we met behulp van data laten zien dat illegale wietplantages in woonwijken bovengemiddeld veel branden veroorzaken,’ legt Groenleer uit. ‘Je dochtertje zal ernaast slapen! Dan gaan buurtbewoners het wel als probleem zien.’ Die data kunnen statistische data over inwoners, buurten of wijken zijn, die gemeenten sowieso al verzamelen, maar ook informatie over het stroomgebruik in een wijk, of data over het effect van een aanpak. Groenleer: ‘Voor het initiatief Wapens de wijk uit in Rotterdam hield het Field Lab team, naast data over wapens en geweld, ook bij hoeveel bewoners zich achter het initiatief schaarden. Dat zijn data die niet direct iets zeggen over vuurwapengeweld, maar wel over maatschappelijke acceptatie van vuurwapens.’

Juiste vragen
In Rotterdam-Zuid onderzocht een ander Field Lab Team in hoeverre geldwisselkantoren een rol speelden bij het wegsluizen en witwassen van crimineel geld. Daarvoor werd samengewerkt met onder andere de Financial Intelligence Unit (FIU)-Nederland. ‘Als een team eenmaal weet welke gegevens ze willen hebben, dan kunnen die vaak wel bij elkaar worden gebracht,’ zegt Groenleer. ‘De uitdaging bij een datagedreven aanpak is het stellen van de juiste vragen om de juiste informatie boven tafel te krijgen. Uiteindelijk vormen data onderdeel van een strategisch proces. Machines kunnen helpen, maar het blijft voor een groot deel toch gewoon mensenwerk.’

Voor het meer sciencefiction-achtige gebruik van data moeten we Peter de Kock zijn. De software van zijn Pandora Intelligence kan een actuele situatie direct vergelijken met historische data over ondermijning. ‘Het ‘narratief’ (verhaal) van ondermijning bevat circa 300.000 datapunten. Al deze datapunten staan in verbinding met elkaar, wat kan worden weergegeven in een driedimensionale puntenwolk. Dat biedt niet alleen aanwijzingen over mogelijke daders maar ook over hun toekomstige acties.’

Het systeem klinkt alsof het rechtstreeks uit een film komt. Dat is niet geheel toevallig. De Kock, van oorsprong filmmaker, leerde op de filmacademie dat ieder narratief bestaat uit maximaal twaalf verhaalcomponenten. Deze vaste verhaalelementen zijn onder meer de protagonist, de antagonist, een arena (locatie), het tijdsframe en de modus operandi. Daaronder liggen vele lagen met subcomponenten.

De Kock: ‘Voor het domein van ondermijning hebben we alle subcomponenten tot in detail beschreven. In het systeem zitten bijvoorbeeld alle locaties van Nederland, alle modus operandi in ondermijning die we konden vinden en alle mogelijke middelen, tot op het serienummer van wapens. Ieder verhaal over ondermijning waar we onze handen op kunnen leggen, voeren we toe aan het systeem. Zo maken we kennis uit het verleden meteen en heel genuanceerd toegankelijk.’

Straatverlichting
Zoals bekend zijn mensen slecht in het herinneren van zaken. Ook rekenen is niet onze sterkste kant. Juist die dingen kunnen we volgens De Kock beter aan de computer overlaten. ‘Zelfs de beste ondermijning- expert kan misschien maar honderd zaken oplepelen. Voor mensen kost het heel veel tijd en leeswerk om zaken te analyseren. Computers kunnen daarbij helpen. Hoe ontwikkelde de modus operandi van deze criminele organisatie zich tussen 1 december 2015 en 14 maart 2019? Waar wijst een ton van hondenvoederfabrikant Mister Beef op? Dergelijke vragen kan een computer met één druk op de knop beantwoorden. Het systeem kan data heel snel verwerken tot operationeel inzetbare scenario’s. Domeinspecialisten zoals politiemensen kunnen daar conclusies aan verbinden. Want daar zijn mensen weer veel beter in dan computers.’

Kunstmatige intelligentie is goed in het ontdekken van patronen in data die voor het menselijk oog verborgen blijven. Zo bracht De Kock eens verschillende soorten data bij elkaar om te zien wat het zou opleveren. ‘Eén van de datasets was een excel-bestand van een gemeente-afdeling die de straatverlichting onderhield. Er bleek een link te zijn tussen de plek en het moment waarop de straatverlichting werd vervangen en de ontdekking van een hennepkwekerij in een straal van 40-60 meter van die plek. Het aftappen van stroom had een weerslag op de levensduur van de lamp. Daar was nog geen mens opgekomen. Als er tegenwoordig in die gemeente ergens straatverlichting moet worden vervangen, wordt er aan de buitendienst gevraagd om meteen even goed rond te kijken en te ruiken.’