CompetentNL skillsdetectie

Centraal Bureau voor de Statistiek

CompetentNL is de Nederlandse standaard voor het beschrijven van skills. Het CBS helpt om CompetentNL actueel, onafhankelijk en betrouwbaar te houden. Dit gebeurt door arbeidsmarktgegevens in grote omvang te doorzoeken op skillbeschrijvingen; we noemen dit skillsdetectie. De resultaten hiervan worden gedeeld met de organisatie die CompetentNL beheert.

Laatst gewijzigd op 26 maart 2026 om 15:28 | Publicatiestandaard 1.0

• Publicatiecategorie: Overige algoritmes
• Impacttoetsen: DPIA
• Status: In gebruik

Algemene informatie

Thema

• Werk
• Onderwijs en wetenschap

Begindatum

09-2025

Contactgegevens

[e-mail]

Link naar publiekspagina

https://competentnl.nl

Verantwoord gebruik

Doel en impact

De algoritmes worden gebruikt binnen de samenwerking CompetentNL, in opdracht van het ministerie van Sociale Zaken en Werkgelegenheid (SZW) en het ministerie van Onderwijs, Cultuur en Wetenschap (OCW).

De algoritmes zijn gemaakt om CompetentNL te helpen. CompetentNL is een landelijke standaard voor het beschrijven van skills. De algoritmes helpen om veel actuele gegevens van de arbeidsmarkt te verwerken. Ze zoeken naar beschrijvingen van skills (identificatie) en ordenen deze (classificatie).

Burgers en bedrijven gebruiken CompetentNL via digitale diensten en platforms, zoals het Leeroverzicht en het Dashboard Skills. Deze geven informatie over vaardigheden en loopbaanmogelijkheden. De algoritmes werken op de achtergrond en hebben geen directe interactie met burgers en bedrijven.

Afwegingen

Voordelen: De algoritmes helpen om CompetentNL beter te maken. Ze zorgen ervoor dat we actuele en relevante vaardigheden uit de arbeidsmarkt gebruiken. Dit verbetert de kwaliteit van de gegevens. Ook zorgt het ervoor dat iedereen zich kan herkennen in CompetentNL, omdat we de taal van de arbeidsmarkt goed verwerken.

Nadelen en risico’s: Als de trainingsdata verouderd zijn, kan dit de kwaliteit van de resultaten beïnvloeden. De algoritmes werken op de achtergrond en krijgen geen directe feedback van gebruikers. Dit kan het moeilijk maken om fouten te vinden.

Rechtvaardiging: Het gebruik van deze algoritmes is goed omdat ze de kwaliteit en relevantie van CompetentNL verbeteren. Menselijke experts blijven betrokken om de resultaten te controleren, zodat we risico’s kunnen beperken.

Menselijke tussenkomst

De resultaten van de algoritmes worden beoordeeld door experts voordat ze in CompetentNL komen. Deze experts controleren of de skillsbeschrijvingen en classificaties relevant, nauwkeurig en van goede kwaliteit zijn. Ze kunnen de resultaten aanpassen of afwijzen op basis van hun kennis.

Dit toezicht is belangrijk om fouten en verouderde informatie te vinden en te verbeteren. Ook worden de algoritmes regelmatig geëvalueerd en aangepast op basis van feedback van experts en nieuwe ontwikkelingen op de arbeidsmarkt. Zo blijft de informatie actueel en betrouwbaar.

Risicobeheer

Veroudering van trainingsdata: We plannen regelmatig updates van de trainingsdata. Dit helpt om de modellen actueel te houden. Experts kijken continu naar de resultaten om te zien wanneer we iets moeten aanpassen.

Bias en onnauwkeurigheden: De uitkomsten van het algoritme worden altijd gecontroleerd door menselijke experts voordat ze worden gebruikt. We verbeteren de taalmodellen en de methoden om bias te verminderen.

Afhankelijkheid van de algoritmes: Het systeem is zo gemaakt dat resultaten van de algoritmes niet automatisch worden overgenomen. Menselijke controle is altijd nodig. Training en bewustwording van experts helpen om de algoritmen kritisch te gebruiken.

Beperkingen in interpretatie en gebruik: Resultaten worden niet direct aan eindgebruikers getoond zonder controle. Fouten en onvolkomenheden kunnen zo op tijd worden gevonden en gecorrigeerd.

Wettelijke basis

De algoritmes worden gebruikt volgens de regels van de Wet op het Centraal Bureau voor de Statistiek. Ze volgen ook de Algemene verordening gegevensbescherming en de Nederlandse regels over privacy. Het proces helpt de doelen van het ministerie van Sociale Zaken en Werkgelegenheid en het ministerie van Onderwijs, Cultuur en Wetenschap te bereiken. Deze ministeries geven de opdrachten. Het gebruik van algoritmes maakt de arbeidsmarkt en het onderwijs beter en eerlijker. De Europese Unie heeft regels voor AI, en die worden ook gevolgd. Gegevens worden verwerkt met respect voor de rechten van de mensen. Deskundigen zorgen ervoor dat alles eerlijk en duidelijk is.

Links naar wettelijke basis

• Wet op het Centraal bureau voor de statistiek: https://wetten.overheid.nl/jci1.3:c:BWBR0015926&z=2025-09-01&g=2025-09-01
• Algemene verordening gegevensbescherming (AVG) (EU) 2016/679: https://eur-lex.europa.eu/legal-content/NL/TXT/?uri=CELEX%3A32016R0679
• AI-verordening (Verordening (EU) 2021/0106): https://eur-lex.europa.eu/legal-content/NL/ALL/?uri=CELEX:52021PC0206

Toelichting op impacttoetsen

Een Impact Assessment voor mensenrechten en algoritmen is niet gedaan. Dit komt omdat de algoritmes die we gebruiken alleen ondersteunend zijn en werken op de achtergrond. Ze hebben geen directe interactie met gebruikers of beslissingen over mensen. Daarom is het risico op schending van mensenrechten of discriminatie klein.

De verwerking van gegevens met deze algoritmes valt onder de algemene DPIA van het CBS. Daarnaast is nog een eigen DPIA intern uitgevoerd aanvullend op de algemene DPIA. In de eigen DPIA is gefocust op wat er niet standaard is, namelijk de AI-verwerking en de terugleveringen aan UWV. Dit betekent dat privacyrisico's goed zijn onderzocht en verminderd. We letten op continue monitoring en menselijke controle om mogelijke risico's op tijd te zien en aan te pakken.

Impacttoetsen

Data Protection Impact Assessment (DPIA): https://www.cbs.nl/-/media/cbs/over-ons/organisatie/standaardcbspia-2021-v20.pdf

Werking

Gegevens

De algoritmes gebruiken gegevens van UWV. Dit zijn arbeidsmarktgegevens, zoals vacatureteksten en profielen van werkzoekenden. Deskundigen van UWV geven annotaties en labels voor de training van de modellen. Ook worden externe taalmodellen, zoals LaBSE, gebruikt voor de verwerking. De gegevens helpen om skills en competenties binnen CompetentNL te herkennen en te verbeteren. Alle gegevensverwerkingen volgen de privacy- en beveiligingsnormen, en de data zijn geanonimiseerd waar dat kan.

Links naar gegevensbronnen

LaBSE taalmodel: https://huggingface.co/sentence-transformers/LaBSE

Technische werking

De algoritmes gebruiken slimme taalmodellen om gegevens van de arbeidsmarkt te analyseren. Er zijn twee algoritmen: Identificatie en Classificatie. Bij Identificatie herkent het algoritme belangrijke vaardigheden in arbeidsmarktdata, zoals vacatures en profielen. Dit gebeurt met een extern taalmodel en een zelfgemaakt model om relevante zinnen te vinden. Experts controleren de resultaten. Bij Classificatie vergelijkt het algoritme de gevonden zinnen met bestaande vaardigheden in CompetentNL. De beste overeenkomsten worden gekozen en aan experts voorgelegd.