Aanvullende Vaste Vergoeding: Controle NAM-dossiers

Instituut Mijnbouwschade Groningen

Een AI-systeem dat de uitgekeerde schadebedragen uit NAM-dossiers kan halen, zodat kan worden bepaald of de aanvrager uit dat dossier voor de regeling Aanvullende Vaste Vergoeding (AVV) in aanmerking komt.

Laatst gewijzigd op 23 januari 2026 om 11:07 | Publicatiestandaard 1.0

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

Algemene informatie

Thema

• Natuur en milieu
• Recht

Begindatum

2024-12

Contactgegevens

[e-mail]

Verantwoord gebruik

Doel en impact

Doel: voor de uitvoering van de regeling AVV is het belangrijk dat het IMG met de juiste uitgekeerde schadebedragen werkt. In het verleden is gebleken dat niet altijd de juiste schadebedragen uit de dossiers van de Nederlandse Aardolie Maatschappij (NAM) zijn overgenomen in de dossiers van het IMG. Het AI-systeem kan het juiste schadebedrag uit de NAM-dossiers halen. Deze NAM-schadebedragen worden vervolgens gebruikt voor de berekening van de aanvullende vaste vergoeding.

Impact: Het AI-systeem heeft invloed op mensen die een schadebedrag van de NAM hebben gekregen en zich nu hebben aangemeld voor de AVV. De uitkomst van de berekening van het AI-systeem wordt gebruikt om te beoordelen of een NAM-dossier in aanmerking komt voor de AVV.

Afwegingen

Voordelen:

• De geautomatiseerde controle van uitgekeerde schadebedragen uit NAM-dossiers is sneller dan de handmatige controle. Hierdoor kunnen aanvragen sneller afgehandeld  worden.
• Het algoritme vindt in 70% van de gevallen hetzelfde bedrag dat in de databank is vermeld. Dit bespaart evenveel tijd. Zonder deze tijdsbesparing was de brede openstelling niet mogelijk.

Nadelen:

• Er bestaat een kans dat de resultaten niet overeenkomen met het bedrag uit de database. Als dit het geval is, wordt het resultaat door een mens gecontroleerd.
• Het model is vrij zwaar en de analyse duurt vrij lang als het  geautomatiseerd plaatsvindt. Het gaat om een gemiddelde van 23 uur voor 1000 dossiers.

Menselijke tussenkomst

Het AI-systeem kan twee uitkomsten geven:

1. Het bedrag dat het systeem vindt, komt overeen met het bedrag dat vroeger vanuit het NAM-dossier opgenomen is in het dossier van het IMG, of,
2. Het bedrag komt niet overeen.

1. Komt een  bedrag overeen, dan wordt het automatisch gebruikt voor de AVV. Er is dan geen menselijke tussenkomst nodig. Het AI-systeem wordt wel regelmatig door een mens gecontroleerd op prestaties.
2. Het bedrag komt niet overeen. Wanneer het bedrag niet overeenkomt, wordt een dossier altijd helemaal opnieuw beoordeeld door een mens.

Risicobeheer

De AVV is onderdeel van de Regeling Forfaitair. Op de Regeling Forfaitair is een Data Protection Impact Assessment (DPIA) uitgevoerd, waarin maatregelen zijn voorgesteld om de risico's van, onder andere de AVV, tot een minimum te beperken. Daarnaast is vanuit het IMG een uitgebreide onderzoek verricht naar de juridische kwalificatie van het algoritme onder de Europese AI-Verordening.

Wettelijke basis

Art. 2 lid 3 Tijdelijke wet Groningen en art. 40 UAVG.

Links naar wettelijke basis

• Tijdelijke wet Groningen: https://wetten.overheid.nl/jci1.3:c:BWBR0043252&hoofdstuk=2&artikel=2&z=2025-07-17&g=2025-07-17
• Uitvoeringswet Algemene Verordening Gegevensbescherming: https://wetten.overheid.nl/jci1.3:c:BWBR0040940&hoofdstuk=4&artikel=40&z=2021-07-01&g=2021-07-01

Toelichting op impacttoetsen

Er is een DPIA uitgevoerd op de regeling Forfaitair, waar de AVV onderdeel van is. Daarnaast heeft het IMG een uitgebreide juridische kwalificatie van het AI-systeem onder de AVG en de AI-Verordening uitgevoerd, in de vorm van een advies.

Impacttoetsen

Data Protection Impact Assessment (DPIA)

Werking

Gegevens

Trainingsdata:

• Geen. Het gebruikte model betreft GPT 4.0-turbo. Dit is een getraind LLM (groot taalmodel) dat in staat is om instructies (prompts) uit te voeren op basis van tekst.

Inputdata:

• NAM-schadedossiers. Dit zijn de Word- en PDF-documenten.

Technische werking

De verwerking van data gebeurt in drie stappen, te weten: uitlezen, anonimiseren en extraheren.

1. Bij het uitlezen worden de Word- en PDF-documenten omgezet in platte tekst per pagina. Elke pagina wordt doorgegeven aan de tweede stap.
2. In deze stap wordt elke pagina geanonimiseerd door middel van het Wegstreepn-pakket, een binnen het IMG gebruikt prgramma om documenten te anonimiseren. De anonimisatie is nodig voordat de data wordt verwerkt middels het GPT-model in de derde stap.
3. In deze stap worden alle pagina's van alle documenten samen met een prompt naar het GPT-model gestuurd. Het model geeft dan het genoemde schadebedrag terug (documentnaam en paginanummer). Als er ook bijkomende kosten in het geding zijn, worden deze ook verstuurd. Ook de locatie wordt teruggekoppeld.

Leverancier

Het AI-systeem wordt gebouwd op GPT-4 van OpenAI, binnen de Microsoft Azure-omgeving van het IMG.

Link naar broncode

https://dev.azure.com.mcas.ms/dictupoc/LandingZone_img_img_dp_017/_git/nam-textmining