Terug naar alle algoritmes

Risicomodel Loonheffingen – Toezicht op juiste kwalificatie arbeidsrelaties (TKA)

Dit algoritme Toezicht op juiste kwalificatie arbeidsrelaties (TKA) maakt onderdeel uit van het risicomodel Loonheffingen. Dit helpt Belastingdienstmedewerkers bij het toezicht houden op juiste en volledige inhouding en afdracht van loonheffingen. TKA helpt Belastingdienstmedewerkers te reageren op mogelijk onjuist gekwalificeerde arbeidsrelaties. 

Laatst gewijzigd op 5 november 2024 om 19:07 | Publicatiestandaard 1.0
Publicatiecategorie
Impactvolle algoritmes
Impacttoetsen
Veld niet ingevuld.
Status
In gebruik

Algemene informatie

Thema

Overheidsfinanciën

Begindatum

Veld niet ingevuld.

Contactgegevens

algoritmeregister@belastingdienst.nl

Link naar publiekspagina

https://over-ons.belastingdienst.nl/onderwerpen/omgaan-met-gegevens/algoritmeregister/

Link naar bronregistratie

https://over-ons.belastingdienst.nl/onderwerpen/omgaan-met-gegevens/algoritmeregister/risicomodel-loonheffingen-toezicht-op-juiste-kwalificatie-arbeidsrelaties-tka/

Verantwoord gebruik

Doel en impact

De Belastingdienst houdt toezicht op een juiste en volledige inhouding en afdracht van de loonheffingen. Loonheffingen zijn belastingen en premies die ondernemingen als werkgever inhouden (loonbelasting en premie volksverzekeringen) en betalen over het loon van hun werknemers (premies werknemersverzekeringen en de inkomensafhankelijke bijdrage zorgverzekeringswet).

Het risicomodel Loonheffingen helpt de medewerkers van de Belastingdienst bij het toezicht houden op de juiste naleving van de voor de loonheffingen relevante wetgeving. Het algoritme TKA is bedoeld om de inzet van extra arbeidskrachten die niet in loondienst werken te kunnen detecteren. 

Afwegingen

Wanneer er bijvoorbeeld sprake is van schijnzelfstandigheid, worden er ten onrechte geen loonheffingen afgedragen. Er kan bijvoorbeeld sprake zijn van schijnzelfstandigheid wanneer een onderneming (als opdrachtgever) gebruik maakt van ingehuurde arbeidskrachten die feitelijk in een afhankelijke en/of ondergeschikte relatie werkzaam zijn voor deze onderneming, waardoor er eigenlijk sprake is van een dienstbetrekking (in loondienst werken).

Schijnzelfstandigheid heeft onder andere de volgende nadelige gevolgen:

  • De schijnzelfstandige is minder goed beschermd dan wanneer deze persoon in loondienst zou zijn geweest.
  • De schijnzelfstandige kan ten onrechte gebruikmaken van fiscale regelingen voor ondernemingen.
  • De opdrachtgever draagt te weinig loonheffingen af.
  • De concurrentie met ondernemingen (die wel gebruik maken van personeel in loondienst) wordt verstoord.

Om deze redenen intensiveert de Belastingdienst het toezicht op de juiste kwalificatie van arbeidsrelaties.

Het algoritme TKA combineert verschillende soorten gegevens om indicaties op te sporen van situaties waar er sprake is van inhuur van derden. Op basis van deze indicaties kan contact gezocht worden met de opdrachtgevers voor aanvullende vragen, om vast te stellen of een onderzoek moet worden gestart naar de kwalificatie van arbeidsrelaties.

Met dit algoritme kan de Belastingdienst de beperkte capaciteit voor toezicht efficiënter inzetten. Het gebruik van het algoritme verhoogt de kans dat de juiste opdrachtgever wordt benaderd voor een gesprek of onderzoek. Door het gebruik van het algoritme zal het toezicht efficiënter en effectiever kunnen worden uitgevoerd dan toen de detectie en selectie handmatig gebeurden.

Via de resultaten uit het algoritme kan de Belastingdienst ook proactief handelen via bijvoorbeeld extra voorlichting. 

Menselijke tussenkomst

Het instellen van een toezichtsactie (bellen, vragenbrieven, controlebezoek ed.) om te beoordelen hoe hoog het risico is op te weinig afgedragen loonheffingen, gebeurt altijd door een Belastingdienstmedewerker. 

Risicobeheer

Voor de ontwikkeling van algoritmen heeft de Belastingdienst voorwaarden opgesteld, een kwaliteitsframework. Hierin staan regels en afspraken die zijn gevolgd bij het ontwikkelen van het algoritme. De voorwaarden van de Auditdienst Rijk (ADR) zijn hierbij leidend. Bij wijzigingen in een van de algoritmen controleert de Belastingdienst of de algoritmen nog steeds aan de kwaliteitseisen voldoen.

Het gebruik van de betreffende gegevens is getoetst aan de relevante wetgeving. De AVG schrijft voor dat we niet meer gegevens mogen gebruiken dan noodzakelijk is. Dat heet dataminimalisatie. De Belastingdienst onderzoekt regelmatig of de gebruikte gegevens nog nodig zijn en dus gebruikt mogen worden. Is dit niet het geval, dan wordt het algoritme aangepast en worden deze gegevens ook niet meer gebruikt. 

Wettelijke basis

Het verzamelen en het gebruik van de hierboven beschreven gegevens is geregeld in de:

  • Algemene wet inzake rijksbelastingen
  • Algemene wet bestuursrecht
  • Algemene verordening gegevensbescherming
  • Uitvoeringswet algemene verordening gegevensbescherming
  • Wet op de Loonbelasting 1964
  • Wet Inkomstenbelasting 2001
  • Wet op de Vennootschapsbelasting 1969
  • Wet op de Omzetbelasting 1968
  • Wet algemene bepalingen Burgerservicenummer
  • Archiefwet 1995


Links naar wettelijke basis

  • Algemene wet inzake rijksbelastingen: https://wetten.overheid.nl/BWBR0002320/
  • Algemene wet bestuursrecht: https://wetten.overheid.nl/BWBR0005537/
  • Algemene verordening gegevensbescherming: https://eur-lex.europa.eu/legal-content/NL/TXT/HTML/?uri=CELEX:32016R0679
  • Uitvoeringswet algemene verordening gegevensbescherming: https://wetten.overheid.nl/BWBR0040940/
  • Wet op de Loonbelasting 1964: https://wetten.overheid.nl/BWBR0002471/
  • Wet Inkomstenbelasting 2001: https://wetten.overheid.nl/BWBR0011353/
  • Wet op de Vennootschapsbelasting 1969: https://wetten.overheid.nl/BWBR0002672/
  • Wet op de Omzetbelasting 1968: https://wetten.overheid.nl/BWBR0002629/
  • Wet algemene bepalingen Burgerservicenummer: https://wetten.overheid.nl/BWBR0022428/
  • Archiefwet 1995: https://wetten.overheid.nl/BWBR0007376/

Werking

Gegevens

  • Identificerende gegevens (o.a. BSN)
  • Identificerende bedrijfsgegevens (o.a. fiscaalnummer)
  • Aangiftegegevens Loonheffingen
  • Aangiftegegevens Omzetbelasting (fiscaalnummer en omzet)
  • Aangiftegegevens Vennootschapsbelasting (fiscaalnummer en diverse aangifte-, aanslaggegevens)
  • Aangiftegegevens Inkomstenbelasting (fiscaalnummer en diverse aangifte-, aanslaggegevens)

Links naar gegevensbronnen

  • Identificerende gegevens (o.a. BSN): Basisregistratie Personen (BRP)
  • Identificerende bedrijfsgegevens (o.a. fiscaalnummer): Kamer van Koophandel
  • Aangiftegegevens Loonheffingen: Belastingdienst
  • Aangiftegegevens Omzetbelasting (fiscaalnummer en omzet): Belastingdienst
  • Aangiftegegevens Vennootschapsbelasting (fiscaalnummer en diverse aangifte-, aanslaggegevens): Belastingdienst
  • Aangiftegegevens Inkomstenbelasting (fiscaalnummer en diverse aangifte-, aanslaggegevens): Belastingdienst

Technische werking

Het algoritme bestaat uit beslisregels die zijn opgesteld in samenwerking met inhoudsdeskundigen en juristen.

Het algoritme is niet zelflerend. Dat betekent dat het zich niet ontwikkelt tijdens het gebruik ervan.

Leverancier

Het algoritme is door de Belastingdienst ontwikkeld en wordt ook intern onderhouden. De beslisregels worden periodiek beoordeeld en zo nodig bijgesteld om te blijven voldoen aan wet- en regelgeving.

Soortgelijke algoritmebeschrijvingen

  • het algoritme ‘Toezicht op buitenlandse dienstverrichters’ (TBD)’ maakt onderdeel uit van het risicomodel Loonheffingen, dat medewerkers van de Belastingdienst helpt bij het toezichthouden op een juiste en volledige inhouding en afdracht van de loonheffingen.

    Laatst gewijzigd op 26 november 2024 om 15:35 | Publicatiestandaard 1.0
    Publicatiecategorie
    Impactvolle algoritmes
    Impacttoetsen
    Veld niet ingevuld.
    Status
    In gebruik
  • Dit algoritme helpt medewerkers van de Belastingdienst bij het behandelen van de aanvragen van een WKA-verklaring.

    Laatst gewijzigd op 25 juni 2024 om 18:20 | Publicatiestandaard 1.0
    Publicatiecategorie
    Impactvolle algoritmes
    Impacttoetsen
    Veld niet ingevuld.
    Status
    In gebruik
  • Het algoritme wordt gebruikt om voor alle aanvragen Tegemoetkoming Vaste Lasten geautomatiseerd een risicoinschatting te maken, voorafgaand aan een geautomatiseerde of handmatige verlening en uitbetaling van het voorschot.

    Laatst gewijzigd op 30 mei 2024 om 12:57 | Publicatiestandaard 1.0
    Publicatiecategorie
    Hoog-risico AI-systeem
    Impacttoetsen
    Veld niet ingevuld.
    Status
    In gebruik
  • Ter ondersteuning van het uitvoeren van administratieve handelingen t.a.v. debiteuren- en crediteurenbeheer worden rule-based algoritmes gebruikt. 

    Laatst gewijzigd op 30 april 2024 om 10:09 | Publicatiestandaard 1.0
    Publicatiecategorie
    Overige algoritmes
    Impacttoetsen
    DPIA
    Status
    In gebruik
  • De algoritmen Dynamisch Monitoren (DM), Bellen na aanmaning (BNA) en Willen Kunnen Kwadrant-GG (WKK-GG) helpen medewerkers van de Belastingdienst om overzicht te houden bij openstaande belastingschulden. Ook ondersteunen de algoritmen bij het volgen van gemaakte afspraken over die belastingschulden.

    Laatst gewijzigd op 26 juni 2024 om 7:33 | Publicatiestandaard 1.0
    Publicatiecategorie
    Impactvolle algoritmes
    Impacttoetsen
    Veld niet ingevuld.
    Status
    In gebruik