Voortgang discriminatie en racisme juni 2026

1VoortgangsrapportageMei 2026Principes voor profileringEen kritisch perspectief op de toepassing van datagedreven profilering door de overheid 2Allen die zich in Nederland bevinden, worden in gelijke gevallen gelijk behandeld. Discriminatie wegens godsdienst, levensovertuiging, politieke gezindheid, ras, geslacht, handicap, seksuele gerichtheid of op welke grond dan ook, is niet toegestaan.Artikel 1. Nederlandse Grondwet Principes voor profileringEen kritisch perspectief op de toepassing van datagedreven profilering door de overheid 4Voorwoord Datagedreven profilering wordt meer en meer ingezet in de samenleving. De toenemende mogelijkheden ten aanzien van het verwerken, opslaan en analyseren van grote hoeveelheden data, in combinatie met de veronderstelling dat datagedreven werken leidt tot effectiever overheidshandelen, resulteren in een toename van het gebruik van profileringsmethoden door overheidsorganisaties. Recente voorbeelden zoals de toeslagenaffaire of de controles van DUO op fraude met de uitwonendenbeurs laten zien dat het gebruik van profileringsmethoden niet zonder risico is, met name als het aankomt op discriminatie.De Staatscommissie tegen Discriminatie en Racisme (hierna: staatscommissie) signaleert dat het gebruik van datagedreven profilering niet scherp af te bakenen is. Het veld van profileringspraktijken is diffuus en volop in ontwikkeling en overal ontstaan nieuwe vormen van profilering. Het veld dijt uit, op een wijze die onoverzichtelijk en lastig te controleren is. Wetgeving en toezicht lopen achter op de snelle technologische ontwikkeling en het wijdverspreide gebruik van profileringsmethoden. De staatscommissie ziet dat de inzet van profilering vaak als technische keuze wordt beschouwd, terwijl de maatschappelijke gevolgen van het gebruik groot kunnen zijn. Gekozen variabelen kunnen gemakkelijk leiden tot directe dan wel indirecte discriminatie. Heel vaak betreft dat dezelfde groepen burgers, die keer op keer geprofileerd worden. Dat gestapelde mechanisme heeft vergaande impact op de mensen die het treft en op hun vertrouwen in de overheid, zo heeft de staatscommissie eerder al aangetoond. Daarbij komen de hoge maatschappelijke kosten, die in de miljarden kunnen lopen, voor herstel en compensatie van gedupeerden. Bovendien is er onvoldoende rechtszekerheid en rechtsbescherming voor mensen.De inzet van profielen is volgens de staatscommissie nadrukkelijk meer dan een technische keuze. Het is een normatieve keuze die raakt aan principes van de rechtsstaat, van de democratie en van goed bestuur. Omdat het een normatieve keuze is met grote gevolgen voor individuele burgers, is het belangrijk om te stoppen met lopende toepassingen van datagedreven profilering door de overheid en het beperken van verdere verspreiding ervan. Hoewel de staatscommissie grote zorgen heeft over de inzet van datagedreven profilering door overheidsorganisaties, betekent dit niet dat de staatscommissie in algemene zin kritisch is op het verzamelen en analyseren van data over mensen. Het verzamelen en analyseren van data kan bijvoorbeeld helpen om ongelijkheid in kaart te brengen en tegen te gaan. Bij deze ondersteunende inzet van data is het van belang dat mensen wiens data gebruikt worden hier zelf nadrukkelijk toestemming voor geven. Bovendien moeten zij volwaardig worden betrokken bij de ontwikkeling van beleid om eventuele ongelijkheden tegen te gaan. Op die manier kan dataverzameling niet tegen, maar vóór mensen werken. 5Met dit rapport hoopt de staatscommissie bij te dragen aan het maatschappelijk debat over de inzet van profilering en om de riskante inzet ervan door overheidsinstanties ter discussie te stellen. Het is van wezenlijk belang dat de risico’s op discriminatie die profilering met zich meebrengt erkend worden en proactief bestreden worden. De staatscommissie dankt dr. Aviva de Groot voor het vooronderzoek waarop dit rapport mede is gebaseerd.Dr. Joyce Sylvester, Voorzitter 6 7InhoudsopgaveSamenvatting 81. Introductie 101.1 Aanleiding 101.2 Opdracht aan de staatscommissie 111.3 Datagedreven profileringspraktijken 121.4 Leeswijzer 132. Interpretatie van de opdracht 142.1 Fraudebestrijding 142.2 Selectie op persoonskenmerken 152.3 Beschermend gebruik 172.4 Conclusie 183. Ontwikkelingen in toezicht op datagedreven profilering 193.1 Toezicht op profilering 193.2 Ontwikkelingen in debat over normering van profilering 213.3 Conclusie 254. Datagedreven profilering vanuit principieel perspectief 264.1 Spanningen met het principe van rechtsstatelijkheid 264.2 Spanningen met het principe van de democratie 314.3 Spanningen met het principe van bestuurlijk vermogen 334.4 Conclusie 355. Conclusies en aanbevelingen 365.1 Conclusies 365.2 Aanbevelingen 38Begrippenkader 41Afkortingen 43Bijlage 1 | Expert Review 44 8SamenvattingDe Staatscommissie tegen Discriminatie en Racisme adviseert in dit rapport over het gebruik van datagedreven profilering door de overheid. Datagedreven profilering omvat het selecteren en categoriseren van (groepen) burgers op basis van gedeelde kenmerken, gedrag of eigenschappen, afgeleid uit data. Datagedreven profilering wordt door overheidsorganisaties steeds vaker ingezet, bijvoorbeeld voor ‘risicogericht’ overheidstoezicht. Daarbij worden groepen met een verondersteld verhoogd risico op fraude of criminaliteit preventief gecontroleerd.In de afgelopen jaren hebben talrijke casussen laten zien dat overheidsprofilering kan leiden tot discriminatie van grote groepen burgers, met schrijnende individuele en maatschappelijke schade als gevolg. Daarom onderzoekt de staatscommissie in dit rapport of datagedreven profilering op zichzelf wel past bij een overheid die tegelijkertijd discriminatie wil voorkomen en aanpakken. Ze doet dat door te kijken of de huidige datagedreven profileringspraktijken passen bij centrale principes van goed openbaar bestuur: rechtsstatelijkheid, democratisch gehalte en bestuurlijk vermogen.De staatscommissie signaleert in dit rapport dat datagedreven profilering fundamentele spanningen oproept met principes van goed openbaar bestuur. De inzet van profileringsmethoden is onvoldoende wettelijk begrensd en leidt daardoor in de praktijk vaak tot discriminatie, met onvoldoende rechtsbescherming en rechtszekerheid voor mensen. Datagedreven profilering kan bovendien bestaande maatschappelijke ongelijkheden versterken, omdat voorspellende modellen worden gebaseerd op historische data waarin eerdere vormen van selectief toezicht, discriminatie en maatschappelijke ongelijkheden al zijn ingebakken. Daarbij ontbreekt vaak een expliciete democratische afweging over de vraag of profilering wenselijk is. In veel gevallen wordt de inzet van datagedreven methoden gepresenteerd als een technische keuze, terwijl het in feite gaat om een ingrijpende normatieve keuze over hoe de overheid burgers benadert. Ook is de controleerbaarheid en transparantie van datagedreven profilering door overheidsorganisaties beperkt. Burgers weten vaak niet dat zij worden geprofileerd, welke criteria worden gebruikt of hoe een risicoscore tot stand komt. Transparantie-instrumenten zoals het Algoritmeregister zijn nu nog onvolledig en afhankelijk van vrijwillige registratie en classificatie door overheidsinstellingen, waardoor toezicht en publieke verantwoording tekortschieten. Bovendien is de betrokkenheid van burgers gering. Groepen die het meest geraakt worden door profilering hebben vaak weinig invloed op de ontwikkeling, toepassing en evaluatie van deze systemen. Daardoor bestaat het risico dat bestaande kennisongelijkheden worden versterkt en dat beleid wordt gebaseerd op eenzijdige data. Profilering wordt vaak gelegitimeerd met het argument dat het efficiënter en effectiever is dan willekeurige controles. In de praktijk blijkt dit echter lang niet altijd aantoonbaar. 9De staatscommissie concludeert dat profilering een uitdijend en moeilijk te begrenzen fenomeen is. Het breidt zich niet alleen technisch, maar ook institutioneel en maatschappelijk uit. Het wordt niet alleen door afzonderlijke organisaties toegepast, maar versterkt zichzelf over verschillende instellingen en beleidsterreinen heen, zoals rechtshandhaving en sociale zekerheid. Bovendien gaat de overheid in de praktijk vooral pragmatisch te werk. Hoewel wordt verwezen naar beginselen van goed openbaar bestuur – rechtsstatelijkheid, democratische kwaliteit, bestuurlijk vermogen –, worden deze vaak selectief en onvoldoende toegepast. Empirisch bewijs voor de meerwaarde van profilering ontbreekt vaak.Om deze redenen pleit de commissie voor het stopzetten van lopende toepassingen van datagedreven profilering en het beperken van verdere verspreiding ervan. Zonder principiële maatregelen in lijn met de beginselen voor goed openbaar bestuur blijft het risico op maatschappelijke schade en discriminatie te groot. In plaats van profilering kunnen aselecte of 100%-controles worden ingezet. Deze methoden zijn transparanter, eerlijker en verminderen het risico op cumulatieve discriminatie. Daarnaast benadrukt de staatscommissie dat dataverzameling op zichzelf wel kan helpen bij het tegengaan van maatschappelijke ongelijkheden. In haar publicatie over de Gelijkheidsplicht Publieke Sector (GPS) heeft de staatscommissie benadrukt dat inzicht in feitelijke verschillen nodig is om discriminatie effectief tegen te gaan. Het verzamelen en analyseren van equality data kan dus helpen om ongelijkheid in kaart te brengen en terug te dringen. Bij deze ondersteunende inzet van data is het van belang dat mensen wiens data gebruikt worden hier zelf nadrukkelijk toestemming voor geven. Als de overheid met inachtneming van de grote zorgen van de staatscommissie besluit om profileringsmethoden te blijven toepassen, moet zij proactief aantonen dat er geen directe of indirecte discriminerende effecten zijn. Zowel Artikel 1 van de Nederlandse Grondwet als verschillende mensenrechtenverdragen bevatten een discriminatieverbod: de overheid moet burgers in gelijke gevallen gelijk behandelen. In het licht van de eerder door de staatscommissie bepleite Discriminatietoets Publieke Dienstverlening en Gelijkheidsplicht Publiek Sector, betekent dit dat de overheid vooraf moet toetsen of haar handelen mogelijk discriminerende effecten heeft, dat zij passende waarborgen moet treffen om dergelijke effecten te voorkomen en dat zij de werking van deze profileringssystemen voortdurend moet monitoren en evalueren. De belangen, kennis en perspectieven van burgers moeten hierbij centraal staan. 101. Introductie 1.1 Aanleiding In de afgelopen jaren is veelvuldig het maatschappelijk en politiek debat gevoerd over de inzet van profilering door de overheid. Profilering is de praktijk van het systematisch verzamelen, analyseren en categoriseren van kenmerken van groepen of individuen om patronen te herkennen over gedrag, eigenschappen of risico’s. Voor het herkennen van deze patronen gebruiken overheidsorganisaties grote hoeveelheden data, waarbij algoritmen worden ingezet voor het ontwikkelen van voorspellende modellen. Profilering vindt ook steeds vaker plaats binnen publiek-private samenwerkingen, waarin overheden met bedrijven data en analysetools delen.1Profilering is in toenemende mate onderdeel van het instrumentarium van overheidsorganisaties, bijvoorbeeld voor het ‘risicogericht’ toezicht in de sociale zekerheid. De Algemene Rekenkamer stelde in 2024 dat overheidsinstanties steeds vaker gebruikmaken van data en algoritmen in hun taakuitvoering.2 Vanwege de gestelde onmogelijkheid om de gehele Nederlandse populatie of doelgroep te controleren die gebruikmaakt van een bepaalde regeling, worden groepen geselecteerd waarvan de verwachting is dat ze een groter risico op fouten of fraude hebben.Het toenemende gebruik van profileringsmethoden wordt mogelijk gemaakt door wat door wetenschappers wordt geduid als een proces van datafication (of dataficatie) van de samenleving.3 Dataficatie duidt op de toegenomen mogelijkheid voor het verzamelen, opslaan en verwerken en analyseren van grote hoeveelheden (digitale) data. Eveneens belangrijk is de sterke en breed gedeelde overtuiging dat allerlei maatschappelijke functies en (werk)processen geoptimaliseerd kunnen worden door datatoepassingen en digitalisering.4 De toenemende dataficatie van de samenleving en overtuigingen over de mogelijkheden van (nieuwe) technologie staan niet los van elkaar. Ze versterken elkaar en leiden tot nieuwe doelen en idealen rondom de rol van de overheid: de overheid zou in de toekomst veel gerichter en proactiever moeten kunnen opereren, door preventief te controleren en normoverschrijdend gedrag te voorkomen via vroegsignalering. Mensenrechtenorganisaties waarschuwen voor het ontstaan van een ‘preventiestaat’: inwoners worden dan niet geregistreerd en gecontroleerd op wat zij feitelijk doen of gedaan hebben, maar wat zij op basis van bepaalde kenmerken zouden kunnen doen.5Binnen deze context worden datagedreven profileringspraktijken aantrekkelijk voor overheidsinstanties. Deze ontvangen ook vanuit de politiek verschillende opdrachten en impulsen: bijvoorbeeld om kosten te besparen, sneller te werken of om strenger op te treden tegen potentiële fraudeurs. De Wetenschappelijke Adviesraad Politie (WARP) signaleert bijvoorbeeld in 2025 dat ook het politiewerk in toenemende mate gestuurd wordt door data en de opkomst van het ‘risicodenken’, 1. Staatssecretarissen van Financiën. (2025, 27 janu-ari). Parlementaire enquête fraudebeleid en dienst-verlening: Openstaande toezeggingen n.a.v. het plenair debat van 15 janua-ri 2025 (Kamerstuk 35 867, nr. 30). Tweede Kamer der Staten-Generaal.2. Algemene Rekenkamer, 16 oktober 2024, ‘Focus op AI bij de Rijksoverheid’.3. V. Mayer-Schönberger & K. Cukier, Big data: A revo-lution that will transform how we live, work, and think, Boston: Houghton Mifflin Harcourt 2013; L. Taylor, ‘What is data justice? The case for connecting digital rights and freedoms globally’, Big Data & Society (4) 2017/2.4. Zie o.a: F. Jansen, ‘The practice of predictive identification: Optimising for organisational needs’, Surveillance & Society (22) 2024/3, over de ‘socio-technical imaginary of risk’.5. E.Lam, (4 maart 2026), ‘Wantrouwen als Politiek Principe’, De Groene Amsterdammer. 11waarin dataverzameling wordt geacht bij te dragen aan een optimale informatiepositie.6In de afgelopen jaren heeft de inzet van profilering door de overheid geleid tot grote problemen op het gebied van discriminatie. In de toeslagenaffaire heeft discriminerende profilering met gebruik van de (dubbele) nationaliteit van ontvangers van kinderopvangtoeslag een nadelige rol gespeeld in de mate en intensiteit waarmee zij zijn onderworpen aan fraudecontroles en terugvordering van toeslagen.7 Ook de controle op de uitwonendenbeurs bij DUO bleek discriminerende effecten te hebben.8 Studenten met een migratieachtergrond hadden een grotere kans om gecontroleerd te worden. De gevolgen van discriminerende overheidsprofilering zijn in de eerste plaats enorm schadelijk voor de direct getroffen individuele burgers, maar ook voor de samenleving als geheel en voor het vertrouwen in de overheid.1.2 Opdracht aan de staatscommissieDe toeslagenaffaire vormde mede aanleiding voor de instelling van de Staatscommissie tegen Discriminatie en Racisme. Bij de instelling heeft de staatscommissie de opdracht gekregen om de overheid onder andere te adviseren over het gebruik van profileringsmethodes.9 In het instellingsbesluit uit 2022 zijn twee opdrachten over profilering opgenomen: •reflecteren “op de mogelijkheid en wenselijkheid van een verbod voor overheidsinstanties om etniciteit te gebruiken om fraude te bestrijden” (…); •verkennen “wat de mogelijkheden zijn om onderscheid op grond van ras en nationaliteit in risicoprofielen alleen toe te passen ter bescherming dan wel ter ondersteuning van mensen”.De opdracht aan de staatscommissie is gebaseerd op twee moties van de Tweede Kamerleden Belhaj en Mutluer die dateren uit april 2021 en april 2022. Sindsdien is er veel gebeurd; zowel op het gebied van technische mogelijkheden voor profilering, als in de rechtspraak en rechtsontwikkeling over profilering door de overheid. De staatscommissie reflecteert op het daadwerkelijke gebruik van profilering door de overheid, inclusief de bredere maatschappelijke gevolgen daarvan.Om antwoord te geven op de opdrachten uit het instellingsbesluit, kiest de staatscommissie voor een brede benadering van ‘(risico)profilering’. Niet zozeer de theoretische inzet van profilering voor fraude en criminaliteit 6. Wetenschappelijke Ad-viesraad Politie, Navigeren in niemandsland. Zeven urgente uitdagingen rondom digitalisering en AI in politiewerk, Den Haag: WARP 2025.7. College voor de Rechten van de Mens, Position paper - Debat over etnisch profileren vraagt om meer juridische duidelijkheid, Utrecht: College voor de Rechten van de Mens 2021; zie ook: College voor de Rechten van de Mens, Vooronderzoek naar de vermeende discriminerende effecten van de werkwijzen van de Belastingdienst/Toesla-gen, Utrecht: College voor de Rechten van de Mens 2022. In dit onderzoek werd vastgesteld dat mensen met een buiten-landse achtergrond vaker hard werden getroffen door de werkwijze van de Belastingdienst.8. ‘Excuses voor indirecte discriminatie bij controles op de uitwonendenbeurs’, DUO, 2024.9. Zie o.a. de aangenomen motie Mutluer c.s.: Kamerstukken II 2021/22, 30 950, nr. 293; en de aangenomen motie Belhaj c.s.: Kamerstukken II 2020/21, 30 950, nr. 237. 12staat centraal, maar de concrete praktijken en werkwijzen waarbij (indirecte) persoonsgegevens worden gebruikt en gekoppeld tot een profiel om de toezicht- en handhavingscapaciteit ‘risicogericht’ in te zetten. De staatscommissie reflecteert op het daadwerkelijke gebruik van profilering door de overheid, inclusief de bredere maatschappelijke gevolgen daarvan. We doen dat vanuit het perspectief van overheidshandelen volgens de principes van goed openbaar bestuur. Houdt de overheid zich aan de wet? Is de inzet van datagedreven profileringspraktijken democratisch gelegitimeerd? Zijn de praktijken transparant en controleerbaar? En is de inzet effectief en efficiënt? De centrale vraagstelling die hieruit voortvloeit is: passen datagedreven profileringspraktijken bij een overheid die discriminatie voorkomt en aanpakt?1.3 Datagedreven profileringspraktijkenEen centrale term in dit advies is ‘datagedreven profileringspraktijken’. Hoewel er in debatten over profilering vaak wordt gesproken over de term ‘risicoprofilering’ kiest de staatscommissie om twee redenen voor de term datagedreven profileringspraktijken.Ten eerste benadrukt de term profileringspraktijken dat profilering door de overheid een set van doorlopende, historisch gegroeide praktijken is die nooit op zichzelf staan. Profilering is gebaseerd op historische data en produceert in zichzelf ook weer nieuwe data, bijvoorbeeld over wie de wet overtreedt op specifieke domeinen. Daarbij vindt de inzet van profilering door verschillende overheidsinstanties en in verschillende domeinen tegelijk plaats, waardoor er niet alleen sprake is van een individuele impact (per persoon en per besluit), maar ook van een cumulatieve impact.10Daarmee is profilering niet alleen een technische exercitie (in de zin van het verzamelen, analyseren, verwerken en toepassen van datagestuurde inzichten, in specifieke gevallen), maar ook een normatieve praktijk die gebaseerd is op mensbeelden, uitgevoerd door specifieke actoren, die eigen keuzes maken over wat gerechtvaardigd overheidshandelen is. Profilering is niet alleen een technische exercitie, maar ook een normatieve praktijk die gebaseerd is op mensbeelden.Ten tweede benadrukt de term datagedreven de toenemende mogelijkheden voor het verzamelen, opslaan en analyseren van grote hoeveelheden data. Met de steeds verregaandere technologische ontwikkelingen ontstaan ook steeds nieuwe discriminatierisico’s. De schaal en reikwijdte waarop data worden verzameld, verwerkt en gebruikt, nemen verder toe. Hierdoor ontstaan nieuwe, soms onzichtbare, vormen van discriminatie en racisme die pas achteraf – nadat grote groepen mensen zijn getroffen – herkend en erkend worden.1110. Jongeren delen verhaal in rapport toeslagenaffaire: schulden en zonder ver-trouwen, NOS, 5 februari 2026.11. N. Dube & J. Alspeer, ‘Emergente gronden vatten en intersectionele discriminatie voorkomen door transformatief constitutionalisme’, in: Preadviezen – Samen voor gelijkheid. Een toekomstvisie op het non-discriminatierecht, Den Haag: Staatscom-missie tegen Discriminatie en Racisme 2025. 131.4 LeeswijzerIn hoofdstuk 2 behandelt de staatscommissie de verschillende elementen uit de opdracht uit het instellingsbesluit en wordt het kader geschetst waarbinnen deze opdracht beantwoord wordt door de commissie. Vervolgens worden in hoofdstuk 3 de recente ontwikkelingen in het veld geduid, waarmee helder wordt hoe het perspectief van de staatscommissie bijdraagt aan lopende debatten over de wenselijkheid van de inzet van profilering door de overheid. In hoofdstuk 4 geeft de staatscommissie haar perspectief op de passendheid van datagedreven profileringspraktijken. Hoofdstuk 5 bevat conclusies en aanbevelingen. 142. Interpretatie van de opdrachtHet eerste onderdeel van de opdracht in het instellingsbesluit verzoekt de staatscommissie om te reflecteren op de mogelijkheid en wenselijkheid van een verbod op het gebruik van ‘etniciteit’ om fraude te bestrijden. De commissie behandelt hieronder eerst de achtergrond en context waaruit de aandacht voor fraudebestrijding in de sociale zekerheid voortkwam en vervolgens de gerichte selectie op persoonskenmerken waar de term ‘gebruik’ in de opdracht op ziet. 2.1 FraudebestrijdingDe parlementaire enquêtecommissie Fraudebeleid en Dienstverlening constateert in Blind voor mens en recht dat met de invoering van de Fraudewet in 2013 een nieuw en vooral ruim begrip van fraude binnen de sociale zekerheid werd geïntroduceerd.12 De Raad van State (RvS)adviseerde om het begrip fraude alleen te gebruiken als er sprake is van ‘bedrog waarbij opzet kan worden verondersteld’. Het kabinet nam dit advies niet over en koos er in 2013 voor om fraude als ‘maatschappelijk begrip’ te benaderen, waarmee het ‘verwijtbaar schenden van de inlichtingenplicht’ gelijkgesteld werd aan fraude.13 Het gevolg hiervan was dat ook fouten als fraude werden bestempeld. Denk bij fouten bijvoorbeeld aan het niet of niet op de juiste manier aanleveren van informatie. Ook mensen die dit niet opzettelijk deden, konden worden bestempeld als fraudeur, wat leidde tot terugvordering van toeslagen en hoge boetes. De brede reikwijdte en rekbaarheid van het begrip fraude raakt in potentie grote groepen burgers in negatieve zin, wat in de toeslagenaffaire ook is gebleken. Dit is voor de staatscommissie reden om kritisch naar de inzet van profielen bij fraudebestrijding te kijken. Naast de brede rekbaarheid van het begrip ‘fraude’ is de samenloop van maatschappelijke verharding en negatieve beeldvorming over ‘buitenlanders’ een aanvullende reden voor de staatscommissie om kritisch naar datagedreven profileringspraktijken te kijken. De benadering van fraude en aandacht voor fraudebestrijding zoals die in de toeslagenaffaire duidelijk is geworden, past in een specifieke politieke context. De Nationale ombudsman verwijst in zijn rapport Geen fraudeur, toch boete: een onderzoek naar de uitvoering van de Fraudewet, bijvoorbeeld naar de kabinetsmotivering bij de parlementaire behandeling van de Fraudewet. De ombudsman komt tot de conclusie dat de wet door het kabinet werd gezien als een antwoord op het gevoel in de samenleving dat ‘fraude in de samenleving te gemakkelijk loont’. De ombudsman stelt ook dat er destijds een ‘roep vanuit de samenleving was om fraudeurs streng te straffen’.14Dit kan niet los worden gezien van de verharding van het maatschappelijk klimaat, van zorgen rondom misbruik van sociale voorzieningen en 12. Parlementaire enquête-commissie Fraudebeleid en Dienstverlening, Blind voor mens en recht, Den Haag: Tweede Kamer der Staten-Generaal 2024, p. 52.13. Nationale ombudsman, Geen fraudeur, toch boete: Een onderzoek naar de uitvoering van de Fraude-wet, Den Haag: Nationale ombudsman 2014.14. Idem.15. De staatscommissie merkt op dat de veelgebruikte term ‘Bulgarenfraude’ op zich al een stigmatiserend effect heeft. De misstan-den hadden te maken met adresfraude door een aantal criminele organisa-ties, waarvan de leden en organisatoren strafrechte-lijk vervolgd worden. 15van negatieve beeldvorming over ‘buitenlanders’. De geschiedenis van fraudebestrijding in de sociale zekerheid laat zien hoe media-aandacht en politieke incidenten – zoals de ophef over de ‘Bulgarenfraude’ begin 2013 – hebben bijgedragen aan een verhard toezichts- en handhavingsklimaat.15 De Parlementaire enquêtecommissie Fraudebeleid en Dienstverlening constateerde een verharding in het denken en spreken over uitkeringsgerechtigden en mensen met een migratieachtergrond. Fraude werd in de media en het politieke vertoog vervolgens vaak geassocieerd met doelbewust misbruik door ‘buitenlanders’, terwijl veel gevallen betrekking hadden op vergissingen of administratieve fouten. Tegen deze achtergrond is datagedreven profilering intensiever ingezet.16 De staatscommissie ziet dat profilering zo met name punitief ingezet wordt. Profilering wordt gebruikt om ‘fraude’ en criminaliteit op te sporen en te bestraffen. 2.2 Selectie op persoonskenmerkenOverheidsinstanties gebruiken profielen om te selecteren en maken daarmee onderscheid tussen inwoners. Hiermee ontstaat er een risico op discriminatie. De Nederlandse Grondwet bevat een algemeen discriminatieverbod – de overheid moet gelijke gevallen gelijk behandelen. Volgens de Algemene wet gelijke behandeling (Awgb) is discriminatie het maken van ongerechtvaardigd onderscheid, zowel direct of indirect, op basis van de discriminatiegronden godsdienst, levensovertuiging, politieke gezindheid, ras, geslacht, nationaliteit, hetero- of homoseksuele gerichtheid of burgerlijke staat. Andere wetten bepalen ook dat discriminatie op leeftijd, handicap of chronische ziekte verboden is.17 Ook verschillende mensenrechtenverdragen bevatten een verbod op discriminatie door de overheid, zoals het Europees Verdrag voor de Rechten van de Mens (EVRM) en het Internationaal Verdrag inzake burgerrechten en politieke rechten (IVBPR). De Awgb is momenteel echter van beperkte betekenis voor de selectie op basis van persoonskenmerken door de overheid, omdat overheidshandelen zoals het selecteren van een burger voor extra controle of het opleggen van een boete, ook wel ‘eenzijdig overheidshandelen’ genoemd, is uitgesloten van de Awgb. De enige uitzondering hierop is wanneer selectie plaatsvindt op grond van ‘ras’ en plaatsvindt in de sfeer van sociale zekerheid en sociale bescherming.18 De term ‘etniciteit’ komt niet expliciet voor in de Grondwet, de Awgb of in het Internationaal Verdrag inzake de uitbanning van alle vormen van rassendiscriminatie (VN-Antiracisme Verdrag of CERD). Het CERD-comité, het orgaan dat vanuit de Verenigde Naties (VN) toezicht houdt op naleving van het verdrag, heeft echter verduidelijkt dat het ‘etniciteit’ of etnische afkomst beschouwt als onderdeel van het begrip ‘ras’. Ook het Europees Hof voor de Rechten van de Mens (EHRM) ziet ‘ras’ en ‘etniciteit’ als gerelateerde en overlappende concepten. Deze overweging is in Nederland door de Hoge Raad overgenomen.19 16. In reactie op wat in de media de ‘Bulgarenfraude’ is gaan heten stuurt Staatssecretaris Weekers (Financiën), op 10 mei 2013 een brief naar de Tweede Kamer waarin hij verschillende maatregelen aankondigt om fraude met toeslagen te be-strijden. In de Kamerbrief staan negen maatregelen: 1) geen voorschot aan onbekende aanvragers; 2) geen voorschot bij verhoogd frauderisico; 3) recht op voorschot vervalt bij ontbreken adresgegevens; 4) geen voorschot bij een signaal «frauderisico» van de gemeente; 5) Versterking inzet risicoprofielen door gemeen-ten; 6) Onderzoek en afspraken gemeenten, Belastingdienst en BZK naar risico’s in de keten; 7) Beperking terugwerkende kracht; 8) Vooraf toetsen verzekeringsstatus zorgtoe-slag; 9) Europese gegevens uitwisselen. Parlementaire enquêtecommissie Fraudebe-leid en Dienstverlening, Blind voor mens en recht, Den Haag: Tweede Kamer der Staten-Ge-neraal 2024, p. 275. 17. Wet gelijke behandeling op grond van handicap of chronische ziekte (WGBH/CZ); Wet gelijke behandeling op grond van leeftijd bij de arbeid (WGBL).18. Staatscommissie tegen Discri-minatie en Racisme, Nationaal Coördinator tegen Discrimina-tie en Racisme enhet College voor de Rechten van de Mens. (2023, 20 maart). Brief aan de minister van Binnenlandse Zaken en Koninkrijksrelaties inzake ‘eenzijdig overheidshan-delen’ en gelijke behandeling; Kamerbrief van de Minister van Binnenlandse Zaken en Koninkrijksrelaties van 27 maart 2026, Onderzoek uitbreiding Algemene wet gelijke behandeling (Awgb) met eenzijdig overheidshandelen.19. EHRM 13 december 2005, ECLI:CE:ECHR:2005: 1213JUD005576200 (Timishev/Rusland), par. 55. 16In Nederland wordt de term ‘etniciteit’ vaak gebruikt, omdat ‘ras’ wordt gezien als een beladen term. Zo spreken we in Nederland van ‘etnisch profileren’, terwijl in het Engels gesproken wordt over racial profiling. In juridische zin komt ongerechtvaardigd onderscheid op etnische afkomst of gegevens die daarmee samenhangen neer op onderscheid op basis van de discriminatiegrond ‘ras’. Het gebruik van data die samenhangt met ‘ras’ of ‘etniciteit’ (huidskleur, afkomst) kan ook indirect leiden tot discriminatie op grond van ‘ras’, zoals in het geval van ‘dubbele nationaliteit’ of ‘postcode’. De Algemene Verordening Gegevensverwerking (AVG) kent een algemeen verbod op het gebruik van bijzondere persoonsgegevens. Het gaat dan onder andere om gegevens waaruit iemands ‘ras of etnische afkomst’ blijkt, omdat de verwerking daarvan een hoog risico op discriminatie en inbreuk op de privacy met zich meebrengt. De verwerking van deze gegevens is alleen mogelijk als daar een wettelijke uitzondering en grondslag voor geldt.20Zonder vooruit te lopen op de beantwoording van de opdracht uit het instellingsbesluit, merkt de staatscommissie op dat de huidige ruimte om ‘etniciteit’ c.q. ‘ras’ te gebruiken bij fraudebestrijding al zeer beperkt is. Een profiel dat direct onderscheid maakt op grond van ‘ras’ is verboden. Ook indirect onderscheid op grond van ‘ras’ waarvoor geen objectieve rechtvaardiging bestaat, is verboden. Een objectieve rechtvaardiging is aanwezig indien er sprake is van een legitiem doel, terwijl de middelen voor het bereiken van dat doel geschikt en noodzakelijk zijn.21 De discriminatiegrond ‘ras’ wordt gezien als zodanig verdacht dat de objectieve rechtvaardigingstoets zeer strikt moet worden toegepast. Een profiel dat direct onderscheid maakt op grond van ‘ras’ is verboden.Over indirect onderscheid op basis van de discriminatiegrond ‘ras’ bestaan er in Nederland momenteel belangrijke verschillen van inzicht. Zo heeft de werkgroep die werkt aan nationale afspraken over het gebruik van profile-ringsalgoritmen (zie paragraaf 3.2.5 voor een bespreking van de Nederlands Technische Afspraak) op dit vlak geen consensus kunnen bereiken. Dit heeft geresulteerd in een minderheids- en meerderheidsstandpunt. Het minderheidsstandpunt wordt ingenomen door de organisaties Amnesty International, Bits of Freedom en Controle Alt Delete. Waar het meerder-heidsstandpunt impliceert dat er in theorie een objectieve rechtvaardiging zou kunnen zijn voor indirect onderscheid op grond van ‘ras’, benadrukt het minderheidsstandpunt dat in de praktijk deze objectieve rechtvaardiging bij risicoprofilering door de overheid niet bestaat. Zij stellen daarom dat de Nederlandse Technische Afspraak (NTA) deze ruimte niet moet bieden en dat de nadruk zou moeten liggen op het voorkomen van onderscheid bij profilering, niet op de rechtvaardiging daarvan.20. Centraal Planbureau, Selectiviteitsscan: Veilige toetsing van algoritmes, Den Haag: CPB 2025; zie ook: M. van Bekkum & F. Zuiderveen Borgesius, ‘Using sensitive data to prevent discrimination by artificial intelligence: Does the GDPR need a new exception?’, Computer Law & Security Review 2022/48, p. 1-12.21. EHRM 17 november 2007, D.H. e.a. t. Tsjechië (nr. 57325/00), par. 196. 17Het onderscheid naar ‘nationaliteit’ is alleen toegestaan als de nationaliteit in staatsrechtelijke zin bepalend is, of gebaseerd is op wetten of specifieke afspraken. Denk hierbij bijvoorbeeld aan de Schengenafspraken die vrij reizen zonder grenscontroles voor afgesproken nationaliteiten regelen. Buiten dergelijke gevallen overlapt het gemaakte onderscheid in de praktijk met ‘ras’ of ‘etniciteit’ en moet het gebruik de objectieve rechtvaardigingstoets doorstaan. Zoals hierboven omschreven is de ruimte dat dit juridisch toelaatbaar wordt geacht in de context van profilering door de overheid in theorie zeer beperkt en volgens sommige mensenrechtenorganisaties in Nederland in de praktijk niet haalbaar.2.3 Beschermend gebruikNaast de punitieve inzet van datagedreven profilering in de sfeer van fraudebestrijding zoals hierboven besproken, richt het tweede onderdeel van de opdracht uit het instellingsbesluit zich op de mogelijkheid om onderscheid op ‘grond van ras en nationaliteit’ alleen toe te passen ter bescherming dan wel ondersteuning van mensen. In deze opdracht verschuift de focus van de inzet in de sfeer van (regel)handhaving, controle of naleving zoals hiervoor besproken naar een mogelijk ondersteunende inzet van profilering. In algemene zin is het ook bij eventuele bescherming of ondersteuning van belang dat de overheid gebonden is aan een discriminatieverbod. Dat volgt uit artikel 1 van de Grondwet. Dit artikel schrijft gelijke behandeling voor en verbiedt discriminatie op grond van onder meer godsdienst, levensovertuiging, politieke gezindheid, ras, of op welke grond dan ook. Vergelijkbare verplichtingen vloeien voort uit Europese en internationale mensenrechtenverdragen, zoals het hierboven genoemde EVRM en het VN-Antiracisme verdrag. De hoofdregel is dat de overheid burgers in gelijke gevallen gelijk moet behandelen en dat ongerechtvaardigd onderscheid verboden is. Dit wordt ook wel het gelijkheidsbeginsel genoemd. 2.3.1 Beschermend gebruik ook aan strikte voorwaarden gebondenTegelijkertijd betekent het gelijkheidsbeginsel niet dat iedere vorm van onderscheid verboden is. Het recht laat ruimte om gerechtvaardigd onderscheid te maken en gericht maatregelen te nemen wanneer bepaalde groepen in de samenleving aantoonbaar structurele achterstanden of nadelen ondervinden. Zulke maatregelen moeten erop gericht zijn feitelijke ongelijkheid te verminderen en gelijke kansen te bevorderen. Het gaat dan om het corrigeren van eerder scheefgegroeide verhoudingen en daarmee het bevorderen van gelijkheid. Deze positieve vorm van onderscheid is eveneens aan strikte voorwaarden gebonden: de maatregel moet een legitiem doel dienen, geschikt en noodzakelijk zijn en in verhouding staan tot dat doel. Ook bij vormen van ondersteunend onderscheid waarbij gegevens worden gebruikt die verband houden met verdachte discriminatiegronden zoals ‘ras’ of ‘etniciteit’ moet de objectieve rechtvaardigingstoets worden toegepast. Uit jurisprudentie van het EHRM volgt dat deze toets bij de gronden ‘ras’ en ‘nationaliteit’ zeer strikt moet worden toegepast. 1822. Staatscommissie tegen Discriminatie en Racisme, Gelijkheidsplicht Publieke Sector: Naar wettelijke ver-ankering van een proactieve aanpak van discriminatie door de overheid, Den Haag 2025, p. 46.23. European Commission, High-Level Group on Non-Discrimination, Equality and Diversity, Subgroup on Equality Data. (2021). Guidance note on the collection and use of equality data based on racial or ethnic origin. Publications Office of the European Union.24. ‘Voorkeursbeleid voor mensen uit een etnische of culturele minderheids-groep, hoe pak je dat aan?’, College voor de Rechten van de Mens, 7 november 2023; Zie ook: H. Weerts e.a., ‘The Neutrality Fallacy: When Algorithmic Fairness Interventions are (Not) Positive Action’, in Pro-ceedings of the 2024 ACM Conference on Fairness, Accountability, and Transparency (FAccT ‘24). New York: Association for Computing Machinery 2024, p. 2060–2070.2.3.2 Equality data In bredere zin raakt de vraag over ondersteunende vormen uit het instellingsbesluit ook aan het verzamelen en gebruik van zogenoemde equality data om maatschappelijke ongelijkheden te vereffenen en discriminatie tegen te gaan. De staatscommissie heeft in haar publicatie over de Gelijkheidsplicht Publieke Sector benadrukt dat het zonder inzicht in feitelijke verschillen moeilijk is om discriminatie effectief tegen te gaan en de effecten van overheidsbeleid te evalueren en monitoren. Zogenoemde equality data kunnen dat inzicht in feitelijke verschillen verschaffen. Bij equality data gaat het om gegevens die worden uitgesplitst naar beschermde persoonskenmerken (discriminatiegronden), zoals ‘ras’, ‘etniciteit’, geslacht, seksuele gerichtheid, leeftijd of handicap. De Europese Commissie heeft richtlijnen opgesteld voor de verzameling van gevoelige gegevens ter bestrijding van discriminatie. Het doel hiervan is te waarborgen dat dergelijke gegevensverzameling voldoet aan het EU-gegevensbeschermingsrecht en de AVG. Zo raden de richtlijnen onder andere de methode van ‘zelfidentificatie’ (ook wel zelfcategorisatie genoemd) aan. Daarbij geven mensen zelf aan hoe zij zich identificeren in termen van ‘etniciteit’, seksuele gerichtheid of andere persoonskenmerken.22 Andere belangrijke randvoorwaarden zijn vrijwillige deelname, participatie en betekenisvolle inspraak. Ook wordt in de richtlijnen gewezen op het belang van data ownership, waarbij betrokken burgers en burgercollectieven zelf de data beschikbaar stellen en betrokken zijn bij de verzameling, verwerking en verspreiding ervan.23 2.4 ConclusieDe staatscommissie constateert dat de inzet van ‘etniciteit’ bij fraudebestrijding moet worden bezien tegen de achtergrond van een verruimd fraudebegrip en een verhard handhavingsklimaat, waarin profilering een belangrijke rol is gaan spelen. Deze ontwikkeling heeft het risico op discriminatoire effecten vergroot, mede in samenhang met maatschappelijke beeldvorming over mensen met een migratieachtergrond.Tegelijkertijd biedt het bestaande juridische kader al weinig ruimte voor het gebruik van ‘etniciteit’, dan wel ‘ras’. Zowel direct als indirect onderscheid is in beginsel verboden en slechts in uitzonderlijke gevallen gerechtvaardigd. Ook het gebruik van ‘etniciteit’ en ‘ras’ voor ondersteunende doeleinden is aan strikte voorwaarden gebonden.24Gelet hierop heeft de staatscommissie een kritische en terughoudende basishouding ten aanzien van profilering. Die gaat niet alleen over de juridische toelaatbaarheid van profilering, maar ook over de context waarin profilering plaatsvindt met specifieke maatschappelijke gevolgen en effecten. In de conclusies van dit rapport worden de vragen uit het instellingsbesluit in meer detail beantwoord. 193. Ontwikkelingen in toezicht op datagedreven profileringIn de afgelopen jaren hebben verschillende instanties geadviseerd over en aandacht gevraagd voor de praktijk van datagedreven profilering door overheidsinstanties. Ook zijn richtlijnen en toetsingskaders uitgebracht voor het verantwoord gebruik van deze toepassingen. In dit hoofdstuk beschrijft de staatscommissie de rol van de twee belangrijkste toezichthouders op datagedreven profilering – de Autoriteit Persoonsgegevens en het College voor de Rechten van de Mens (hierna: College) – en recente ontwikkelingen in het debat over normering van profilering.3.1 Toezicht op profilering3.1.1 Autoriteit PersoonsgegevensDe Autoriteit Persoonsgegevens (AP) is de toezichthouder op het gebied van (datagedreven) profilering, omdat profilering meestal gepaard gaat met de verwerking van persoonsgegevens. In die rol heeft de AP op verschillende momenten opgetreden tegen discriminerende vormen van overheidsprofilering bij de Belastingdienst. Zo legde de AP in december 2021 een boete op aan de Belastingdienst voor de discriminerende en onrechtmatige wijze waarmee persoonsgegevens waren verwerkt in het kader van controles op de aanvraag van kinderopvangtoeslag. In april 2022 is nog een boete opgelegd voor de onrechtmatige verwerking van persoonsgegevens in de FSV (Fraude Signalering Voorziening). In 2023 bleek dat de Belastingdienst tot 2021 op grote schaal persoonsgegevens verzamelde en bewaarde zonder wettelijke grondslag.25 In april 2024 liet de AP de Staatssecretaris van Fiscaliteit en Belastingdienst weten de Belastingdienst onder geïntensiveerd toezicht te stellen om de acties van de Belastingdienst nauwgezet te kunnen volgen en controleren. Het toezichtarrangement richt zich onder andere op het gebruik van risicomodellen en de mogelijk onrechtmatige discriminerende verwerkingen van persoonsgegevens daarbij en wordt voor een periode van vijf jaar ingesteld.26 De AP rapporteert periodiek over de effecten en risico’s van de ontwikkeling en inzet van algoritmes en artificiële intelligentie (AI) in Nederland (RAN-rapportage). In algemene zin waarschuwt de AP dat de beheersing van risico’s steeds belangrijker, maar ook steeds lastiger wordt door de snelle technologische vooruitgang van AI en algoritmes en de grote schaal waarop deze worden toegepast. Zo roept de AP bijvoorbeeld op tot een verplichte registratieplicht voor algoritmen die binnen de overheid in gebruik zijn. Dit Algoritmeregister heeft tot doel transparantie te bieden bij de manier waarop de overheid algoritmes 25. Uit onderzoek door KPMG bleek dat het Risico Analyse Model (RAM) van de Belastingdienst, Dienst Toeslagen en de Douane gegevens verwerkte over de tweede nationaliteit van belastingplichtigen. Ook werd geregeld gezocht in het systeem op postcode en achternaam. KPMG, Rapport onderzoek Risico Analyse Model (RAM) bij Belastingdienst, Dienst Toeslagen en Douane, 25 februari 2025.26. Autoriteit Persoonsge-gevens, Aankondiging AP over toezicht op Belas-tingdienst (Brief aan de Staatssecretaris van Financiën), 19 april 2024, 2024-28-AWO-GBU. 20gebruikt. De RAN-rapportage van februari 2025 laat zien dat het identificeren, registeren en vervolgens juist categoriseren van algoritmes die in gebruik zijn grote uitdagingen vormen voor overheidsinstanties.27 Het proces kost veel tijd en arbeidscapaciteit, terwijl er ondertussen ook algoritmen bijkomen. Ook signaleert de AP als groot aandachtspunt dat relatief weinig van de geregistreerde algoritmes door overheidsinstanties worden gecategoriseerd als hoog-risico AI-systeem. Kennelijk worden de gebruikte systemen niet als zodanig herkend en heerst er onduidelijkheid over de definitie van een hoog-risico AI-systeem.28 Dit komt omdat de implementatie en interpretatie van de AI-verordening nog in ontwikkeling is. De AP merkt in de RAN-rapportage van maart 2026 op dat veel gemeentelijke organisaties nog altijd geen enkel algoritme hebben geregistreerd. Voor zover het wel gebeurt, gaat een groot deel daarvan over algoritmes met een bedrijfsmatig karakter, zoals e-mailverwerking of het anonimiseren van documenten. Echter, het register was juist bedoeld als instrument voor transparantie, verantwoording en toezicht op systemen die ingrijpen in het leven van burgers.29 3.1.2 College voor de Rechten van de MensHet College is naast de AP aangemerkt als toezichthouder op AI en grondrechten. Het College wijst geregeld op de risico’s van (risico)profilering door de overheid voor de bescherming van de mensenrechten, zoals bijvoorbeeld het gebruik van foutieve data. Ook constateert het College dat het voor burgers in de praktijk moeilijker is om een besluit aan te vechten, omdat de achterliggende gegevens niet altijd toegankelijk zijn en het voor burgers niet altijd duidelijk is dat zij geprofileerd zijn. In 2021 riep het College de overheid en ambtenaren op om meer ‘grip’ te krijgen op het gebruik van risicoprofielen en voorspellende modellen. Zo werd aanbevolen dat bij het ontwerp, de aanbesteding en het gebruik van dergelijke systemen een ‘mensenrechtentoets’ moet worden uitgevoerd en dat burgers op een transparante en toegankelijke wijze geïnformeerd moeten worden over het gebruik van data en algoritmes.30 Eerder stelde het College dat een risicoprofiel voor een burger geen ‘black box’ mag zijn en wees het op het belang van transparantie en uitlegbaarheid van gebruikte criteria en methodes.31 Naar aanleiding van de klachten van discriminatie die toeslagenouders indienden bij het College, werd een vooronderzoek bij de Belastingdienst ingesteld om de effecten van de werkwijzen en selectiemethoden te onderzoeken. Ouders kregen nauwelijks of geen toegang tot hun eigen dossiers. Vanwege de wettelijke bevoegdheden van het College was het mogelijk om het cumulatieve effect van de werkwijzen gedurende een bepaalde periode te onderzoeken. Uit het onderzoek van het College kwam naar voren dat bij verschillende vormen van toezicht ouders met een niet-Nederlandse afkomst aanzienlijk vaker voor toezicht werden geselecteerd dan ouders met een Nederlandse afkomst. Sinds 2023 heeft het College tientallen zaken van gedupeerde ouders door de toeslagenaffaire behandeld en oordelen gegeven over gevallen van zowel indirecte als directe discriminatie. 27. De categorieën A, B, C en D worden onderkend in het Algoritmeregister. De categorie A algo-ritmen zijn algoritmen die volgens de nieuwe AI-verordening, een Europese wet die regels stelt voor de ontwikke-ling en het gebruik van AI-systemen, gekenmerkt moeten worden als hoog risico. Hieronder vallen de toegang tot overheidsdienstverlening en uitkering. De categorie B algoritmen zijn zijn algoritmen met directe impact op betrokken burgers of organisaties. ‘Het Algoritmeregister van de Nederlandse overheid.’28. Per 26 maart 2026 waren 38 van de 1392 geregistreerde overheidsalgoritmen geca-tegoriseerd als hoog-risico AI-systeem. Zie ook: Auto-riteit Persoonsgegevens, Rapportage AI- & Algorit-merisico’s Nederland, Den Haag: AP februari 2025.29. Autoriteit Persoonsge-gevens, Rapportage AI & Algoritmes Nederland, Den Haag: AP maart 2026.30. ‘Meer grip op risicopro-fielen en voorspellende systemen bij de overheid’, College voor de Rechten van de Mens, 10 februari 2021.31. ‘Om etnisch profileren uit te bannen is juridische duidelijkheid nodig’, College voor de Rechten van de Mens, 8 juni 2020. 21In 2025 heeft het College een herziene versie van het Toetsingskader risicoprofilering uitgebracht. Het biedt een juridisch kader voor de beoordeling van risicoprofilering in het licht van het discriminatieverbod, met bijzondere focus op de gronden ‘ras’ en ‘nationaliteit’. Risicoprofilering wordt gedefinieerd als een gerichte controle op basis van algemene criteria die verondersteld worden voorspellend te zijn, zonder dat er een concrete verdenking aan ten grondslag ligt. Hoewel risicoprofilering niet categorisch verboden is, wordt deze praktijk strikt begrensd door het non-discriminatierecht. Het kader analyseert bestaande wetgeving en jurisprudentie en werkt op basis daarvan een tweestappentoets uit: eerst wordt beoordeeld of sprake is van direct of indirect onderscheid op grond van ‘ras’ of ‘nationaliteit’. Vervolgens wordt getoetst of dit onderscheid objectief gerechtvaardigd kan worden aan de hand van de eisen van legitimiteit, geschiktheid, noodzakelijkheid en proportionaliteit (de ‘objectieve rechtvaardigingstoets’). Direct onderscheid op grond van ‘ras’ is altijd verboden; aan een objectieve rechtvaardiging voor indirect onderscheid op grond van ‘ras’ moeten zeer hoge eisen worden gesteld en geldt een strikte toepassing van de toets. Daarnaast werkt het kader proactieve voorzorgsverplichtingen uit: systematische toetsing van risicocriteria op indirect onderscheid, monitoring van effecten, waarborgen tegen (onbewuste) vooroordelen en transparantie. Ook adviseert het College dat de overheid onafhankelijk toezicht organiseert op het gebruik van profilering. Totdat dit georganiseerd is, wordt aanbevolen dat organisaties zelfstandig onafhankelijk toezicht op risicoprofilering organiseren als invulling van de voorzorgsplicht. De kernboodschap is dat risicoprofilering slechts rechtmatig is, indien maximale inspanningen worden verricht om discriminatie te voorkomen. Het College signaleert dat de overheid zich jarenlang onvoldoende bewust is geweest van de gevaren van discriminatie door het gebruik van risicomodellen en roept de regering op om effectief beleid te ontwikkelen en betekenisvolle stappen te zetten tegen deze vormen van discriminatie. Het College stelt dat om discriminatie bij het gebruik van risicoprofilering echt te voorkomen (kader)wetgeving en bindend toezicht nodig zijn.32 3.2 Ontwikkelingen in debat over normering van profileringWaar de twee belangrijkste toezichthouders – de AP en het College – op grond van hun bevoegdheden in de afgelopen jaren kritische geluiden hebben laten horen over datagedreven profileringspraktijken van de overheid, zijn er ook vanuit andere instanties steeds kritischer geluiden te horen. 3.2.1 Amnesty InternationalMensenrechtenorganisaties zoals Amnesty International zijn zeer kritisch over het gebruik van datagedreven profilering door de overheid. In verschillende rapporten uit de periode 2021–2024 heeft Amnesty International Nederland (hierna: Amnesty) geconcludeerd 32. College voor de Rechten van de Mens, Oproep aan de informateur en formerende partijen – Versterk de rechtsstaat en bescherm mensenrechten (Brief aan informateur), 21 november 2025, 2025/082/VZ/BO. 22dat risicoprofilering door de overheid structurele risico’s oplevert voor publieke waarden, zoals non-discriminatie, privacy, transparantie en rechtsbescherming. Onderzoeken naar onder meer de kinderopvangtoeslag, fraudeselectiesystemen van DUO en bredere handhavingspraktijken laten zien dat burgers herhaaldelijk ongelijk zijn behandeld doordat risicomodellen gebruikmaken van kenmerken die direct of indirect samenhangen met ‘etniciteit’, ‘nationaliteit’ of sociaaleconomische positie. Toezichthouders en andere instanties hebben de afgelopen jaren kritische geluiden laten horen over datagedreven profileringspraktijken van de overheid.Amnesty benadrukt dat de overheid dergelijke modellen vaak inzet zonder voldoende wettelijke waarborgen, zonder onafhankelijke toetsing en zonder overtuigend bewijs dat de systemen daadwerkelijk effectief zijn. Juist omdat de effectiviteit vaak niet is aangetoond, is volgens Amnesty moeilijk te rechtvaardigen dat ingrijpende vormen van risicoprofilering worden gebruikt, zeker wanneer deze het vertrouwen in de overheid kunnen ondermijnen. De organisatie pleit daarom voor bindende wettelijke kaders, verplichte mensenrechten- en impacttoetsen vooraf, meer transparantie over gebruikte algoritmen, onafhankelijk toezicht en een terughoudende inzet van risicoprofilering zolang niet is aangetoond dat deze noodzakelijk, proportioneel en effectief is. In het rapport Roekeloze Risicoprofilering roept Amnesty het kabinet op om te stoppen met alle algoritmische risicoprofileringssystemen die gebruikt worden voor het opsporen van misbruik en fraude met sociale regelingen totdat het recht op non-discriminatie kan worden gegarandeerd.33 3.2.2 Algemene RekenkamerDe Algemene Rekenkamer signaleert in 2024 naar aanleiding van een focusonderzoek over AI bij de rijksoverheid dat de kansen van een AI-systeem niet altijd worden afgewogen tegen de risico’s, onder andere op nadelige en mogelijk discriminerende effecten op burgers. Waar die afweging wel wordt gemaakt, ligt de beoordeling bij de overheidsinstantie zelf. Dat levert een prikkel op om de risico’s als minimaal te categoriseren, omdat het systeem dan aan minder (strenge) voorwaarden hoeft te voldoen.34 3.2.3 Wetenschappelijke Adviesraad PolitieIn juni 2025 publiceert de Wetenschappelijke Adviesraad van de Politie haar advies Navigeren in Niemandsland. De adviesraad stelt dat de inzet van data en AI in het politiewerk zich ontwikkelt in een spanningsveld tussen verschillende publieke waarden en dat de effectiviteit van veel toepassingen nog onvoldoende is aangetoond. Enerzijds kunnen AI-33. Amnesty International Nederland, Xenophobic Machines: Discrimination through Unregulated Use of Algorithms in the Dutch Childcare Benefits System; Amsterdam: Amnesty International 2021; Amnesty Internati-onal Nederland, Etnisch profileren is een over-heidsbreed probleem: Tien jaar beleid tegen etnisch profileren bij de Nederlandse politie en an-dere overheidsinstanties; Amsterdam: Amnesty International, 2024; Amnesty International Nederland, Roekeloze risi-coprofilering: Discriminatie door het fraude-algoritme van DUO; Amsterdam: Amnesty International, 2024.34. Algemene Rekenkamer, Focus op AI bij de rijksover-heid, Den Haag: Algemene Rekenkamer 2024. 2335. Wetenschappelijke Ad-viesraad Politie, Navigeren in niemandsland. Zeven urgente uitdagingen rondom digitalisering en AI in politiewerk, Den Haag: WARP 2025.36. OxRec is een afkorting van de Oxford Risk of Recidivism tool. Zie ook: G. van Dijck, ‘Algoritmi-sche risicotaxatie van recidive. Over de Oxford Risk of Recidivism tool (OxRec), ongelijke behan-deling en discriminatie in strafzaken’, Nederlands Juristenblad 2020/1558, p. 1784-1790.37. College voor de Rechten van de Mens, Toetsings-kader Risicoprofielen, Utrecht: College voor de Rechten van de Mens 2025. p.34.systemen bijdragen aan veiligheid, efficiëntie en betere dienstverlening, maar anderzijds raken zij fundamentele waarden zoals privacy, non-discriminatie, transparantie en democratische controle. Volgens het rapport ontbreekt vaak een duidelijk wettelijk en organisatorisch kader, waardoor politiemedewerkers in een ‘niemandsland’ terechtkomen waarin keuzes over technologie niet goed zijn genormeerd. Tegelijkertijd is het zicht op de effectiviteit van AI-toepassingen beperkt, doordat stevige evaluaties en empirische onderbouwing vaak ontbreken; zonder bewijs van effectiviteit is het moeilijk om proportionaliteit, subsidiariteit en legitimiteit te beoordelen. Daarom pleit de adviesraad voor meer empirisch onderzoek, duidelijke governancestructuren en een kritische digitale houding binnen de politie, zodat technologische innovatie alleen wordt ingezet wanneer deze aantoonbaar bijdraagt aan publieke waarden en het vertrouwen van burgers niet ondermijnt. De adviesraad adviseert de politie te stoppen met vormen van profilering die crimineel gedrag op persoonsniveau proberen te voorspellen. De adviesraad stelt dat deze vorm van profilering hoge en ingrijpende risico’s met zich meebrengt, terwijl de effectiviteit dikwijls onduidelijk is. Daarnaast is deze vorm van voorspellende profilering onwenselijk vanuit het perspectief van het vertrouwen dat burgers al dan niet hebben in de politie. Bovendien beschikken sommige groepen burgers – vaak in kwetsbare posities – over meer digitale ‘sporen’ dan anderen, wat kan leiden tot onevenredige aandacht. Het feit dat daders achteraf soms gemeenschappelijke kenmerken hebben, rechtvaardigt volgens de adviesraad nog niet het voorspellen van gedrag. Voorspellen op persoonsniveau vergroot het risico op ongelijke behandeling, ondermijnt het vertrouwen in de politie en is zowel wetenschappelijk als normatief problematisch. De adviesraad komt tot de conclusie dat het ‘voorspellen’ van crimineel gedrag op persoonsniveau geen vanzelfsprekende ambitie zou moeten zijn.353.2.4 Inspectie Justitie en VeiligheidIn februari 2026 rapporteert de Inspectie Justitie en Veiligheid over het niet-verantwoord gebruik van algoritmes bij de reclassering. De inspectie constateert dat met name het OxRec-algoritme, dat ongeveer 44.000 keer per jaar wordt toegepast, risicovol is.36 De inspectie trof fouten aan in de software en stelt dat er verkeerde getallen of sterk verouderde gegevens gebruikt werden. Daarnaast was de data oorspronkelijk ontwikkeld voor een andere doelgroep dan die waarop het algoritme werd toegepast. Ook bevatte het OxRec-algoritme volgens de inspectie zogeheten proxy-variabelen die kunnen leiden tot indirecte discriminatie van mensen met een migratieachtergrond en indirect onderscheid op grond van ‘ras’ of ‘nationaliteit’.37 Om deze variabelen toch toe te mogen passen ondanks het risico op discriminatie is een objectieve rechtvaardiging nodig. Echter, aan deze voorwaarden heeft de reclassering volgens de inspectie niet voldaan. Ook nadat in 2020 signalen en waarschuwingen van de mogelijke discriminerende werking van OxRec de reclassering bereikten, zijn in de opvolgende jaren 24geen concrete maatregelen getroffen. De inspectie concludeert dat het algoritme verboden is op basis van het discriminatieverbod.38 De reclassering besloot na het onderzoek het gebruik van het algoritme per direct stil te zetten. 3.2.5 Nederlandse Technische Afspraak voor profileringsalgoritmesOp dit moment bestaan er nog geen nationale of Europese normen over de inzet van profileringsalgoritmes door de overheid. Hoewel er door kennisinstellingen, universiteiten en overheden zelf in de afgelopen jaren verschillende kaders zijn ontwikkeld voor het verantwoord gebruik van algoritmen en profileringsmethoden – zoals het toetsingskader van het College en het Impact Assessment Mensenrechten en Algoritmes (IAMA) van de Universiteit Utrecht – zijn er tot dusver nog geen bindende kwaliteitsnormen voor het gebruik van profileringsmethoden door overheidsorganisaties. Gezien het gebrek aan adequate normen over het gebruik van profileringsalgoritmen wordt er op het moment van schrijven van dit rapport gewerkt aan een Nederlandse Technische Afspraak (NTA) voor profileringsalgoritmes. De NTA is een leidraad voor ontwikkelaars en gebruikers van profileringsmethoden bij de overheid en wordt ontwikkeld door een werkgroep van de normcommissie AI & Big data van de Stichting Koninklijk Nederlands Normalisatie Instituut (NEN). De werkgroep bevat experts vanuit overheidsorganisaties, onderzoeksinstituten en maatschappelijke organisaties, met verschillende vormen van expertise. Het NEN faciliteert in Nederland de ontwikkeling en naleving van normen op verschillende terreinen. Op 23 maart 2026 is de conceptversie van de NTA in consultatie gegaan. De conceptversie van de NTA laat zien dat de mogelijke inzet van profileringsalgoritmes door overheidsorganisaties gebonden is aan hoge eisen. Deze eisen gaan in de eerste plaats over de onderbouwing van de inzet van profileringsalgoritmen. Overheden moeten duidelijk kunnen maken dat profileringsalgoritmen een passende en effectieve maatregel zijn, waarbij de effectiviteit niet afgemeten kan worden aan enkel organisatorische doelstellingen maar ook aan maatschappelijke doelstellingen. Daarbij laat de NTA zien dat overheden belangen van betrokkenen serieus moeten meewegen bij de ontwikkeling van profileringsalgoritmen, onder andere door met betrokkenen in gesprek te gaan over de wenselijkheid en noodzakelijkheid van de inzet van profilering. Op basis van een gedegen analyse hiervan kan in nauwe samenspraak met betrokkenen een eerste voorlopige afweging worden gemaakt over de ontwikkeling van profileringsalgoritmen. Naast deze procesvereisten voor de keuze om een profileringsalgoritme te ontwikkelen, bevat de NTA ook normen voor technische aspecten van de ontwikkeling ervan, zoals de modelkeuze, datakwaliteit, selectie van profileringskenmerken, uitlegbaarheid en het meten van de prestaties van profileringsalgoritmen. De NTA maakt daarbij duidelijk dat de definitieve afweging om een profileringsalgoritme in de praktijk te implementeren om een uitgebreide toetsing vraagt. Daarbij moeten niet 38. Inspectie Justitie en Veiligheid, Risicovol algoritmegebruik. Onder- zoek naar gebruik van algoritmes bij de reclasse-ring, Den Haag: Inspectie Justitie en Veiligheid 2026. 25alleen abstracte juridische en prestatietoetsen worden doorlopen, maar ook praktijkvalidatie en een onafhankelijke audit, voordat een definitieve afweging kan worden gemaakt.3.3 ConclusieDe ontwikkelingen in het toezicht op datagedreven profilering laten een duidelijk beeld zien van aanhoudende zorgen over de manier waarop de overheid deze instrumenten inzet. Zowel de Autoriteit Persoonsgegevens als het College voor de Rechten van de Mens hebben in de afgelopen jaren kritiek geleverd op de manier waarop overheidsorganisaties profilering inzetten. De AP heeft door middel van handhaving en rapportages herhaaldelijk gewezen op onrechtmatige en discriminerende gegevensverwerkingen en benadrukt dat de snelle opkomst van algoritmes en AI het toezicht complexer maakt. Tegelijkertijd heeft het College meermaals benadrukt risicoprofilering vanuit mensenrechtelijk perspectief slechts onder strikte voorwaarden toelaatbaar is, waarbij transparantie, uitlegbaarheid en het voorkomen van discriminatie centraal zouden moeten staan.Ook buiten de formele toezichthouders klinkt steeds meer kritiek. Maatschappelijke organisaties en adviesraden signaleren structurele risico’s voor fundamentele rechten, wijzen op het gebrek aan empirisch bewezen effectiviteit van veel toepassingen en benadrukken dat de huidige praktijk vaak tekortschiet in waarborgen, transparantie en normering. In verschillende gevallen, zoals bij de Belastingdienst en de reclassering, is gebleken dat profilering niet alleen risicovol is, maar ook daadwerkelijk heeft geleid tot verboden onderscheid en onrechtmatige behandeling van burgers.Tegelijkertijd is er een ontwikkeling zichtbaar richting verdere normering en professionalisering van profilering, onder meer door de totstandkoming van de Nederlandse Technische Afspraak voor profileringsalgoritmes. De NTA maakt inzichtelijk aan welke hoge eisen de ontwikkeling, inzet en monitoring van dergelijke systemen zou moeten voldoen, zowel op technisch als organisatorisch en juridisch vlak.Voor de staatscommissie laat het proces van ontwikkeling van de NTA twee belangrijke zaken zien. In de eerste plaats is het positief en hoopgevend dat een multidisciplinaire groep van experts vanuit overheid, wetenschap en maatschappelijke organisaties tot gezamenlijke uitgangspunten is gekomen over de eisen die aan profileringsalgoritmen moeten worden gesteld. Tegelijkertijd constateert de staatscommissie een duidelijke discrepantie tussen deze (terechte) hoge normen en de historisch gegroeide praktijk van overheidsprofilering, die in veel gevallen niet aan deze eisen lijkt te kunnen voldoen. Dit bevestigt de ernstige zorgen en fundamentele bezwaren van de staatscommissie over de wenselijkheid van het gebruik van profileringsmethoden door de overheid. 264. Datagedreven profilering vanuit principieel perspectiefDe staatscommissie benadert datagedreven profilering nadrukkelijk vanuit een principieel en normatief perspectief. Overheidshandelen is immers nooit louter technisch of neutraal, maar is altijd gebaseerd op keuzes waarin publieke waarden en principes worden afgewogen. Dit geldt in het bijzonder voor datagedreven profilering, omdat deze praktijken direct raken aan de manier waarop de overheid publieke middelen inzet, onderscheid maakt tussen burgers en prioriteiten stelt in toezicht, handhaving en dienstverlening. Daarmee is profilering geen puur instrumentele keuze, maar een bestuurlijke praktijk met directe implicaties voor de rechtsstaat, democratische legitimiteit en het bestuurlijk vermogen van de overheid. Overheidshandelen is nooit louter technisch of neutraal, maar altijd gebaseerd op keuzes waarin publieke waarden en principes worden afgewogen. De staatscommissie sluit in haar analyse aan bij het wegingskader van de Raad voor het Openbaar Bestuur (ROB), waarin drie centrale principes van goed openbaar bestuur centraal staan: rechtsstaat, democratie en bestuurlijk vermogen. Deze principes worden concreet gemaakt in waarden zoals legaliteit, gelijkheid, transparantie, participatie, effectiviteit en proportionaliteit. Door profileringspraktijken langs deze drie dimensies te beoordelen, wordt zichtbaar dat profilering structurele spanningen kan oproepen tussen publieke waarden en de feitelijke praktijk van overheidsoptreden. 4.1 Spanningen met het principe van rechtsstatelijkheid4.1.1 Een gefragmenteerd juridisch kader en vereiste zelfreguleringVanuit rechtsstatelijk perspectief moet overheidshandelen berusten op een duidelijke wettelijke grondslag, gelijke behandeling waarborgen en effectieve rechtsbescherming bieden. De praktijk van datagedreven profilering levert hier op meerdere manieren fundamentele vragen en spanningen op. Het legaliteitsbeginsel houdt in dat een overheid alleen mag handelen op basis van een wettelijke bevoegdheid. De legaliteit van profilering 27is complex. Er bestaat (nog) geen overkoepelende wet die alle vormen van overheidsprofilering reguleert. In plaats daarvan is sprake van een gefragmenteerd juridisch kader bestaande uit normen van het bestuursrecht, privacyrecht en het non-discriminatierecht. Hoewel profilering als onderzoekstechniek binnen de huidige juridische kaders niet verboden is, is het gebruik aan strenge regels gebonden. Organisaties die profilering willen inzetten moeten zelf waarborgen treffen om te voldoen aan hun wettelijke verplichtingen en om discriminatie te voorkomen. Een overheid die profileert maakt immers onderscheid tussen mensen. Dit onderscheid is alleen toelaatbaar als dit objectief gerechtvaardigd is. Een objectieve rechtvaardiging vereist een legitiem doel en een middel dat passend en noodzakelijk is. Om aan hun verplichtingen onder de AVG te voldoen moeten organisaties die profileren en zo persoonsgegevens verwerken bijvoorbeeld een Data Protection Impact Assessment (DPIA) uitvoeren. In een DPIA moet worden beschreven welke gegevens worden verwerkt, wat het doel van die verwerking is, of de verwerking noodzakelijk is om het doel te bereiken en of de mate van inbreuk op de privacy ook in verhouding staat (proportionaliteit) tot het te bereiken doel. Ontbreekt er een legitiem doel of is de verwerking niet proportioneel, dan is profilering onrechtmatig.39Profilering wordt ook strikt begrenst door het non-discriminatierecht. Het College voor de Rechten van de Mens ontwikkelde het in dit rapport eerder beschreven Toetsingskader risicoprofilering waarin de objectieve rechtvaardigingstoets op basis van de bestaande wetgeving en jurisprudentie wordt uitgewerkt. Volgens deze toets wordt eerst gekeken of er sprake is van direct of indirect onderscheid op discriminatiegronden (het kader van het College richt zich op ‘ras’ en ‘nationaliteit’). Vervolgens wordt getoetst of dit onderscheid objectief gerechtvaardigd kan worden aan de hand van de eisen van legitimiteit, geschiktheid, noodzakelijkheid en proportionaliteit (de ‘objectieve rechtvaardigingstoets’). De kernboodschap is opnieuw dat risicoprofilering alleen rechtmatig is als maximale inspanningen worden verricht en voorzorgsmaatregelen worden getroffen om discriminatie te voorkomen.Deze zelfregulering blijkt in de praktijk problematisch. Incidenten zoals de toeslagenaffaire, discriminerende controlepraktijken bij DUO en het langdurige gebruik van het OxRec-algoritme bij de reclassering laten zien dat overheidsinstanties nog onvoldoende in staat zijn om de vereiste waarborgen en voorzorgsmaatregelen effectief te implementeren. Het College signaleert dat de overheid zich jarenlang onvoldoende bewust is geweest van de gevaren van discriminatie door het gebruik van risicomodellen en roept de regering op om effectief beleid te ontwikkelen en betekenisvolle stappen te zetten tegen deze vormen van discriminatie. Het College stelt dat (kader)wetgeving en bindend toezicht nodig zijn om discriminatie bij het gebruik van risicoprofilering echt te voorkomen.40 Ook toezichthouders signaleren tekortkomingen, zoals het ontbreken van DPIA’s, het gebruik van mensenrechtentoetsen zoals het 39. European Union Agency for Fundamental Rights, Preventing unlawful profiling today and in the future: a guide, Luxem-bourg: FRA 2018.40. College voor de Rechten van de Mens, Oproep aan de informateur en formerende partijen – Versterk de rechtsstaat en bescherm mensenrechten (Brief aan informateur), 21 november 2025, 2025/082/VZ/BO. 28Impact Assessment Mensenrechten en Algoritmes (IAMA) en het nalaten van systematische en doorlopende monitoring van discriminatierisico’s.414.1.2 Profilering staat op gespannen voet met het gelijkheidsbeginselDaarnaast brengt profilering aanzienlijke risico’s mee voor het gelijkheidsbeginsel. Dit beginsel vereist dat gelijke gevallen gelijk worden behandeld en dat onderscheid slechts is toegestaan als daarvoor een objectieve rechtvaardiging bestaat, zoals hierboven beschreven. Daarnaast zijn er ook zorgen over de inherente patronen van ongelijkheid en discriminatie door bevooroordeelde data en de manieren waarop deze patronen maatschappelijk kwetsbare groepen opnieuw benadelen. Data zijn niet neutraal, maar weerspiegelen historische maatschappelijke ongelijkheden en geven altijd maar een gedeeltelijke interpretatie van de werkelijkheid weer.42 Wanneer voorspellende modellen worden getraind met historische data, kunnen zij deze ongelijkheden reproduceren of zelfs versterken.43 Deze problematiek wordt ook wel aangemerkt als ‘bias’.44 In wetenschappelijk literatuur wordt naast ‘bias’ of bevooroordeelde data ook verwezen naar het risico op versterkeffecten of zogeheten ‘feedbackloops’. Wanneer handhavingscapaciteit zich concentreert op een bepaalde groep of wijk, stijgt het aantal geconstateerde overtredingen daar. Dit vormt vervolgens weer aanleiding voor verdere concentratie van toezicht. Zo kan een zichzelf versterkende cyclus ontstaan.45 Verschillende feedbackloops kunnen in wisselende combinaties ook tegelijkertijd opspelen en zelfs ‘op hol slaan’ en in relatief korte tijd veel vertekening opleveren met schadelijke maatschappelijke gevolgen.46 Er kan ook een situatie ontstaan waarbij de data in een profiel juist is, maar waarbij de instantie die het profiel toepast niet erkent dat de populatie in de dataset mogelijk al eerder te maken heeft gehad met ongelijke behandeling of maatschappelijk achterstelling. De hierboven omschreven mechanismen kunnen ertoe leiden dat datagedreven profilering niet alleen individuele risico’s op discriminatie met zich meebrengt, maar ook kan leiden tot cumulatieve discriminatie waarbij steeds dezelfde groepen getroffen worden.47 Onderzoek van het Sociaal en Cultureel Planbureau (SCP) laat zien dat herhaalde discriminatie samenhangt met economische kwetsbaarheid, minder maatschappelijke betrokkenheid en lager institutioneel vertrouwen. Wanneer profilering structureel dezelfde groepen raakt, kan dit leiden tot een vicieuze cirkel van wantrouwen, terugtrekking en verdere marginalisering – een dynamiek die aansluit bij het bredere beeld van punishing the poor.48 Dit is het fenomeen waarbij mensen in sociaaleconomische kwetsbare omstandigheden in de samenleving worden onderworpen aan strengere overheidscontroles en strafmechanismes. Zo beschouwde de Belastingdienst ten tijde van de toeslagenaffaire mensen met de hoogste toeslagen als het meest risicovol om te frauderen. Dit hothor-principe (hoge toeslag, hoog risico) raakte als vanzelfsprekend vooral mensen met de laagste inkomens, omdat zij recht hadden op de hoogste toeslagen.4941. Inspectie Justitie en Veiligheid, Risicovol algoritmegebruik. Onderzoek naar gebruik van algoritmes bij de reclassering, Den Haag: Inspectie Justitie en Veiligheid 2026. 42. L. Gitelman, (red.), Raw Data Is an Oxymoron. Cambridge: MIT Press 2013; Weerts, H., Xenidis, R., Laux, J., & Veale, M. (2024). The neutrality fallacy: When algorithmic fairness interven-tions are (not) positive action (Preprint). HAL Open Science.43. De toenmalige Speciaal Rap-porteur voor extreme armoede en mensenrechten Philip Al-ston omschreef dit probleem in 2019 als volgt: “Het is zeer waarschijnlijk dat voorspellende analyses, algoritmes en andere vormen van AI-vooroordelen in bestaande gegevens en be-staand beleid reproduceren en versterken. Ingebouwde vormen van discriminatie kunnen het recht op sociale bescherming voor essentiële groepen en individuen op rampzalige wijze ondermijnen.” Report of the Special Rapporteur on extreme poverty and human rights on the digital welfare state, 2019, A/74/493.44. Suresh & Guttag onderschei-den verschillende soorten mogelijke bias (vooringeno-menheid, vertekening) bij het gebruik van voorspellende algoritmen: representation bias, historical bias (ook wel ‘life bias’ genoemd) en measurement bias. Suresh, H., & Guttag, J. V. (2021). A framework for un-derstanding sources of harm throughout the machine learn-ing life cycle. In Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT ’21) (pp. 1–12). Association for Compu-ting Machinery.45. Bernard E. Harcourt (2007). Against prediction: Profiling, policing, and pu-nishing in an actuarial age. University of Chicago Press.; Smeets, I. (2020, 12 mei). 510 staandehoudingen en de zelf-versterkende feedback-loop. de Volkskrant; Scheidegger, C., 294.1.3 Negatieve en positieve verplichtingen om discriminatie te voorkomen: de Gelijkheidsplicht Publieke Sector (GPS)In de voortgangsrapportage Gelijkheidsplicht Publieke Sector constateert de staatscommissie dat het huidige non-discriminatierecht onvoldoende waarborgen biedt tegen discriminatie door de overheid, omdat het vooral uitgaat van een reactieve benadering. Het klassieke non-discriminatierecht legt primair een negatieve verplichting op: de overheid mag geen onderscheid maken op beschermde discriminatiegronden. In de praktijk blijkt deze benadering echter onvoldoende om institutionele en indirecte vormen van discriminatie te voorkomen, omdat dergelijke vormen vaak voortkomen uit ogenschijnlijk neutrale regels, beleidskeuzes of uitvoeringssystemen. De staatscommissie benadrukt dat discriminatie binnen de publieke sector regelmatig ontstaat door datagedreven besluitvorming, waarbij bepaalde groepen disproportioneel worden geraakt. Om die reden pleit de commissie voor een wettelijke gelijkheidsplicht voor de publieke sector, die overheidsinstanties verplicht om al in de fase van beleidsvorming en uitvoering proactief te onderzoeken welke gevolgen hun handelen heeft voor verschillende groepen in de samenleving.De discriminerende werking van dergelijke systemen is niet altijd zichtbaar op het niveau van individuele beslissingen, beroepsprocedures of klachten. Toch kunnen deze systemen cumulatieve discriminatie en maatschappelijke ongelijkheid wel versterken. Daarom rust op de overheid een proactieve verplichting om te waarborgen dat deze systemen geen ongerechtvaardigd onderscheid maken. Dit betekent dat overheidsorganisaties vooraf moeten toetsen of datagedreven profileringsmethoden discriminerende effecten kunnen hebben. Daarnaast moeten zij passende waarborgen treffen om zulke effecten te voorkomen. Ook moeten zij de werking van deze systemen voortdurend monitoren en evalueren. De negatieve en positieve verplichtingen die voortvloeien uit het non-discriminatierecht brengen mee dat de overheid niet kan volstaan met het achteraf corrigeren van discriminatie, maar actief moet garanderen dat haar risicogestuurde besluitvorming in overeenstemming is met het gelijkheidsbeginsel. 4.1.4 Technische interventies of debiasing alleen lossen de risico’s op discriminatie niet opIn reactie op zorgen over discriminatie door algoritmes hebben ook publieke organisaties de afgelopen jaren kaders ontwikkeld om bias of vooringenomenheid te identificeren en voorkomen50. In de computerwetenschappen bestaat er een brede wetenschappelijke literatuur op het gebied van debiasing en algorithmic fairness (algoritmische eerlijkheid) waarin (kwantitatieve) methodes voor het meten en voorkomen van ‘oneerlijkheid’ worden besproken. Het College heeft onlangs wetenschappers aan de Technische Universiteit Eindhoven gevraagd onderzoek te doen naar de inzet van dit soort kwantitatieve methodes om discriminatie binnen datagedraven profilering te meten en te voorkomen. Het onderzoek concludeert dat fairness methodes weliswaar overeenkomsten hebben met de & Venkatasubramanian, S. (2018). Runaway feedback loops in predictive policing. In Proceedings of the 1st Conference on Fairness, Ac-countability and Transparency (FAccT ’18)(pp. 160–171). PMLR.46. Idem. 47. Zie eerder onderzoek van de Staatscommissie over vormen van cumulatieve discriminatie: Staatscommissie tegen Discriminatie en Racisme, Keer op keer. Inzichten in gestapelde discriminatie-ervaringen in Nederland en Europa, Den Haag: Staatscommissie tegen Discriminatie en Racisme 2025. 48. L. Wacquant, Punishing the Poor: The Neoliberal Government of Social Insecu-rity, Durham & London: Duke University Press 2009; Zie ook: V. Eubanks, Automating inequality: How high-tech tools profile, police, and punish the poor, New York: St. Martin’s Press 2018; J. Gilliom, Over-seers of the poor: Surveillance, resistance, and the limits of privacy. Chicago: University of Chicago Press 2001.49. Parlementaire enquête-commissie Fraudebeleid en Dienstverlening, Blind voor mens en recht, Den Haag: Tweede Ka-mer der Staten-Generaal 2024; Zie ook: N. Dube & J. Alspeer, ‘Emergente gronden vatten en intersectionele discriminatie voorkomen door transfor-matief constitutionalisme’, in: Preadviezen – Samen voor gelijkheid. Een toekomstvisie op het non-discriminatierecht, Den Haag: Staatscommissie tegen Discriminatie en Racisme 2025; Zie ook: N. Dube, ‘Dubbele discriminatie bij het Toeslagen-schandaal’, nemokennislink.nl, 8 oktober 2024.50. Zo is in 2021 in opdracht van het Ministerie van Binnen-landse Zaken de Handreiking Non-discriminatie by design ontwikkeld, heeft de gemeente Amsterdam in 2022 The Fairness Handbook geschreven en zijn verscheidene praktische handvatten sinds 2024 gebun-deld in het Algoritmekader. 30juridische beoordelingskaders voor discriminatie, maar stelt dat kwantitatieve methodes alleen niet voldoende zijn om discriminatie aan te tonen en te verhelpen. Discriminatie is namelijk geen technisch probleem dat (alleen) met technische aanpassingen opgelost kan worden. Het College beveelt op basis van dit onderzoek aan dat het toetsen en voorkomen van discriminatie in algoritmes multidisciplinaire samenwerking, actieve monitoring en verankering van het toetsen van discriminatie in de werkprocessen vereist.51 4.1.5 Profilering levert uitdagingen op voor rechtszekerheid en rechtsbeschermingVoor de rechtszekerheid is het belangrijk dat overheidshandelen transparant en voorspelbaar is en voor de rechtsbescherming is het van belang dat burgers toegang hebben tot bezwaar- en beroepsmogelijkheden en een gelijkwaardige informatie- en procespositie hebben ten opzichte van de overheid. In de praktijk constateert de commissie dat het huidige stelsel van toezicht op profilering in Nederland verschillende knelpunten oplevert voor de rechtsbescherming van burgers bij het gebruik van datagedreven profilering. Allereerst biedt de non-discriminatiewetgeving in Nederland momenteel gebrekkige bescherming tegen discriminatie door overheidshandelen, het zogenoemde ‘eenzijdig overheidshandelen’. Dit betekent concreet dat burgers geen melding kunnen maken van mogelijke discriminatie door de inzet van datagedreven profielen door de overheid bij het College voor de Rechten van de Mens. Een belangrijke uitzondering hierop is opgenomen in artikel 7a van de Awgb: wanneer het overheidshandelen raakt aan de grond ‘ras’ en plaatsvindt op het terrein van de sociale zekerheid is onderscheid verboden en kan het College overheidshandelen wel toetsen aan de Awgb. Dit is waarom het College in de afgelopen jaren tientallen meldingen over de toeslagenaffaire heeft kunnen behandelen. Op andere terreinen is een burger die vermoedt te zijn gediscrimineerd door de overheid momenteel aangewezen op een gang naar de bestuursrechter, wat vanwege de hoge proceskosten voor veel mensen een hoge drempel vormt. Op 20 maart 2026 kondigde de minister van Binnenlandse Zaken de start van een wetgevingstraject aan voor uitbreiding van de Awgb. Dit is een belangrijke stap, waar de staatscommissie samen met het College en de Nationaal Coördinator tegen Discriminatie en Racisme (NCDR) in 2023 toe opriepen. In juni 2022 deed de Parlementaire onderzoekscommissie effectiviteit antidiscriminatiewetgeving (POC) van de Eerste Kamer al de aanbeveling om de Awgb uit te breiden zodat de wet ook van toepassing is op de overheid.52 Een ander knelpunt betreft het toezicht op datagedreven profilering door de overheid. Als centrale toezichthouder heeft de AP ruime bevoegdheden om onderzoek te doen bij overheidsinstanties en ook sancties op te leggen als een instantie de wetgeving overtreedt. De Parlementaire enquêtecommissie Fraudebeleid en Dienstverlening stelde echter vast dat de AP een tekort aan personeel heeft en beperkte capaciteit om haar functie als de onafhankelijke toezichthouder naar behoren uit te voeren.53 51. College voor de Rechten van de Mens, ‘Onderzoek: kwantitatieve methodes alleen onvoldoende om discriminatie door algoritmes vast te stellen’, College voor de Rechten van de Mens, 19 maart 2026.52. Parlementaire onderzoeks-commissie effectiviteit antidiscriminatiewetge-ving. (2022). Gelijk recht doen: Een parlementair onderzoek naar de moge-lijkheden van de wetgever om discriminatie tegen te gaan. Den Haag: Eerste Kamer der Staten-Generaal 2022.53. Parlementaire enquête-commissie Fraudebeleid en Dienstverlening, Blind voor mens en recht, Den Haag: Tweede Kamer der Staten-Generaal 2024, p. 257. 31Daarnaast is het toezicht in belangrijke mate afhankelijk van de informatie die overheidsinstanties zelf openbaar maken. Zo wordt er al jaren gewerkt aan een openbaar Algoritmeregister binnen de overheid, maar signaleert de AP dat de voortgang hierop onvoldoende is.54 Zonder deze openbare verantwoording ontbreekt het de toezichthouders aan zicht op actuele risico’s en verkeren burgers in een informatieachterstand. Burgers hebben heel vaak onvoldoende inzicht in hoe besluiten door middel van profilering tot stand komen en beschikken niet over de informatie die nodig is om effectief bezwaar te maken. Dit creëert een ongelijk speelveld en een informatiekloof tussen overheid en burger en plaatst de burger per definitie in een afhankelijke en kwetsbare positie.55Een rechtsstatelijk verantwoorde inzet van profilering vraagt al met al meer dan naleving van bestaande regels: het vereist voortdurende kritische reflectie op proportionaliteit, maatschappelijke context, structurele ongelijkheden en de bescherming van vertrouwen tussen burger en overheid. Burgers hebben onvoldoende inzicht in hoe besluiten door middel van profilering tot stand komen.4.2 Spanningen met het principe van de democratie4.2.1 Maatschappelijk debat en legitimiteit van de besluitvormingVanuit democratisch perspectief moet overheidshandelen berusten op legitieme besluitvorming, controleerbaar zijn en ruimte laten voor participatie en tegenmacht. Ook hier roept de inzet van datagedreven profilering fundamentele vragen op.Een eerste probleem betreft de democratische legitimiteit. De inzet van datagedreven profilering is in veel gevallen niet het resultaat van een expliciete politieke en maatschappelijke afweging, maar wordt gepresenteerd als een technische keuze gericht op efficiëntie.56 In werkelijkheid gaat het om een normatieve beslissing: de overheid kiest ervoor om zonder concrete verdenking onderscheid te maken tussen burgers op basis van datagedreven profilering. Opvallend is dat maatschappelijke discussie over profilering vaak pas ontstaat na incidenten en zich dan richt op specifieke misstanden (zoals etnisch profileren), in plaats van op de bredere vraag of profilering als methode wenselijk is. Hierdoor blijft een fundamenteel debat over de legitimiteit van profilering als bestuurspraktijk grotendeels uit. Bovendien zien we dat maatschappelijke en institutionele kritiek op overheidsprofilering door de regering in de afgelopen jaren slechts in beperkte mate echt serieus is genomen. Zo concludeerde de overheid 54. Autoriteit Persoonsgegevens, Rapportage AI & Algoritmes Nederland, Den Haag: AP juli 2025, p. 6.55. Het College pleit in 2023 voor een wettelijke trans-parantie-verplichting over algoritmegebruik bij besluiten die burgers rechtstreeks raken, waarbij in een beschikking de werking van een profiel of algoritme wordt uitgelegd. Het College adviseert om de transparantievereiste bij algoritmegebruik expliciet in de Algemene wet bestuurs-recht (Awb) op te nemen. Een gerelateerd voorstel deed Grütters aan de staats-commissie. Hij stelt voor om aselecte steekproeven voor te schrijven, tenzij wordt aangetoond dat dit onmogelijk is en de selecte steekproef niet discrimineert. Dit zou gerealiseerd kunnen worden door een ‘selectiebeslis sing’ te definiëren in Hoofdstuk 1 van de Awb en daar waarborgen aan toe te voegen. Carolus Grütters, e-mailbericht aan staatscommissie, 16 decem-ber 2025. Artikel 49(4) van de AI-verordening bepaalt ook dat er uitzonderingen zijn op de documentatie en transparantieverplichting voor hoog-risico AI-toepassingen op het gebied van rechtshand-having, migratie, asiel en grens-toezichtsbeheer. Deze mogen in beperktere mate en niet-openbaar geregistreerd worden, waardoor er per definitie sprake is van een informatiekloof.56. Zie o.a. het Toetsingskader Risicoprofilering waarin het College beschrijft dat de overheid risicoprofilering gebruikt als ‘techniek’ voor de uitoefening van contro-lerende en handhavende bevoegdheden. Zie ook: Minister van Binnenlandse Zaken en Koninkrijksrelaties. (2025, 3 februari) Kabinets-reactie rapport ‘Etnisch profileren is overheidsbreed probleem’ van Amnesty International.’ (Kamerstuk 30 950, nr. 434). 32dat de uitspraak van het gerechtshof Den Haag over etnisch profileren bij de Koninklijke Marechaussee alleen voor die specifieke casus geldt en geen directe implicaties heeft voor bredere datagedreven profileringspraktijken door de overheid.57 Een ander voorbeeld van een instrumentele manier van omgang met fundamentele kritiek rondom datagedreven profileringsmethoden is de ontwikkeling van de Wet Gegevensverwerking door Samenwerkingsverbanden (WGS). Deze wet regelt dat verschillende overheidsinstanties, zoals de Belastingdienst, politie en gemeenten op grote schaal gegevens over burgers mogen koppelen en analyseren, bijvoorbeeld om het risico op fraude of criminaliteit in te schatten. De ontwikkeling van deze wet ging gepaard met stevige en fundamentele kritiek van onder andere de Autoriteit Persoonsgegevens, bijvoorbeeld over de grote en algemeen omschreven bevoegdheden die vergaande en moeilijk controleerbare vormen van profilering mogelijk maken.58 Meer in het bijzonder pleitte de AP voor rechterlijke toetsing van gegevensuitwisseling en profilering door samenwerkingsverbanden van overheidsorganisaties. Op deze manier kan voorkomen worden dat de overheid toch weer de fout ingaat bij het gebruik van profileringsmethoden en de beoordeling van de legaliteit van de profilering. Dit advies is niet overgenomen in het uiteindelijk aangenomen wetsvoorstel. In plaats daarvan is ervoor gekozen om de overheid zelf extra verantwoordelijkheden te geven om na te gaan in hoeverre de profilering wettelijk gezien toegestaan is.De democratische controleerbaarheid van profilering is beperkt. Burgers weten vaak niet dat zij worden geprofileerd, welke gegevens worden gebruikt en hoe risicoscores tot stand komen. Zoals hierboven beschreven is het ook het voor burgers veelal niet inzichtelijk of en op welke manier zij zijn geprofileerd, bijvoorbeeld welke criteria zijn gebruikt voor het bepalen voor risicoscores voor fraudecontroles.59 In veel gevallen heeft de overheid bij het inzetten van profileringsmethoden de wettelijke bevoegdheid (via bijvoorbeeld de Wpg of de WGS) om het recht op inzage van gegevensverwerking te weigeren.60 Hoewel instrumenten zoals algoritmeregisters zijn ontwikkeld, is registratie vaak vrijwillig en afhankelijk van zelfclassificatie door overheidsorganisaties. Dit leidt tot een gebrek aan inzicht en belemmert effectief toezicht. Onderzoek van Stichting Algorithm Audit uit 2025 liet zien dat slechts 13 van de 370 algoritmes van de overheid door de overheid zelf werden beoordeeld als hoog-risico algoritmen, waarbij Stichting Algorithm Audit kritiek leverde op deze beoordeling.61 Los van de mate waarin de overheid in staat is de eigen algoritmen goed te beoordelen, signaleerde de AP in de zomer van 2025 dat overheidsorganisaties te weinig vooruitgang boeken met het registreren van algoritmen in het Algoritmeregister.62 De AP pleitte opnieuw voor het wettelijk verplichten van overheidsorganisaties om het gebruik van impactvolle algoritmen te registreren, zodat er meer transparantie ontstaat over de datagedreven profileringspraktijken door de overheid. 57. Staatssecretaris van Justitie en Veiligheid en de Minister van Binnenlandse Zaken en Koninkrijksrela-ties. (2023, 23 mei). Brief van de Staatssecretaris van Justitie en Veiligheid en de Minister van Binnenlandse Zaken en Koninkrijksrelaties (Kamerstuk 30 950, nr. 349).58. ‘Voor aanvaardbare WGS ontbreekt belangrijke waarborg’, Autoriteit Persoonsgegevens, 16 november 2023.59. Zie ‘College: verplichte melding én uitleg bij gebruik algoritmes door overheid’, College voor de Rechten van de Mens, 29 juni 2023.60. ‘Wet gegevensverwerking samenwerkingsverban-den (WGS) biedt grote reden tot zorgen’, Bits of Freedom, 19 november 2025.61. ‘Rijk gebruikt naar eigen zeggen nauwelijks hoog risico AI-systemen’, iBestuur, 27 augustus 2025.62. ‘Ruim helft gemeenten registreert algoritmes nog steeds niet’, iBestuur, 14 juli 2025. 334.2.2 Participatie en tegenmacht zijn onvoldoende ontwikkeldEen derde aspect van het democratisch gehalte van datagedreven profileringspraktijken betreft de manier en mate van betrokkenheid van burgers. Wanneer de overheid besluit om datagedreven profileringspraktijken te gaan gebruiken, moeten burgers die (potentieel) worden geprofileerd of geraakt, voldoende mogelijkheid krijgen om te participeren in het besluitvormingsproces. Dit geldt voor de doelen, opzet en inzet van deze praktijken en de vormen van kennis en data die worden gebruikt. De manier waarop de overheid sturing geeft aan maatschappelijke problemen is immers altijd gebaseerd op specifieke vormen van kennis die verschillende vormen van overheidsingrijpen mogelijk maken. Wanneer eenzijdige kennis de basis van overheidshandelen vormt, leidt dit in de praktijk tot vormen van ongelijkheid, ook op het gebied van macht en kennis. Zo is er in de medische wetenschap steeds meer aandacht voor de ontbrekende kennis die er is over het vrouwenlichaam. Deze ontbrekende kennis heeft ertoe heeft geleid dat vrouwen over het algemeen minder kans hebben om passende zorg te krijgen bij specifieke aandoeningen.63 Alana Helberg-Proctor vraagt in de in opdracht van de staatscommissie verschenen bundel Doorwerkingen van het Slavernijverleden aandacht voor de manier waarop de geneeskunde een gebrek aan inclusie kent van patiënten die niet behoren tot de impliciete ‘standaard patiënt’ (man, lichte huidskleur, ‘normaal’ BMI, etc.) in de ontwikkeling van kennis, richtlijnen, technologieën, medicatie en medisch onderwijs. Patiënten kunnen hierdoor benadeeld worden.64 Wanneer de overheid zich bij profilering baseert op eenzijdige of beperkte kennis – voortkomend uit bestaande ongelijkheden – is het risico groot dat deze ongelijkheid versterkt zal worden.65 Het streven naar gelijkwaardigheid en meerstemmigheid in de productie en toepassing van kennis wordt in academische literatuur ook wel geduid met het concept epistemische rechtvaardigheid. In de afgelopen jaren hebben verschillende auteurs gepleit voor een overheid die in al zijn handelen epistemische rechtvaardigheid nastreeft.66 Meer concreet betekent dit dat de overheid zich niet alleen baseert op kwantitatieve en academische kennis, maar bijvoorbeeld ook actief zoekt naar manieren om ervaringskennis en perspectieven van burgers en burgercollectieven te betrekken bij het proces van het ontwikkelen, implementeren en evalueren van beleid, ook, of misschien wel juist als dit ontregelend werkt.67De combinatie van de beperkte legitieme besluitvorming, gebrekkige transparantie en geringe burgerparticipatie leidt kortom tot duidelijke democratische tekorten in de huidige profileringspraktijken.4.3 Spanningen met het principe van bestuurlijk vermogenHet principe van bestuurlijk vermogen vraagt of overheidshandelen effectief, efficiënt, doelgericht en proportioneel is en of het duurzaam is en bestand is tegen veranderende omstandigheden. Ook hier laat profilering belangrijke tekortkomingen zien.63. Raad voor Volksgezond-heid en Samenleving, Passende zorg is inclusieve zorg, Den Haag 2022.64. Staatscommissie tegen Discriminatie en Racisme. (2023). Doorwerkingen van slavernijverleden: Meervoudige perspectie-ven op de relatie tussen verleden en heden.65. V. Eubanks, Automating inequality: How high-tech tools profile, police, and punish the poor., New York: Macmillan+ ORM 2018.66. M. Fricker, Epistemic justice as a condition of political freedom?, Syn-these, (190), 2013/7; Zie ook: J. A. R. Yamaguchi, Beyond Technocracy: Epistemic Justice in Dialo-gue with Postmodern Public Administration. Administration & Society (57) 2025/10.67. E. Anderson, Epistemic Justice as a Virtue of Social Institutions, Social Epistemology (26), 2012/2; H. Ghorashi, ‘Ontregelende Meerstemmigheid: pleidooi en bouwstenen voor anders participeren’, Den Haag 2025. 344.3.1 Effectiviteit en efficiëntie wordt niet aangetoondProfilering wordt vaak gerechtvaardigd met een beroep op effectiviteit en efficiëntie. In de praktijk is deze effectiviteit echter lang niet altijd aantoonbaar. Ook in wetenschappelijke literatuur is er fundamentele kritiek op de veronderstelde effectiviteit van profilering.68 Overheidsorganisaties zijn zelf verantwoordelijk voor de beantwoording van de doelvraag bij de inzet van datagedreven profilering (met welk doel wordt profilering ingezet?) en het beantwoorden van de effectiviteitsvraag (is profilering een geschikt middel voor het gestelde doel?) en moeten de noodzakelijkheid van de gebruikte modellen aantonen, maar doen dit niet altijd systematisch of maken deze verantwoording niet openbaar. Door gebrek aan transparantie blijft de externe controle bovendien beperkt en blijft een discussie over de noodzakelijkheid, geschiktheid, proportionaliteit en subsidiariteit van de inzet van datagedreven profilering vaak buiten beeld. Bij de controle op beurzen van uitwonende studenten onderzocht DUO bijvoorbeeld onvoldoende welke alternatieven voor het algoritme voorhanden waren.69 De focus ligt vaak op het opsporen van meer overtredingen, terwijl het bredere doel van handhaving minder aandacht krijgt. In de specifieke Nederlandse context heeft Amnesty International het gebrek aan transparantie en dus aan controleerbaarheid meermaals aangekaart. Daarnaast is het de vraag of het gehanteerde effectiviteitsbegrip niet te smal is. De focus ligt vaak op het opsporen van meer overtredingen, terwijl het bredere doel van handhaving – het bevorderen van normnaleving – minder aandacht krijgt. Theoretisch kan profilering zelfs leiden tot slechtere naleving, bijvoorbeeld wanneer niet-geprofileerde groepen minder controle verwachten en daardoor meer risico nemen.70Daarmee stelt de staatscommissie de noodzakelijkheid van profilering ter discussie. Alternatieven zoals willekeurige steekproeven worden vaak als minder efficiënt beschouwd, maar hebben belangrijke voordelen vanuit rechtsstatelijk perspectief. Zij verkleinen de kans op discriminatie, zijn beter uitlegbaar en dragen bij aan gelijke behandeling en maatschappelijk vertrouwen. Het argument dat profilering onmisbaar is wordt daarom door de staatscommissie kritisch bevraagd.68. W. Press, To catch a ter-rorist: can ethnic profiling work?, Significance (7), 2010.69. Stichting Algorithm Audit, Vooringenomenheid voorkomen, 2024.70. Bernard E. Har-court (2007). Against prediction: Profiling, policing, and punishing in an actuarial age; Know-les, J., Persico, N., & Todd, P. (2001). Racial Bias in Motor Vehicle Searches: Theory and Evidence. Journal of Political Economy, 109(1), 203–229; Dominitz, J. and Knowles, J. (2006), Crime minimisation and racial bias: what can we learn from police search data? The Economic Journal, 116: F368-F384. 354.4 ConclusieDe analyse in dit hoofdstuk van datagedreven profilering langs de drie principes van rechtsstaat, democratie en bestuurlijk vermogen laat zien dat datagedreven profilering geen neutraal instrument is, maar een bestuurspraktijk die fundamentele spanningen oproept tussen publieke waarden (zie tabel 1). Tabel 1. Spanningen van datagedreven profilering met principes van goed openbaar bestuur.PrincipeEen overheid die...Spanningen in de praktijkRechtsstaat• zich aan de wet houdt.• vertrouwenwekkend en zorgvuldig handelt.• burgers eerlijk behandelt.• De overheid overtreedt keer op keer wetgeving (AVG, gelijkebehandelings-wetgeving) bij de inzet van profilering.• Burgers kunnen zich slechts beperkt verweren tegen overheidsprofilering, omdat deze niet goed controleerbaar en uitlegbaar is.• Profilering leidt vaak tot directe of indirecte discriminatie in de praktijk en versterkt structurele ongelijkheden (feedbackloops).Democratie• democratisch gelegitimeerde besluiten neemt.• controleerbaar en transparant handelt.• burgers gelijkwaardig en volwaardig betrekt.• Er is beperkte democratische legitimiteit van profilering.• De overheid schiet tekort en is onvoldoende transparant over profileringspraktijken.• Burgers die geraakt worden door profilering hebben weinig invloed op de ontwikkeling van profielen.Bestuurlijk vermogen• publieke waarde creëert.• robuust en veerkrachtig handelt.• investeert in toekomstig handelen.• Er is onvoldoende bewijs voor de (brede) effectiviteit van profilering. • Er is onvoldoende inzicht in negatieve neveneffecten van profilering, zoals cumulatieve discriminatie.• Ondanks eerdere fouten en beschikbare alternatieven blijft de overheid profilering gebruiken. Vanuit rechtsstatelijk perspectief ontstaan spanningen door risico’s op discriminatie, beperkte rechtsbescherming en gebrekkige transparantie. Vanuit democratisch perspectief zijn er tekortkomingen in legitimiteit, controleerbaarheid en participatie. Vanuit bestuurlijk perspectief zijn de effectiviteit en doelmatigheid vaak onzeker, de proportionaliteit betwistbaar en wordt de noodzaak onvoldoende onderbouwd.De praktijk laat zien dat deze spanningen niet incidenteel maar structureel van aard zijn. Datagedreven profilering moet daarom niet uitsluitend worden benaderd als een technisch middel, maar als een normatieve keuze, in een bredere maatschappelijke en dus rechtsstatelijke, democratische en bestuurlijke context, die expliciete en zorgvuldige afwegingen vereist van publieke waarden. 365. Conclusies en aanbevelingen5.1 ConclusiesIn dit rapport heeft de staatscommissie met een kritische blik gekeken naar de passendheid van datagedreven profilering, tegen de achtergrond van snelle technologische ontwikkelingen en de politieke en maatschappelijke context waarin de overheid profileringsmethoden heeft ingezet. Toepassingen blijven niet beperkt tot afzonderlijke organisaties, maar versterken elkaar over verschillende instellingen en domeinen heen.Ten eerste observeert de commissie dat profilering een uitdijend technologisch fenomeen is dat zich moeilijk laat begrenzen, niet alleen door snelle technologische ontwikkelingen maar ook door de oprekking van begrippen zoals ‘fraude’. Dat maakt dat het doel van profilering vaak lastig vast te stellen is. Tegelijkertijd groeien datasets explosief door digitalisering van historische gegevens en de voortdurende productie van nieuwe data, die bovendien steeds vaker aan elkaar kunnen worden gekoppeld. Dat leidt ertoe dat profilering institutioneel en maatschappelijk eveneens uitdijt. Toepassingen blijven niet beperkt tot afzonderlijke organisaties, maar versterken elkaar over verschillende instellingen en domeinen heen. Daarbij wordt profilering niet alleen ingezet voor fraudebestrijding, maar ook in andere beleidsterreinen, zoals handhaving en sociale zekerheid. Voorts is profilering steeds meer een politiek instrument geworden dat gemakkelijk wordt voorgesteld als technische oplossing voor uiteenlopende politieke en maatschappelijke problemen.Ten tweede concludeert de staatscommissie dat de overheid bij de inzet van profileringsmethoden weliswaar verwijst naar beginselen van gerechtvaardigd overheidshandelen, maar in de praktijk vooral pragmatisch opereert. Slechts een deel van die beginselen wordt daadwerkelijk toegepast, vaak primair om profilering mogelijk te maken en niet altijd met een solide onderbouwing. Zo wordt regelmatig een beroep gedaan op de effectiviteit van profilering, terwijl empirisch bewijs daarvoor vaak ontbreekt. Dit geldt zeker in vergelijking met alternatieven zoals aselecte steekproeven. Ook efficiëntie wordt als argument gebruikt, vooral vanuit het oogpunt van snelheid en kostenbesparing op de korte termijn. 37Ten derde concludeert de staatscommissie dat de opzet en toepassing van profilering in veel gevallen schadelijk kan zijn voor de publieke waarden die ten grondslag liggen aan gerechtvaardigd overheidshandelen en daardoor maatschappelijke schade kan veroorzaken of versterken. Het ROB-kader voor goed openbaar bestuur – rechtsstatelijkheid, democratie, bestuurlijk vermogen – helpt om deze risico’s en mogelijke maatschappelijke schade in samenhang te beoordelen en te adresseren, in plaats van technocratisch of versnipperd te handelen. Dat kader kan echter alleen effectief functioneren wanneer de overheid structurele veranderingen ondergaat om verantwoording af te leggen aan de getroffen groepen en haar mensenrechtelijke verplichtingen daadwerkelijk centraal stelt. De staatscommissie verwijst in dit kader naar de bevindingen uit haar eerdere voortgangsrapportage over een gelijkheidsplicht voor de publieke sector.Over de ondersteunende inzet van profilering heeft de staatscommissie in hoofdstuk 1 uiteengezet dat direct onderscheid op grond van ‘ras’ en ‘nationaliteit’, zelfs als het ter ondersteuning wordt ingezet enkel in zeer uitzonderlijke gevallen toelaatbaar zal zijn. Los van het gebruik van ‘ras’ en ‘nationaliteit’ en andere discriminatiegronden, merkt de staatscommissie in meer algemene zin op dat het theoretisch denkbaar is dat profielen ondersteunende effecten kunnen hebben. Ook zijn er vormen van datatoepassingen denkbaar waarbij de verzamelde data bedoeld is om vóór mensen te werken en niet tegen hen.71 Ook bij dit soort toepassingen is het van belang om voorafgaand aan de eventuele inzet strikt te toetsen op mogelijke discriminerende en stigmatiserende neveneffecten. Transparantie is cruciaal om de werking van de datatoepassing te kunnen controleren.72 Uit de huidige uitvoeringspraktijk blijkt echter dat overheidsinstanties moeilijk grip krijgen en houden op de effecten van datagedreven profilering. Daarnaast slagen zij er niet in transparantie te bieden over de inzet ervan. Bovendien constateert de staatscommissie dat het overheidsorganisaties nog onvoldoende lukt de perspectieven en belangen van burgers te betrekken bij de inzet van datagedreven profileringsmethoden. Daarmee ligt een inzet op ondersteunende profilering door de overheid volgens de staatscommissie momenteel niet voor de hand. Het onderscheid tussen ondersteunende en punitieve vormen van profilering is vooraf niet altijd te maken, mede doordat de indirecte individuele en indirecte cumulatieve gevolgen van profilering niet altijd van tevoren duidelijk zijn. Door deze diffuse werking van datagedreven profileringspraktijken is het volgens de staatscommissie noodzakelijk om kritisch(er) te kijken naar de mate waarin profilering (groepen) burgers in een kwetsbare positie daadwerkelijk ondersteunt. Er zijn immers minder ingrijpende en meer directe vormen van ondersteuning vanuit de overheid denkbaar. Hoewel de inzet van ‘ondersteunende’ profilering begrijpelijk is vanuit het eerder geconstateerde breed aanwezige geloof in de optimaliserende werking van datatoepassingen, riskeert het opnieuw een dynamiek te reproduceren waarbij vooral mensen die afhankelijk zijn van de overheid voor sociale voorzieningen steeds opnieuw in beeld worden gebracht door overheidsprofilering. Daarbij kan profilering die vanuit 71. Zo verwijst een recent rapport van het European Network of Legal Experts in gender equality and non-discrimination naar verschillende voorbeelden van het gebruik van datatoepassingen om patronen van struc-turele discriminatie te herkennen. In Nederlands verband wordt in dit rapport verwezen naar de ontwikkeling en het gebruik van een algoritme die kan zoeken in grote hoeveelheden vacatu-reteksten om mogelijk discriminerende formu-leringen op te sporen. Zie: Gerards, J., & Xenidis, R. (2021). Algorithmic discrimination in Europe: Challenges and opportu-nities for gender equality and non-discrimination law.72. Kleinberg, J., Ludwig, J., Mullainathan, S., & Sunstein, C. R. (2019). Discrimination in the age of algorithms. 38overheden ‘ondersteunend’ wordt bedoeld of gelegitimeerd in de praktijk alsnog bestraffend uitpakken, bijvoorbeeld omdat overheidsorganisaties geen zicht en grip hebben op de bredere gevolgen van profilering of de wijze waarop data die zij hebben verzameld over burgers nog meer gebruikt wordt.73 In algemene zin wijst de staatscommissie op de vele positieve verplichtingen die de Nederlandse overheid al heeft om discriminatie te voorkomen, maatschappelijke gelijkheid te bevorderen en om burgers te ondersteunen, maar waaraan nog niet wordt voldaan.74 Onderdeel van die positieve verplichting is het verzamelen van equality data waarmee ongelijkheden inzichtelijk gemaakt kunnen worden. 5.2 AanbevelingenDe staatscommissie is zeer bezorgd over de inzet van profilering door en via de overheid. Hoewel de commissie de politieke, bestuurlijke en maatschappelijke krachten achter de toepassing en verspreiding ervan begrijpt, evenals de schijnbare aantrekkelijkheid van digitale systemen, wijst zij op de veelal onzichtbare maatschappelijke effecten en schade die profilering kan veroorzaken, met name waar het gaat om de gelijkheid en gelijkwaardigheid van (groepen) burgers.De staatscommissie constateert daarnaast dat de inzet van profilering weliswaar aan kaders en beperkingen is gebonden, maar dat deze in de praktijk vaak onvoldoende tegenwicht of houvast bieden voor overheidsinstanties of zelfs worden omzeild. Zo waarschuwde de AP begin 2026 dat overheidsinstanties hun eigen algoritmen verkeerd classificeren om op deze manier AI-wetgeving over transparantie te ontduiken.75 Daarnaast liet onderzoek van Stichting Algorithm Audit zien dat de manier waarop overheden zelf hoog-risico algoritmen classificeren vaak niet in lijn is met de juridische definitie van hoog-risico algoritmen.76 De staatscommissie pleit voor het stopzetten van lopende en voorgenomen toepassingen van profilering en voor het beperken van verdere verspreiding ervan. De staatscommissie pleit daarom voor het stopzetten van lopende en voorgenomen toepassingen van profilering en voor het beperken van verdere verspreiding ervan. De commissie realiseert zich dat het beëindigen van dergelijke toepassingen ingrijpend kan zijn voor overheden en uitvoeringsorganisaties. Zonder principiële en waarden-gedreven maatregelen om discriminatie te voorkomen bestaat echter een aanzienlijk risico op blijvende maatschappelijke schade en hoge herstelkosten. In plaats van profilering beveelt de staatscommissie de inzet van alternatieve methoden aan, zoals aselecte en 100%-controles. 73. Nationale ombuds-man (2013). Geen fraudeur, toch boete. Den Haag: Nationale ombudsman.74. Het VN-Comité voor Economische, Sociale en Culturele Rechten (CESCR) heeft in oktober 2025 scherpe kritiek geuit op Nederland. Het comité adviseert urgente maatregelen tegen de hoge kinderarmoede, ernstige woningnood en pleit voor gelijke sociale bescherming in Caribisch Nederland. Ook asielbe-leid en de mensenrechten van vrouwen behoeven verbetering. Zie: Het College voor de Rechten van de Mens, ‘VN-comité: Nederland moet sociaal economische rechten voor iedereen garanderen’. 75. ‘AP: Kabinet moet haast maken met de uitvoering van de AI-verordening’, Binnenlands Bestuur, 5 maart 2026. 76. Idem. 39Deze methoden verkleinen de kans op discriminatie, zijn beter uitlegbaar en dragen bij aan gelijke behandeling en maatschappelijk vertrouwen.Als de overheid – met inachtneming van de principiële zorgen van de staatscommissie – het gebruik van profileringsmethoden in de toekomst noodzakelijk en proportioneel acht, dan moet zij voor hernieuwde inzet van datagedraven profilering aantonen dat deze noodzakelijk en proportioneel is. Die noodzakelijkheid en proportionaliteit moet transparant gedocumenteerd en gecommuniceerd worden. De overheid moet bovendien proactief toetsen dat een profiel geen directe of indirecte discriminerende effecten heeft. De staatscommissie benadrukt dat dit een zware verantwoordelijkheid betreft, die betrekking heeft op 1) het proces van besluitvorming om te kiezen voor profilering, 2) het ontwerp van het profileringsinstrument en 3) het gebruik van profilering in de praktijk.In aanvulling op de normen die verwoord staan in het concept van de Nederlandse Technische Afspraak (NTA) over profileringsalgoritmes benadrukt de staatscommissie dat overheidsorganisaties bij besluitvorming over profilering moeten aantonen hoe de toepassing past bij de principes van rechtvaardig overheidshandelen: rechtsstatelijkheid, democratische legitimiteit en bestuurlijk vermogen, met nadrukkelijke aandacht voor eerlijkheid, transparantie, verantwoording, toezicht en betrokkenheid van (groepen) burgers. Naast een aanscherping van de lopende normontwikkeling over de manier waarop besluitvorming van overheidsorganisaties over profilering plaatsvindt, heeft de staatscommissie zorgen over datagedreven profilering in relatie tot cumulatieve discriminatie-ervaringen. Het veelvuldig gebruik van datagedreven profilering kan leiden tot cumulatieve discriminatie-ervaringen bij mensen, wanneer zij keer op keer aan extra toezicht door overheidsorganisaties onderworpen worden. De logica van reeds ontwikkelde kaders en richtlijnen, zoals het Impact Assessment Mensenrechten en Algoritmes en het Toetsingskader risicoprofilering van het College, is dat iedere overheidsinstantie deze naar eigen inzicht moet doorlopen en implementeren. Daardoor kan de situatie ontstaan dat overheidsorganisaties de door hen ontwikkelde profilering proportioneel en noodzakelijk achten, zonder risico’s op cumulatieve discriminatie te kunnen afwegen.De NTA voor profileringsalgoritmes die op het moment van schrijven van deze tussenrapportage voorligt, stelt dat onafhankelijke toetsing voorafgaand aan de inzet van profileringsalgoritmes noodzakelijk is. De staatscommissie beveelt aan deze toetsing te beleggen bij een centrale toezichthouder die niet alleen toeziet op het voorkomen van zowel discriminerende effecten binnen organisaties als specifieke toepassingen, maar ook op het voorkomen van vormen van cumulatieve discriminatie door profilering op maatschappelijk niveau.Ten slotte constateert de staatscommissie dat de huidige wetgeving te sterk is gericht op het achteraf bestrijden van discriminatie en 77. Staatscommissie tegen Discriminatie en Racisme, Gelijkheidsplicht Publieke Sector: Naar wettelijke verankering van een proactieve aanpak van discriminatie door de overheid, Den Haag 2025. 40onvoldoende op het proactief voorkomen ervan. Daarom beveelt de staatscommissie aan om profilering en het voorkomen van discriminatie in algemene zin, voortaan proactief te benaderen. Deze proactieve houding die de commissie bepleit ten aanzien van discriminatie en racisme is in lijn met de Discriminatietoets Publieke Dienstverlening en de rapportage van de staatscommissie over de gelijkheidsplicht voor de publieke sector.77 Een dergelijke benadering maakt het mogelijk om wetgeving, beleid en uitvoering met betrekking tot profilering systematisch te toetsen op eerlijke en gelijke uitkomsten en waar nodig bij te sturen.Binnen de kaders van een GPS moeten overheidsorganisaties beoordelen of bepaalde toepassingen groepen kunnen benadelen. Het is van belang dat zij burgers actief betrekken bij besluiten die deze burgers raken en op veilige en verantwoorde wijze relevante gelijkheidsgegevens (equality data) verzamelen. Ook dienen ze antidiscriminatiebeleid te voeren en periodiek te monitoren en rapporteren over hun aanpak en inspanningen om discriminatie te voorkomen en om maatschappelijke gelijkheid te bevorderen. 41Begrippenkader Algoritme: een stap-voor-stap instructie voor het oplossen van een specifieke taak, op basis van specifieke parameters.Bias: een bewuste of onbewuste vooringenomenheid, uitgangspunt of vooroordeel in denken en handelen. Bij profilering duidt het op een systematische en/of onterechte vertekening in de manier waarop personen worden ingedeeld in profielen. Data: verzamelde gegevens die worden vastgelegd of verzameld in een databank of dataset en vervolgens geanalyseerd. Debiasing: het proces van het identificeren, verminderen en/of elimineren van biases in profileringsprocessen.Directe discriminatie: het maken van onderscheid dat op enigerlei wijze krenkend is of een ongerechtvaardigd nadeel oplevert, of zodanig is dat de benadeelde niet als gelijkwaardig mens wordt gezien op basis van een door de wet beschermd kenmerk.Epistemische rechtvaardigheid: een concept van rechtvaardigheid dat benadrukt dat de (ervarings)kennis en perspectieven van alle groepen in de samenleving serieus moeten worden genomen en op gelijke waarde moeten worden geschat met andere vormen van kennis, zoals wetenschappelijke kennis.Etniciteit: een sociale categorie die verwijst naar het (verondersteld) behoren tot een sociale of maatschappelijke groep, die gekenmerkt wordt door een gemeenschappelijke nationaliteit, afstamming, religie, taal of culturele en traditionele afkomst en/of achtergrond.Fairness: een term die wordt gebruikt om eerlijkheid van risicoprofilering te duiden. Er is op dit moment geen eenduidige of breed geaccepteerde definitie van fairness. In de computerwetenschappen bestaat er een brede wetenschappelijke literatuur op het gebied van debiasing en algorithmic fairness (‘algoritmische eerlijkheid’) waarin (kwantitatieve) methodes voor het meten en voorkomen van ‘oneerlijkheid’ worden besproken.Indirecte discriminatie: een handeling of maatregel die op het eerste gezicht neutraal lijkt, maar die (groepen) mensen met een beschermd kenmerk onevenredig negatief beïnvloedt in vergelijking met anderen.Model: een (statistische) representatie van de werkelijkheid die volgt uit het toepassen van een algoritme. Een model bevat kennis en patronen die uit data zijn gehaald door de toepassing van algoritmen. Nationaliteit: een juridisch begrip dat de status van een persoon als staatsburger van een staat omschrijft. Oneigenlijk gebruik van ‘nationaliteit’ levert risico’s op discriminatie op. 42Profiel: het resultaat van profilering, zijnde een beschrijving van kenmerken die aan een individu of groep worden toegeschreven, bedoeld om gedrag, eigenschappen of risico’s te beoordelen en/of te sturen.Profilering: de praktijk van het systematisch verzamelen, analyseren en categoriseren van kenmerken van groepen of individuen om patronen te herkennen in gedrag, eigenschappen of risico’s. Proxy: een schijnbaar neutrale variabele die in de praktijk sterk blijkt samen te hangen (correleren) met discriminatiegronden. Omdat de variabele op het eerste gezicht neutraal lijkt, rust hier een belangrijke voorzorgsplicht. Organisaties moeten onderzoeken of de variabelen in een profiel niet indirect leiden tot discriminatie. Zo is ‘postcode’ of ‘wijk’ in de praktijk een bekende proxy voor ‘ras’ vanwege gesegregeerde woonwijken. Punitief: een logica gericht op bestraffend handelen, het opleggen van een straf of boete. Ook het opgenomen worden op een ‘zwarte lijst’ of geclassificeerd worden als ‘risico’ of ‘fraudeur’ heeft mogelijk beperkende en bestraffende langetermijneffecten op de vrijheid van burgers. ‘Ras’: een juridisch begrip dat bescherming biedt tegen onterechte benadeling, uitsluiting of ongelijke behandeling op basis van kenmerken zoals huidskleur, religie, of nationale en etnische afkomst — samengevat onder de verzamelterm ‘ras’. 43AfkortingenAI Artificial Intelligence (kunstmatige intelligentie)AP Autoriteit PersoonsgegevensAVG Algemene Verordening GegevensbeschermingAwgb Algemene wet gelijke behandelingCERD Committee on the Elimination of Racial DiscriminationCollege College voor de Rechten van de MensDPIA Data Protection Impact AssessmentDUO Dienst Uitvoering OnderwijsEHRM Europees Hof voor de Rechten van de MensFSV Fraude Signalering VoorzieningGPS Gelijkheidsplicht Publieke SectorIAMA Impact Assessment Mensenrechten en AlgoritmesIVBPR Internationaal Verdrag inzake Burgerrechten en Politieke RechtenNCDR Nationaal Coördinator tegen Discriminatie en RacismeNEN Nederlands Normalisatie-instituutNTA Nederlandse Technische AfspraakPOC Parlementaire onderzoekscommissie effectiviteit antidiscriminatiewetgevingROB Raad voor het Openbaar BestuurRvS Raad van StateSCP Sociaal en Cultureel PlanbureauVN Verenigde NatiesWARP Wetenschappelijke Adviesraad PolitieWGS Wet gegevensverwerking door samenwerkingsverbandenWpg Wet politiegegevens 44Bijlage 1 | Expert ReviewIn voorbereiding op dit advies heeft een diverse groep experts een conceptversie van dit advies van commentaar voorzien. De expertgroep bestond uit:Dionne Abdoelhafiezkhan, IZI Solutions Prof. dr. Virginia Dignum, Universiteit van Umeå Dr. Benjamin Jansen, Belastingdienst Prof. dr. ing. Bram Klievink Drs. Gerbrig Klos, Amnesty International Alexander Laufer MSc, Amnesty International Mr. Jair Schalkwijk, Controle Alt Delete Dr. Hilde Weerts, TU Eindhoven 45NUR 805 46De Staatscommissie tegen Discriminatie en Racisme is een éénmalig adviescollege dat voor vier jaar, op verzoek van de Tweede Kamer, is ingesteld op 1 mei 2022. De staatscommissie doet wetenschappelijk onderzoek naar de aard, omvang, oorzaken en aanpak van discriminatie en racisme in de Nederlandse samenleving. Samenstelling staatscommissieDr. J.J. (Joyce) Sylvester (voorzitter)Prof. dr. M. (Mirko) Noordegraaf (vicevoorzitter)Prof. dr. S. (Sennay) GhebreabProf. dr. H (Halleh) GhorashiProf. dr. P.L.H. (Peer) ScheepersDrs. E.F. (Errol) Stoové Prof. dr. L. (Linnet) TaylorMr. dr. A. (Alexandra) TimmerDr. M.E. (Mirjan) Bouwman (secretaris)Aan dit rapport is meegewerkt doorDr. J. (Jan-Luuk) Hoff (wetenschappelijk medewerker)Dr. S. (Sarah-Jane) Koulen (wetenschappelijk medewerker)Dr. S.R. (Stijn) Verbeek (wetenschappelijk medewerker)Drs. M.Y.M. (Young-Min) Bouman (officemanager)R.A.J. (Renée) Schut-Verkuijlen (communicatieadviseur)Ter voorbereiding van deze rapportage zijn in 2024 en 2025 onderzoekswerkzaamheden uitgevoerd door dr. Aviva de Groot LLM (Universiteit Leiden, ten tijde van de werkzaamheden Tilburg University) en Ajuna Soerjadi MA. Staatscommissie tegen Discriminatie en RacismeRijnstraat 502515 XP Den [email protected] 2026-02© Staatscommissie tegen Discriminatie en RacismeDen Haag, 2026De inhoud van deze publicatie mag (gedeeltelijk) worden gebruikt en overgenomen voor niet-commerciële doeleinden. De inhoud mag daarbij niet veranderen. Citaten moeten altijd aangegeven zijn, bij voorkeur als: Staatscommissie tegen Discriminatie en Racisme (2026), Titel rapport, publicatienummer, Den Haag: Staatscommissie tegen Discriminatie en Racisme. U kunt deze publicatie ook downloaden via onze website www.staatscommissietegendiscriminatieenracisme.nlDeze publicatie is gemaakt door: Grafisch ontwerp: Studio Duel Drukwerk: Opmeer Drukkerij Deze publicatie is CO2-neutraal ontworpen en gedrukt en met bio-inkt gemaakt. 47 Staatscommissie tegen Discriminatie en RacismeRijnstraat 502515 XP Den [email protected]