Waarom een open-source algoritme nog geen beter gokmodel is

Emma Bakker · 2026-08-19

Spelersbescherming is een van de belangrijkste verantwoordelijkheden van de gereguleerde kansspelsector. Technologie kan daarbij een cruciale rol spelen. De Universiteit van Amsterdam presenteerde onlangs een nieuw open-sourcemodel dat inzicht zou geven in risicogedrag bij online gokken. Ook de Kansspelautoriteit legt in haar communicatie een duidelijke link met het herkennen van risicovol gokgedrag. Maar wie goed kijkt naar wat dit algoritme daadwerkelijk doet, ziet iets anders dan wat de aankondiging suggereert. En dat verschil is belangrijker dan je misschien denkt. ### Wat het algoritme echt berekent Het algoritme voorspelt niet of iemand risicovol of problematisch gaat gokken. Het berekent hoe waarschijnlijk het is dat een speler zich in de daaropvolgende maand vrijwillig tijdelijk of voor onbepaalde tijd uitsluit van gokken. Zelfuitsluiting wordt daarmee gebruikt als aanwijzing voor risicovol gokgedrag. Dat is een wezenlijk ander uitgangspunt. Het zegt iets over iemands intentie om te stoppen, niet over diens daadwerkelijke speelpatroon. En die twee staan lang niet altijd met elkaar in verband. ### Veel onterechte signalen Niet iedere speler die risicovol speelt, sluit zichzelf uit. En iemand die besluit tijdelijk te stoppen met gokken, heeft niet automatisch een gokprobleem. Het kan bijvoorbeeld ook gaan om iemand die even een pauze neemt na een verliesreeks, of die simpelweg minder tijd heeft. “Zo blijkt dit algoritme veel ‘false positives’ te genereren. Ongeveer zeven van de acht signalen zijn vals-positief”, zegt Björn Fuchs, adjunct-CEO van FPO Nederland. Het model zit solide in elkaar en werkt in essentie naar behoren. Maar zoals altijd zijn algoritmes niet meteen zaligmakend. Zeven van de acht signalen zijn dus vals-positief. Dat betekent dat het overgrote deel van de gegenereerde waarschuwingen geen echte problemen betreft. ### Bruikbaar als hulpmiddel, niet als voorspeller Dat maakt het algoritme niet waardeloos. Integendeel, het kan interessant zijn als hulpmiddel waarmee een deskundige medewerker mede bepaalt naar welke spelers nader moet worden gekeken. Het is echter iets heel anders dan een betrouwbaar voorspellingssysteem voor problematisch gokgedrag. Bijzonder genoeg beschrijft de maker in het persbericht dat de Ksa op basis van machine learning risicoscores kan berekenen en deze bijvoorbeeld kan vergelijken met de risicoscores die aanbieders gebruiken. Maar het algoritme heeft een specifieke uitkomst en een forse foutmarge. Een vergelijking met risicoscores die mede gebaseerd zijn op systemen zoals Neccton en Mindway, komt dicht in de buurt van appels met peren vergelijken. ### Een andere uitkomst dan beloofd Als adjunct-CEO van FPO Nederland heb ik de oorspronkelijke data-aanvraag zelf ook ontvangen in 2025. De beschreven doelstelling luidde: het ontwikkelen van een open-sourcealgoritme dat risicovolle speelformaties herkent en tijdig signaleert. De concrete uitkomst is echter anders, namelijk een algoritme dat voorspelt of een speler zich in de toekomst zal uitsluiten. Vergunde kansspelaanbieders zijn verplicht om twee keer per jaar gehoor te geven aan dataverzoeken van onderzoekers. Dit betreft de geanonimiseerde gegevens van alle spelers bij een vergunninghouder: vrijwel alle gegevens die ook in de verplichte Controle Database (CDB) staan. Vooraf moet helder zijn waarvoor die gegevens worden gevraagd en hoe ze uiteindelijk worden gebruikt. Een onderzoeksproject kan zich natuurlijk ontwikkelen en nieuwe inzichten kunnen tot nieuwe onderzoeksvragen leiden. Maar wanneer de uitkomst wezenlijk anders is, is dat op zijn zachtst gezegd merkwaardig te noemen, vooral als dat pas bij de publicatie kenbaar wordt gemaakt. ### Commercieel is niet hetzelfde als onwetenschappelijk De tegenstelling die wordt gemaakt met bestaande commerciële systemen is onnodig gekleurd en vooringenomen. De suggestie dat een open-source academisch model onafhankelijker en daarmee betrouwbaarder zou zijn, doet geen recht aan de werkelijkheid. Neem Neccton. De technologie van het bedrijf is gebaseerd op jarenlang wetenschappelijk onderzoek naar speelgedrag en verantwoord spelen. Oprichter Dr. Michael Auer heeft hierover veelvuldig gepubliceerd met onder andere peer-reviewed studies. Wetenschappelijke onderbouwing is dus niet voorbehouden aan academische instellingen. ### Wat dit betekent voor de sector Het proces en de dialoog tussen aanbieders en onderzoekers moeten beter worden vormgegeven. Vooraf moet helder zijn waarvoor gegevens worden gevraagd en hoe ze uiteindelijk worden gebruikt. Alleen zo kan technologie daadwerkelijk bijdragen aan betere spelersbescherming. - Wees transparant over de doelstelling van data-aanvragen - Communiceer wijzigingen in onderzoeksopzet tijdig - Vergelijk alleen systemen die daadwerkelijk hetzelfde meten - Gebruik algoritmes als ondersteuning, niet als vervanging van menselijk oordeel Alleen met die aanpak kunnen we technologie inzetten waar die echt waarde toevoegt: als ondersteuning van deskundige medewerkers, niet als vervanging van hun professionele inschatting.