Brief regering : Lange-termijnonderzoeksagenda PMJ: aanbieding onderzoeksrapport “Voorspellen voor de justitiële ketens”

24 587
Justitiële Inrichtingen

Nr. 853
BRIEF VAN DE MINISTERS VAN JUSTITIE EN VEILIGHEID EN VOOR RECHTSBESCHERMING

Aan de Voorzitter van de Tweede Kamer der Staten-Generaal

Den Haag, 15 mei 2024

In de jaarlijkse Kamerbrief over de zogeheten PMJ-ramingen, die uit het Prognosemodel
Justitiële Ketens (PMJ) volgen, van 15 juni jl.1 en de Kamerbrief «Moties Mutluer/Ellian en Knops over knelpunten en oplossingen strafrechtketen»
van 13 april 20232 is met uw Kamer gedeeld dat u in de loop van 2024 wordt geïnformeerd over de eerste
inzichten over de lange-termijnonderzoeksagenda. In de lange-termijnonderzoeksagenda
worden de mogelijkheden voor het verbeteren van de ramingen van het PMJ onderzocht.
Er wordt in kaart gebracht in hoeverre nieuwe ontwikkelingen op het gebied van data
en technieken benut kunnen worden om het huidige model te verbeteren. Bijgaand treft
u het onderzoeksrapport «Voorspellen voor de justitiële ketens» aan van het WODC waarmee
uw Kamer wordt geïnformeerd over de eerste inzichten. In dit rapport wordt onderzocht
in hoeverre het haalbaar en nuttig is om de nieuwe ontwikkelingen op het gebied van
data en algoritmen toe te passen in het PMJ. Het onderzoek is uitgevoerd door het
WODC in de periode juni 2022 tot en met maart 2024.

Huidige werking van het Prognosemodel Justitiële Ketens

Het PMJ raamt de ontwikkeling van de capaciteitsbehoefte in de strafrechtelijke, civielrechtelijke
en bestuursrechtelijke keten. Ook kan met het PMJ inzichtelijk worden gemaakt wat
de te verwachten gevolgen van ontwikkelingen bij de ene ketenpartner zijn voor de
andere ketenpartners in de justitiële keten. De PMJ-ramingen worden opgesteld in aantallen
producten, zoals aantallen rechtszaken, aantallen toevoegingen voor de rechtsbijstand
en de behoefte aan celcapaciteit.

Het startpunt voor het PMJ zijn ontwikkelingen in de samenleving die geheel of grotendeels
buiten de invloedssfeer van JenV liggen. Dergelijke ontwikkelingen kunnen gevolgen
hebben voor het ontstaan van criminaliteit en rechtsproblemen en daarmee voor het
beroep op de justitiële ketens. De ontwikkelingen kunnen grofweg in vier categorieën
worden ingedeeld, namelijk demografische, economische, maatschappelijke en overige
ontwikkelingen. Het PMJ beschrijft de kwantitatieve verbanden tussen deze ontwikkelingen
en de criminaliteit of het beroep op rechtshulp en rechtspraak. Tevens brengt het
PMJ de samenhang tussen de ontwikkelingen in criminaliteit en het beroep op rechtshulp
en rechtspraak en de ontwikkelingen in de rest van de justitiële ketens in beeld.
Het model is meermalen geëvalueerd, met positieve bevindingen. De conclusie van de
meest recente externe evaluatie van de PMJ van Everhardt et al. (2016) luidde dat
«er geen aanwijzingen zijn dat het model fundamenteel zou moeten worden herzien vanwege
nieuwe econometrische en/of criminologische inzichten. (...) Het model zit econometrisch
goed in elkaar.»3

Samenvatting onderzoeksrapport «Voorspellen voor de justitiële ketens»

Er zijn heel veel technieken om ramingen te maken. Er is een groot aantal technieken
bekeken die in potentie relevant kunnen zijn voor het PMJ. Dat wil zeggen dat met
deze technieken in principe het doel van het PMJ bereikt zou kunnen worden, namelijk
het maken van ramingen van de capaciteitsbehoefte van de justitiële ketens ten behoeve
van de begroting. Om bruikbaar te zijn voor het PMJ, moeten de technieken aan een
aantal randvoorwaarden voldoen, die vooral voortkomen uit het begrotingsproces en
de wensen van de eindgebruikers van de PMJ-ramingen4:

• Het model moet ketenconsistent zijn. De prognose van de uitstroom van de ene ketenpartner
moet doorwerken in de prognose van de instroom van de daaropvolgende ketenpartner.

• Er moet zeven jaar vooruit voorspeld kunnen worden, d.w.z. de begrotingshorizon (5 jaar)
plus de twee jaren tussen het laatst bekende realisatiejaar en het eerste begrotingsjaar.

• De prognoses moeten inhoudelijk uitlegbaar zijn. Het is belangrijk om te begrijpen
waarom de prognoses zijn zoals ze zijn. In de praktijk betekent dit dat ze herleidbaar
moeten zijn naar concrete inputvariabelen en dat de geschatte relatie een zekere mate
van logica moet bevatten.

• Vanwege de planning van het begrotingsproces moeten de parameters van het model jaarlijks
half november geactualiseerd zijn. Omdat een aantal gegevens pas eind september beschikbaar
zijn, betekent dit in de praktijk dat de actualisering binnen een periode van circa
zes weken moet plaatsvinden.

• Het gekozen algoritme moet rechtvaardig zijn. Gemaakte keuzes of beslisregels mogen
er niet onbedoeld toe leiden dat het algoritme een discriminerend karakter krijgt.

De onderzochte technieken zijn afkomstig uit de machine learning en de econometrie.
Hoewel er grote overlap is tussen de technieken die in de econometrie en in machine
learning worden gebruikt, werkt de econometrie meer vanuit de theorie en is machine
learning meer datagedreven. Grofweg vallen de alternatieve methoden uiteen in vier
categorieën: een aanscherping van de wijze waarop de parameters van het huidige PMJ-model
worden geschat, een andere specificatie van (delen van) het model, methoden die betrekking
hebben op een grotere benutting van de dataset waarmee de modellen worden geschat
en getest en het combineren van methoden of steekproeven. Een recente ontwikkeling
is de groeiende aandacht voor causale en uitlegbare machine learning technieken, de
zogenaamde «explainable artificial intelligence» (XAI). Daarmee groeien de machine
learning modellen en de econometrische modellen naar elkaar toe. Dit lijkt ook de
meest belovende ontwikkelingsrichting voor het PMJ te zijn, maar XAI is op dit moment
nog wel een kennisgebied in ontwikkeling.

Vervolg

Gegeven de aard van de data, het doel van het PMJ en de randvoorwaarden is er een
aantal veelbelovende algoritmes die interessant zijn om nader te onderzoeken. Grotendeels
voldoen deze algoritmes aan de randvoorwaarden, maar soms zullen er concessies moeten
worden gedaan. In een vervolgonderzoek zal een aantal pilots met de veelbelovende
algoritmes op een beperkt aantal onderdelen van de justitiële ketens worden uitgevoerd
om te kijken of deze algoritmes ook daadwerkelijk tot een hogere voorspelkwaliteit
leiden. Indien er nieuwe inzichten zijn, wordt uw Kamer daarover geïnformeerd. Dit
betekent dat de resultaten van dit onderzoek nu nog niet leiden tot een aanpassing
van het huidige model.

De Minister van Justitie en Veiligheid,
D. Yeşilgöz-Zegerius

De Minister voor Rechtsbescherming,
F.M. Weerwind