Onderzoeksrapport ondersteuning MKM 2018

De Auditdienst Rijk ondersteunde Defensie bij het beoordelen van de Monitor Kwaliteit Materieelbeheer, het zelfevaluatie-instrument voor materieelbeheer. Onderzocht is of die monitor een getrouw beeld geeft en of geconstateerde afwijkingen tot verbetermaatregelen leiden. Van de 78 gereviewde checklists bleek ongeveer 90 procent van de 1.157 beoordeelde antwoorden correct; de overige 121 antwoorden misten onderbouwing of sloten niet aan op de gestelde vraag. Fouten kwamen het vaakst voor bij vragen over tellingen en over de aansluiting tussen de verschillende materieeladministraties. Bij DOSCO en de Bestuursstaf ontbraken verbeterplannen, en de staven van DMO en de marechaussee stuurden niet volgens de voorgeschreven systematiek op verbetermaatregelen.

Governance en verslaggevingBedrijfscontinuïteit en operationele weerbaarheid

Waarom deze indeling: Het rapport draait om de betrouwbaarheid van het self-assessment- en sturingsinstrument MKM en de verbetersystematiek: DMO en KMar sturen niet conform de voorgeschreven systematiek en checklists zijn onvoldoende onderbouwd (Governance). De kwaliteit van het feitelijk materieelbeheer als onderdeel van de bedrijfsvoering, met 21% onzekerheden in de beantwoording, draagt Continuïteit. Financieel is vervallen: het onderzoek biedt geen assurance en raakt de jaarrekening niet.

Toegekend met een AI-model (Fable 5) op basis van de zestien thema's van Risk in Focus; niet door mensen gevalideerd. Om de labels beter te onderbouwen gaan we ze gefaseerd herbeoordelen met een tweede, onafhankelijk model van een andere aanbieder (OpenAI naast Anthropic); vanwege tokenlimieten gebeurt dat stapsgewijs. Ziet u een fout? Laat het weten.

Ministerie

Ministerie van Defensie

Onderdeel volgens het rapport

HDBV Defensie; Staf DMO en Staf KMar (monitor kwaliteit materieelbeheer)

Bron

Auditdienst Rijk

Toegepaste standaard

IIA (non-assurance)

Datum

2020-09-21

Het rapport zelf

originele publicatie

Omschrijving

samenvatting door een AI-model (Fable 5) op basis van de publicatie

Risicolabels

toegekend met een AI-model (Fable 5) volgens de zestien thema's van Risk in Focus (ECIIA), niet door mensen gevalideerd

Bijgewerkt

augustus 2026