Doeltreffendheid en doelmatigheid van een landelijk huurregister

PwC onderzocht voor de ministeries van Financiën en Binnenlandse Zaken of een landelijk register van huurwoningen zinvol is. Zo'n register zou zes doelen tegelijk moeten dienen, van het nieuwe box 3-stelsel en de huurtoeslag tot handhaving van de energielabelplicht. Zeven varianten zijn getoetst; het register kan voor de meeste toepassingen doeltreffend zijn, maar of het doelmatig is valt niet vast te stellen omdat cijfers over uitvoerings- en handhavingskosten ontbreken. Voor geschillenbeslechting bij de Huurcommissie en het monitoren van de particuliere huurvoorraad is een register niet geschikt. Uitbreiding van bestaande registraties en werkprocessen biedt volgens de onderzoekers voor het merendeel de efficiëntste oplossing.

Veranderende wet- en regelgevingDigitale disruptie, nieuwe technologie en AIFinanciële, liquiditeits- en insolventierisico's

Waarom deze indeling: Het rapport toetst uitgebreid het juridisch kader, de grondslag en de privacy- en databeschermingsvereisten van een verplichte registratie (laws). Het gaat om het opzetten van een nieuwe landelijke database met hoge eisen aan datakwaliteit, waarbij digitalisering van bestaande werkprocessen als alternatief naar voren komt (digital). De aanleiding is correcte belastingheffing in het nieuwe box-3-stelsel en de uitvoeringskosten daarvan (financial).

Toegekend met een AI-model (Opus 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 Financiën

Bron

Onderzoeken en evaluaties: PwC

Toegepaste standaard

Comptabiliteitswet 2016

Datum

2023-05 (alleen de maand is bekend)

Het rapport zelf

originele publicatie

Omschrijving

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

Risicolabels

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

Bijgewerkt

augustus 2026