Onderzoek schadeafhandeling Groningen. Welke verbeteringen zijn mogelijk om beter aan de verwachtingen van bewoners te voldoen?

Rebel onderzocht in opdracht van het ministerie van Economische Zaken en Klimaat hoe de afhandeling van fysieke aardbevingsschade in Groningen beter kan aansluiten bij wat bewoners verwachten. Sinds de beving bij Huizinge zijn ruim honderdduizend schadevergoedingen toegekend en komen er inmiddels meer dan 45.000 meldingen per jaar binnen. In de meeste zaken gaat het goed, zeker bij de vaste vergoeding, maar in complexe en slepende juridische trajecten ontstaat het meeste leed. Het bureau doet aanbevelingen op zes thema's, waaronder ruimere bevoegdheden voor het Instituut Mijnbouwschade, uitbreiding van de vaste vergoeding en minder inzet van de landsadvocaat. Kern is dat bewoners het herstel niet langer moeten halen, maar dat de overheid het komt brengen.

Governance en verslaggevingCommunicatie, reputatie en stakeholdersVeranderende wet- en regelgeving

Waarom deze indeling: Governance omdat het gaat om de inrichting van het schadestelsel, de kaders van het instituut en de vraag welke keuzes bestuurlijk of politiek gemaakt moeten worden. Comms omdat begrippen als bewoner centraal en ruimhartig holle frasen dreigen te worden en aanbevolen wordt vanuit erkenning en begrip te communiceren in plaats van vanuit procedures. Laws omdat het meeste leed ontstaat in slepende juridische trajecten, waarin de toepassing van het wettelijk bewijsvermoeden, de inzet van de landsadvocaat en gelijkwaardige juridische bijstand centraal staan.

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 Economische Zaken en Klimaat

Bron

Onderzoeken en evaluaties: Rebel

Toegepaste standaard

Extern onderzoek

Datum

2023-01-20

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