Begin 2026 schreven Erik van de Sandt, Arthur van Bunningen en Jarmo van Lenthe de whitepaper The CSAE Framework for Data-Driven Policing: Why It Matters and How It Works in Practice, een geïntegreerd framework voor datagedreven politiewerk, ontwikkeld vanuit operationele praktijkervaring binnen de Nederlandse politie en internationale samenwerkingsverbanden.
Politiewerk is sterk veranderd door de toenemende digitalisering van de samenleving. Strafrechtelijke onderzoeken draaien niet langer alleen om fysieke observaties, verklaringen en traditionele forensische sporen, maar steeds vaker om omvangrijke digitale informatiestromen. Criminele netwerken gebruiken versleutelde communicatiediensten, online marktplaatsen, cryptovaluta en internationale infrastructuren om activiteiten te organiseren en te verbergen. Politiediensten verzamelen daardoor steeds meer digitale onderzoeksgegevens, maar lopen tegelijk tegen een praktisch probleem aan: het verwerken, structureren en interpreteren van die informatie. Volgens de auteurs ligt de grootste uitdaging inmiddels niet meer bij het verzamelen van data, maar bij het omzetten ervan in bruikbare informatie, intelligence en juridisch onderbouwde conclusies.
Vanuit die context ontwikkelden medewerkers van de Nederlandse politie samen met academische partners het CSAE-framework. CSAE staat voor Collect, Store, Analyze, Engage en beschrijft een geïntegreerde werkwijze voor datagedreven politiewerk. Het model ontstond vanuit operationele praktijkervaring binnen internationale onderzoeken naar georganiseerde criminaliteit en cybercriminaliteit en werd over een periode van circa tien jaar ontwikkeld en toegepast binnen grote internationale intelligenceprojecten en strafrechtelijke onderzoeken. Het doel van CSAE is een gedeelde organisatorische werkwijze en gemeenschappelijke taal te ontwikkelen waarmee verschillende disciplines kunnen samenwerken.
De eerste fase van het framework, Collect, draait om het verzamelen van strategische databronnen. Daarbij gaat het niet alleen om individuele bewijsstukken uit een zaak, maar ook om datasets die langdurig relevant zijn voor meerdere onderzoeken. Een voorbeeld uit de whitepaper is de aanpak van online dark markets zoals AlphaBay en Hansa Market. In plaats van individuele verkopers te onderzoeken richtten opsporingsdiensten zich op de infrastructuur van de marktplaatsen zelf. Door die platforms in beslag te nemen kregen onderzoekers toegang tot grote hoeveelheden communicatie- en transactiedata, die vervolgens konden worden gebruikt voor nieuwe onderzoeken en analyses.
In de tweede fase, Store, worden ruwe datasets omgezet in gestructureerde informatie. Het framework benadrukt het belang van geharmoniseerde dataschema’s, vaste definities, opslagstructuren en zogeheten ETL-processen (Extract, Transform, Load). Daarmee kunnen verschillende databronnen, zoals chatberichten, telefoongegevens, financiële transacties en observatieverslagen, in één gemeenschappelijke structuur worden opgeslagen. Volgens de auteurs helpt dit versnippering tussen afdelingen en systemen te verminderen en samenwerking tussen disciplines beter mogelijk te maken. Daarnaast wijst de whitepaper op juridische en organisatorische voorwaarden, zoals dataminimalisatie, toegangsbeheer en chain of custody. Politieorganisaties zouden daarbij zo veel mogelijk controle moeten houden over hun eigen datastructuren en analysetools om afhankelijkheid van commerciële leveranciers te beperken.
De derde fase, Analyze, richt zich op het omzetten van informatie in intelligence. Daarbij combineert CSAE kwalitatieve methoden, zoals interviews, observaties en dossieranalyse, met kwantitatieve technieken als statistische analyses, netwerkmodellen en machine learning. De auteurs noemen dit de Quadrant methodology: een mixed-methodsbenadering waarin domeinkennis, technische expertise en numerieke analyse samenkomen. Een voorbeeld uit de whitepaper is het identificeren van patronen in onderschepte communicatie. Door taalgebruik, tijdstippen en locatiegegevens te combineren kunnen onderzoekers bepaalde rollen binnen criminele netwerken onderscheiden, zoals witwassers of logistieke facilitators. Zulke modellen dienen volgens de auteurs niet als autonome besluitvorming, maar als ondersteuning van menselijke analyse. Daarom benadrukt het framework het belang van menselijke controle, uitlegbaarheid en evaluatie van algoritmes.
De vierde en laatste fase, Engage, gaat over fact-based interventies. Het framework beschouwt repressie en preventie niet als gescheiden werelden, maar als een continuüm. Politieoptreden kan variëren van strafrechtelijke vervolging tot het waarschuwen van burgers, bedrijven of publieke instellingen voor specifieke dreigingen. Een voorbeeld betreft cybercriminaliteit. Tijdens een onderzoek naar cyberaanvallen deelden opsporingsdiensten en private beveiligingsbedrijven informatie over gebruikte aanvalsmethoden en technische indicatoren met financiële instellingen. Daardoor konden sommige organisaties maatregelen nemen voordat verdere schade ontstond. Meldingen van slachtoffers leverden vervolgens weer nieuwe informatie op voor vervolgonderzoeken.
Een belangrijk onderdeel van CSAE is de nadruk op harmonisatie en samenwerking. Volgens de auteurs werken veel politieorganisaties nog in gescheiden juridische, organisatorische en technische silo’s. Daardoor ontstaan verschillen in terminologie, werkwijzen en datastructuren die samenwerking bemoeilijken. CSAE probeert daarvoor een gemeenschappelijk kader te bieden.
CSAE koppelt operationele effectiviteit aan publieke waarden zoals proportionaliteit, uitlegbaarheid en menselijke controle. Positief is dat het framework expliciet aandacht besteedt aan risico’s van datagedreven werken, waaronder bias, systematische fouten, afhankelijkheid van private technologiebedrijven en mogelijke druk op publieke legitimiteit. De uitwerking van concrete governance-, organisatie- en toezichtmechanismen blijft echter beperkt. De auteurs geven aan dat onderwerpen zoals governance, organisatorisch ontwerp en opschaling in latere publicaties verder zullen worden uitgewerkt.
CSAE is geen vervanging van intelligence-led policing, digitale opsporing of bestaande politiefilosofieën, maar een verbindend raamwerk dat deze werkwijzen meer datagedreven en samenhangender probeert te maken. De kracht van het framework ligt in de gedeelde taal tussen domeinexperts, technische specialisten en numerieke experts. De belangrijkste open vraag blijft hoe publieke waarden zoals proportionaliteit, accountability en toezicht concreet worden geborgd in organisatie, governance en dagelijkse praktijk.
Bron:
Van de Sandt, E., Van Bunningen, A., & Van Lenthe, J. (2026, 28 januari). The CSAE Framework for Data-Driven Policing: Why It Matters and How It Works in Practice. Dutch National Police / University of Bristol / REPHRAIN.
