UvA en Kansspelautoriteit presenteren open-source model voor vroege detectie van risicovol gokgedrag

Augustus 2026 markeert een belangrijke stap in de aanpak van online gokrisico’s toen onderzoekers van de Universiteit van Amsterdam samen met de Kansspelautoriteit een open-source machine-learning algoritme onthulden dat echte spelerdata analyseert om risicovol gedrag vroegtijdig te signaleren.

Het model richt zich op patronen in inzetgedrag, frequentie van sessies, timing en reacties op winst of verlies en bouwt voort op financiering uit het Verslavingspreventiefonds van de Kansspelautoriteit. Operators kunnen het systeem inzetten als aanvulling op bestaande maatregelen voor verantwoord gokken en de code is vrij toegankelijk via de website van de toezichthouder.

Technische werking van het algoritme

Het algoritme verwerkt anonieme datasets met variabelen zoals inzetbedragen per ronde, duur van speelperiodes en veranderingen in gedrag na winst- of verliesreeksen. Machine-learning technieken identificeren afwijkingen die duiden op verhoogd risico, waarna de uitkomsten als transparante signalen aan operators worden doorgegeven.

Door de open-source aanpak kunnen ontwikkelaars en toezichthouders de onderliggende code inspecteren en aanpassen aan specifieke marktomstandigheden zonder dat vertrouwelijke spelerinformatie wordt gedeeld. De Kansspelautoriteit benadrukt dat het model geen vervanging vormt voor bestaande protocollen maar een extra laag van analyse toevoegt.

Operators die het model implementeren ontvangen gestandaardiseerde rapportages die zij kunnen koppelen aan hun eigen monitoringsystemen. De transparante structuur maakt het bovendien mogelijk voor onafhankelijke partijen om de prestaties te valideren en eventuele verbeteringen voor te stellen.

Implementatie door online casino’s

Vanaf augustus 2026 kunnen vergunde aanbieders het algoritme integreren in hun bestaande infrastructuur. De Kansspelautoriteit verwacht dat meerdere partijen de code zullen testen en terugkoppeling zullen geven over bruikbaarheid en nauwkeurigheid. Omdat de broncode openbaar is, kunnen ook kleinere operators zonder eigen data-science afdeling gebruikmaken van geavanceerde analysemethoden.

Het model werkt met gestandaardiseerde inputformaten zodat aanpassingen aan verschillende softwareomgevingen relatief eenvoudig blijven. Regelmatige updates vanuit de academische gemeenschap houden het systeem actueel terwijl de toezichthouder de kernversie beheert en documenteert.

Toekomstige ontwikkelingen en evaluatie

Onderzoekers van de Universiteit van Amsterdam hebben aangekondigd dat vervolgstudies zich zullen richten op verdere verfijning van de detectiecriteria en uitbreiding naar mobiele platforms. De Kansspelautoriteit monitort de adoptiecijfers en verzamelt feedback om te bepalen of aanvullende richtlijnen nodig zijn.

Door de publieke beschikbaarheid ontstaat een bredere discussie over datagebruik en privacy binnen de goksector. Deelnemende partijen kunnen gezamenlijk werken aan verbeterde preventiestrategieën zonder dat individuele spelersidentiteiten worden prijsgegeven.

Conclusie

Het open-source algoritme van de Universiteit van Amsterdam en de Kansspelautoriteit biedt een concreet instrument dat operators ondersteunt bij het vroegtijdig signaleren van risicovol gedrag. De combinatie van academische methodiek, publieke financiering en vrije toegang creëert een basis voor verdere samenwerking binnen de Nederlandse online gokmarkt. Vanaf augustus 2026 kunnen geïnteresseerde partijen de code direct toepassen en evalueren, terwijl onafhankelijke validatie de betrouwbaarheid verder kan versterken.