Hoe creëer je meer woonruimte als bouwen niet lukt?

help ons in kaart te brengen waar woningsplitsing kansrijk is en waar het al gebeurt.

De druk op de woningmarkt neemt toe, maar nieuwe woningen bouwen is makkelijker gezegd dan gedaan. Ruimte is schaars, procedures zijn lang en vergunningstrajecten stroperig.

Daarom zoeken gemeenten naar alternatieven om toch aan de groeiende vraag te voldoen. Eén van die oplossingen is woningsplitsing: bestaande panden opdelen in meerdere wooneenheden.

Maar waar is dat eigenlijk mogelijk? En hoe houd je zicht op wat er al is gesplitst?

Dat was precies de vraag waarmee een beleidsmaker bij ANG aanklopte: help ons in kaart te brengen waar woningsplitsing kansrijk is — en waar het al gebeurt.

Van beleidsvraag naar datamodel

Om deze vraag te beantwoorden, bouwde ANG een model in FME — een krachtig platform voor dataverwerking dat data uit verschillende bronnen kan combineren, analyseren en visualiseren.

De basis van het model ligt in de Basisregistratie Adressen en Gebouwen (BAG). Deze landelijke dataset bevat rijke informatie over alle panden in Nederland: status, gebruiksdoel, begin- en einddatum van registratie, en nog veel meer.

Het model vergelijkt de BAG-gegevens van 1 januari en 31 december van elk jaar om te berekenen waar panden in gebruik zijn genomen, gesplitst of juist verdwenen. Door deze informatie te koppelen aan de CBS-buurtkaart, ontstaat een overzicht van woningsplitsingen per buurt — inclusief trends door de tijd.

Zo krijgen beleidsmakers een compleet en betrouwbaar beeld van de woningvoorraad binnen hun gemeente.

Van data naar beleid

Met deze aanpak helpt ANG gemeenten om beter te begrijpen waar de woningvoorraad groeit binnen bestaande structuren.
De inzichten bieden niet alleen een terugblik, maar ook richting: waar kan woningsplitsing bijdragen aan het oplossen van de woonopgave?

Daarnaast levert het model extra inzichten op zoals locaties van nieuwbouw, sloop en transformaties van niet-woningen naar woningen. Zo ontstaat een compleet beeld van de ruimtelijke dynamiek in de stad.

Met deze informatie kunnen beleidsmakers gericht actie ondernemen, beleid toetsen en bijsturen waar dat het meeste effect heeft.

Datagedreven beslissingen voor een slimme leefomgeving

Het resultaat is een concreet instrument voor datagedreven beleidsmonitoring.
Door data slim te combineren en te visualiseren, kunnen gemeenten beter inspelen op ontwikkelingen in de woningmarkt en hun beleid effectiever maken.

ANG laat met deze aanpak zien hoe data en technologie kunnen bijdragen aan het oplossen van grote maatschappelijke vraagstukken — en hoe een technisch model kan uitgroeien tot een strategisch beleidsinstrument.

Het resultaat op pandniveau voor een stukje Rotterdam:

Over Michel Huizenga - ANG

FME-specialist Michel Huizenga ontwikkelde het datamodel achter dit project.

We vroegen hem naar zijn aanpak, inzichten en belangrijkste les uit de praktijk.

We stelden hem drie vragen over zijn aanpak, zijn inzichten en zijn belangrijkste tip voor collega’s die met FME werken:

1. Wat is jouw favoriete ‘truc’ of inzicht bij het werken met FME en BAG-data?

“Dan moet ik kiezen uit een veelheid aan mogelijkheden van FME om in te zetten bij data analyse. Wat specifiek voor de BAG geldt is dat er een begin- en einddatum te vinden is voor elk object. Door het toepassen van de juiste test clauses in de tester kan ik een stand van zaken op een bepaalde peildatum te zien krijgen en daarmee verder analyseren.”

2. Hoe zorg jij ervoor dat een technisch model aansluit bij wat beleidsmakers écht nodig hebben?

“Dat doe ik door veel in gesprek te gaan met de beleidsmaker. Vragen blijven stellen, ook als het al een paar keer uitgelegd is en ook als ik het idee heb dat ik het al zou moeten snappen. Maar ook uitleggen wat er gebeurt in het model en wat de gevolgen zijn van bepaalde keuzes. Het model kan pas echt van waarde zijn als zowel de techneut als de beleidsmaker elkaar begrijpen.” 

3. Als je terugkijkt op je ontwikkeling met FME: wat is iets dat je toen graag had geweten, maar nu pas écht begrijpt?

“Het werken met lijsten. Alhoewel ik eerlijk gezegd nog steeds het idee heb dat ik daar maar een gedeelte van begrijp. Het heeft een tijdje geduurd voordat het kwartje viel hoe de List transformers werken en hoe handig ze kunnen zijn als je dat begrijpt. Iets wat ik trouwens graag had geweten, maar nog steeds niet goed begrijp is het aan elkaar koppelen van workspaces en daarin gebruik maken van parameters.”

Over ANG

ANG helpt overheden en organisaties hun data écht te laten werken. Met slimme oplossingen op basis van FME, BAG-data en geografische informatie maakt ANG complexe vraagstukken inzichtelijk — van woningvoorraad en leefomgeving tot mobiliteit en duurzaamheid.

Als FME-specialist vertaalt ANG beleidsvragen naar datagedreven beslissingen. Praktisch, betrouwbaar en altijd met oog voor de maatschappelijke context. Want data is pas waardevol als het helpt om betere keuzes te maken — voor bewoners, voor buurten en voor de toekomst van onze steden.

Op 6 november deelt ANG deze aanpak tijdens het Wooncongres, waar Martijn Pellegrom namens ANG presenteert over onze datagedreven benadering van de woningbouwopgave. Een mooi moment om te laten zien hoe data in de praktijk bijdraagt aan beter beleid.

Bij Vinc Data zijn we dol op delen.

Of het nu gaat om onze kennis, advies rondom FME Form & Flow licenties, of jullie concrete tips en praktijkervaringen – wij geloven dat delen ons allemaal slimmer maakt.

Daarom vragen we dagelijks om inzichten uit de praktijk. Geen theoretisch verhaal, maar échte toepassingen van FME in een wereld die steeds data gedrevener wordt.

👉 Heb jij een slimme oplossing waar anderen van mogen leren?
Laat het ons weten. We brengen jouw case graag verder – want samen blijven we vooroplopen. Mail naar veerle@vincdata.com en dan pakken we het samen verder op!