Gedupliceerde schadefoto's: hergebruikt bewijs opsporen

Dit artikel is uitsluitend informatief. Het vormt geen juridisch advies of regelgevend advies en vervangt niet het oordeel van een gekwalificeerde jurist of compliance officer.

Een hergebruikte schadefoto is dezelfde afbeelding — soms bijgesneden, opnieuw gecomprimeerd of licht bewerkt — die in twee afzonderlijke schadeclaims wordt ingediend, bij dezelfde verzekeraar of bij twee verschillende. De controle die dit opspoort, vergelijkt het bestand niet met een lijst van bekende fraudegevallen: hij vergelijkt de foto met alle eerder ontvangen foto's, op zoek naar een visuele match. Dat is een andere vraag dan manipulatiedetectie: in plaats van "is deze foto bewerkt?" wordt de vraag "is deze foto al ergens anders gebruikt?"

Wat is hergebruik van schadefoto's

Hergebruik van schadefoto's betekent dat een al eerder ingediende schadefoto — de eigen foto uit een eerder dossier, een foto van een derde gevonden online, of een foto van een medeplichtige — wordt gebruikt om een nieuwe claim te onderbouwen zonder dat er werkelijke, overeenkomstige schade is. De foto kan pixel-identiek zijn of licht gewijzigd: bijgesneden, andere helderheid, extra compressie, een filter. In beide gevallen blijft de visuele inhoud herkenbaar, waardoor het probleem oplosbaar is met beeldvergelijkingstechnieken in plaats van een simpele bestandshash-controle, die faalt zodra één byte verandert.

Een Verisk-onderzoek op een steekproef van 768.000 schadefoto's vond 1.967 duplicaten, waaronder één foto die in 44 afzonderlijke claims werd hergebruikt, gekoppeld aan 1.475 schadegevallen voor ongeveer 5,3 miljoen dollar aan uitgekeerde schadevergoedingen. Dit cijfer toont de kloof tussen de werkelijke omvang van het probleem en de zichtbaarheid ervan per dossier: geen enkele schadebehandelaar die één dossier bekijkt, kan weten dat een foto elders in de portefeuille al 43 keer is opgedoken.

Waarom fraudeurs dezelfde schadefoto hergebruiken

Een geloofwaardige schadefoto produceren kost moeite — de juiste hoek vinden, het juiste licht, een beschadigd voertuig of pand dat past bij het verhaal. Zodra een foto eenmaal de controles van één verzekeraar heeft doorstaan, elimineert hergebruik elders die kosten volledig: de fraudeur hoeft alleen de naam van de verzekerde, de schadedatum en soms het geclaimde bedrag te wijzigen, zonder de moeilijkste stap te herhalen.

Dit blijft niet beperkt tot één oneerlijke verzekerde. Volgens onderzoeksbureau CED Forensic komen zaken met AI-gegenereerde of bewerkte schadefoto's inmiddels wekelijks voor, en fraudeonderzoekers zien steeds vaker georganiseerde patronen waarbij dezelfde foto — soms licht aangepast — in meerdere dossiers opduikt, ook bij verschillende verzekeraars die geen zicht hebben op elkaars dossiers.

Hoe wijdverspreid het probleem is

Allianz meldde in het Verenigd Koninkrijk een stijging van 300% in claims met digitaal bewerkte voertuigfoto's in 2023 ten opzichte van het jaar ervoor — een trend die rechtstreeks samenhangt met de dalende kosten van fotobewerking en, recenter, generatieve AI-tools die overtuigende schadesynthese of -hergebruik nog gemakkelijker op schaal maken.

Het ACFE 2024 Report to the Nations plaatst detectie van documentfraude via uitsluitend handmatige controle op 37%, met een gemiddelde ontdekkingsvertraging van 87 dagen — een vertraging die ruim de tijd geeft voor dezelfde foto om via meerdere dossiers te circuleren voordat een handmatige kruiscontrole, vaak toevallig, het patroon aan het licht brengt.

Hoe perceptual hashing hergebruikte foto's opspoort

Perceptual hashing (pHash) zet een afbeelding om in een compacte digitale vingerafdruk die stabiel blijft, zelfs na bijsnijden, hercompressie, formaatwijziging of een lichte filter — in tegenstelling tot een cryptografische hash (SHA-256), die volledig verandert zodra één byte wijzigt. Twee visueel gelijkende foto's leveren vingerafdrukken op die dicht bij elkaar liggen, waardoor een systeem een gelijkenisafstand kan berekenen en alles boven een vastgestelde drempel kan markeren voor menselijke beoordeling.

Dit verloopt in drie stappen binnen een schadeworkflow:

1. Extractie — elke binnenkomende foto wordt bij indiening omgezet in een perceptuele vingerafdruk.
2. Vergelijking — de vingerafdruk wordt vergeleken met een referentieset van eerder ingediende foto's, intern en, waar een sectorbrede uitwisseling bestaat, tussen verzekeraars.
3. Markering — boven de gekozen gelijkenisdrempel wordt het dossier doorgestuurd voor menselijke beoordeling, nooit voor automatische afwijzing.

Onze aanpak combineert deze perceptuele vergelijking systematisch met metadata-analyse en samenhang tussen documenten, iets wat verder wordt uitgewerkt in ons artikel over wat EXIF-metadata van een klantfoto wel en niet kan bewijzen: een nauwe perceptuele match heeft alleen waarde in combinatie met andere signalen, nooit op zichzelf.

Duplicaatdetectie versus andere forensische technieken

Duplicaatdetectie beantwoordt een andere vraag dan de overige forensische controles die op een schadefoto worden toegepast, en beide vullen elkaar aan in plaats van elkaar te vervangen.

Een foto kan er op drie van deze vier controles "schoon" uitzien — geen manipulatie gevonden bij compressie-artefactanalyse, consistente metadata, geen synthetisch signaal — en toch pixel-identiek zijn aan een foto die zes maanden eerder al onder een andere naam is ingediend. Ons artikel over de detectie van hergebruikte frauduleuze documenten en seriefraude behandelt dezelfde logica toegepast op een heel dossier, niet alleen op foto's.

Wat het wettelijk kader vereist bij een duplicaatmelding

Een afwijzing of onderzoek op basis van een duplicaatmatch blijft een juridisch relevante beslissing die betwistbaar moet blijven. Verordening (EU) 2024/1689 inzake kunstmatige intelligentie vereist in artikel 14 effectief menselijk toezicht op hoogrisico-AI-systemen, en een perceptueel gelijkenissignaal — van nature probabilistisch, nooit 100% zeker — valt onder die traceerbaarheidslogica zodra het een uitkeringsbeslissing beïnvloedt.

De DNB en de AFM verwachten van verzekeraars een intern controlekader dat proportioneel is aan het risico op documentfraude, inclusief detectie van hergebruikt bewijs. De AVG, artikel 22, reguleert geautomatiseerde individuele besluiten met rechtsgevolgen: een claimafwijzing die uitsluitend berust op een algoritmische gelijkenisscore zonder gedocumenteerde menselijke toetsing stelt een verzekeraar bloot aan een klacht bij het Kifid of de Autoriteit Persoonsgegevens.

Een duplicaatcontrole opzetten in de schadeworkflow

De meest robuuste aanpak gebruikt drie escalatieniveaus met expliciete, in het interne beleid vastgelegde drempels:

1. Geen match gevonden — de foto doorloopt de standaard schadeverwerking zonder markering.
2. Gedeeltelijke match (matige gelijkenis) — het dossier gaat naar standaard menselijke beoordeling, met de verdachte foto naast zijn eerdere match voor een geïnformeerde beslissing.
3. Sterke match gecombineerd met andere signalen (inconsistente metadata, identieke reparatieofferte) — overdracht naar de speciale fraudeonderzoekseenheid, volgens interne procedure.

Deze opzet voorkomt het probleem van het volledig geautomatiseerde oordeel, besproken in ons artikel over grootschalige beoordeling van schadefoto's — signalen, geen oordelen: het signaal herschikt de werklijst, een mens beslist. Voor verzekeraars die maandelijks duizenden fotodossiers verwerken, is deze drielaagse triage de enige realistische optie bij een gelijkblijvende bezetting, zoals blijkt uit onze analyse van het versnellen van schadeafhandeling met AI.

Wat schadebehandelaars echt vragen

"Is een gevonden duplicaat genoeg om een claim af te wijzen?" Nee — een perceptuele match is een prioriteringssignaal, geen zelfstandig bewijs van fraude. Dezelfde verzekerde kan per ongeluk legitiem tweemaal dezelfde foto indienen, of een expert kan één foto hebben hergebruikt om twee onderdelen van dezelfde schade te documenteren. Het signaal leidt tot een gedocumenteerde beoordeling, nooit tot automatische afwijzing.

"Kan een fraudeur die de techniek kent de foto gewoon bijsnijden om detectie te ontlopen?" Perceptual hashing is tolerant voor kleine wijzigingen, maar een agressieve bijsnede die het grootste deel van het visueel onderscheidende gebied verwijdert, kan de gelijkenisscore onder de detectiedrempel duwen — precies daarom moet dit signaal worden gecombineerd met metadata-analyse en de samenhang van het schadeverhaal in plaats van op zichzelf te worden gebruikt.

Veelgestelde vragen

Is een hergebruikte schadefoto altijd fraude?

Nee. Een verzekerde kan legitiem dezelfde foto tweemaal indienen bij gekoppelde claims, of een expert kan één foto hergebruiken om twee onderdelen van hetzelfde incident te documenteren. Het duplicaatsignaal stuurt het dossier naar menselijke beoordeling; het is op zichzelf geen bewijs van fraude.

Werkt perceptual hashing nog als de foto is bewerkt?

Ja, bij lichte bewerkingen — bijsnijden, hercompressie, helderheidsaanpassing — omdat de vingerafdruk de algehele visuele inhoud vastlegt en niet de exacte bestandsbytes. Een agressieve bewerking kan de gedetecteerde gelijkenis verminderen, vandaar de noodzaak om dit signaal met andere controles te combineren.

Hoe lang duurt het om een duplicaat tussen twee dossiers te detecteren?

De vergelijking van vingerafdrukken zelf verloopt in seconden bij indiening. De werkelijke detectiesnelheid hangt af van de reikwijdte: een interne database van de verzekeraar vindt duplicaten sneller dan een systeem dat sectorbrede gegevensdeling vereist.

Vervangt dit de EXIF- of manipulatieanalyse?

Nee, het vult ze aan. Perceptual hashing beantwoordt "is deze foto al eerder gezien?", terwijl EXIF en error level analysis beantwoorden "is deze foto bewerkt?". Een robuuste opzet combineert beide in plaats van op één ervan te vertrouwen.

Beperkt de AVG het opbouwen van een referentiedatabase van schadefoto's voor deze controle?

Ja — elke geautomatiseerde besluitvorming heeft een gedocumenteerde rechtsgrond nodig, en de bewaartermijn van persoonsgegevens gekoppeld aan schadefoto's moet in verhouding staan tot het antifraudedoel. Een compliance officer moet de rechtsgrond en bewaartermijn documenteren voordat dit soort controle wordt ingezet.

---

Duplicaatdetectie van schadefoto's maakt deel uit van een breder geheel van aanvullende signalen — metadata, documentconsistentie en, waar de klantconfiguratie dit toestaat, detectie van AI-gegenereerde content naast bestaande structurele controles. CheckFile bouwt deze perceptuele vergelijking in de schade-intakeworkflow; voor een breder overzicht van documentverificatie, zie onze gids voor documentverificatie of de tarieven.