Data en methoden

Per hoofdstuk wordt hier beschreven welke databronnen zijn gebruikt en hoe deze zijn toegepast.

Hoofdstuk 2 t/m 7

Om te bepalen welke codes tot de kritieke materialen behoren en welke niet is allereerst uitgegaan van de officiële lijst van kritieke en strategische materialen (Europese Commissie, 2023). Iets later is daar aluminium bijgekomen (in eerste instantie enkel bauxiet). Het Joint Research Centre (JRC) van de Europese Commissie (Georgitzikis, 2024) heeft goederencodes gekoppeld aan elk kritiek materiaal, die wij hebben overgenomen. Deze afbakening is wat ruimer dan eerder gebruikt in het eerste grote CBS-onderzoek naar kritieke materialen (CBS, 2023). Een ander verschil betreft dat aluminium er als nieuw materiaal is bijgekomen.

Het JRC-document beschrijft niet alleen welke goederencodes (GN8) toebehoren tot elk kritiek materiaal, maar laat ook zien of een code meerdere kritieke materialen bevat en welke dat zijn. In deze gevallen zijn er evenredige verdeelsleutels toegepast om dubbeltellingen te voorkomen. Het JRC-document geeft ook informatie over de positie van elke goederencode in de productieketen: gaat het om ruw materiaal, verwerkt materiaal, een halffabricaat of om een gerecycled product? De lijst bevat niet of nauwelijks eindproducten. Deze worden wel beschreven door de grondstoffenscanner van TNO (voor meer info zie ‘hoofdstuk 3 t/m 5’)). Omdat de JRC-lijst enkel het statistiekjaar 2023 beschrijft, heeft het CBS de lijst geactualiseerd voor 2024 en alle goederencodes teruggelegd tot het jaar 1988. Daarbij is er ook gekeken naar verschuivingen voor de verdeelsleutels. Daar waar duidelijke omissies in de lijst zijn geconstateerd, zijn deze codes aangepast.

Hoofdstuk 2

Voor het in kaart brengen van de positie van Nederland als importeur binnen de EU van kritieke materialen is gebruik gemaakt van de ‘Easy Comext’ database van Eurostat (2025a). Bij Eurostat komen alle data van alle statistiekbureaus van de EU samen en zo kan er internationaal worden vergeleken.

Hoofdstuk 3 t/m 5

Om inzicht te geven in de ontwikkeling van de Nederlandse import (waarde, gewicht) van kritieke materialen maken we gebruik van de statistiek Internationale Handel in Goederen (IHG) van het CBS.

Om informatie te kunnen geven over de producten met kritieke materialen (hoofdstuk 5) is tevens gebruikt gemaakt van de Grondstoffenscanner van TNO (2024). Deze tool geeft voor vele kritieke en niet-kritieke materialen weer welke goederen hierover beschikken. Met andere woorden, welke producten bevatten welke kritieke materialen.

De Grondstoffenscanner maakt gebruik van diverse internationale databases, zoals die van de VN, de Wereldbank en van de FAO (voedsel- en landbouworganisatie van de Verenigde Naties). De Grondstoffenscanner vertaalt ze naar een op maat gemaakte analyse van producten, grondstoffen en landen van herkomst. De materialen en gegevens die in de Grondstoffenscanner gepresenteerd worden, zijn gebaseerd op rapporten van Bastein en Rietveld (2015) en van CREM, TNO en PRé Sustainability (2019).

De Grondstoffenscanner wordt voortdurend geactualiseerd en verbeterd en daarom zijn de cijfers in hoofdstuk 5 voorlopige cijfers. Daarnaast dient te worden opgemerkt dat de cijfers in hoofdstuk 5 ruwe schattingen zijn, omdat de Grondstoffenscanner uitgaat van geaggregeerde goederengroepen (HS6) en dat is iets minder precies dan de meest gedetailleerde goederensoorten (GN8). Ten slotte is het goed om op te merken dat de gepresenteerde cijfers in hoofdstuk 5 totale productwaarden weergeven, waarbij de waarden van de kritieke materialen zelf slechts een fractie kunnen zijn van de totale productwaarde.

Hoofdstuk 6 en 7

Voor diepgaande analyses ten aanzien van het belang van kritieke materialen voor onze Nederlandse economie, is gebruik gemaakt van waardeketenonderzoek van het CBS op basis van input-outputtabellen van de Nationale Rekeningen van het CBS.

Vanwege de toenemende complexiteit van productieprocessen wordt het met traditionele handelsstatistieken steeds uitdagender om een nauwkeurige inschatting te maken van de onderlinge afhankelijkheid tussen deelnemende landen en sectoren. Deze onderlinge afhankelijkheid gaat verder dan alleen de directe relatie tussen leveranciers en afnemers; het strekt zich uit tot alle betrokkenen in de gehele keten. Een waardeketenanalyse maakt inzichtelijk hoeveel waarde er op elke stap in de keten wordt toegevoegd, waardoor dwarsverbanden en de mate van afhankelijkheid binnen de keten zichtbaar worden.

Door IHG-statistieken te koppelen aan input-outputtabellen afkomstig van de Nationale Rekeningen van het CBS, kunnen we berekenen hoeveel geïmporteerde goederen er in het productieproces worden gebruikt door verschillende bedrijfstakken. De input-outputtabellen bevatten onder andere per bedrijfstak informatie over hoeveel ze aan andere bedrijfstakken leveren, waar ze zelf benodigde goederen en diensten inkopen, en hoeveel ze produceren en exporteren. Met behulp van zo'n input-outputtabel kunnen we berekenen hoeveel toegevoegde waarde er in elke bedrijfstak wordt gegenereerd. Dit stelt ons in staat om afhankelijkheden in waardeketens zichtbaar te maken.

Het CBS beschikt alleen over gegevens over directe internationale handel van Nederland met andere handelspartners. Deze gegevens waren beschikbaar voor het verslagjaar 2023, en de CBS-cijfers die hier worden gebruikt gaan niet verder terug dan 2015 vanwege verschillende herzieningen. De gebruikte methode om de koppeling tussen handelscijfers en input-outputtabellen tot stand te brengen zijn gebaseerd op methoden ontwikkeld door Lemmers (2015), Lemmers & Wong (2019) en Aerts et al. (2022), en maakt het mogelijk om te bepalen hoeveel en welke import er verwerkt wordt in de productie van Nederlandse goederen en diensten. Hierbij maken we gebruik van input-output analyses (Miller & Blair, 2022).

Om productinformatie in het buitenlandse deel van de toeleveringsketen van Nederland – d.w.z. de indirecte import van Nederland via andere landen) af te leiden maken we gebruik van de methode ontwikkeld door Lemmers et al. (2023a/b). We schatten eerst hoeveel buitenlandse bedrijfstakken met elkaar handelen. We weten op grof productniveau welke producten ze produceren en gebruiken. We weten ook in welke producten landen met elkaar handelen. Dat productniveau gebruiken we om dat grove productniveau te verfijnen. Nu volgt een uitgebreidere beschrijving.

1. Schat hoeveel buitenlandse bedrijfstakken met elkaar verhandelen

In de eerste stap leiden we af hoeveel import van welk product ieder van de toeleverende bedrijfstakken nodig heeft om te produceren voor de Nederlandse import. De geïmporteerde goederen en diensten worden toegewezen aan bedrijfstakken in die landen. Dat gebeurt met behulp van FIGARO-data (Remond-Tiedrez & Rueda-Cantuche, 2019), die weergeeft welke bedrijfstakken in welke landen welke producten produceren. Het resultaat is productie per bedrijfstak per land ten behoeve van de Nederlandse import.

Een multiregionale input-output (MRIO) tabel knoopt de input-outputtabellen van verschillende landen aan elkaar, zodat ook afhankelijkheden met bedrijfstakken in andere landen in kaart kunnen worden gebracht. In dit onderzoek hebben we gekozen voor de MRIO van de OESO. Deze MRIO is beschikbaar voor verslagjaren 2015 tot en met 2020 en heeft informatie voor 76 landen en 45 bedrijfstakken. Gebruik nu input-output analyse en de MRIO om af te leiden hoeveel productie er nodig is bij de directe toeleveranciers van die bedrijfstakken. En hoeveel productie er nodig is bij de directe toeleveranciers van die toeleveranciers enzovoorts. Dat brengt alle directe leveringen in kaart in de toeleveringsketen. Tel deze op naar het niveau van leveranciers x afnemers. Dat is bedrijfstak A1 in land A x bedrijfstak B1 in land B waar land A en land B van elkaar verschillen.

2. Voeg grof productniveau toe aan de uitkomsten

Gebruik nu de FIGARO-aanbodtabel; deze laat zien welke producten iedere bedrijfstak produceert. De FIGARO-gebruiktabel laat zien welke producten iedere bedrijfstak gebruikt. Het detail in beide tabellen is beperkt. Voor de aanbodtabel is dat minder erg omdat een product relatief vaker gemaakt wordt door 1 bedrijfstak dan dat het gebruikt wordt door een bedrijfstak. Bijvoorbeeld, schroeven worden gemaakt in 1 bedrijfstak en gebruikt in meerdere bedrijfstakken. Het is dus gewenst om meer detail te hebben aan de gebruikerskant. Daarom gebruiken we de Nederlandse gebruiktabel; deze bevat meer detail dan de FIGARO-gebruiktabel. Het is dan wel nodig om de aanname te maken dat de verhoudingen waarin buitenlandse bedrijfstakken een specifiek product gebruiken hetzelfde zijn als in Nederland. Verbind vervolgens de aanbod- en gebruikdata met de data uit de vorige stap. Dit leidt tot gegevens op het niveau van leveranciers x afnemers x grof productniveau. Er is dus ook bekend welke producten tussen landen verhandeld worden.

3. Verfijn het productniveau

De BACI¹³⁾ data over internationale handel in goederen beschrijft op gedetailleerd productniveau (ongeveer 5000 verschillende producten) de handel tussen landen. De data schatten, waar nodig, vertrouwelijke delen van internationale handel. De data lossen, met behulp van aannames, handelsasymmetrieën op. Bijvoorbeeld, wanneer de invoer van Duitsland uit Nederland anders is dan de uitvoer van Nederland naar Duitsland. De data bevatten geen correcties voor wederuitvoer, de uitvoer van eerder ingevoerde producten. De BACI-data bevatten daarnaast geen bedrijfstakinformatie en de totalen wijken af van die uit de eerdere stap. Weeg daarom de totalen in de BACI-data op land x land x product niveau naar de totalen uit de vorige stap. Neem aan dat de verdeling op fijner productniveau voor iedere leverende en afnemende bedrijfstak hetzelfde is. Dat leidt tot gegevens op het niveau van leveranciers x afnemers x gedetailleerd productniveau. In deze laatste stap hebben we ook ervoor gezorgd dat de uiteindelijke gegevens optellen naar de randtotalen van de MRIO.

Hoofdstuk 8

Het precies bepalen van het gebruik van grondstoffen is erg lastig. Hoeveel lithium zit er in een batterij? Dat ligt aan het type, waar het gemaakt is, waar het voor gebruikt wordt. Er zijn te veel verschillende producten met verschillende samenstellingen om precies na te gaan wat hoeveel van welke grondstof nodig is voor een jaar aan Nederlandse consumptie. Om een schatting te maken van de gebruikte grondstoffen wordt een top-down benadering gebruikt waarmee de grondstofvoetafdruk van de Nederlandse consumptie wordt berekend.

Bij een top-down benadering worden eerst de totale gewonnen grondstoffen verdeeld over de bedrijfstakken in de landen die de winning uitvoeren. Vervolgens worden er schattingen gemaakt van de hoeveelheid grondstoffen aan welke andere bedrijfstakken geleverd worden. Met behulp van input-output analyse wordt er vervolgens een schatting gemaakt van de hele waardeketen. Uiteindelijk kan dan de consumptie van een land worden verbonden aan de gewonnen grondstoffen.

Het is hierbij van belang dat de leveringen tussen bedrijfstakken uit verschillende landen dus op een goede manier worden geschat. Een overzicht van alle leveringen, samen met de consumptie en de toegevoegde waarde van landen over de wereld geeft een overzicht van de totale wereldeconomie. Zo’n overzicht heet een MRIO (multi-regional input-output tabel). Er zijn veel verschillende MRIO’s beschikbaar en er zijn vele verschillende datasets beschikbaar, die verschillende resultaten geven. In Giljum et al. (2019) worden deze verschillen onderzocht voor verschillende datasets. De verschillen kunnen erg groot zijn; de grondstofvoetafdruk voor Nederland per inwoner berekend met Eora is bijna dubbel zo groot als berekend met de Inter-Country Input-Output tabellen van de Organisatie voor Economische Samenwerking en Ontwikkeling (OESO). Voor iedere berekening worden er dus keuzes gemaakt: welke dataset en welk type berekening past het beste bij dit onderzoek? Het doel van het onderzoek bepaalt dus mede wat de beste methode en onderliggende data is. Resultaten van verschillende studies, uitgevoerd met verschillende methodes en onderliggende data, kunnen dus niet direct met elkaar vergeleken worden.

Voor dit onderzoek is gebruik gemaakt van release 059 van de GLORIA global environment-extended multi-region input-output database (Lenzen et al., 2021), gebouwd in het Global MRIO-lab (Lenzen et al., 2017). In GLORIA zitten 164 landen/regio’s en ook hierbij is het grondstofgebruik per bedrijfstak per land gegeven. Het grondstofgebruik is uitgesplitst naar 367 verschillende grondstoffen waarvan 14 metalen en overig metaal. Omdat deze dataset zoveel detail bevat is hiervoor gekozen. Daarnaast bevat GLORIA ook het oppervlakte- en grondwatergebruik per bedrijfstak per land.

Het energiegebruik van de metaalsectoren is niet direct af te leiden uit bovengenoemde gegevens. Dat komt omdat de energie wordt geproduceerd door bijvoorbeeld energiebedrijven en vervolgens geleverd aan de metaalsectoren. Voor het berekenen van het energiegebruik van de metaalsectoren is daarom gebruik gemaakt van een decompositiemethode beschreven in Miller & Blair (2022). Deze methode berekent de bijdrage van de metaalsector door een scenario te creëren waarin de sector hypothetisch niet bestaat. Het proces verloopt in twee stappen:

1. Eerst wordt de totale energievoetafdruk van de Nederlandse consumptie berekend.
2. Vervolgens wordt een scenario gesimuleerd waarin de metaalsectoren theoretisch afwezig zijn. Dit houdt in dat alle leveringen aan deze sectoren op nul worden gezet voordat een IO-analyse wordt uitgevoerd.

Het verschil is dan de bijdrage van de metaalsectoren aan het totale energieverbruik gerelateerd aan de Nederlandse consumptie.

De grondstofvoetafdruk berekend met GLORIA wijkt af van eerder gepubliceerde grondstofvoetafdrukken van de Nederlandse consumptie (bijvoorbeeld CLO, 2025b):

Hoofdstuk 9 en bijlagen

In hoofdstuk 9 en de bijlagen is gebruik gemaakt van verschillende internationale bronnen. De meeste gebruikte bron betreft de United States Geological Survey (USGS, 2025). Deze bron is gebruikt om inzichten te verschaffen ten aanzien van prijzen, productie, voorraden en verwerking van kritieke materialen. Ook geeft deze bron informatie over toepassingen van de verschillende materialen en over eventuele substitutiemogelijkheden wanneer het materiaal niet beschikbaar is. Aanvullende informatie is gevonden bij World Mining Data (WMD, 2025: winning van kritieke materialen), het Joint Research Centre (JRC, 2023: prijzen, importconcentratie en recycling), het Duitse grondstoffenbureau (DERA, 2025: prijzen) en het Franse geologisch instituut (BRGM, 2023).