FunderMapsLandelijke data-insights

Stand van het Land

Een landelijke momentopname van funderingsdata, bruikbaar voor beleid, salesgesprekken en het uitleggen van de schaal van funderingsproblematiek. Deze pagina combineert inzichten uit het analysebestand met de taxonomie en kennis die al in FunderConsult aanwezig zijn.

Laatste gegenereerde update: 13 april 2026 om 18:47

Panden in analysebestand

6.452.808

9.911.698 adressen afgedekt

Gemeentelijke dekking

355

13.576 buurten en 3.201 wijken

Panden met risicoklasse C-E

764.731

11,9% van alle panden in dit bestand

Herstelde panden

21.392

Gevalideerde en niet gevalideerde herstelde funderingen

Gemiddelde herstelkosten-indicatie

€ 70.162

4.015.083 panden met kostenindicatie

Gem. herstelkosten ondiep

€ 45.466

3.652.040 panden met kostenindicatie

Gem. herstelkosten houten palen

€ 187.839

347.530 panden met kostenindicatie

Risicoklassen

Verdeling van modelmatige risicoklassen

Samengevat uit de beschikbare modelvelden voor droogstand, ontwatering en biologische aantasting.

Chart wordt geladen…
Klasse A
Klasse A
Klasse B
Klasse B
Klasse C
Klasse C
Klasse D
Klasse D

Funderingstypen

Meest voorkomende funderingstypen

Gelabeld met dezelfde taxonomie die FunderConsult elders in het platform gebruikt.

Chart wordt geladen…

Bouwperioden

Verdeling naar bouwjaar

Relevante context voor beleidsdoelgroepen, portefeuille-overzichten en prioritering.

Chart wordt geladen…

Herstelkosten

Bandbreedtes van indicatieve herstelkosten

Niet iedere record heeft een kostenindicatie. De verdeling geeft vooral schaal en bandbreedtes weer.

Chart wordt geladen…

Dekking van het bestand

Kerncijfers

Panden in bestand6.452.808
Adressen afgedekt9.911.698
Gemeenten355
Wijken3.201
Buurten13.576
Panden met herstelkosten-indicatie4.015.083
Herstelde panden21.392

Risicotabel

Totaal

KlassePandenAdressenAandeel panden
Klasse D
Klasse D
285.635483.3044,4%
Klasse C
Klasse C
479.096799.7487,4%
Klasse B
Klasse B
3.229.5013.907.11150,1%
Klasse A
Klasse A
2.446.7714.704.57237,9%
Onbekend
11.80516.9630,2%

Risicotabel

Ondiepe fundering

KlassePandenAdressenAandeel panden
Klasse D
Klasse D
117.177140.6763,2%
Klasse C
Klasse C
324.031404.4118,9%
Klasse B
Klasse B
3.196.9763.855.41687,5%
Klasse A
Klasse A
3.7254.4430,1%
Onbekend
10.80214.3850,3%

Risicotabel

Houten paalfundering

KlassePandenAdressenAandeel panden
Klasse D
Klasse D
168.449342.58846,4%
Klasse C
Klasse C
155.064395.33642,7%
Klasse B
Klasse B
32.52351.6869,0%
Klasse A
Klasse A
6.56116.4251,8%
Onbekend
4461.0240,1%

Verdiepende analyses

Extra patronen in funderingstype, tijd en risico

Onderstaande grafieken gebruiken dezelfde GeoPackage-bron, maar combineren bouwperiode, funderingstype, betrouwbaarheid en risicoklasse op een manier die vooral voor presentaties en beleidsduiding extra veel context geeft.

Tijdreeks

Ontwikkeling van funderingstypen per bouwdecennium

Een 100%-gestapelde area chart maakt zichtbaar hoe ondiepe funderingen domineren in oudere bouwperioden en beton in recente decennia terrein wint.

Chart wordt geladen…

Aandelen

Aandeel houten paalfundering door de tijd

Deze lijnkaart vergelijkt hout, beton en ondiepe funderingen per bouwdecennium, zodat verschuivingen in aandeel sneller afleesbaar worden.

Chart wordt geladen…

Heatmap

Risicoklassen per bouwdecennium

Elke cel toont het aandeel panden binnen een bouwdecennium dat in een bepaalde risicoklasse valt. Zo zie je waar Klasse D historisch zwaarder voorkomt.

1800s
1850s
1860s
1870s
1880s
1890s
1900s
1910s
1920s
1930s
1940s
1950s
1960s
1970s
1980s
1990s
2000s
2010s
2020s
Klasse DKlasse D
18,9%
17,7%
21,6%
19,9%
18,9%
23,8%
16,4%
15,5%
14,2%
12,2%
7,8%
6,8%
4,1%
1,6%
0,9%
0,9%
1,2%
1,6%
0,1%
Klasse CKlasse C
24,2%
20,6%
18,0%
21,7%
23,2%
17,9%
16,7%
17,5%
17,3%
17,2%
12,1%
10,6%
7,2%
4,5%
3,8%
4,6%
4,9%
2,5%
0,3%
Klasse BKlasse B
56,1%
60,1%
59,1%
56,5%
55,4%
55,3%
65,1%
65,1%
67,3%
69,5%
77,9%
77,8%
63,4%
45,0%
39,6%
37,6%
34,1%
40,1%
19,7%
Klasse AKlasse A
0,1%
0,1%
0,2%
1,4%
1,9%
2,7%
1,4%
1,3%
0,9%
0,7%
1,8%
4,5%
25,1%
48,8%
55,6%
56,9%
59,7%
55,8%
79,8%

Treemap

Betrouwbaarheid per funderingstype

Per funderingstype zie je in een 100%-vergelijkingsbalk hoe de verdeling loopt van vastgesteld naar cluster, supercluster en indicatief.

Vastgesteld
Cluster
Supercluster
Indicatief

Ondiepe fundering

3.652.711 panden

Indicatief92,4%
Vastgesteld2,4%
Cluster0,5%
Supercluster4,7%
Indicatief92,4%

Houten paalfundering

363.043 panden

Vastgesteld33,4%
Supercluster13,5%
Indicatief48,6%
Vastgesteld33,4%
Cluster4,6%
Supercluster13,5%
Indicatief48,6%

Beton paalfundering

2.433.728 panden

Supercluster24,6%
Indicatief68,2%
Vastgesteld3,3%
Cluster3,9%
Supercluster24,6%
Indicatief68,2%

Overige funderingen

3.326 panden

Vastgesteld72,9%
Supercluster24,9%
Vastgesteld72,9%
Cluster2,2%
Supercluster24,9%

Mosaic

Risicoklassen per funderingstype

Deze variant leest per funderingstype sneller af hoe de interne verdeling over Klasse A tot en met D eruitziet.

Klasse AKlasse A
Klasse BKlasse B
Klasse CKlasse C
Klasse DKlasse D

Ondiepe fundering

3.652.711 panden

Klasse B87,5%
Klasse A0,1%
Klasse B87,5%
Klasse C8,9%
Klasse D3,2%

Houten paalfundering

363.043 panden

Klasse C42,7%
Klasse D46,4%
Klasse A1,8%
Klasse B9,0%
Klasse C42,7%
Klasse D46,4%

Beton paalfundering

2.433.728 panden

Klasse A100,0%
Klasse A100,0%
Klasse C0,0%
Klasse D0,0%

Overige funderingen

3.326 panden

Klasse A83,2%
Klasse A83,2%
Klasse B0,1%
Klasse D0,0%

Nationale meldingenkaart

Meldingsdichtheid en gemeentepatroon

Deze kaarten gebruiken vaste snapshots uit het incidentenloket. Je schakelt tussen heatmap en gemeentekaart; pins en aantallen zijn bewust weggelaten.

Nationale Meldingenkaart 2026 tot nu

Statistische momentopname voor 01-01-2026 t/m 13-04-2026.

AFM-onderzoek naar urgent herstelExterne duiding

AFM herhaalt de urgentie van funderingsherstel

Publicatiedatum onderzoek: 13-04-2026

Op basis van deze databron concludeerde de AFM dat voor een grote groep woningeigenaren funderingsherstel noodzakelijk is. Het onderzoek focust nadrukkelijk op urgent herstel en de vraag of die opgave verantwoord financierbaar is.

Lees het AFM-artikel
AFM

Woningeigenaren met noodzakelijk herstel

120.000+

AFM spreekt over de groep met de hoogste funderingsrisico's waarbij herstel nodig is.

Totale herstelopgave

€11 miljard

Geschatte opgave voor urgent funderingsherstel binnen deze groep.

Eigenaren waarvoor lenen niet verantwoord lijkt

25.000+

Volgens de AFM lijkt verantwoord financieren voor deze groep niet haalbaar.

Niet-financierbaar deel van de opgave

€3 miljard

Deel van de totale herstelopgave dat volgens de AFM niet financierbaar lijkt.

Methodiek

Hoe deze pagina wordt bijgewerkt

  • De pagina is bedoeld als landelijke momentopname ten behoeve van beleidsgesprekken.
  • De achterliggende data is afkomstig uit de Nationale Database FunderMaps.
  • De grafieken zijn gebaseerd op een lokaal analysebestand en niet op live queries in de productieomgeving.
Vertrouwd in de praktijk

Partijen die op deze inzichten vertrouwen

Partijen die voor onderzoeksdoeleinden gebruikmaken van de Nationale Database FunderMaps - waarin op grote schaal gegevens over funderingstypen, risico-indicatoren en onderliggende databronnen zijn samengebracht - en die deze data inzetten als basis voor analyses, trendonderzoek en het onderbouwen van beleidskeuzes en strategische beslissingen, zijn:

ABN AMRO
ABN AMRO
Accolade
Accolade
Aedes
Aedes
Gemeente Aalsmeer
Gemeente Aalsmeer
Gemeente Amstelveen
Gemeente Amstelveen
Gemeente Bodegraven-Reeuwijk
Gemeente Bodegraven-Reeuwijk
Calcasa
Calcasa
Gemeente Delft
Gemeente Delft
Gemeente Den Haag
Gemeente Den Haag
Elkien
Elkien
Feangreide Fryslân
Feangreide Fryslân
Gemeente Dordrecht
Gemeente Dordrecht
Gemeente Rotterdam
Gemeente Rotterdam
Gemeente Schiedam
Gemeente Schiedam
Gemeente Gouda
Gemeente Gouda
Gemeente Haarlem
Gemeente Haarlem
ING
ING
KBF
KBF
KCAF
KCAF
Gemeente Lansingerland
Gemeente Lansingerland
Lloyds Bank
Lloyds Bank
Gemeente Amsterdam
Gemeente Amsterdam
Wetland Wonen
Wetland Wonen
NHG
NHG
Gemeente Nieuwkoop
Gemeente Nieuwkoop
Nationale-Nederlanden
Nationale-Nederlanden
NRVT
NRVT
NVM
NVM
NWWI
NWWI
Obvion
Obvion
Gemeente Oudewater
Gemeente Oudewater
QuaWonen
QuaWonen
Rabobank
Rabobank
RegioDeal Loket
RegioDeal Loket
Stadgenoot
Stadgenoot
Trivire
Trivire
Gemeente Utrecht
Gemeente Utrecht
VastgoedNED
VastgoedNED
Gemeente Westland
Gemeente Westland
Gemeente Woerden
Gemeente Woerden
Woonbron
Woonbron
Woonkracht10
Woonkracht10
Woonstad Rotterdam
Woonstad Rotterdam
Waarborgfonds Sociale Woningbouw
Waarborgfonds Sociale Woningbouw
Gemeente Zwijndrecht
Gemeente Zwijndrecht
AFM
AFM
ABN AMRO
ABN AMRO
Accolade
Accolade
Aedes
Aedes
Gemeente Aalsmeer
Gemeente Aalsmeer
Gemeente Amstelveen
Gemeente Amstelveen
Gemeente Bodegraven-Reeuwijk
Gemeente Bodegraven-Reeuwijk
Calcasa
Calcasa
Gemeente Delft
Gemeente Delft
Gemeente Den Haag
Gemeente Den Haag
Elkien
Elkien
Feangreide Fryslân
Feangreide Fryslân
Gemeente Dordrecht
Gemeente Dordrecht
Gemeente Rotterdam
Gemeente Rotterdam
Gemeente Schiedam
Gemeente Schiedam
Gemeente Gouda
Gemeente Gouda
Gemeente Haarlem
Gemeente Haarlem
ING
ING
KBF
KBF
KCAF
KCAF
Gemeente Lansingerland
Gemeente Lansingerland
Lloyds Bank
Lloyds Bank
Gemeente Amsterdam
Gemeente Amsterdam
Wetland Wonen
Wetland Wonen
NHG
NHG
Gemeente Nieuwkoop
Gemeente Nieuwkoop
Nationale-Nederlanden
Nationale-Nederlanden
NRVT
NRVT
NVM
NVM
NWWI
NWWI
Obvion
Obvion
Gemeente Oudewater
Gemeente Oudewater
QuaWonen
QuaWonen
Rabobank
Rabobank
RegioDeal Loket
RegioDeal Loket
Stadgenoot
Stadgenoot
Trivire
Trivire
Gemeente Utrecht
Gemeente Utrecht
VastgoedNED
VastgoedNED
Gemeente Westland
Gemeente Westland
Gemeente Woerden
Gemeente Woerden
Woonbron
Woonbron
Woonkracht10
Woonkracht10
Woonstad Rotterdam
Woonstad Rotterdam
Waarborgfonds Sociale Woningbouw
Waarborgfonds Sociale Woningbouw
Gemeente Zwijndrecht
Gemeente Zwijndrecht
AFM
AFM

Samenwerking

Stand van het Land wordt in samenwerking met het KCAF & FunderConsult gemaakt, gebaseerd op de Nationale Database FunderMaps.

KCAFFunderConsult

Media & contact

Nancy Neuteboom

Contactpersoon media

+31 6 21585551