In 2035 zijn minimaal 725.000 werkenden extra nodig om de ambities in de zorg en qua veiligheid, klimaat, infrastructuur en woningbouw te realiseren. Een arbeidsmarkt-transitiemodel toont dat slim beleid mensen naar deze ambitiesectoren kan leiden.
In het kort
- Personeelskrapte beperkt Nederland in het waarmaken van haar maatschappelijke ambities.
- Door met randvoorwaardelijk beleid laagproductieve activiteiten te ontmoedigen ontstaat er extra arbeidsaanbod.
- Scholing zorgt er voor dat deze mensen passender werk vinden.
Nederlanders staan door arbeidskrapte in toenemende mate in de ‘wachtstand’. Op de wachtlijst voor de gezondheidszorg of een aansluiting op het energienet, het mondjesmaat beschikbaar komen van woningen op de markt, vertraagde afgifte van vergunningen of een langere doorlooptijd voor rechtszaken. De samenleving staat voor de uitdaging om deze arbeidsmarktkrapte te verminderen.
Die krapte zal de komende decennia alleen maar toenemen als arbeid nodig is voor het voorbereiden op klimaatverandering en het aanpakken ervan, voor een blijvend toegankelijke gezondheidszorg en voor opbouw van een vitaal, krachtig leger. Het komende decennium willen we bovendien honderdduizenden nieuwe woningen bouwen, het energienet uitbreiden, de drinkwatercapaciteit vergroten, de achterstand van onderhoud van bijvoorbeeld het spoor inlopen en alles passend maken op de groeiende bevolkings-omvang en bijbehorende gebouwde omgeving. DenkWerk (2025) berekende dat Nederland voor deze maatschappelijke ambities circa 725.000 extra werkenden in 2035 nodig heeft.
De belangrijkste sleutel daarvoor ligt bij de verhoging van de arbeidsproductiviteit om de extra vraag naar werkenden te verminderen – voor de andere opties (hogere participatie, meer en langer werken, meer immigratie) lijkt het maatschappelijk draagvlak te ontbreken. De groei van de arbeidsproductiviteit neemt echter al decennia af en blijft ook achter bij ons omringende landen (CBS, 2024a).
Voor het verhogen van de arbeidsproductiviteit is het daardoor onvermijdelijk dat de overheid werkenden ook richting hoogproductieve sectoren leidt. Een belangrijke verklaring voor deze afnemende groei is namelijk de verschuiving van werkgelegenheid tussen sectoren. Ter illustratie, tussen 1996 en 2023 nam de werkgelegenheid met circa 1,8 miljoen fte toe in laagproductieve sectoren, tegenover een toename van 0,1 miljoen fte in hoogproductieve sectoren (DenkWerk, 2025). Het aandeel werkenden in de care en cure (laagproductief) is bijvoorbeeld sterk toegenomen, terwijl het aandeel werkenden in de industrie (hoogproductief) is afgenomen. Maar ook binnen de sectoren staat de groei van de arbeidsproductiviteit onder druk. Daarbij is er zonder productiviteitsverhoging nog meer extra arbeid nodig om de maatschappelijke ambities te realiseren.
Met een arbeidsmarkt-transitiemodel, dat we samen met Kickstart AI gebouwd hebben, laten we zien dat de maatschappelijke ambities in 2035 waargemaakt kunnen worden. Het arbeidsmarkttekort kan namelijk aanzienlijk afnemen als de overheid randvoorwaardelijk beleid gebruikt om arbeidskrachten te sturen richting maatschappelijk gewenste sectoren (DenkWerk, 2025; kader 1). Deze ambitiesectoren zijn naast de hoogproductieve sectoren bijvoorbeeld de zorg en defensie. Om van deze transitie een succes te maken, moet wel drastisch op scholing worden ingezet (Baarsma en D’Orey Neves, 2024).
Kader 1: Het arbeidsmarkt-transitiemodel
Het model zoekt voor elke werknemer die beschikbaar komt uit een overschot- of afbouwsector een nieuwe baan die het beste matcht op basis van ‘vaardigheden’ (bijvoorbeeld coderen en rekenen) en ‘kenmerken’ (bijvoorbeeld ruimtelijk inzicht en uithoudingsvermogen). Een baanwisseling is daarbij mogelijk als de banen voldoende op elkaar lijken én als de werknemer er in bruto-uurloon op vooruitgaat of maximaal tien procent inlevert.
Banen lijken op elkaar als de totaalscore op vaardigheden en kenmerken van de oude en de nieuwe baan binnen een range ligt (beide wegen voor de helft mee). Deze range is vastgesteld op basis van de diversiteit en het niveau van vooropleidingen van werknemers. De gedachte is dat een beroepsgroep met een hoge diversiteit en laag niveau van vooropleiding toegankelijker is. De beroepsgroepen zijn ingedeeld in moeilijk (veel omscholing nodig, bijvoorbeeld een specialistisch beroep als arts), medium (met enige omscholing, bijvoorbeeld zakelijk dienstverleners) en makkelijk (met weinig omscholing, bijvoorbeeld een buschauffeur).
Het model zoekt naar de optimale match, gegeven de uitbreidingsvraag, en minimaliseert het aantal baanwisselingen. Als daarbij medewerkers uit meerdere beroepsgroepen beschikbaar en geschikt zijn voor een baanwisseling, dan kiest het model eerst voor een baanwisseling van medewerkers uit de beroepsgroep die leidt tot het best mogelijke effect voor de macro-arbeidsproductiviteit (structuureffecten). Steeds hanteren we daarbij het uitgangspunt dat onder de 34 jaar iedereen binnen de beroepsgroep openstaat voor een omscholingstraject, tussen 35 en 54 jaar nog driekwart en voor 55 jaar en ouder slechts tien procent.
Gegevens over vaardigheden en kenmerken van banen betrekken we uit de O*NET 29.1 Database van het O*NET Resource Center. Zij kennen met behulp van surveys voor 487 beroepsgroepen in de Verenigde Staten op een vijfpuntsschaal scores toe aan deze variabelen die wij hebben gematcht aan de beroepsgroepen gehanteerd door ROA en CBS. In een matrix vergelijken we de beroepsgroepen voor elk van de 34 verschillende vaardigheden en de 28 verschillende kenmerken. De optelsom daarvan is de totaalscore voor vaardigheden en kenmerken en geeft aan of een baanwisseling mogelijk is. Op denkwerk-kickstartai.nl/#/arbeidsmarkt-transitiemodel is het model beschikbaar.
Keuzeparameters in het model
Het model heeft vijf relevante parameters. Een belangrijke parameter is de groei van de arbeidsproductiviteit; we hanteren in de resultaten een jaarlijkse groei van één procent op basis van CPB (2024). Geïnspireerd door een studie naar de impact van AI op de arbeidsproductiviteit gaan we er vanuit dat de arbeidsproductiviteitsgroei voornamelijk wordt omgezet in een hogere output (tachtig procent) en gedeeltelijk leidt tot een vermindering van de arbeidsvraag (twintig procent) (Implement Consulting Group, 2024).
De tweede parameter betreft de sturing van de overheid op de arbeidsmarkt. De omvang en richting van de baanwisselingen kan worden overgelaten aan de markt, of er wordt actief op gestuurd door de overheid. Met actieve overheidssturing bedoelen we dat wordt opgelegd dat tekorten in beroep A eerst opgevuld moeten worden door mensen met beroep B, C of D en daarna pas elders uit de arbeidsmarkt (de overheid stuurt zo de richting van de verplaatsingen).
Als de overheid stuurt op de arbeidsmarkt, voegen we aan het model een krimp van de arbeidsvraag toe van 540.000 banen. Deze krimp vindt plaats bij niet-plaatsgebonden activiteiten met een lage toegevoegde waarde (gecorrigeerd voor externe effecten). Deze activiteiten kunnen bijvoorbeeld geautomatiseerd worden (administratief en secretarieel werk), kunnen vanuit het buitenland plaatsvinden (callcentermedewerkers) of dienen vanwege hoge maatschappelijke kosten te worden ontmoedigd (slachthuizen).
De overheid kan sturen met randvoorwaardelijk beleid. Denk daarbij aan het breder en hoger beprijzen van externe effecten, zoals verhandelbare stikstofemissierechten, maar ook aan het hanteren en handhaven van striktere normen, ook als het gaat om te laag betaalde arbeid. Relevante beleidsinstrumenten zijn het wettelijk minimumloon – dat is ondanks de verhoging in de afgelopen jaren in reële termen niet gestegen – en het ruimtelijkordeningsbeleid dat kan worden ingezet om ruimte te maken voor de energietransitie en de natuur ten koste van de intensieve landbouw.
Door de krimp in de arbeidsvraag die het gevolg is van dit randvoorwaardelijke beleid zijn er voor baanwisselingen meer medewerkers beschikbaar uit deze beroepsgroepen. Uit het model blijkt dan of deze mensen in voldoende mate matchen met de beroepsgroepen waar extra vraag naar arbeid is.
De laatste drie parameters wijzen beroepen aan waarvandaan geen baanwisselingen mogen plaatsvinden (denk aan de beroepsgroepen in het onderwijs en de veiligheid), wijzen beroepen aan die prioriteit krijgen (het model vult deze vacatures indien mogelijk als eerste) en maken het mogelijk om de werkweek te verlengen (de analyse hier maakt daar geen gebruik van; DenkWerk (2025) analyseert een verlenging van twee uur in de zorg).
Resultaten
De mismatch tussen vraag en aanbod op de arbeidsmarkt is in 2035 aanzienlijk kleiner als de overheid stuurt op een omvangrijke afbouw van bestaande activiteiten (figuur 1). Aan de vraagkant valt het aantal benodigde arbeidskrachten lager uit door afbouw van bestaande activiteiten (9,9 miljoen in plaats van 10,4 miljoen zonder sturing). Aan de aanbodkant wordt door afbouw van bestaande activiteiten door de actieve overheidssturing een groter gedeelte van de medewerkers overtollig in hun beroep (753.000 met overheidssturing tegenover 342.000 zonder) en slagen meer van de overtollige medewerkers erin om van baan te wisselen (422.000 met sturing tegenover 137.000 zonder).
Dat de match beter is met sturing, blijkt uit het aantal openstaande vacatures. In 2024 lag het aantal vacatures met 219.000 boven de tweeprocentsgrens die bij frictiewerkloosheid hoort. (Frictiewerkloosheid ontstaat als een werknemer stopt met een baan en tijdelijk niet werkt totdat de nieuwe baan begint.) In geval van overheidssturing op afbouw van activiteiten loopt dit aantal op naar 315.000 boven de frictiewerkloosheid, terwijl dat zonder overheidssturing 672.000 is.
In een situatie met overheidssturing wordt de arbeidsvraag in de ambitiesectoren beter ingevuld. Door de afbouw van laagproductieve activiteiten vindt de meeste uitstroom plaats uit commerciële beroepen (bijvoorbeeld kassamedewerkers en verkoopmedewerkers detailhandel), en bedrijfseconomische en administratieve beroepsgroepen (bijvoorbeeld receptionisten of secretaresses) (figuur 2). De instroom vindt vooral plaats richting technische beroepsgroepen, en zorg en welzijn. Dat kan een veeteler zijn die matcht op kenmerken en vaardigheden met een bouwvakker of een secretaresse die matcht met een verzorgende.
Het model slaagt er voor een aantal beroepsgroepen – met name in de techniek, en zorg en welzijn – niet in om vraag en aanbod volledig te matchen (figuur 3). Om de vraag te matchen is een combinatie nodig van gerichte arbeidsmigratie, het voor deeltijdwerkers aantrekkelijker maken om meer uren te gaan werken en het verhogen van de arbeidsparticipatie.
Een bijkomstig positieve uitkomst van sturing is dat er tot 2035 door het verschuiven van arbeid tussen sectoren een jaarlijkse additionele toename van de macro-arbeidsproductiviteit van 0,2 procentpunt is. Dit is een positief stuureffect dat behoorlijk groot is. Ter illustratie, tussen 2013 en 2019 was dit effect −0,5 procentpunt, onder andere als gevolg van het afbouwen van de gaswinning in het Groningerveld (De Vries en Van Leeuwen, 2025). Een marginaal positief effect op de macro-arbeidsproductiviteit van verschuiving van arbeid (0,2 procentpunt) lijkt het maximaal haalbare, omdat de meeste ambitiesectoren (denk aan de bouwnijverheid en zorg) niet tot de hoogproductieve sectoren behoren en dus verschuiving van arbeid naar deze sectoren de positieve impact op de macro-arbeidsproductiviteit beperkt.
Publiek-privaat omscholingsinitiatief
Nederlandse werknemers zijn honkvast, gemiddeld wisselt een Nederlander slechts één keer van beroep gedurende de carrière (McKinsey, 2024). De overheid zal dus alles uit de kast moeten halen om deze inertie te verminderen. Naast het aanbieden van een passend scholingsaanbod gaat het om het wegnemen van omscholingsbarrières zoals de kosten, het stigma op demotie en het vinden van de benodigde opleidingstijd (DenkWerk, 2019).
Deze stappen zal de overheid samen met de werkgevers in een publiek-private samenwerking moeten zetten. Onderdeel daarvan is het instellen van een individuele leerrekening, waarop de overheid, werkgevers, de sectorale opleidings- en ontwikkelingsfondsen en andere partijen middelen kunnen storten voor omscholing. De plannen hiervoor zijn al ontwikkeld (MinSZW, 2018). Ook zal samen met de werkgevers naar een financiële overbrugging gekeken moeten worden voor werknemers die een grote teruggang in salaris ervaren als ze van baan wisselen. Die overbrugging moet tijdelijk zijn, omdat de werknemer hoogstwaarschijnlijk ook niet in zijn huidige baan zou kunnen blijven.
Sturing op scholing
Een drastische omscholingsoperatie is noodzakelijk om ons huidige hoge welvaart- en welzijnsniveau te behouden. Omdat de groei van de beroepsbevolking stabiliseert, is het essentieel om efficiënter te gaan werken en arbeid vrij te spelen voor een baanwisseling naar ambitiesectoren.
Onze modelberekeningen laten daarbij zien dat aanzienlijke aantallen baanwisselingen op gang gebracht kunnen worden als de overheid de verschuiving van arbeid niet alleen aan marktkrachten overlaat. Daarvoor dient de overheid met randvoorwaardelijk beleid de afbouw en verplaatsing van niet-locatiegebonden laagproductieve activiteiten met een grote ecologische en ruimtelijke voetafdruk te versnellen, zodat werkenden beschikbaar komen die vervolgens kunnen worden omgeschoold voor beroepen in ambitiesectoren. En via een publiek-private samenwerking de benodigde omscholingsinfrastructuur en -cultuur te bouwen.
Desalniettemin lijkt het onder de huidige politieke en maatschappelijke omstandigheden onwaarschijnlijk dat de theoretisch haalbare omscholingsoperatie (maar liefst 422.000 in de komende tien jaar in geval van overheidssturing) in de praktijk gerealiseerd zal worden. Daarom is het verstandig dat de overheid ook gaat sturen op het opleiden voor maatschappelijk relevante beroepen.
Studenten baseren hun studiekeuze nu vooral op interesse (CBS, 2024b), wat leidt tot verspilling van talent Ter illustratie, voor de tien bachelors en masters in Nederland waarvan het hoogste percentage studenten in 2022 aangaf spijt te hebben van het volgen van de studie, worden er tot 2028 maar liefst 140.000 meer studenten dan baanopeningen verwacht (DenkWerk, 2025). Sturing kan door het vergroten of verkleinen van de capaciteit van maatschappelijk waardevolle en minder waardevolle opleidingen gericht op beroepen in ambitiesectoren (Moor et al., 2024). Een andere manier is differentiatie in collegegeld. Maak het bijvoorbeeld goedkoper om een technische studie te gaan doen.
Literatuur
Baarsma, B. en F. d’Orey Neves (2024) Onderwijs belangrijkste determinant van groei arbeidsproductiviteit. ESB, 109(4837S), 10–15.
CBS (2024a) Arbeidsproductiviteit neemt steeds minder toe in de afgelopen 50 jaar. CBS Statistiek, 8 augustus.
CBS (2024b) Meeste jongeren kiezen opleiding die hen het leukst lijkt. CBS Statistiek, 1 november.
CPB (2024) Kerngegevenstabel Actualisatie MLT februari 2024. Centraal Planbureau.
DenkWerk (2019) Arbeid in transitie: Hoe mensen en technologie samen kunnen werken. DenkWerk Rapport, januari.
DenkWerk (2025) Kiezen én delen: Werken en investeren voor morgen met een contract voor de toekomst. DenkWerk Rapport, januari.
Implement Consulting Group (2024) The economic opportunity of AI in the EU. Implement Consulting Group Rapport, september.
McKinsey (2024) Bouwen aan een toekomstbestendige arbeidsmarkt. McKinsey Rapport, juni. Te vinden op www.luchtvaartcommunityschiphol.nl.
MinSZW (2018) Leven Lang Leren. Kamerbrief, 30012, nr. 92, 27 september.
Moor, A. de, T. Noordzij, R. Hamming en C. Ramada (2024) Sturen op onderwijskeuze lost arbeidsmarktkrapte slechts deels op. ESB, 109(4836), 344–347.
Vries, K. de, en E. van Leeuwen (2025) Groei Nederlandse productiviteit relatief laag door afbouw gaswinning. ESB, 110(4843), 104–106.
Auteurs
Categorieën