Waar liggen de grootste kansen voor het transformeren van kantoren naar woningen? – De transformatieatlas van de Rabobank

De Nederlandse woningmarkt staat voor een grote woningbouwopgave in de komende decennia. Tot 2040 zal het aantal huishoudens met rond 800.000-930.000 eenheden toenemen, naar dan 8,5-8,6 miljoen huishoudens (CBS, 2017; ABF, 2017). Er is een hevige discussie hoe deze opgave moet worden ingevuld. Verschillende partijen roepen er toe op woningen te gaan bouwen op locaties die door de ruimtelijke planningsinstanties hiervoor nog niet zijn aangewezen (’in de wei’ bouwen; zie bijvoorbeeld EIB, 2015). Maar het is inmiddels duidelijk dat er ook grote potentiëlen in de bebouwde omgeving zelf liggen. Door de transformatie van leegstaand commercieel en maatschappelijk vastgoed naar woningen kan op verschillende manieren winst worden geboekt. Ten eerste levert transformatie een substantiële bijdrage aan de reductie van het woningtekort op lokaal niveau. Ten tweede wordt op deze locaties de structurele leegstandproblematiek in de kantorenmarkt en winkelmarkt (gedeeltelijk) opgelost én krijgt ook leegstaand maatschappelijk vastgoed een nieuwe functie binnen bestaande wijken. Ten derde zal transformatie aan het verdichten en verduurzamen van de bebouwde omgeving kunnen bijdragen (zie bijvoorbeeld RVO, 2016); transformatie gaat namelijk gepaard met een betere energieperformance op gebouwniveau door bijvoorbeeld een kantoorgebouw met label D te transformeren tot een appartementengebouw met label A+.

Behalve de vraag hoeveel woningen door transformatie kunnen worden gerealiseerd, is er inmiddels meer aandacht voor de verschillen in regionale transformatiepotenties. Zo laat de studie ‘Transformatiepotentie: woningbouwmogelijkheden in de bestaande stad’ van het Planbureau voor de Leefomgeving (2016) zien dat vooral in de Randstad en de Brabantse stedenrij absoluut gezien veel kantoren kunnen worden getransformeerd. In deze regio’s is de (toekomstige) woningbehoefte echter dermate hoog dat grootschalige transformatie relatief gezien maar beperkt aan de totale woningbouwopgave kan bijdragen (<25 procent van de totale woningbehoefte in een scenario met een hoge bevolkingsgroei). Een studie van Deloitte (2015) voegt hieraan toe dat 80 procent van de totale transformatiepotentie in dertig gemeenten is geconcentreerd.

Door een uitgebreide statistische analyse komen we tot nieuwe inzichten in de kansen die het transformeren van kantoren naar woningen’ op gemeente- en buurtniveau biedt. Ons onderzoek gaat daarbij verder dan eerdere studies omdat wij niet alleen de toekomstige vraag naar woningen in beeld brengen maar ook met de potentiële waardeontwikkeling van getransformeerde woningen rekening houden. Aan de andere kant geeft onze studie een beter beeld van het aanbod ‘potentieel te transformeren kantoren’ door met de energiezuinigheid van leegstaande kantoren rekening te houden[1]. Uiteindelijk levert ons onderzoek hierdoor een bijdrage aan het vraagstuk hoe de bebouwde omgeving kan worden verduurzaamd en geven wij zowel ontwikkelaars als gemeentelijke bestuurders een tool om goede investerings- en planningsbeslissingen op lokale vastgoedmarkten te kunnen nemen.

[1] Vanaf 2023 mag geen kantoor met een lager dan C label in gebruik zijn – Rijksoverheid, 2016

De indicatoren

Een berekening van de transformatiepotentie in Nederland en Nederlandse steden is sterk afhankelijk van de aannames in de studies die hieraan ten grondslag liggen[2] Aangezien het niet onze bedoeling is om de exacte transformatiepotentie in Nederland te berekenen, lijkt onze studie minder gevoelig voor deze aannames te zijn. Maar ook een analyse van de meest kansrijke gemeenten is sterk afhankelijk van, bijvoorbeeld, de definitie van leegstand en de databronnen die aan de berekeningen ten grondslag liggen. Daarom maken we onze keuzes en aannames hieronder zo transparant mogelijk.

[2] Eén bepalend factor is bijvoorbeeld de definitie van leegstaand. Zo beschouwt Deloitte (2015) een kantoorgebouw als potentieel geschikt voor transformatie als minstens 50 procent van het gebouw een jaar lang leeg staat. Het onderzoek van het PBL hanteert daarentegen geen enkele aanname over leegstand, maar splitst deze uit naar langdurig leegstand (>1jaar) en structureel leegstand (>3jaar) op COROP-niveau. Een tweede belangrijke factor is de veronderstelde grote van de woningen die na de transformatie opgeleverd worden. Zo gaat het EIB (2015) in haar studie uit van een gemiddelde woninggrote van 100m², terwijl transformatieprojecten in het verleden vooral op het segment kleinere studenten- en starterswoningen waren uitgericht. Ten deerde worden er verschillende bronnen voor de leegstandsberekeningen gebruikt (bijvoorbeeld de BAG en de Rudolf Bak kantorendatabase). Omdat ook deze met verschillende definities werken zijn de bestaande studies nauwelijks te vergelijken.

Het aanbod leegstaande kantoorgebouwen is gebaseerd op twee indicatoren:

1. Aandeel langdurige en structurele leegstand per gemeente (2016): in onze berekening telt een kantoorgebouw als leegstaand als minstens 25 procent van het gebouw minstens drie jaar lang niet in gebruik is. Vervolgens wordt de totale oppervlakte van alle leegstaande gebouwen bij elkaar opgeteld en gerelateerd aan de totale kantooroppervlakte in de gemeente. En klein aandeel betekent dat de lokale kantorenmarkt geen structurele zwakte kent en alternatieve oplossingen wellicht kansrijker zijn, zoals modernisering van het kantoorgebouw.

2. Aantal vierkante meters langdurig en structureel leegstaande gebouwen (2016): de totale oppervlakte van langdurig en structureel leegstaande gebouwen wordt bij elkaar opgeteld. Dit geeft een indicatie van de totale transformatiepotentie per gemeente. Net zoals de relatieve leegstand is ook de absolute leegstand afkomstig uit de kantorendatabase van Rudolf Bak.

De (toekomstige) vraag naar woningen meten wij op basis van drie factoren:

3. Procentuele huishoudensgroei per gemeente in de periode 2017–2022 (2016): de cijfers zijn afkomstig van de bevolkingsprognose van het PBL/CBS. De aanname luidt: hoe hoger de huishoudensgroei hoe hoger de toekomstige vraagdruk op de woningmarkt.

4. Het aandeel 20-34-jarigen in de totale woonbevolking per gemeente (2015): deze cijfers zijn afkomstig van het CBS. Deze indicator is meegenomen omdat dit de belangrijkste targetgroep voor getransformeerde woongebouwen is – hoe hoger het aandeel jonge volwassenen in een gemeente, hoe hoger de vraag naar appartementen.

5. Leefbaarheid voorzieningen op gemeentelijk niveau (2014): met deze indicator meten we de relatieve kwaliteit (vergeleken met het Nederlandse gemiddelde) van woon-gerelateerde voorzieningen (bijvoorbeeld de nabijheid van OV en supermarkten). Deze cijfers zijn afkomstig van de Leefbarometer 2014. Onze aanname hier is: hoe beter het transformatiegebouw al is aangesloten op goede woon- en infrastructuurvoorzieningen, hoe groter de kans dat een project kan worden gerealiseerd. Voor leegstaande monofunctionele kantoorwijken zou dit in de realiteit betekenen dat er een meer integrale aanpak van wijkvernieuwing nodig is (Verheul et al., 2017).

De potentiële waardestijging op de woningmarkt wordt afgeleid van twee factoren:

6. De krapte op de lokale woningmarkt (2016): de krapte-indicator is gebaseerd op het aanbod te koop staande woningen gerelateerd aan de transacties op de woningmarkt (krapte = aanbod/transacties). Hier wordt het vierkwartaalsgemiddelde voor beide variabelen gebruikt. We veronderstellen: hoe krapper de koopmarkt, hoe groter de potentiële toekomstige prijsstijging (zie Lennartz et al., 2017 voor uitleg)[3].

7. Betaalbaarheid van koopwoningen (2014-2016): de betaalbaarheid van koopwoningen per gemeente is gelijk aan het quotiënt van de gemiddelde verkoopprijs per gemeente (2014-2016) en het gemiddelde besteedbaar inkomen per huishouden (2016). Bronnen voor deze berekeningen zijn het Kadaster en het CBS. Onze aanname is hier: hoe slechter de betaalbaarheid, hoe lager de potentiële waardestijging in de gemeente.

De individuele indicatoren in kaart gebracht

In een eerste stap van de analyse normaliseren we de individuele indicatoren voor alle gemeenten en illustreren we deze op een kaart. Hieronder bespreken we kort de uitkomsten voor de indicatoren percentage langdurige en structurele leegstand, huishoudensgroei en krapte op de koopwoningmarkt.

Volgens onze definitie is er rond 3,2 miljoen m² langdurig en structureel leegstaand kantorenvastgoed in Nederland. Omdat lang niet alle kantoren zich bouwkundig voor functieverandering lenen of de financiële haalbaarheid niet gegeven is, is dit als een hypothetisch cijfer te beschouwen. Belangrijker voor dit onderzoek zijn dan ook de sterke regionale verschillen in de relatieve leegstandsproblematiek (figuur 1). We zien hier dat gemeenten met meer dan 15 procent leegstand geen uitzondering vormen – voorbeelden zijn Almere (20 procent), Best (15 procent) en koploper Kerkrade (bijna 30 procent). Er is derhalve een spreiding over het hele land. Opvallend is wel dat er relatief veel steden met een hoog leegstandspercentage in de Randstad zijn.

[3] Idealiter werden bij deze berekening zowel de koop- als huurmarkt betrokken. Een gebrek aan betrouwbare data voor de huurmarkt op gemeentelijk niveau betekent echter dat we moeten veronderstellen dat toekomstige huurprijsstijgingen de koopprijsontwikkelingen gaan volgen.

Als we deze cijfers naast de structurele indicatoren van de woningmarkt leggen, laten figuur 2 en figuur 3 zien dat er een relatief grote regionale overlap is tussen het kantorenoverschot en de vraag naar woningen. De totale huishoudensgroei in Nederland in de komende vijf jaar wordt op 260.000 (+3,4 procent) geschat. De grootste groei is echter in de Randstad, de Brabantse stedenrij en in en rond de grotere studentensteden (Nijmegen, Groningen, Maastricht) te verwachten. Een vergelijkbaar beeld geeft de huidige krapte op de lokale koopmarkten. Ook hier steken de Randstad en de grotere studentensteden er bovenuit: onder andere in Utrecht, Haarlem, Groningen en Amsterdam stonden er in 2016 gemiddeld maar drie woningen per transactie te koop.

Eindscore ‘transformatiepotentie’ – regionaal verspreid en van aanzienlijke grootte

In een tweede stap zijn de zeven individuele indicatoren genormaliseerd[4] en vervolgens in onderstaande formule samengevoegd[5].

[4] Om de uitschieters minder gewicht te geven hebben is er maximum van +3 en een minimum van -3 gehanteerd. Omdat dit uitzonderlijke hoge/lage scores waren is de impact op het eindresultaat zeer beperkt door deze exercitie.

[5] We hebben ervan afgezien om de indicatoren a priori te gewichten. Om onze benadering robuuster te maken, hebben we de hier gepresenteerde uitkomsten vergeleken met modellen waar we meer gewicht gaven aan zowel de kantoor-gerelateerde indicatoren en de woningmarkt indicatoren. Hier was geen substantieel verschil te vinden. Verder hebben we de correlatie tussen alle zeven indicatoren gemeten om multicollineariteit uit te sluiten. In een eerste model gebruikten we ook de indicator woningprijs per m², maar deze sluiten we uit omdat de correlatie met de krapte indicator heel hoog was (0.8 met p<0.05).

Figuur 4 toont de uitkomsten van de transformatiescore van elke gemeente in een kwadrant. Op de horizontale as zijn de vijf woningmarkindicatoren samengevat terwijl de verticale as de twee kantorenmarktindicatoren samenvoegt. Gemeenten met een hoge totale score bevinden zich in het vak ‘veel woonfuncties’. In totaal bevindt zich hier een potentieel van 2,1 miljoen m² kantorenvastgoed dat naar woongebouwen kan worden getransformeerd. Twee gemeenten in Nederland blijken daarbij een bijna ideale combinatie te hebben van een groot aanbod langdurig en structureel leegstaande kantoorgebouwen en een robuuste en toekomstbestendige woningmarkt: Rijswijk en Almere. Verder bevinden zich hier ook de G4-steden Utrecht, Den Haag, Rotterdam en Amsterdam.

Interessant lijken ook de steden die in het vak ‘beperkte woonfunctie’ liggen. Deze hebben een structureel sterke woningmarkt met een aanhoudend hoge vraag naar appartementen, maar er zijn relatief weinig leegstaande kantoorgebouwen. Maar omdat er ook hier kantoren zijn die zich voor transformatie zullen lenen, verdienen deze steden eveneens de aandacht van ontwikkelaars en planningsautoriteiten. Het totale transformatiepotentieel van dit vak ligt op rond de 400.000 m².

Aan de andere kant staan gemeenten waar de structuur van de woningmarkt niet geschikt lijkt voor transformatieprojecten. Hier moeten andere oplossingen worden bedacht. Te denken valt aan moderniseren (meest kansrijk in relatief sterke kantoormarkten), transformeren naar een andere functie (bijvoorbeeld naar hotels in gemeenten met veel toeristen) of als ultieme oplossing de sloop van kantoorgebouwen (vooral in structureel zwakke markten).

Als laatste stap toont onze analyse de top-25 transformatiesteden in Nederland (figuur 5). De ‘eindscore transformatiepotentie’ wordt daarbij op de horizontale as aangegeven. Verder hebben we in figuur 5 de kleurschaal ‘kansrijkheid particuliere huurwoningen’ toegevoegd. Deze indicator komt uit een eerdere studie van de Rabobank (2017). Hierdoor geven wij een completer beeld van de structurele kracht van de lokale woningmarkt als geheel en laten we derhalve zien of het transformeren naar huurwoningen in de top-25 steden even kansrijk is als het transformeren naar koopwoningen.

Ook hier zien we weer duidelijk dat Almere en vooral Rijswijk de meest kansrijke transformatiesteden in Nederland zijn. Daarna volgen de drie G4-steden Utrecht, Den Haag en Rotterdam. Interessant is hierbij ook dat Amsterdam duidelijk lager scoort dan deze steden. Dit valt te verklaren door een aanzienlijk slechtere betaalbaarheid van koopwoningen en een sterkere kantorenmarkt. Verder wijst de transformatieatlas er ook op dat de kleinere steden die dicht bij de grote steden liggen zeer kansrijk zijn – hier zijn onder andere Nieuwegein (Utrecht), Capelle (Rotterdam), Haarlemmermeer en Diemen (Amsterdam) en Helmond (Eindhoven) te noemen. Het is aannemelijk dat deze steden in de toekomst van de grote druk en hoge prijsstijgingen in de grote steden kunnen profiteren en in toenemende mate jonge volwassenen (vooral jonge families) kunnen aantrekken.

Bovendien valt op dat hoewel zich de meest kansrijke transformatiesteden in de Randstad bevinden, ook daarbuiten grote potentiëlen liggen. Zo zien we dat gemeenten als Leeuwarden, Groningen, Zwolle, Arnhem, maar ook Kerkrade en Heerlen relatief hoog scoren. Vooral bij de twee Limburgse gemeenten is de hier toegevoegde indicator ‘kansrijkheid particuliere huurwoningen’ van grote waarde. Deze laat zien dat de particuliere huurmarkt hier weinig groeipotentieel kent. Ontwikkelaars en gemeenteambtenaren moeten zich hiervan bewust worden en er goed over nadenken hoe zij de transformatiekansen die er zijn effectief kunnen benutten. Te denken valt hier bijvoorbeeld aan een andere targetgroep voor transformatiewoningen, zoals met name oudere mensen met specifieke zorgbehoeften.

In deze Special hebben we de regionale verschillen in de kansrijkheid van het transformeren van kantoren naar woningen in kaart gebracht. We hebben hier voor een top-down-benadering gekozen. Daarbij hebben we gekeken of de structuren van de lokale kantoormarkt en de woningmarkt op elkaar aansluiten om grootschalige transformatieprojecten mogelijk te maken.

In overeenstemming met de bevindingen van eerdere studies toont ook de transformatieatlas van de Rabobank aan dat transformeren vooral in de Randstad kansrijk lijkt. Maar ook daarbuiten is een groot aantal steden die een relatief hoge kantorenleegstand met een hoge vraag naar woningen en hoge potentiële waardestijging combineren. Natuurlijk is de haalbaarheid van een project uiteindelijk op gebouwniveau verder te onderzoeken. Wel stellen we een tool ter beschikking die bij de meer globale transformatiestrategieën van ontwikkelaars en planningsautoriteiten van nut kan zijn.

Als laatste willen we nog een keer benadrukken dat transformeren van kantoren naar woningen geen op zichzelf staand verhaal is. In een vervolgstudie zullen we daarom de analyse en discussie naar andere deelmarkten uitbreiden. Projectontwikkelaars en gemeenten staan namelijk niet alleen voor de vraag of er een grote behoefte aan woningen is maar ook of een leegstaand kantoorgebouw in een bestaande wijk niet beter een andere commerciële functie kan krijgen (zoals de transformatie naar hotels). Ook aan de aanbodkant dient deze studie te worden uitgebreid: niet-winstgevende hotels en onderbenut maatschappelijk vastgoed is vaak gemakkelijker naar een woonfunctie te transformeren. Ons doel is daarbij een complete analyse van het hele transformatiepotentieel in Nederland ter beschikking te stellen en regelmatig te updaten. Bovendien mag een uitgebreidere visie op hoe transformatiekansen beter te benutten niet buiten beschouwing blijven. Gemeenten als Arnhem en Amsterdam –om er maar twee te noemen– hebben al grootschalige transformatieprojecten op gang gebracht. Omdat hierbij vooral van ‘laaghangend fruit’ gebruik is gemaakt, zijn uitgebreidere casestudies naar succesvolle transformatiestrategieën en samenwerkingen tussen gemeenten, eigenaren, projectontwikkelaars en financiële instellingen noodzakelijk.

Deloitte, 2015. Transformatie leegstaande kantoren volwaardig alternatief nieuwbouw? Resultaten State of the State thema Woningmarkt, Amsterdam.

Economisch Instituut voor de Bouw, 2016. Investeren in Nederland, Amsterdam.

Planbureau voor de Leefomgeving, 2016. Transformatiepotentie: woningbouwmogelijkheden in de bestaande stad. Den Haag.

Rabobank, 2017. Huurwoningen – Stijgende prijzen in een kansrijke markt. Utrecht.

RVO, 2016. Expertteam Transformatie 2013-2015. Den Haag.

Rijksoverheid, 2016. Alle kantoren verplicht zuinig met energie. Den Haag.

Verheul, W.J. et al., 2017. Gebiedstransformaties Ruimte voor durf en diversiteit. TU Delft.

Deze studie is tot stand gekomen in samenwerking met Jeroen Beimer en
Leontien de Waal van Rabobank Real Estate Finance

Co-auteur: Jurriaan Kalf