Tijdens deze AI-inspiratiesessie deden ruim 70 deelnemers live mee in het Marienhof in Amersfoort. Diverse sprekers deelden inspirerende intiatieven rond het gebruik van kunstmatige intelligentie (AI), geodata, metadata en mutatiedetectie binnen Nederlandse overheidsorganisaties. Hierdoor ontstond er ook een levendige discussie. Terugkerende onderwerpen waren efficiëntie, automatisering, samenwerking en governance.
Bij de opening van de sessie heette Ruud van Rossem (VRO) de aanwezigen welkom en benadrukte de kansen en uitdagingen van AI.
Automatische Akteverwerking
Mel ter Reegen (Kadaster) lichtte toe hoe bij het Kadaster AI wordt ingezet om kadastrale aanduidingen te herkennen in aktes, met als doel de verwerkingstijd te verkorten. Hoewel dit aanvankelijk tijdwinst opleverde, blijkt dat de curve afvlakt en dat volledige lezing van aktes vaak toch noodzakelijk blijft. AI mag geen voorstellen doen op gegevens die nog gecontroleerd moeten worden. Er wordt gewerkt aan het volledig automatisch toetsen van bepaalde attributen, met het EVA (Eerste Volledig Automatische Akteverwerking)-project als belangrijke stap voor komend jaar. Hierbij ligt de focus op eenvoudige hypotheken en automatische signalering, al blijven privacy en robuustheid obstakels, zeker in het licht van nieuwe wetgeving.
Kadastrale grenzen opnieuw reconstrueren
Daarna vertelde Eric Hagemans (Kadaster) over de ontwikkeling van de ‘Kadastrale Kaart Next’ (het geometrische onderdeel van BRK). Deze kaart is gebaseerd op 140 jaar aan metingen en bevat vijf miljoen kaartwerken, waaronder handgeschreven teksten. Alle kadastrale grenzen worden opnieuw geconstrueerd. Dat gebeurt op basis van (historische) veldwerken, waarbij ook kunstmatige intelligentie wordt gebruikt. Door veldwerken apart te analyseren en te combineren met meetgegevens ontstaat een nauwkeuriger beeld.
Kwaliteit van metadata essentieel
Fons Sanders (PDOK/Kadaster) benadrukte de kwaliteit van metadata. In het hergebruik van data speelt die kwaliteit een cruciale rol. Een metadata-assistent kan dit verbeteren door automatisch metadata te genereren op basis van validatie. Deze assistent is generiek inzetbaar, ook voor gesloten datasets. De verantwoordelijkheid voor metadata blijft bij de data-aanbieder. Het doel is om metadata te koppelen aan de FAIR-principes: vindbaar, toegankelijk, interoperabel en herbruikbaar.
Veranderingen automatisch detecteren
Yvonnen Menten (Waterschap de Dommel) en Erik Meerburg (VNG) gingen in op de mogelijkheden van mutatiedetectie. Bijvoorbeeld om veranderingen in de BAG of BGT automatisch te detecteren. Op het gebied van mutatiedetectie werken waterschappen en RWS samen om die veranderingen automatisch te signaleren. AI-modellen worden getraind met luchtfoto’s en gebiedskennis om mutaties te herkennen, zoals dempingen en dammen. Er wordt gebruikgemaakt van alternatieve bronnen zoals satellietbeelden en LiDAR-data (AHN).
Basis op orde
Tijdens de open discussie waren governance en AI-geletterdheid terugkerende thema’s. Er is behoefte aan duidelijke kaders: voor welke data mag AI ingezet worden? Tegelijkertijd is er een oproep tot durf en experimenteren, met het besef dat AI zich nog in een leerfase bevindt. Algemeen werd gesteld: voor AI dient de data van hoge kwaliteit te zijn. De basis moet dus op orde zijn.
Hoewel Nederland vooroploopt in datakwaliteit en basisregistraties, kan dit ook een remmende voorsprong zijn. Door lef te tonen en samen te leren, kan AI bijdragen aan beter inzicht en snellere besluitvorming in de geo-wereld.
Bekijk de presentaties
Zie ook: AI biedt kansen én uitdagingen