Digitale tweelingen helpen steeds vaker bij het inzichtelijk maken van maatschappelijke vraagstukken. Denk aan hittestress in binnensteden, wateroverlast bij extreme neerslag of de gevolgen van ruimtelijke keuzes. Maar hoe zorg je ervoor dat zulke toepassingen niet telkens opnieuw vanaf nul gebouwd hoeven te worden? Bart de Lathouwer vergelijkt het bouwen van een digitale tweeling met het bereiden van een recept.
Van hittestress naar een appstore
Digitale tweelingen combineren data, modellen en analyses tot een virtuele weergave van de werkelijkheid. Daarmee kunnen overheden scenario’s verkennen, effecten doorrekenen en vooruitkijken naar mogelijke ontwikkelingen. Volgens Bart zit de volgende stap niet alleen in betere modellen, maar juist in herbruikbaarheid: “Als je zo’n hoosbuiberekening in een appstore kan hebben, of een hittestressberekening of energieberekening, dan liggen er kant-en-klare berekeningen klaar.”
Het idee daarachter is eenvoudig: gemeenten, provincies en andere organisaties hoeven niet telkens opnieuw hetzelfde wiel uit te vinden. Net zoals je een app installeert, zou je in de toekomst ook bestaande toepassingen voor digitale tweelingen eenvoudig moeten kunnen gebruiken voor je eigen vraagstuk. “Dat je laagdrempelig al een hoosbui-berekening of een hittestressberekening kan doen op een gebied,” legt Bart uit. En daar komt de vergelijking met recepten om de hoek kijken.
Een recept begint met ingrediënten
Om uit te leggen hoe dat werkt, gebruikt Bart een alledaags voorbeeld: een recept voor een omelet. Een recept bestaat uit ingrediënten én een bereidingswijze. Eerst verzamel je wat je nodig hebt, daarna volg je stap voor stap het proces. Voor digitale tweelingen werkt dat niet anders. De ingrediënten zijn bijvoorbeeld luchtfoto’s, sensordata, 3D-stadsmodellen of andere databronnen. Samen vormen die de basis voor een berekening of analyse. Maar het gaat niet alleen om de data zelf. “Je hebt de data, en vervolgens een beschrijving waar die data over gaat,” vertelt Bart.
In zijn uitleg gebruikt Bart een ei als analogie voor data. Aan de buitenkant kun je zien dát het een ei is, maar zonder extra informatie weet je nog niet precies wat je in handen hebt. Op een ei staat daarom informatie over de herkomst, productiemethode en classificatie. Die informatie vertelt niet alleen wat het product is, maar geeft ook context over de kwaliteit en oorsprong ervan.
Bij data werkt dat net zo. De data zelf vormt de inhoud, terwijl metadata de aanvullende beschrijving levert. Metadata geeft bijvoorbeeld aan waar gegevens vandaan komen, wie de eigenaar is, welke rechten eraan verbonden zijn en hoe ze gebruikt mogen worden. “Zoals dit ei zonder wat hierop geprint staat: is het een kippenei? Is het een ander ei? Wie weet,” zegt Bart.
Die context is essentieel. Net zoals de informatie op een ei helpt om het product te herkennen en te vertrouwen, maakt metadata het mogelijk om datasets goed te begrijpen, te beoordelen en betrouwbaar met elkaar te combineren.
Van losse stappen naar een georkestreerd proces
Een recept draait niet alleen om ingrediënten, maar ook om volgorde. Bij het maken van een omelet breek je eerst een ei, voeg je daarna andere ingrediënten toe en gaat het pas later de oven in. Volgens Bart zit daarin opnieuw een duidelijke parallel met een recept voor digitale tweelingen: “Je kan een ei nemen en het breken, maar je kan dat ei niet ‘ontbreken’.”
In de praktijk betekent dit dat analyses elkaar kunnen opvolgen. De uitkomst van het ene model kan weer invoer zijn voor een volgende berekening. Bart noemt dit een georkestreerd proces: verschillende stappen die in een logische volgorde met elkaar verbonden zijn.
Recepten die mens en machine begrijpen
Een traditioneel kookboek is bedoeld voor mensen. Maar bij digitale tweelingen moet een recept ook leesbaar zijn voor systemen en software. Daarom worden zulke processen formeel en gestandaardiseerd beschreven. Door die processen vast te leggen ontstaat iets dat herbruikbaar wordt. En dat niet alleen binnen één organisatie, maar op veel meer plekken.
Het interessante is dat zo’n recept generiek kan zijn. De berekening blijft hetzelfde, maar de ingrediënten verschillen per locatie. Een hoosbuimodel voor Alkmaar gebruikt bijvoorbeeld andere lokale data dan een model voor Eindhoven. Zo worden digitale tweelingen schaalbaar, herbruikbaar en uiteindelijk toegankelijker voor steeds meer organisaties.
Bekijk hieronder de explainer van Bart de Lathouwer