Proeftuin: Bronhouders en leveranciers in gesprek over AI en Locatiedata

Aanleiding voor een gesprek tussen bronhouders en leveranciers over AI en locatiedata is de proeftuin die het Kadaster is gestart met 10 bedrijven. Deze bedrijven gaan aan de slag om met hun eigen AI-algoritmen de BGT bij te werken middels beeldmateriaal en data die het Kadaster ter beschikking stelt. Een belangrijk onderzoek omdat AI als veelbelovende technologie wordt gezien voor het bijhouden van geo-basisregistaties. Het belang van AI erkennen bronhouders van de BGT ook. De belangstelling voor het gesprek tussen leveranciers en bronhouders laat dat zien: maar liefst 42 deelnemers spraken met elkaar over de toepassing van AI voor het bijwerken van de BGT. Welke discussies en onderwerpen centraal stonden, lees je hier.

Jeroen Waanders van WDO Delta trapte de bijeenkomst af en nam ons mee in een inspirerend verhaal over de NL-veranderdetectie bij de waterschappen. Een project dat klein begon bij de waterschappen, maar inmiddels is uitgegroeid tot een landelijk initiatief. Deze detectie stelt de waterschappen in staat te signaleren waar mutaties in de BGT bijgewerkt moeten worden, en stuurt daarnaast de inspecties aan van de watergangen. Dit heeft tot een enorme reductie van de inzet van arbeid geleid. Volgens Jeroen ook bittere noodzaak omdat een groot aantal collega’s de komende jaren met pensioen gaat, zonder dat die vervangen kunnen worden.

Discussiepunten bronhouders en leveranciers

Op voorhand hebben de deelnemers hun vragen en discussiepunten bij ons ingediend. Daaruit hebben we drie thema’s gedestilleerd.

1. Wat zijn sleutels om tot een efficiënt werkproces te komen bij de bronhouder als AI wordt toegepast?
2. Hoe bereik je de gewenste kwaliteit met AI?
3. Verhouding markt-overheid: Hoe sluiten bedrijven met hun dienstverlening aan op behoeften van bronhouders?

Naast deze thema’s is er veel verduidelijking nodig rondom AI: wat is het precies, wat zijn de gebruikte technieken en welk beeldmateriaal is nodig om tot succesvolle mutatiesignalering te komen.

Verwachtingen bronhouders van AI

Als het om verwachtingen gaat, willen de bronhouders een hoge kwaliteit van de BGT. Dat betekent dat de BGT vollediger moet worden en dat ook WOZ deelobjecten gesignaleerd moeten worden. Tegelijkertijd wil de gebruiker een meer uniforme BGT. Kan AI die uniformiteit leveren in een hele regio? Daarover is verder gesprek noodzakelijk. De positionele nauwkeurigheid blijft een belangrijk uitgangspunt. AI kan met foto’s met een resolutie van 50 cm voldoende nauwkeurig signaleren, maar voor inwinning en verwerking is minimaal 10 cm resolutie noodzakelijk.

Uitkomsten discussies

1. Efficiënt werkproces

De uitkomsten van mutatiesignaleringen die door een algoritme voorgesteld worden, vragen om inbedding in het proces van het bijwerken van de BGT, met mogelijk belangrijke input voor inspectie van de openbare ruimte.

Een belangrijke vraag hierbij is hoe je omgaat met de hoeveelheid mutatiesignalen. De verwachting is namelijk dat de hoeveelheid signalen veel groter is dan via de traditionele signalering. Hoe krijgen we grip op de verwerking van mutaties? Ben je bijvoorbeeld zeker dat een signaal ook echt een mutatie is? Door meerdere bronnen te vergelijken en te meten met beeldmateriaal van meerdere tijdstippen wordt de waarschijnlijkheid verhoogd.

De behoefte aan een landelijke opzet en coördinatie werd hierin uitgesproken door de groep: door te leren van elkaar, dezelfde algoritmen te gebruiken en een database van false positives aan te leggen, worden de resultaten steeds preciezer. Tot slot realiseert men zich dat de uitkomsten van AI en de toepassing ervan nu voornamelijk een leerproces is. Niet alles is gelijk bruikbaar, het zal steeds nauwkeuriger worden.

2. Gewenste kwaliteit

De huidige kwaliteit van de BGT is nog onvoldoende op veel plekken in Nederland. Dat komt enerzijds door de laagfrequente inwinning middels luchtfoto’s en het mensenwerk is(je ziet niet alles). Anderzijds wordt de BGT niet uniform geïnterpreteerd door 400 bronhouders.

AI-technologie kan hierin een hoop verbeteren. De frequentie van inwinning kan omhoog door te werken met satellietdata. In dit geval is het noodzakelijk de juiste mix van beeldmateriaal te gebruiken. Niet alleen luchtfoto’s maar ook satellietdata en cyclorama’s, lidar en hoogtedata. Alleen dan zijn de juiste sweet spots te vinden. Als we met alle bronhouders met een beperkte set algoritmen werken, neemt ook de uniformiteit toe.

3. Verhouding Markt-Overheid

We zien twee uitersten in de verhouding tussen markt en overheid. Enerzijds zijn het de leveranciers die zelf investeren in algoritmes, waardoor overheden een dienst kunnen afnemen. Anderzijds zijn het de leveranciers die door overheden ingehuurd worden om mee te werken aan de ontwikkeling van goede algoritmen voor een specifiek doel. Voor de bijhouding van de BGT, een vaste taak van de overheid, lijkt het interessant om voor alle bronhouders een set algoritmen centraal in te zetten. Vervolgens kunnen leveranciers investeren in niche-toepassingen, die als dienst worden aangeboden. Deze creëren namelijk vaak onverwachte waarde voor overheden en maatschappelijke organisaties.

Zelf investeren door overheden is vaak afhankelijk van het wel of niet doorgemaakt hebben van een digitale transitie. Overheden hebben doorgaans nog een grote stap te maken in het aangaan van de digitale transitie. Om deze transitie aan te gaan is meer kennis nodig in de organisatie omdat werkprocessen ingrijpend zullen veranderen.

Al met al hebben we in een middag online zinvol met meer dan 40 mensen over bovenstaande onderwerpen gesproken. Voor herhaling vatbaar! De werkplaats AI en locatiedata die functioneert onder GeoSamen blijft dit thema agenderen zodat overheid, bedrijfsleven en onderwijs met elkaar in gesprek blijven. En vooral ook verder innoveren op het inbedden van AI in de werkprocessen bij overheden.

Deze groep gaat verder als een online community rond het thema mutatiesignalering en AI. Heb je belangstelling om in contact te blijven hierover?

Geef je belangstelling door via dit formulier.