Hoe CROW werkt aan de ambitie rondom digitalisering, dataficering en AI

In ons eerdere artikel las je dat we door de invloed van AI onze kennis en data versneld moeten structureren en dataficeren. Zo blijft het een betrouwbare bron voor de sector, ook met de inzet van AI. Om ervoor te zorgen dat onze belofte ‘Praktische kennis direct toepasbaar’ ook over vijf jaar nog staat als een huis, werken we in onze ambitie eerst aan het fundament.

“Door een groot aantal kennisbronnen samen te brengen in een logisch dataplatform kun je straks vragen stellen over alle kennis heen – ook met AI.” – Arie van den Berg

Op dit moment zetten we een AI-programma op dat zich richt op alle kennis en content die CROW al aanbiedt. Hoewel de roep om nieuwe toepassingen groot is, richten we ons in het eerste jaar op de basis: datastructuur, datakwaliteit en kennisopbouw.

Om van elkaar te leren, zoeken we actief de samenwerking op met andere partijen. Zowel met grotere klanten die veel werken met AI, als met organisaties die net als CROW de uitdaging hebben om zorgvuldig feitelijke kennis te delen. Verder zoeken we aansluiting bij de landelijke datastelsels die in de maak zijn, zoals vanuit DigiGO, en werken we met een betrokken gebruikerspanel. Zo leggen we de basis voor dit AI-programma om daar de komende drie tot vier jaar getrapt aan verder te werken.

Om de behoeften van gebruikers van onze Online Kennisbank in kaart te brengen, hebben we een groot aantal interviews gehouden. Daaruit bleek dat gemeenten bijvoorbeeld andere behoeften hebben dan ingenieurs- en adviesbureaus en dat gebruikers de bronvermelding en een ‘CROW-stempel’ heel belangrijk vinden. Deze input helpt bij de doorontwikkeling van de AI-kennisassistent, die sinds november beschikbaar is voor drie kennismodules uit de Kennisbank. De assistent wordt inmiddels al flink toegepast.

“De AI-kennisassistent geeft niet alleen het juiste antwoord, maar ook welke richtlijn of ander document de bron is.” – Arie van den Berg

Het doel is dat uiteindelijk de gehele kennisbank doorzoekbaar is met de AI-kennisassistent, maar ook dat we onze betrouwbare data direct kunnen ontsluiten in andere systemen en landelijke datastelsels. Dit vraagt nog wel het nodige werk aan datastructurering en dataficering voordat dit zover is. Hier werken we de komende jaren aan, waarbij we keuzes maken en kijken welke kennisonderdelen de meeste prioriteit hebben voor de sector.

Veel van de CUR-aanbevelingen en handboeken zijn op dit moment alleen beschikbaar in papieren vorm. We gaan daarom het komende half jaar de inhoud van het totale CUR-portfolio digitaliseren en opnemen in de Online Kennisbank.

Daarnaast verkennen we bij al eerder gedigitaliseerde publicaties hoe we dit kunnen dataficeren. Hoe splits je een publicatie op in ‘data-brokjes’ die te bevragen zijn door systemen als AI? Zodat je als je bijvoorbeeld een kunstwerk wil inspecteren, als antwoord krijgt welke eisen erin een bepaalde situatie gelden en in welke publicatie die staan.

Binnen het CROW-CUR project ontwikkelen we hier een oplossing voor, die ook breder inzetbaar is. Uiteindelijk wil je – in dit voorbeeld – ook de data van de inspecties die je uitvoert dataficeren en koppelen aan de Beheersystematiek Civiele Constructies.

Het Informatiemodel Beheer Openbare Ruimte (IMBOR) is een model dat alle statische gegevens van de objecten in de openbare ruimte beschrijft. We koppelen daar de komende jaren een deel aan waarin gebruikers dynamische gegevens kunnen toevoegen, zoals inspectiedata en sensordata.

Op die manier zijn alle data over een object uniform, geautomatiseerd en aan elkaar gekoppeld beschikbaar Dit is belangrijk voor het gebiedsgericht en integraal samenwerken en maakt het uitwisselen van data eenvoudiger en duidelijker. Een ontwerper heeft namelijk een andere informatiebehoefte dan een beheerder, maar het gaat wel over hetzelfde object in dat gebied.

“Het datalandschap is nog te versnipperd. Je wil uiteindelijk alle data, modellen en standaarden met elkaar verbinden.” – Arie van den Berg

Bij alles wat snel schaalt, nemen de risico’s en foutmarges toe. Dit geldt zeker ook voor AI-ontwikkelingen. Daarom trainen we onze medewerkers inhoudelijk op het gebied van AI en besteden we aandacht aan ethiek. CROW bouwt aan een betrouwbare digitale omgeving en neemt de sector daar de komende periode stap voor stap in mee.

• Eerste artikel: AI maakt structureren noodzakelijk
• Interview Pieter Litjens over ambitie CROW
• Nieuwsbericht AI-kennisassistent