De inzet van Artificial Intelligence (AI) in de watersector wint terrein. Bij kennisinstellingen STOWA en KWR lopen inmiddels de nodige verkenningen en experimenten. De beloften in het algemeen zijn groot: snellere analyses, betere voorspellingen, slimmere systemen. Toch bevinden veel toepassingen zich vooralsnog in de pilotfase.
door Rens Nijholt
“We zitten in een experimenteerfase”, zegt Michelle Talsma, programmamanager bij STOWA. Binnen STOWA houdt Talsma zich bezig met het domein watersystemen. Ze ziet AI niet als een vervanger van bestaande expertise, maar als een aanvulling. “AI biedt vooral nieuwe manieren om antwoorden te vinden op bekende kennisvragen. Hoe ga je om met droogte? Hoe monitor je waterkwaliteit? Hoe verbeter je het systeembeheer? AI kan daar versnelling in brengen.”
Toepassingen voor het watersysteembeheer zijn er inmiddels in allerlei vormen, zoals beeldherkenning van waterorganismen, analyse van satellietbeelden en het combineren van grote hoeveelheden data om patronen en verbanden te ontdekken. De inzet van AI bij ecologische monitoring - bijvoorbeeld het automatisch herkennen van waterdiertjes op basis van foto’s - laat volgens Talsma al veelbelovende resultaten zien. “Hoe meer beeldmateriaal je toevoegt, hoe beter het model wordt. Uiteindelijk kan dat de traditionele monitoring ondersteunen of mogelijk vervangen.”
Talsma benadrukt wel dat vakinhoudelijke kennis essentieel blijft. “Een model zegt misschien: dit is een bepaalde soort. Maar wat betekent dat voor de waterkwaliteit? Dat blijft werk voor experts.” Daarom pleit ze voor multidisciplinaire samenwerking binnen de waterschappen, waarbij ecologen, hydrologen en dataspecialisten elkaar aanvullen. “Je hebt echt beide nodig.”
Siddharth Seshan
Ook bij KWR Water Research wordt er volop geëxperimenteerd. “We leren elke dag”, zegt Siddharth Seshan, portfolio manager digital water en onderzoeker bij KWR. “De sector is op zoek naar de juiste toepassingen, maar ook naar vertrouwen in het gebruik. Wij benaderen AI vanuit onze waterexpertise. We zijn geen AI-bedrijf, we zijn een waterkennisinstituut. AI is voor ons een hulpmiddel om waterprocessen beter te begrijpen en te optimaliseren.”
Large Language Models
Binnen het gezamenlijke onderzoeksprogramma van KWR en de 10 Nederlandse en 1 Vlaamse drinkwaterbedrijven wordt AI ingezet voor uiteenlopende vraagstukken. Denk aan het voorspellen van de watervraag, het herkennen en classificeren van aan het milieu blootgestelde microplastics in watermonsters, informatie-extractie en het verwerken van klantmeldingen en het bouwen van een digitale 'waterexpert' uit de documenten van KWR met behulp van Large Language Models (LLMs).
Een van de meest veelbelovende richtingen is de zogeheten ‘hybride modellering’: het combineren van data-gedreven technieken met procesmodellen. Seshan: “Dat is waar wij grote kansen zien om AI-toepassingen binnen de watersector mogelijk te maken. We gebruiken de kennis van de fysische processen die we al hebben en verrijken AI ermee. Dit leidt mogelijk tot betrouwbaardere en uitlegbare resultaten die in overeenstemming zijn met de dynamiek van watersystemen, en die breder toepasbaar zijn, zeker bij het werken met beperkte datasets.”
Waar liggen de grootste kansen voor AI? Volgens Talsma vooral op plekken waar veel data beschikbaar zijn. “Met AI kun je sneller verbanden leggen dan met traditionele analysemethoden. Dat geldt voor ecologische data, maar ook voor metingen van waterstanden, neerslag, waterkwaliteit of gebruikersgedrag.”
Bij KWR wordt volop gewerkt aan AI voor procesoptimalisatie, monitoring en voorspelling. Seshan noemt ook de rol van AI bij voorspellend onderhoud. “Je kunt storingen of prestatieverlies van assets eerder signaleren en daar proactief op sturen. Dat biedt operationele voordelen en bespaart kosten.”
Een ander terrein waar AI potentie heeft, is kennisontsluiting. Zowel STOWA als KWR beschikken over een enorme kennisbasis: van rapporten en datasets tot onderzoeksverslagen. “We experimenteren nu met manieren om al die kennis toegankelijker te maken via taalmodellen”, vertelt Talsma. “Net zoals ChatGPT, maar dan voor STOWA. De AI tool heet “Stel STOWA een vraag” en is op onze website te vinden.”
40 jaar onderzoek
Ook bij KWR speelt een soortgelijke ontwikkeling, zegt Seshan. “We hebben meer dan 40 jaar aan onderzoek. Hoe maak je dat gemakkelijk bruikbaar en doorzoekbaar met generatieve AI? Dat is een grote uitdaging, maar ook een enorme kans voor de sector.”
Zowel STOWA als KWR benadrukken het belang van samenwerking voor de verdere ontwikkeling van AI. Binnen STOWA komt dat tot uiting door de samenwerking met de Unie van Waterschappen en het Waterschapshuis. STOWA ontfermt zich over het opstellen van kennisagenda’s op basis van de vragen van waterschappen. Het Waterschapshuis houdt zich bezig met ICT en de Unie voor beleidsaspecten. Ervaringen worden gedeeld in het innovatieplatform van de waterschappen. “We moeten het experimenteren bij elkaar brengen”, aldus Talsma. “Zodat we kunnen leren van elkaars fouten en successen.”
Michelle Talsma
Bij KWR ligt de focus op sectorbrede datasamenwerking. “Als je AI echt goed wilt trainen, heb je veel en diverse data van goede kwaliteit nodig”, zegt Seshan. “Een enkel waterbedrijf heeft misschien nog onvoldoende data om betrouwbare modellen te bouwen. Maar als je data van tien bedrijven combineert, kun je veel verder komen.”
Daarom werkt KWR aan een gezamenlijke AI-strategie met de drinkwaterbedrijven, met oog voor kennisopbouw, kennisdeling, standaardisatie en ethiek. We willen de inspanningen op het gebied van AI-ontwikkeling centraliseren, wat de hele sector ten goede kan komen. We zoeken juist naar een gezamenlijke, veilige en verantwoorde aanpak”, zegt Seshan.
Ondertussen werkt STOWA samen met de twee andere koepelorganisaties aan een informatieboekje over de inzet van AI in het waterbeheer. “Dat boekje is bedoeld om bestuurders en niet-technici op hoofdlijnen mee te nemen in wat AI nu eigenlijk is”, vertelt Talsma. “Het is geen technisch document, maar een overzicht van wetgeving, toepassingen en lopende pilots.” De leidraad is een eerste stap richting meer gezamenlijke kaders. “Zo’n overzicht helpt om met elkaar in gesprek te gaan: wat doen we al, wat werkt, wat is nog onzeker? Vanuit daar kun je verder bouwen.”
Naast kansen brengt AI ook risico’s met zich mee. Zowel Talsma als Seshan waarschuwen voor het ‘black box’-effect: algoritmes die uitkomsten geven zonder dat duidelijk is hoe die tot stand zijn gekomen. “Je moet kunnen toetsen of iets klopt”, zegt Talsma. “Net zoals je ook bij een fysiek model nagaat of de uitkomsten realistisch zijn en gevalideerd kunnen worden.”
Human-centric AI
Daarom pleiten beide instellingen voor het principe van ‘human-centric AI’: AI moet een hulpmiddel zijn, geen vervanging van menselijke expertise. Seshan: “Vooral in de drinkwatersector, die valt onder kritieke infrastructuur, kun je niet zomaar iets automatiseren zonder precies te weten wat je doet. Veiligheid, betrouwbaarheid en uitlegbaarheid zijn essentieel.”
Ook duurzaamheid is een aandachtspunt. AI verbruikt veel energie, zeker bij het trainen van grote modellen. “Dat wringt met onze klimaatambities”, zegt Talsma. “We moeten goed nadenken over de balans tussen technologische innovatie en energieverbruik.”
Een ander risico is afhankelijkheid van grote technologiebedrijven. “Europa wil eigen standaarden en infrastructuur ontwikkelen”, aldus Talsma. “Dat past ook bij onze cultuur: transparant, beheersbaar, open. Maar je wilt niet te afhankelijk worden van een paar grote spelers uit de VS of China.”
En zo stoomt de watersector zich klaar voor een AI-toekomst, maar wel op haar eigen voorwaarden. “Er is ruimte nodig voor experiment, maar ook voor reflectie en sturing”, zegt Talsma. “Je moet oppassen dat je niet te snel alles wilt reguleren. Maar je moet ook niet te lang in ‘chaos’ die innovatie met zich meebrengt blijven hangen.”
Wat volgens Seshan nu vooral nodig is, is het versterken van de expertise. Volgens hem is AI een aparte discipline, net als ecologie of hydrologie. “Drinkwaterbedrijven kunnen daarvoor AI-experts in huis halen, maar je moet ook zorgen dat ze verbonden zijn met de vakinhoud. Alleen dan kun je echt waarde creëren.”
LEES OOK
H2O Actueel: STOWA gebruikt kunstmatige intelligentie om al haar kennis te ontsluiten
