Wat winnen de waterschappen met kunstmatige of artificiële intelligentie (AI)? Waterkeringbeheerders kunnen dijken gerichter inspecteren dankzij dronebeelden en rwzi’s worden met AI duurzamer en energiezuiniger ingeregeld. Maar je kunt nog veel grootser denken: “Nederland is wereldberoemd in watermanagement. Dat kunnen we ook worden op het gebied van AI voor watermanagement”, aldus Arnold Lobbrecht.

Navigatiesystemen, ChatGPT, deep fakes, persoonlijke suggesties van Spotify of Netflix, je smartphone ontgrendelen via gezichtsherkenning: kunstmatige intelligentie is al overal om ons heen. Dus ook bij de waterschappen waar datawetenschappers ermee aan de slag zijn gegaan. Arnold Lobbrecht, oprichter van adviesbureau HydroLogic: “Het is mooi om te zien dat er nu volop wordt geëxperimenteerd met kunstmatige intelligentie in het waterbeheer. Er zijn inmiddels ook veel gegevens beschikbaar om algoritmes te trainen. Dat is een groot verschil met twintig jaar geleden toen ik meeschreef aan een onderzoeksrapport voor STOWA over AI.”

Sensoren, drone-opnames, satellietbeelden en weermetingen zorgen voor een continue datastroom. Bovendien zijn er gebruiksvriendelijke, open source AI-modellen beschikbaar en is de rekenkracht enorm toegenomen. “Daarom zien we overal kunstmatige intelligentie opduiken”, stelt Hanneke van der Klis, leider Digitale transformatie bij Deltares. Samen startten de AI-en-waterexperts een werkgroep ‘AI voor water en klimaat’ binnen DigiShape, een platform waar de ICT- en waterwereld elkaar ontmoeten. “Er liggen nog veel kansen”, is Van der Klis’ stellige overtuiging.

Kunstmatige intelligentie is bijzonder goed in het vinden van gelijkenis. Geef Google Lens of een populaire app als Obsidentify een foto van een voorwerp en grote kans dat die op basis van vergelijking juist wordt geïdentificeerd. Obsidentify vertelt je welk plantje, bloemetje of beestje op een foto staat. Google Lens struint het complete internet af naar de meest gelijkende beelden. Zo kun je een logo herleiden tot een bedrijf of een kerktoren tot de precieze locatie.

Hoogheemraadschap Hollands Noorderkwartier (HHNK) gebruikt dit sterke punt van AI om scheuren in dijken op te sporen met dronebeelden. En dat is bijvoorbeeld erg nuttig bij veendijken. In de tijd dat veel polderkeringen werden aangelegd, was veen ruim voorhanden. Daarom ligt er nu naar schatting 3500 kilometer aan veendijken. Maar veen is lastig materiaal in droge periodes. Door uitdroging kunnen scheuren ontstaan en kan het veen aan de lucht ‘verbranden’.  Dat zorgt voor risico op afschuiving. Na de dijkdoorbraak bij Wilnis in 2003 is er extra aandacht voor. “Vorig jaar is ons algoritme geslaagd voor het proefexamen scheurherkenning”, vertelt programmamanager Waterveiligheid Erik Vastenburg van HHNK. We hebben een drone en inspecteurs dezelfde dijk opgestuurd op zoek naar scheuren. Het AI-model presteerde goed, het vond zeker tachtig procent van alle scheuren. Niet allemaal dus, maar daar waar veel scheuren zaten, kregen we met AI een veel gedetailleerder beeld. Je kunt AI-scheurdetectie dus zien als aanvullend en ondersteunend.” Het waterschap won met het scheurdetectieproject de Waterinnovatieprijs 2023-2024.

Dit jaar is HHNK bezig om de automatische scheurherkenning in te bedden in het werkproces, zodat het standaard gereedschap wordt. Vastenburg: “Technisch draaide het eigenlijk heel snel probleemloos, maar je loopt tegen wat praktische zaken aan.” Zo moet het maaibeleid worden afgestemd op de dronevluchten en moeten dronevliegers rekening houden met privacywetgeving.”

Voorlopig wil HHNK in ieder geval elk voorjaar de drones over de primaire waterkeringen laten vliegen voordat de inspecteurs op pad gaan voor hun voorjaarsinspectie. Ze kunnen dan gerichter het veld ingaan, bijvoorbeeld door eerst de stukken te controleren waar wat aan de hand lijkt te zijn. “De drone-inspecties werden enthousiast ontvangen binnen de organisatie”, vertelt Vastenburg. “Maar dit is een ontwikkeling met grote impact. De introductie gaat daarom stap voor stap en in continue samenspraak met alle beheerders. Die denken graag en kritisch mee, en hun feedback is onmisbaar.” Is er geen vrees dat de drones het werk overnemen? Vastenburg: “Dat merk ik niet, ze zien eerder de voordelen; het gaat alleen bij HHNK al om honderden kilometers dijken die moeten worden geïnspecteerd.”

Als het aan HHNK ligt, blijft het niet bij scheurdetectie, vertelt Vastenburg. “Een drone kan verschillende zaken tegelijkertijd inspecteren. Denk aan begroeiing, molshopen of ontbrekende stenen.” Binnen het programma PIW (Professionaliseren Instandhouding Waterkeringen) van STOWA en Rijkswaterstaat is een AI toolbox in de maak. Oscar van Dam, programmamanager Waterveiligheid bij STOWA: “We verzamelen AI-modellen voor het analyseren van waterkeringen via allerlei beeldmateriaal: droneopnames, satellietbeelden, luchtfoto’s of foto’s van inspecteurs in het veld.” Het gaat om open source algoritmen die werken binnen een GIS-omgeving. De toolbox zal deze zomer gereed zijn. Van Dam: “De tools zijn toegesneden op waterkeringen, maar het is logisch om deze gereedschapskist uit te gaan breiden met AI-tools voor andere nuttige toepassingen voor de waterschappen. Denk aan de detectie van dichtgegroeide sloten, de detectie van exoten, of het in kaart brengen van biodiversiteit.”

Kunstmatige intelligentie is ook erg sterk in het optimaliseren van complexe systemen en processen, zeker als er veel parameters in het spel zijn. AI werkt holistisch en optimaliseert vele parameters tegelijkertijd. Daarvoor train je een AI-algoritme met alle beschikbare data. Zo kun je bijvoorbeeld jaren aan waterstanden en weermetingen in een AI-model stoppen, waarna het de waarschijnlijke waterstanden voorspelt van een watersysteem aan de hand van de weersvoorspelling. Hoe meer trainingsdata, hoe betrouwbaarder de voorspellingen zullen zijn.

AI voor watermanagement is Lobbrechts specialisme: “Het weer verandert door klimaatverandering. Er zijn langere droogteperiodes maar ook heftigere buien met steeds grotere hoeveelheden water die moeten worden verwerkt. Je kunt daarop anticiperen door dijken te verhogen en grotere gemalen te plaatsen, maar je kunt ook optimaal gebruik maken van de marges binnen je systeem. Als er met grote zekerheid veel regen wordt voorspeld, kun je bijvoorbeeld gaan voormalen: water tijdig uit de polders pompen zodat ze de regenbuien beter kunnen opvangen. Ik denk dat AI een heel belangrijke factor wordt in het omgaan met klimaatverandering.” Daarbij geldt: hoe integraler je het watersysteem beheert, hoe groter de ‘speelruimte’. Een reden voor waterschappen en gemeentes om het watersysteem meer in samenhang te gaan reguleren.

AI-optimalisatie kan ook heel lokaal processen optimaliseren. Alex van der Helm, adviseur onderzoek en advies van Waternet, leidt een team van datawetenschappers dat AI gebruikt om lachgas te reduceren, een 265 maal sterker broeikasgas dan CO₂. Van der Helm: “Op rwzi Amsterdam-West van Waterschap Amstel, Gooi en Vecht gebeurt het zuiveringsproces in zeven parallelle ‘straten’. Eén van die straten is speciaal ingericht voor onderzoek. Die sturen we nu aan met hulp van AI om zo min mogelijk lachgas te produceren. In het eerste jaar zagen we een forse reductie van enkele tientallen procenten door AI. Maar vorig jaar hebben we in de winterperiode door technische aanpassingen aan de rwzi helaas niet kunnen draaien. Terwijl juist dan het meeste lachgas vrijkomt. Het onderzoek loopt dit jaar door om een goed totaalbeeld te krijgen.” Daarnaast loopt er bij Amstel, Gooi & Vecht (AGV) een pilot om storingen in gemalen te voorspellen op basis van datareeksen, zodat efficiënter onderhoud kan worden gepleegd. En in samenwerking met KWR is een AI-tool in ontwikkeling voor automatische correctie van sensormetingen. Soms kunnen sensoren plots en zonder aanleiding een afwijkende, onjuiste waarde genereren: een anomalie. AI kan deze ‘missers’ herkennen en corrigeren voordat ze ontregelend gaan werken.
Van der Helm ziet AI als een nieuwe tool in de bedrijfsvoering. “AI is geen oplossing voor alles. Kan een regeling eenvoudig, dan doen we het eenvoudig. Maar is optimalisatie lastig, zijn er veel factoren in het spel en zijn er voldoende historische en real-time data beschikbaar, dan is het zinvol om AI in te zetten.” AGV deelt graag kennis en ervaring met andere waterschappen, benadrukt Van der Helm: “Iedereen is welkom om langs te komen.”

Ook Van der Helm noemt samenwerking binnen het bedrijf superbelangrijk voor het succes van AI. Het Datalab werkt samen met de onderzoeksafdeling die de benodigde kennis over de vorming van lachgas en sensoren heeft, met de zuiveringstechnologen, met de operators en de procesautomatisering- en ICT-afdeling. Van der Helm: “Alles moet bij elkaar komen. Door te laten zien dat je geen risico’s neemt, dat het systeem automatisch afschakelt als het bepaalde grenzen overschrijdt en voldoet aan alle richtlijnen voor procesbesturing, krijg je vertrouwen. Dan krijg je de organisatie mee.”

Lobbrecht en Van der Klis willen met initiatieven als DigiShape AI de komende jaren ‘op de agenda te zetten’. “Dan gaat het om de grote agenda’s in Nederland voor kennisontwikkeling, zoals de Topsector Maritiem en Water”, aldus Van der Klis. Maar het denken bij Lobbrecht gaat verder dan Nederland. “Nederland ontwikkelt en innoveert al meer dan zevenhonderd jaar in watermanagement. Dat heeft ons een internationaal bekende, zelfs befaamde speler gemaakt in baggeren, sluizen bouwen en waterveiligheid. Daar willen wij kunstmatige intelligentie, als dienst van en voor de watersector, aan toevoegen. Nederland kan proeftuin zijn en die kennis internationaal uitrollen. Maar dat lukt niemand in zijn eentje, daar heb je partners voor nodig, kennisinstellingen, bedrijven en waterbeheerders. Daarom is iedereen van harte uitgenodigd om zich aan te sluiten bij DigiShape om de mogelijkheden van AI samen te verkennen.”

Hoe leer je een computer scheuren in dijken te herkennen op dronefoto’s? Door op meer dan tweeduizend foto’s scheuren te markeren en daarmee een AI-model te trainen, vertelt programmamanager Waterveiligheid Erik Vastenburg van HHNK. De eerste foto’s labelde het HHNK team zelf in samenwerking met adviesbureau HKV, Wetterskip Fryslân en Waterschap Amstel, Gooi & Vecht. “De scheuren kunnen in grootte variëren van een halve meter tot wel tien meter. Je trekt op het beeldscherm een lijn om zo’n scheur heen. Ook een knik markeer je.”

Het gros van het labelwerk werd gedaan door het Annotatielab, een gespecialiseerde organisatie waar veel mensen met afstand tot de arbeidsmarkt werken. Vastenburg: “Een collega is instructie gaan geven, daarna hebben ze zeker tweeduizend foto’s gelabeld. Die zijn gebruikt om het algoritme te trainen. Ook geroteerde en anders belichte versies van de foto’s zijn daarvoor gebruikt.”

Wanneer het AI-model nu een foto krijgt voorgeschoteld, labelt het de scheuren zelf. De omgetrokken scheuren worden vervolgens weergegeven in een GIS-omgeving, zodat duidelijk is waar de scheur precies loopt. Vastenburg: “Daarna kun je eenvoudig vervolganalyses uitvoeren. Bijvoorbeeld het bepalen van het oppervlak en de lengte van scheuren en het koppelen aan een risicoklasse.” Omdat aan elke scheur ook een datum hangt, legt het waterschap zo ook de ‘scheurgeschiedenis’ vast. Die kan in combinatie met bepaalde weerscondities weer aanleiding geven tot regelmatiger inspectie, of juist inspectie met langere tussenpozen.

“AI gaat een steeds belangrijkere plaats innemen in het werk van de waterschappen”, aldus Marije Stronks, beleidsadviseur Digitale transformatie bij het Waterschapshuis. “Soms merk je daar niets van, zit het ingebakken in programma’s die je gebruikt. Maar waterschappen ontwikkelen ook zelf AI. Zeker het automatisch inregelen van zuiveringsprocessen is in opkomst.”

Het Waterschapshuis informeert en stimuleert kennisuitwisseling over AI, via een informatieve website over AI, maar ook via een Themadag AI die onlangs plaatsvond. Het organiseert opleidingen voor datawetenschappers en faciliteert de opslag van datasets voor AI-toepassingen. Ook ondersteunt het Waterschapshuis de uitrol van Microsoft Copilot, een AI-toepassing die niet direct de technische, maar wel veel andere werkprocessen raakt.

Gaat AI beloftes om duurzamer en efficiënter te werken inlossen? Stronks: “AI zal taken deels kunnen overnemen en dat is welkom in een krappe arbeidsmarkt. Maar daar zijn wel datawetenschappers voor nodig. Die zijn ook niet ruim voorradig. We kijken hoe we met collectieve acties ondersteuning kunnen bieden.” Ook bij duurzamer werken zijn er twee kanten, benadrukt Stronks. “Je kunt met AI processen verduurzamen, maar een AI-oplossing vraagt zelf ook energie. Met name het trainen van AI-modellen vraagt veel computertijd en dus energie en water. Dan moet je goed inschatten of je oplossing dat compenseert.”

Een door AI gedetecteerde en gelabelde scheur die wordt getoond in een GIS-omgeving