De druk op de waterketen neemt toe. Meer drinkwateraansluitingen voor woningen en bedrijven, extremere buien en strengere zuiveringseisen vragen om een slimmere waterketen. Daarom is het belangrijk antwoord te krijgen op de vraag hoeveel extra riool- en hemelwater de rwzi’s moeten verwerken, hoe de aanvoer beter kan worden gestuurd en hoe verstorende lozingen beter kunnen worden opgespoord. Nieuwe digitale technologie biedt kansen, van digital twins en data-analyse tot kunstmatige intelligentie.

Waterschappen hebben vaak geen idee welke stoffen zich nu precies in het rioolwater bevinden. Het is immers een complexe mix van huishoudelijk, industrieel en afstromend regenwater, waarvan de samenstelling ook nog eens sterk varieert in tijd en plaats. Bovendien komen er voortdurend nieuwe chemische stoffen op de markt, die (nog) niet standaard worden gemeten. Technisch en financieel is het onmogelijk om al die stoffen continu te monitoren, waardoor de huidige analyses zich vooral richten op bekende en risicovolle stoffen. Ook ontbreekt informatie over wat bedrijven nu precies lozen, terwijl niet alle stoffen met bestaande analysetechnieken betrouwbaar kunnen worden geïdentificeerd.

Afvalwaterprognoses zijn essentieel om waterschappen inzicht te bieden in de vraag hoe de hoeveelheid en samenstelling van afvalwater zich in de toekomst ontwikkelt, stelt Rien de Ridder, programmaregisseur van de CoP Afvalwaterprognoses – een samenwerking van STOWA en het Waterschapshuis. Sinds 2018 werken de betrokken partijen aan uniformiteit rond de prognoses. In de tweede fase lag de focus op de landelijke ontsluiting van data, uniforme rekenmethoden en online tooling om de prognoses goed in beeld te krijgen. Begin 2025 startte de derde fase van het programma, getiteld ‘Inzicht voor sturing’.

De basis hiervoor ligt bij de analyse van de huidige situatie. Want als je rwzi’s in de toekomst beter wilt laten functioneren, moet je weten hoe en in welke hoeveelheden afvalwaterstromen nu door de waterketen gaan. Dat is belangrijk om tijdig te kunnen inspelen op veranderingen door bevolkingsgroei, klimaatverandering, verstedelijking en nieuw en veranderend gebruik van allerlei chemische stoffen. Met betrouwbare prognoses kunnen waterschappen en gemeenten zuiveringsinstallaties en transportsystemen doelmatig dimensioneren, investeringen beter plannen en anticiperen op nieuwe zuiveringsopgaven.

De A-info-tool komt hierbij goed van pas. De ontwikkelde applicatie van STOWA en het Waterschapshuis ondersteunt waterschappen bij het beheren, analyseren en delen van diverse datastromen om inzicht te krijgen in gemeten en berekende hoeveelheden rioolwater en de vervuiling. De tool maakt het mogelijk om informatie uit verschillende bronnen te koppelen en inzichtelijk te maken, zodat beleid, beheer en monitoring beter op elkaar kunnen worden afgestemd. De tool gebruikt landelijke gegevens, zoals de Basisregistratie Adressen en Gebouwen (BAG), aangevuld met verrijkte data over bijvoorbeeld het aantal inwoners per woning. Het toont via kaartmateriaal (GIS-lagen) hoeveel afvalwater per bemalingsgebied of zuiveringseenheid wordt afgevoerd.

De afgelopen jaren hebben waterschappen meerdere slimme digitale tools ontwikkeld voor de waterketen. Hiermee kunnen ze datastromen omzetten in hoogwaardige informatie. Zo maken digital twins het mogelijk om de gehele afvalwaterketen virtueel te simuleren, terwijl AI-modellen piekafvoeren en overstorten steeds beter voorspellen. Waterschap Limburg zet al jaren in op de toepassing van datascience-technieken, zoals machine learning en kunstmatige intelligentie. Een digital twin verzamelt sinds 2016 data uit het afvalwatertransportsysteem van het waterschap. Dit systeem bestaat uit 149 rioolgemalen, zeventien rwzi’s, vijf slibontwateringsinstallaties en 2000 gemeentelijke gemalen. Haskoning ontwikkelde de digitale representatie van dit systeem. Men combineert daarvoor de bestaande procesautomatisering (SCADA) met een nieuw big-dataplatform, het zogenoemde informatieknooppunt. Hierin worden alle data uit de bronsystemen van het waterschap opgeslagen. Daarbovenop draaien een machinelearning-applicatie van Haskoning en AI-modellen die, gevoed met weersvoorspellingen en andere externe data, het functioneren van het afvalwatersysteem kunnen voorspellen en optimaliseren.

De directe aanleiding voor het digital-twinproject bij Waterschap Limburg (WL) was de wens om weersvoorspellingen te integreren in de aansturing van de zuiveringen en het transportsysteem. “Wij wilden kunnen analyseren hoeveel rioolwater (influent) we op welk moment binnenkrijgen en hoe we de rwzi’s daar het best op kunnen sturen”, vertelt Leon Verhaegen, senior projectleider ICT & Innovatie bij het waterschap. “Daarnaast wilden we onderzoeken in hoeverre we het influent bij piekbuien konden bergen in het transportsysteem.” De meeste afvalwatertransportsystemen in Nederland zijn volgens hem niet ontworpen om zulke piekmomenten te verwerken. “Dan blijft er helaas maar één ding over om aan onze verplichting richting gemeentes te voldoen om het ingezamelde rioolwater over te nemen: pompen, pompen en nog eens pompen en het water bypassen langs de rwzi”, aldus Verhaegen.

Het waterschap wil met de data uit de digital twin tevens leidingbreuken kunnen voorspellen. Ook voor assetmanagement komt de digital twin goed van pas. Door bijvoorbeeld het energieverbruik of het debiet van pompen te analyseren, kan het waterschap voorspellen wanneer onderhoud nodig is. Groot voordeel van de nieuwe technieken is dat de operators tegenwoordig tijdens kantooruren werken vanuit een centrale regelkamer. De technieken zorgen ervoor dat het watersysteem 24/7 automatisch kan worden aangestuurd. Eén van de grootste uitdagingen is volgens Verhagen van WL om alle losse onderdelen die nu draaien, goed aan elkaar te koppelen. Verhaegen spreekt van een ‘leercurve met vallen en opstaan’. Zo gaf een model eerder aan dat er heel veel regen zou vallen, maar het bleek sneeuw te zijn. Ook geeft hij nog een waarschuwing mee: “Zorg dat de cybersecurity goed op orde is!”

Slimme data-analyse kan ook helpen om indirecte lozingen op het riool op te sporen, die mogelijk verstorend werken op het zuiveringsproces en de waterkwaliteit van het ontvangende oppervlaktewater negatief beïnvloeden. Uit de pilot ‘Grip op indirecte lozingen’ van de Waterketen Noorderkwartier, een samenwerkingsverband van 26 gemeenten, Hoogheemraadschap Hollands Noorderkwartier en drinkwaterbedrijf PWN, bleek eerder dat deze indirecte lozingen een steeds groter probleem voor de waterschappen zijn. Met name door het voorkomen van zogenoemde Zeer Zorgwekkende Stoffen (ZZS). Veel bedrijven weten vaak niet eens dat ze met hun afvalwater deze stoffen lozen op het riool. Dat heeft meerdere oorzaken. Zo bevatten sommige producten of grondstoffen ZZS zonder dat dit duidelijk is aangegeven op veiligheidsinformatiebladen of productetiketten. Verder zijn er voor veel van deze stoffen geen landelijke normen. Bedrijven weten niet altijd dat ze zich mogelijk aan extra regels moeten houden. Hierdoor blijft de lozing van ZZS vaak onopgemerkt. “Vandaar dat STOWA het ‘Kennisnetwerk Grip op indirecte lozingen’ heeft opgericht dat zich richt op het versterken van kennisdeling en samenwerking tussen waterschappen en andere bevoegde en uitvoerende partijen, zoals Omgevingsdiensten”, zegt projectleider Aiske Rijnks van STOWA. Doel is met de gezamenlijke waterbeheerders te gaan werken aan de ontwikkeling en toepassing van instrumenten en slim gebruik van data. Op 10 juni 2025 vond de eerste bijeenkomst plaats.

Het kennisnetwerk wil onder meer onderzoeken of tools die gebruikt worden om inzicht te krijgen in bronnen van stoffen en prioriteiten te stellen voor bijvoorbeeld vergunningverlening, toezicht en handhaving, geharmoniseerd kunnen worden. Daarnaast gaat STOWA onderzoeken of we met behulp van AI en slimme data-analyse op basis van meetdata in de waterketen specifieke concentratiepatronen kunnen afleiden voor verschillende afvalwaterstromen (huishoudelijk, hemelwater en industrie). Deze patronen kunnen helpen om inzicht te krijgen in de herkomst van stoffen in het rioolwater, zodat eventuele maatregelen hierop kunnen worden afgestemd.

Het project ‘Blinde vlekken in beeld’ van Waterschap Vechtstromen is een mooi voorbeeld van een innovatieve aanpak om meer grip te krijgen op indirecte lozingen door bedrijven. Via slimme data-analyse en veldcontroles komen bedrijven in beeld die mogelijk verstorende stoffen lozen op het riool. Het doel is via een bronaanpak dergelijke lozingen terug te dringen en zo de waterkwaliteit en de doelmatige werking van de zuivering te beschermen. “Verschillende waterschappen zijn geïnteresseerd in deze aanpak”, zegt Rijnks. “Daarom gaan we nu samen met het Waterschapshuis kijken wat er nodig is om deze aanpak landelijk uit te rollen.” Ze benadrukt dat er landelijk ontzettend veel initiatieven en ontwikkelingen zijn om meer grip op de indirecte lozingen te krijgen. “Dat willen we bundelen in het kennisnetwerk.” Ook komen er steeds meer slimme technieken beschikbaar om stoffen op te sporen. “De volgende uitdaging is om deze technieken op te nemen in de monitoringstrategie van waterschappen”, aldus Rijnks.

Het Apeldoornse bedrijf IMD is specialist in het gedegen en betrouwbaar meten en monitoren van afvalwaterstromen, zowel kwantitatief als kwalitatief. Het bedrijf heeft een database opgezet met lichtprofielen om afwijkende lozingen van stoffen in het rioolwater aan te tonen. IMD legde hiervoor acht jaar geleden de basis. “Toen werkten wij al samen met opsporingsdiensten om afwijkende lozingen in rioolwater op te sporen”, vertelt Tom Dekker van IMD.

De afgelopen jaren is de database uitgebreid met afvalwatermonsters van verschillende industrieën. Waterschappen kunnen met de techniek van IMD een ‘vingerafdruk’ laten maken op basis van een specifiek UV-VIS-absorptiespectrum dat in het afvalwater voorkomt. Hoe werkt dit nu precies? Dekker: “UV-VIS staat voor ultraviolet en zichtbaar licht. Elke stof in water absorbeert licht op een eigen manier. Wanneer licht met verschillende golflengten door een watermonster schijnt, wordt een deel daarvan geabsorbeerd door de in het water aanwezige stoffen. Wat overblijft, wordt gemeten door een spectrometer. Zo ontstaat een soort lichtprofiel, een ‘vingerafdruk’ van het water.”

Het lichtprofiel kan per type industrie, per bedrijf en soms per productieproces uniek zijn. De database is dan ook gecategoriseerd binnen generieke categorieën, bijvoorbeeld slachterij, zuivel, textiel of mestverwerking. De database bevat inmiddels ruim 3.000 vingerafdrukken. IMD heeft een methode gevonden om de vingerafdruk digitaal vast te leggen en in een database op te slaan. “De computer berekent via een algoritme welke vingerafdruk het best bij een stof in een lozing past. En in hoeverre de berekening zeker is. We kunnen inmiddels met een hoge mate van betrouwbaarheid stoffen in rioolwater herkennen.”

Dekker geeft een voorbeeld. “Voor een waterschap hebben we met onze techniek een illegale lozing van een afgekeurde partij bloed van een slachterij kunnen opsporen. De hoge geleidbaarheid en de rode kleur vielen meteen op.” Waterschappen krijgen met de techniek van IMD meer grip op wat daadwerkelijk op de rwzi wordt aangevoerd. De data kunnen helpen om de juiste investeringsbeslissingen in nabehandelingstechnieken te nemen. “Stel dat er een stof in het rioolwater zit die het waterschap alleen met een kostbare nabehandelingstechniek eruit kan halen, dan is het goedkoper en efficiënter om de vervuiling bij de bron aan te pakken.”

Meer weten?
> Bekijk de projectpagina van het Kennisnetwerk Grip op Indirecte Lozingen

Mobiele UV-VIS opstelling bij influent op een rwzi (l) en meetsonde met lenzen van UV-VIS meting. Dit onderdeel hangt in het (afval)water en doet de daadwerkelijke meting) (r).

Weergave van UV-VIS meetgegevens met onder andere een automatische herkenning van een afwijkende samenstelling. Het 3D-figuur toont een weergave van afvalwatersamenstelling aan de hand van UV-VIS spectrum, weergegeven per 5 minuten gedurende een etmaal.

Beeld bewerkt met AI