Het is 2015. In een bos ontploft een explosief. Geen dader, geen motief. De enige aanwijzing is een koperen plaatje. De politie herleidt het plaatje naar een krakatoa: een zelfgemaakt explosief. De Duitse terreurbeweging Rote Armee Fraktion gebruikte een krakatoa in 1989 bij de moordaanslag op bankdirecteur Alfred Herrhausen, zo blijkt uit openbare bronnen.  

Jaren later koppelt kunstmatige intelligentie die informatie in een model aan de ontmanteling van een explosievenfabriek in Syrië en de betrokkenheid van een jihadist van Nederlandse afkomst. Hij blijkt betrokken bij de explosie in het bos. Een aanslag wordt verijdeld.  

Met Artificial Intelligence leren van het verleden 

Peter de Kock over de plot van zijn verhaal: "Als je gebeurtenissen bekijkt als scenario’s, kun je verbindingen leggen met het verleden die je dit moment helpen. Door de juiste vragen te stellen, kun je patronen herkennen. Dat is ook toepasbaar bij het voorkomen van arbeids- en bedrijfsongevallen."

De Kock is Professor of Practice in data science op het gebied van criminaliteit en veiligheid bij de Jheronimus Academy of Data Science (JADS), een samenwerkingsverband tussen TU Eindhoven en Tilburg University. Zijn bedrijf Pandora Intelligence ondersteunt bedrijven, overheden en organisaties op het gebied van criminaliteitsbestrijding, veiligheid en logistiek met een platform dat gebruikmaakt van kunstmatige intelligentie.

De Kock: "Vroeger leerden we alleen van het verleden door ons hoofd te gebruiken. Die situatie is nu totaal anders." 

Kracht van scenario’s combineren met data science 

De Kock heeft een opmerkelijke loopbaan. Hij bestudeerde aan de filmacademie van de Amsterdamse Hogeschool de kracht van scenario’s in films en documentaires. Hij maakte in Latijns-Amerika de documentaire 'De handen van Che Guevara', een zoektocht naar de afgehakte handen van de vrijheidsstrijder.  

Heel "spannend en boeiend", maar vooral de opsporing intrigeerde hem. Na een masteropleiding Criminal Investigation aan de Politieacademie ging hij aan de slag bij de Nationale Politie. In 2014 schreef hij zijn proefschrift Anticipating Criminal Behaviour over het combineren van data science en scenario’s in de opsporing.  

Dieper rechercheren met 12 basiscomponenten 

De voormalige filmmaker ontwikkelde een manier om vanuit scenario’s crimineel gedrag te voorspellen. De Kock: "Vergeet het aloude wie, wat, waar en waarom zoals we dat vroeger leerden. Er is een set van 12 basiscomponenten die veel meer toepasbaar is op crimineel gedrag., op ongevallen en veiligheid in het algemeen." 

Vanuit de basiscomponenten zoals plaats, tijd, context, motief en middel kun je bijna eindeloos dieper rechercheren, legt De Kock uit. "Is een aanslag gepleegd met een handvuurwapen of een automatisch wapen? Was het handvuurwapen een pistool of een revolver? Was het patroon een .22 of 9 mm?" 

"Zo ontstaan lagen van subcomponenten die een relatie met elkaar hebben en in verhaalverband met elkaar verbonden zijn. Dat kun je visualiseren in een driedimensionale puntenwolk, een stelsel van datapunten. Dat kun je vervolgens gaan analyseren door er kunstmatige intelligentie op los te laten." 

Aanpak goed te vertalen naar veiligheidspraktijk 

Die aanpak kun je volgens hem heel goed vertalen naar de veiligheidspraktijk. De Kock: "Zonder meer. En ook makkelijker dan bij criminaliteit of terrorisme, want daarbij werk je veelal met afgeschermde data waar je moeilijker toegang toe hebt. Data over arbeidsomstandigheden of arbeidsongevallen zijn makkelijker toegankelijk en te gebruiken." 

De Kock ziet verschillende toepassingsmogelijkheden. Een bedrijf in betonmortel heeft binnen de eigen sector te maken met specifieke regelgeving, noemt hij als voorbeeld. "Dat legden we vroeger allemaal vast in dikke boeken, op papier, in wetten. Dat moesten mensen lezen, tot zich nemen en interpreteren. Wetgeving is per definitie heel gebruiksonvriendelijk. Nu kun je gerichte informatie met AI veel makkelijker ontsluiten, zodat iedereen de essentie van arbowetgeving snapt op het eigen specifieke gebied." 

Leren van arbeidsongevallen met een datawolk 

De techniek kan ons ook veel leren over ongevallen, zegt de dataprofessor stellig. De Kock: "Je kunt een grote database opzetten van ongevallen die zich hebben voorgedaan. Niet alleen in Nederland, maar over de hele wereld. Taal maakt niet meer uit, want techniek kan tegenwoordig alle talen in de wereld lezen."  

"Als je elk veiligheidsincident waarvan je weet hebt, vertaalt naar een datawolk, kun je daar met kunstmatige intelligentie analyses op los laten die we als mens helemaal niet meer kunnen maken. En dan zie je mogelijk nieuwe oplossingen hoe veiligheidsmaatregelen het aantal incidenten kunnen verkleinen."    

De Kock geeft als voorbeeld een ongeval waarbij een kraan omvalt. "Na het ongeval verzamel je alle bekende informatie over het ongeval: van type kraan, informatie over de ballastverdeling tot interviews over het incident. Zo ontstaat de datawolk. Als je een volgende keer een kraan gebruikt voor de bouw van een brug, kun je daar gericht op analyseren door in een model de juiste te vragen te stellen en toe te passen op een nieuwe werksituatie. Wat zijn de risico’s waar we rekening mee moeten houden?" 

Gemeenschappelijk operationeel beeld in seconden 

Dat kan zelfs in het moment, zegt De Kock, als er iets gebeurt en er snel gereageerd moet worden. "Bij een brand in een bedrijf met chemische middelen wil je zo snel mogelijk een common operational picture hebben. Dat is een gemeenschappelijk operationeel beeld waar hulpverleners zoals de brandweer, ambulancedienst en politie allemaal gebruik van kunnen maken." 

"Op basis van een adres kan het systeem direct een kaart maken, meteen zien waar gas- en elektriciteitsleidingen lopen. En aangeven of het bedrijf een brzo-code heeft, wanneer de laatste controle plaatsvond en wat het resultaat daarvan was. Je haalt het allemaal in seconden bij elkaar. De verantwoordelijke voor de veiligheidssituatie hoeft die informatie niet op te zoeken, het is allemaal paraat." 

"En wat zijn de evacuatierichtlijnen? Je kunt een hele boekenplank aan evacuatieplannen hebben, maar 99% is waarschijnlijk voor de situatie niet relevant. Het gaat erom dat je juist het kleine stukje ophaalt wat in de situatie wél relevant is. Dat is iets wat machines heel snel en toepasbaar kunnen en wij mensen niet." Volgens De Kock maken grote veiligheidsregio’s inmiddels gebruik van het model. 

Kennis plus actuele informatie is intelligence 

De Kock merkt op dat de veiligheidswereld nog vaak met dashboards werkt. "Dat was enkele jaren geleden supercool. Maar dashboards kijken alleen terug, niet naar de toekomst. Met data science kun je data gebruiken voor dashboards én om naar de toekomst te kijken. Zo kun je leren wat er zou kunnen gaan gebeuren en je daar beter op voorbereiden. Kennis uit het verleden plus informatie uit het heden is intelligence voor de toekomst." 

"Ook arboprofessionals kunnen beter leren uit het verleden dan ze nu doen", meent De Kock. "We denken vaak dat niets of niemand beter kan rekenen of onthouden dan de mens. Niets is minder waar. Computers kunnen dat echt beter en sneller." 

Computer voor rekenkracht, arboprof voor meerwaarde 

"Door die computers te gebruiken voor hun rekenkracht en geheugen, maken we belangrijke breincapaciteit in onszelf vrij. Daarmee kunnen we de dingen doen die wij veel beter kunnen dan machines, namelijk interpreteren. Oftewel de link leggen met de wereld om ons heen. We zijn als mensen uitermate goed in duiden." 

Daarom behoudt de arboprofessional altijd grote meerwaarde, volgens De Kock. Zij hoeven niet te vrezen dat die verloren gaat. "Laat de heavy lifting aan de computer en doe met de vrijgekomen breincapaciteit waar je goed in bent: de juiste informatie in de juiste volgorde zetten. En daar conclusies aan verbinden en beslissingen op nemen, op basis van jarenlange kennis en ervaring."