Data science, Betrouwbare AI

Onze kennis van datagedreven AI omvat zowel traditionele machine learning als geavanceerde deep learning-technologieën. We zijn gespecialiseerd in natuurlijke taalverwerking (NLP) en in het ontwikkelen van betrouwbare en conforme Large Language Models (LLM’s). Deze technieken passen we toe in uiteenlopende domeinen – zoals landbouw en gezondheidszorg – waarbij we steeds de nadruk leggen op de betrouwbaarheid van taalkundige technologie.

Voorbeelden zijn het ontwikkelen van chatbots die zijn afgestemd op specifieke sectoren, en het gebruik van technieken zoals Generatieve AI (GenAI) en LLM’s om teksten samen te vatten en vragen te beantwoorden. Ook genereren we synthetische datasets om privacy te beschermen en om te gaan met een tekort aan data.

We zijn sterk in het bouwen van semantische modellen, zoals ontologieën en kennisgrafen, voor specifieke domeinen zoals de arbeidsmarkt en energiedistributie. Deze modellen stellen ons in staat om ruwe data te voorzien van metadata en er op een open en contextbewuste manier mee te redeneren. Belangrijke toepassingen zijn onder meer het ontwikkelen van het Semantic Interoperability Framework, dat door meerdere bedrijven is overgenomen, en het waarborgen van interoperabiliteit tussen IoT-apparaten en databases.

Onze hybride AI-aanpak combineert datagedreven methoden met kennis- en redeneermethoden, met nadruk op datakwaliteit en betrouwbaarheid. Door deze benaderingen te combineren, bouwen we AI-systemen die betrouwbare en transparante uitkomsten leveren. Een voorbeeld is het afstemmen van LLM’s op specifieke toepassingen, zoals een spraakgestuurde interface voor gezondheidsvragen, waarbij we zorgen dat de AI-antwoorden valide en betrouwbaar zijn.

Onze inzet voor Betrouwbare AI garandeert dat onze technologieën voldoen aan ethische normen en maatschappelijke verwachtingen, en bevordert eerlijkheid, transparantie en verantwoording.

Dit voorbeeld laat zien hoe de expertise van Data Science op het gebied van kennismodellering en interoperabiliteit bijdraagt aan de overgang naar een arbeidsmarkt die draait om vaardigheden. Dit leidt tot meer kansen voor burgers, betere loopbaanmobiliteit, minder werkloosheid en meer persoonlijke voldoening.

De arbeidsmarkt is krap en verandert snel. Diploma’s en cv’s zijn niet langer de beste manier om de juiste kandidaat te vinden. Werkgevers en werkzoekenden richten zich te veel op opleiding en ervaring, en te weinig op vaardigheden. Betere afstemming tussen de arbeidsmarkt en het beroepsonderwijs is nodig om iedereen aan een passende baan te helpen.

Inzicht in vaardigheden biedt werkzoekenden de beste kansen om zich aan te passen aan de veranderende markt, en helpt werkgevers om de juiste match te vinden. In samenwerking met UWV, SBB, CBS en het Ministerie van Sociale Zaken en Werkgelegenheid hebben we onze kennis van kennismodellering en onze ervaring met het verbinden van belanghebbenden ingezet om CompetentNL te ontwikkelen: een gemeenschappelijke taal om vaardigheden te beschrijven in opleidingen en beroepen. CompetentNL is ontworpen als een dynamische taal die meebeweegt met veranderingen op de arbeidsmarkt en sluit aan bij Europese standaarden. Er is bovendien specifiek aandacht besteed aan het verminderen van (gender)bias en het ondersteunen van eerlijke besluitvorming.

CompetentNL ondersteunt Nederland in de transitie naar een vaardigheden-gebaseerde arbeidsmarkt. De brede belangstelling vanuit publieke en private sectoren en succesvolle pilots tonen de positieve impact van deze oplossing aan.

Dit voorbeeld laat zien hoe semantische interoperabiliteit het dagelijks leven van burgers kan verbeteren en slim energiebeheer in woningen en gebouwen toegankelijk maakt. Het resultaat: hogere energie-efficiëntie, lagere energierekeningen, meer bewustzijn van energieverbruik, duurzamer gedrag, minder belasting van het stroomnet en eenvoudigere aansluiting van apparaten van verschillende leveranciers.

Energiegebruik optimaliseren is een complex vraagstuk dat vraagt om effectieve communicatie en coördinatie tussen systemen, apparaten en toepassingen. Semantische interoperabiliteit maakt deze gegevensuitwisseling mogelijk. Data Science heeft hiervoor belangrijke AI-gedreven oplossingen ontwikkeld: de Smart Applications REFerence ontology (SAREF) – het eerste EU-gestandaardiseerde IoT-ontologiekader – en de Knowledge Engine (KE), een open-source middleware gebaseerd op ontologieën voor slimme informatie-integratie tussen systemen. Sinds 2014 worden SAREF en KE toegepast in diverse B2B-projecten (zoals tuinbouw, agrifood, slimme woningen, energie en defensie) en in grootschalige pilots binnen het HorizonEU-project InterConnect (2019–2024).

Dit voorbeeld toont hoe Data Science publieke organisaties ondersteunt bij het verantwoord inzetten van AI, wat leidt tot betere en eerlijkere dienstverlening en meer vertrouwen van burgers in de overheid.

AI speelt een steeds grotere rol in onze samenleving, maar de ontwikkeling en integratie ervan brengt risico’s en vragen met zich mee – zeker in de publieke sector. Het AI Oversight Lab helpt organisaties en overheden om AI op een verantwoorde manier toe te passen. Dit gebeurt via een interdisciplinaire aanpak die zowel technische als organisatorische aspecten omvat.

Het lab begon in 2021 met een samenwerking met de gemeente Nissewaard, waarbij een AI-model voor fraudedetectie in de bijstand werd geëvalueerd op bias en robuustheid. De bevindingen leidden tot het terugtrekken van het algoritme. Sindsdien volgden samenwerkingen met onder andere de Immigratie- en Naturalisatiedienst (IND) en het Openbaar Ministerie (OM). Het lab groeit gestaag, publiceert wetenschappelijke artikelen en stimuleert kennisdeling en best practices binnen een betrokken gemeenschap van stakeholders.

Dit voorbeeld laat zien hoe de expertise van Data Science in taaltechnologieën kan leiden tot de ontwikkeling van een soeverein en privacyvriendelijk Nederlands taalmodel.

Het GPT-NL-project richt zich op het ontwikkelen van een Large Language Model (LLM) dat specifiek is afgestemd op de Nederlandse taal en cultuur. Het model ondersteunt transparantie en inclusiviteit en sluit aan bij Nederlandse en Europese waarden. Het project pakt uitdagingen aan rond bias, ethiek en privacy van gebruikersdata. Door te streven naar naleving van de AVG en de EU AI Act, wil GPT-NL een taalmodel creëren dat geen inbreuk maakt op privacy of intellectuele eigendomsrechten. Dit moet andere initiatieven inspireren om op een verantwoorde manier te innoveren met generatieve AI.

Het project is inmiddels bekend buiten TNO, SURF en NFI. Teamleden zijn uitgenodigd als keynote speakers op Nederlandse conferenties, en als sprekers en panelleden op zowel nationale als Europese evenementen. Ze zijn geïnterviewd door onder andere NPO, iBestuur en Computer Idee. Het team werkt bovendien actief aan het opbouwen van een ecosysteem, en zoekt contact met potentiële dataleveranciers, eindgebruikers, wetenschappers, toezichthouders zoals de Autoriteit Persoonsgegevens en beleidsmakers.