De Nederlandse watersector ziet zich geconfronteerd met nieuwe uitdagingen. Door de snelle klimaatverandering neemt de voorspellingskracht van onze historische datasets af. Om ons voor te bereiden op een toekomst met toenemende droogte, extreme buien en een stijgende zeespiegel, hebben we innovatieve rekenmethoden nodig en dus ook meer AI-experts. We interviewden hierover Mark Roest, directeur bij Vortech, waar ze software voor diverse maatschappelijke vraagstukken ontwikkelen.
Mark schreef mee aan het DigiShape whitepaper dat leidde tot de nieuwe werkgroep ‘Water en Klimaat’ bij de Nederlandse AI Coalitie. Door deze verbinding hoopt hij dat meer AI-deskundigen en wiskundigen zich bij de watersector gaan aansluiten.
Mark, vertel wat over jezelf en Vortech
“Bij Vortech werken we met zo’n 35 mensen aan het ontwikkelen van veeleisende applicaties voor voorspellingen, simulaties en andere complexe berekeningen. Onze klanten komen uit de watersector, maar ook uit andere domeinen zoals de energiebranche en het milieubeheer. Wij vinden het belangrijk om niet alleen wiskundige expertise te bieden, maar ook kennis op te doen van het vraagstuk waar het om gaat. Zo zijn we in staat om de juiste vragen aan experts te stellen en kunnen we software schrijven die goed aansluit bij de vraag. Een project waar ik trots op ben is Hydra-Ring. Dat is een rekenprogramma dat Rijkswaterstaat gebruikt om de sterkte van dijken te bepalen. We hebben een aantal intensieve rekenprocessen versneld, waardoor het programma nu in staat is om berekeningen uit te voeren die voorheen niet mogelijk waren.”
Waarom is er volgens jou meer AI en Machine Learning nodig in de watersector?
“Omdat we met behulp van Machine Learning en AI meer en ander rekenwerk kunnen uitvoeren dan tot nu toe mogelijk was. In Nederland zijn we nog altijd voorloper in kennis over water, maar door de toenemende impact van klimaatverandering worden we geconfronteerd met nieuwe uitdagingen, waar we geen pasklare oplossing voor hebben. Denk aan de “waterbom” die enkele jaren geleden in Limburg plaatsvond. Het probleem was niet alleen de zware regenval, maar ook het feit dat de bui lange tijd op één plek bleef hangen. Lokale effecten zoals deze zijn vaak moeilijk te voorspellen met traditionele modellen. Een ander voorbeeld is het gedrag van mensen bij een calamiteit. Met traditionele modellen kun je daar niet zo heel veel mee maar met machine learning kun je daar misschien toch wat grip op krijgen.”
Wat maakt werken in de watersector interessant voor mensen met een wiskundige achtergrond?
“De maatschappelijke relevantie. Ik heb zelf natuurkunde gestudeerd en ben gaan promoveren bij wiskunde. Ik kan me voorstellen dat mensen met zo’n achtergrond snel kiezen voor een loopbaan in de financiële wereld, of de commerciële wereld, omdat daar al zoveel meer mogelijk is. Je kunt geen hypotheek aanvragen en geen video aanklikken zonder dat er een wereld aan Machine Learning achter zit. In het fysieke domein gaat dat een stuk moeizamer, omdat de data schaarser is en minder gestructureerd. Maar dat is juist wat dit werk voor mij zo leuk maakt. Vanuit een complexe puzzel van datasets en belangen creëer ik nieuwe mogelijkheden waardoor de wereld een stukje beter wordt. Denk aan het vergroten van de waterveiligheid en het tegengaan van schade aan natuur en landbouw door droogtes.”
Wat gaat de nieuwe werkgroep ‘Water en Klimaat’ van de NL AIC doen?
“Dat moet zich nog uitkristalliseren, maar we hebben al twee initiatieven in het vizier. Allereerst gaan we een proeftuin opzetten waarin we alle gegevens bundelen, die zijn verzameld tijdens de “waterbom”, inclusief weersvoorspellingen, neerslagmetingen en grondwaterstanden. Samen met experts willen we deze gegevens grondig analyseren: kunnen we met nieuwe AI methoden een dergelijke ramp, of de kans daarop, eerder zien aankomen en beter voorspellen dan met de huidige methoden? Daarnaast gaan we creatief brainstormen over de mogelijkheden van generatieve AI voor de watersector.”
