Nieuwe inzichten over AI in de watersector: hoogtepunten van de Kennisuitwisselingsbijeenkomst Hydroinformatica

De gepresenteerde toepassingen hadden betrekking op verschillende onderdelen van de watercyclus en maakten gebruik van diverse AI-technieken. Hoewel veel van de voorbeelden zich nog in een vroeg stadium bevinden, kwamen tijdens de discussies zowel de kansen als de uitdagingen naar voren die gepaard gaan met het vertalen van AI-onderzoek naar de praktijk. De deelnemers bespraken ook de noodzaak van verdere samenwerking met academische en kennisinstellingen, de ontwikkeling van duidelijk AI-beleid, en het feit dat AI-toepassingen nog verdere doorontwikkeling nodig hebben voordat ze op grote schaal inzetbaar zijn voor de sector.

AI gebruiken voor het modelleren van waterverbruik

Aan het begin van de bijeenkomst presenteerden Pieter Jan Haest (De Watergroep) en Pieter Robberechts (KU Leuven) twee lopende projecten van De Watergroep waarin AI wordt gebruikt voor het in kaart brengen en voorspellen van waterverbruikspatronen. Het doel is om de toepassing van AI-technieken te onderzoeken voor het opstellen van algemene waterverbruiksprofielen van klanten. Dit werk is gebaseerd op eerder onderzoek dat in de elektriciteitssector is toegepast. De vertaling van het onderzoek naar de context van de watersector brengt uitdagingen met zich mee, vanwege de verschillen tussen de twee sectoren. Zo is waterverbruik bijvoorbeeld erg gebeurtenis-gestuurd en individueel. Het tweede project (Waterdata) betreft de ontwikkeling van een model dat het waterverbruik in Vlaanderen kan voorspellen door de gegevens van digitale watermeters te delen. Dit project wordt uitgevoerd onder de paraplu van AquaFlanders en wordt ondersteund door de Vlaamse overheid en Digitaal Vlaanderen. Het project benadrukt het belang van interoperabiliteit (d.w.z. het vermogen van verschillende systemen, apparaten of organisaties om gegevens probleemloos uit te wisselen, te interpreteren en te gebruiken), door gegevens van digitale watermeters op grote schaal beschikbaar te maken voor onderzoeksdoeleinden.

Op weg naar AI-gestuurde waterkwaliteitsbeoordeling

Frederic Béen presenteerde een deel van het gezamenlijke werk dat KWR en de Vrije Universiteit Amsterdam verrichten op het gebied van geavanceerde chemische screening en datawetenschap. Meer specifiek ontwikkelt het team methoden om verschillende verontreinigingen, waaronder onbekende of getransformeerde stoffen, in watermonsters op te sporen. De analyse van watermonsters gebeurt doorgaans met behulp van hoge-resolutie massaspectrometrie. Deze techniek levert duizenden signalen per monster op, waardoor uitgebreide gegevensverwerking vereist is, net als het prioriteren van signalen die behoren tot bekende toxische verbindingen. In deze context kan de toepassing van machine learning-technieken de data-analyse vergemakkelijken, door de spectra te analyseren en de gedetecteerde chemische verbindingen te identificeren en te classificeren.

Een zeer grote uitdaging vormen onbekende stoffen, waarvan bijvoorbeeld slechts een klein deel van de negatieve effecten en gevolgen voor het biologisch leven kan worden verklaard aan de hand van bekende stoffen. Het gebruik van AI om de aanwezigheid van structurele waarschuwingen te voorspellen, kan dan ook bijdragen aan een beter begrip van voorheen onopgemerkte verontreinigingen en hun mogelijke toxische effecten.  Daardoor kunnen patronen en risico’s aan het licht komen die bij conventionele analyses over het hoofd zouden worden gezien.

Samenwerken van Waternet met academische instellingen op het gebied van AI

De bijeenkomst werd afgesloten met een presentatie van Jim Odenhoven (AGV/Waternet) over de samenwerking met dr. Riccardo Taormina, waarin de ervaringen van Waternet met praktische AI-toepassingen werden gedeeld die in samenwerking met universiteiten zijn ontwikkeld. Eén project onderzocht het gebruik van grote taalmodellen (LLM’s) voor het doorzoeken van complexe documentatie over bedrijfsmiddelen en operationele data. Door metadata van installaties te combineren met generatieve AI, testten onderzoekers of AI vragen kon beantwoorden over de prestaties van installaties of ondersteuning kon bieden bij rapportagetaken. Hoewel uit de eerste resultaten bleek dat AI berekeningen kon reproduceren en output kon genereren vergelijkbaar met officiële rapporten, bleef het een uitdaging om de juiste context te bieden en om te gaan met onvolledige data van sensoren.

Daarnaast werden in studentenprojecten voorspellende modellen voor leidingbreuken verkend, om nutsbedrijven te helpen bij het effectiever prioriteren van vervangingsstrategieën. Ook werd er in de samenwerking een hackathon georganiseerd die creatieve tools opleverde, zoals dashboards en geautomatiseerde gegevensverzameling. Alles bij elkaar benadrukte de samenwerking zowel het potentieel van AI, als de waarde van samenwerking met studenten en onderzoekers om echte uitdagingen op het gebied van waterbeheer aan te pakken, ook al kost het tijd en herhaling om tot zinvolle resultaten te komen.

Blik op de toekomst

Tijdens de afsluitende discussie benadrukten de deelnemers het belang van voortdurende samenwerking met academische en onderzoeksinstellingen om state-of-the-art onderzoek te vertalen naar praktische instrumenten voor waterbedrijven. Bovendien onderstreepten zij dat de uitwisseling van ervaringen en eerste resultaten (bijvoorbeeld in het kader van de Kennisuitwisselingsbijeenkomsten Hydroinformatica, georganiseerd in het kader van het gezamenlijke onderzoeksprogramma van de waterbedrijven, Waterwijs) de bedrijven helpt om de mogelijkheden en beperkingen van opkomende AI-toepassingen beter te begrijpen. Vanwege het nieuwe karakter en de nog vrij beperkte mate van volwassenheid van de ontwikkelde toepassingen zijn echter verder onderzoek en proefprojecten nodig. Pas daarna kan een bredere operationele toepassing van dergelijke toepassingen plaatsvinden. Tot slot werd gesproken over de noodzaak van duidelijk AI-beleid en governance-structuren om een verantwoord, transparant en betrouwbaar gebruik van AI binnen de watersector te kunnen garanderen.