Het Nederlandse technologiebedrijf GeoNext introduceert een AI-framework voor spooranalyse. De lancering vindt deze week plaats in Nederland en richt zich op inspectie en onderhoud van het spoor. Het systeem moet defecten sneller en consistenter opsporen, zodat storingen en kosten dalen. Daarbij spelen de Europese AI-verordening en de gevolgen voor overheid en infrabeheerders nadrukkelijk mee.
GeoNext versnelt spooranalyse
GeoNext presenteert een AI-framework dat spoorprofessionals helpt bij analysewerk. Het gaat om een pakket van datamodellen en software, bedoeld voor dagelijkse inspecties en planning. Doel is minder handmatig werk en een gelijkmatiger beoordeling van risico’s. Daarmee wil het bedrijf de stap naar voorspelbaar onderhoud makkelijker maken.
Een AI-framework is een verzameling algoritmen en hulpmiddelen die je per taak kunt inzetten. Denk aan modules voor detectie, beoordeling en rapportage. De onderdelen zijn los te gebruiken of in samenhang. Zo blijft het systeem aanpasbaar aan verschillende projecten en eisen.
GeoNext positioneert het systeem als aanvulling op menselijke expertise. Ingenieurs houden het laatste woord, vooral bij twijfelgevallen. Dat heet menselijk toezicht: een verplicht vangnet bij inzet van kunstmatige intelligentie. Deze werkwijze moet fouten beperken en vertrouwen behouden in de uitkomst.
Werkt met bestaande data
Het framework is ontworpen om te werken met gegevens die spoorbeheerders en aannemers al verzamelen. Dat kan beeldmateriaal zijn of meetreeksen uit inspecties, zoals trillingen of temperatuur. In simpele woorden: het systeem kijkt naar wat er al is en probeert patronen te herkennen. Zo hoeft de werkwijze niet op de schop.
De verwachting is dat de uitkomsten uniformer worden over projecten en teams. Een algoritme past dezelfde regels elke keer toe, wat verschillen tussen keurders kan verkleinen. Resultaten zijn bovendien te herhalen en te controleren, als logging goed is ingericht. Dat is belangrijk voor audits en rapportages naar opdrachtgevers.
Om modellen te trainen zijn voorbeelden nodig die laten zien wat fout en goed is. Trainen is het “uitleggen” aan een model hoe iets eruitziet aan de hand van gelabelde data. Zonder representatieve data blijft de nauwkeurigheid achter, zeker bij zeldzame defecten. GeoNext zal dus moeten investeren in datakwaliteit en curatie.
AI-verordening raakt spoorbeheer
Het beheer van spoorwegen valt onder kritieke infrastructuur in de Europese AI-verordening. Systemen die hieraan bijdragen, zoals besluitondersteunende modellen voor inspectie, vallen op het moment van schrijven doorgaans in de categorie hoog risico. Dat brengt plichten mee voor leverancier en gebruiker. Denk aan risicobeheer, gedocumenteerde data, technische documentatie en menselijk toezicht.
Voor organisaties in Nederland, zoals overheden en infrabeheerders, betekent dit strengere inkoop- en beheerregels. Zij moeten kunnen uitleggen hoe het systeem werkt, welke data zijn gebruikt en hoe fouten worden gecorrigeerd. Ook moeten logbestanden en prestatiecijfers beschikbaar zijn voor controle. Dit wordt onderdeel van de dagelijkse governance van digitale systemen.
Registratie- en informatieplichten kunnen bovendien gelden voordat opschaling mag plaatsvinden. Dat vergt samenwerking tussen juridische teams, data-experts en assetmanagers. Leveranciers zoals GeoNext zullen die eisen inbouwen in ontwerp en documentatie. Zo ontstaat een keten die aantoonbaar voldoet aan wet- en regelgeving.
AI voor het beheer van kritieke infrastructuur geldt in de AI-verordening als hoog risico, met strengere eisen aan data, toezicht en rapportage.
Privacy bij spoorbeelden
Analyse van spoorbeelden kan onbedoeld personen, kentekens of woningen vastleggen. Dan is de AVG van toepassing, met regels voor dataminimalisatie en een duidelijk doel. Versleuteling en het automatisch vervagen van herleidbare informatie helpen om privacy te beschermen. Moet de ruwe data niet nodig zijn, dan hoort die te worden verwijderd.
Publieke instellingen en sommige bedrijven moeten op het moment van schrijven vaak een DPIA uitvoeren. Dat is een gegevensbeschermingseffectbeoordeling vooraf, vooral bij grootschalige of gevoelige verwerkingen. Ook moeten zij verwerkersovereenkomsten sluiten met leveranciers. Zo wordt vastgelegd wie waarvoor verantwoordelijk is.
Bij internationale projecten spelen verschillende toezichthouders mee. Daarom is het handig om standaardprocedures te volgen voor bewaartermijnen, toegangsrechten en audittrail. Eenduidige rollen en rechten maken controles eenvoudiger. Dat scheelt tijd bij inspecties en aanbestedingen.
Kansen en beperkingen nu
De grootste winst van het GeoNext AI-framework ligt in tijd en voorspelbaarheid. Snellere analyse helpt om kleine problemen eerder te vinden. Dat kan buitendienststellingen beperken en veiligheid verbeteren. Het sluit aan bij de behoefte aan efficiëntie en het tekort aan technisch personeel.
Toch zijn er duidelijke grenzen. Modellen kunnen minder presteren bij slecht weer, nachtbeelden of ongebruikelijke situaties. Zeldzame defecten zijn moeilijk te herkennen zonder genoeg trainingsvoorbeelden. Daarom blijft een menselijke controlelaag nodig, zeker bij veiligheidskritieke beslissingen.
Implementatie vergt ook integratie met bestaande assetmanagementsoftware. Denk aan EAM-systemen die storingen, onderhoud en planning bijhouden. Zonder goede koppelingen verdwijnt de tijdwinst in extra handwerk. Heldere API’s en datastandaarden zijn dus cruciaal.
Bovendien spelen aansprakelijkheid en garantie een rol. Wie is verantwoordelijk bij een gemiste scheur of een fout advies? Contracten moeten dat scherp afbakenen, inclusief servicelevels en respons bij incidenten. Dat geeft duidelijkheid voor alle partijen.
Volgende stappen in Europa
Om op te schalen zijn realistische pilots nodig met verschillende baanvakken en seizoenen. Zo wordt duidelijk waar het systeem sterk is en waar bijsturing nodig is. Publieke publicatie van prestatiecijfers helpt het vertrouwen. Transparantie maakt vergelijking met andere oplossingen mogelijk.
Voor de spoorsector liggen er ook technische normen. CENELEC-standaarden voor RAMS-processen (betrouwbaarheid, beschikbaarheid, onderhoudbaarheid en veiligheid) zijn richtinggevend. AI-toepassingen die invloed hebben op veiligheid moeten hierop aansluiten. Documentatie en traceerbaarheid uit het framework kunnen daarbij helpen.
Tot slot vraagt dit om samenwerking tussen leveranciers, beheerders en kennisinstellingen. Testen in open omgevingen versnelt leren en verkleint lock-in. Europese initiatieven voor datadeling kunnen hierop aansluiten. Zo kan het GeoNext AI-framework voor spooranalyse sneller en verantwoord de praktijk in.