Signalen samenbrengen
De applicatie legt beschikbare gebeurtenissen binnen een dossier chronologisch naast elkaar: meldingen, contactmomenten, eerdere interventies, veranderingen in toon of frequentie.
Duizenden reacties lezen zonder er één te lezen
Een AI-prototype dat professionals helpt patronen te zien in dossiers die zij zelf, onder hoge werkdruk, moeilijk in hun geheel kunnen overzien.
Een melding. Nog een melding. Een contactmoment. Een incident. Rondom één persoon kunnen er gedurende maanden of jaren losse signalen ontstaan: overlast, bedreigingen, escalaties, contact met een wijkagent. Los van elkaar is zo'n gebeurtenis vaak geen directe aanleiding voor actie.
Maar een professional beheert tientallen tot honderden dossiers tegelijk, verspreid over verschillende momenten en registraties. Daardoor bestaat het risico dat een patroon dat wél zichtbaar is als je alles naast elkaar legt, in de praktijk onopgemerkt blijft.
Tijdens een hackathon onderzochten we of AI hierbij als extra signaleringslaag kan dienen. Publieke veiligheid, in dit geval een toepassing binnen politiewerk, diende als scherpe, realistische casus. Dit prototype is niet in gebruik bij of ontwikkeld in opdracht van de politie.
De zaak-Leersum (2020) laat zien waarom dit relevant is. De rechtbank Midden-Nederland oordeelde in 2023 dat de verdachte handelde uit noodweer, nadat uit het dossier bleek dat het latere slachtoffer zich eerder herhaaldelijk intimiderend en agressief had gedragen. Dat wisten we pas achteraf, uit het samengestelde dossier.
Dit gebruiken we uitsluitend als illustratie van het bredere probleem: een opeenstapeling van gebeurtenissen kan achteraf een patroon vormen dat vooraf, verspreid over losse registraties, veel moeilijker als zodanig te herkennen was. Niet als suggestie dat er in deze specifieke zaak gemiste signalen waren.
Bron: Rechtbank Midden-Nederland, ECLI:NL:RBMNE:2023:1119, via rechtspraak.nl.
De applicatie legt beschikbare gebeurtenissen binnen een dossier chronologisch naast elkaar: meldingen, contactmomenten, eerdere interventies, veranderingen in toon of frequentie.
Het systeem zoekt naar toenemende frequentie, escalatie in taalgebruik, terugkerende bedreigingen en overeenkomsten met patronen uit historische casuïstiek.
Een risiconiveau zonder onderbouwing is nutteloos. Elke signalering toont welke factoren eraan bijdragen, zodat een professional het kan narekenen.
De uitkomst is een advies om een dossier opnieuw te bekijken. Geen uitspraak over een persoon, en geen automatische actie.
Het uitgangspunt was niet: data in, beslissing uit. Het uitgangspunt was: signaleren, verklaren, en dan pas een mens laten beoordelen.
Het systeem beslist nooit over een persoon. Het wijst een professional erop dat een dossier mogelijk extra aandacht verdient, en legt uit waarom. De uiteindelijke beoordeling, en elke eventuele actie, blijft volledig bij de bevoegde professional.
Geen automatische interventies en geen oordeel op basis van een score alleen. Een professional kan een signalering altijd naast zich neerleggen.
Elke signalering toont de onderliggende factoren. Dataminimalisatie en aandacht voor bias in historische data zijn onderdeel van het ontwerp, net als logging van elk AI-advies.
Geen rode alarmlichten of sciencefiction-esthetiek. Een geloofwaardig hulpmiddel oogt kalm en verifieerbaar, niet spectaculair.
“Niet ieder signaal is alarmerend. De opeenstapeling kan dat wel zijn.”
Dit hackathonprototype gaat niet alleen over politiewerk. Het laat zien wat er nodig is om AI daadwerkelijk onderdeel te maken van een werkproces: het combineren van verspreide databronnen, patroonherkenning, uitlegbare scoring, UX voor professionals onder tijdsdruk, en een besluitvormingsmodel waarin AI adviseert en mensen beslissen.
Diezelfde opgave speelt bij verzekeraars, zorgorganisaties, gemeenten en compliance-afdelingen: professionals die grote hoeveelheden informatie moeten beoordelen en prioriteren.
Veel organisaties beschikken al over enorme hoeveelheden informatie. De uitdaging is niet altijd méér data verzamelen, maar relevante verbanden op het juiste moment zichtbaar maken. Wij bouwen AI-software die professionals daarbij helpt.
Koffie, een videocall of gewoon bellen. Je spreekt direct iemand die het ook echt maakt.
Plan een gesprek