Op dinsdag 27 mei organiseert DigiShape samen met Rijkswaterstaat een bijeenkomst over het AI Impulsprogramma waterbewegingsmodellen. Dit vierjarige programma richt zich op de ontwikkeling van datasets en geavanceerde machine learning (ML) modellen voor het RWS Hoofdwatersysteem (Rivieren, IJsselmeergebied, Kust) die onder andere ingezet kunnen worden voor het operationeel snel doorrekenen van (weer)scenario’s.

Waarom dit impulsprogramma?

De huidige (numerieke) waterbewegingsmodellen die bij Rijkswaterstaat gebruikt worden zijn beperkt in snelheid en flexibiliteit. Een hydrodynamisch 2D-model voor de Noordzee heeft nu bijvoorbeeld minimaal vijf uur rekentijd per run. Een ML-model kan dit in minder dan een minuut doen, waardoor meer scenario’s doorgerekend kunnen worden.

ML en deep learning (DL) zijn al bewezen technologieën in sectoren zoals de medische wereld, meteorologie en procesautomatisering. De uitdaging zit niet in de technologie zelf, maar in de toepassing ervan binnen het hoofdwatersysteem. Dit vereist een stevige impuls: grootschalige integratie van modellen en data, samenwerking tussen partijen en aanpassing van werkprocessen in de sector.

Samenwerking en partners

Het programma wordt gedragen door Rijkswaterstaat in samenwerking met onder andere KNMI, Deltares en Digishape. Andere overheden, bedrijven, kennisinstellingen, startups en scaleups zijn welkom om aan te sluiten.

Wat kun je verwachten op de DigiShape dag?

Deze dag biedt een kans om het programma beter te leren kennen, lopende initiatieven te bespreken en ideeën op te halen. Op het programma staat onder andere:

• Presentaties over de achtergrond, het initiatief en de doelstellingen;
• Toelichting op lopende initiatieven (o.a. RWS, KNMI, Deltares);
• Uitlijning van het programma en ophalen van input;
• Het met elkaar nader formuleren van “use-cases”
• Presentaties van partnerinitiatieven.

Programma

09:30 – 10:00 Inloop

10:00 – 10:45 Toelichting programma

Door David van den Burg (DigiShape), Annette Zijderveld en Joost Driebergen (RWS)

10:45 – 11:45 Korte pitches lopende trajecten

Door Martin Verlaan van TU Delft, Henk van den Brink van KNMI, Joana van Nieuwkoop en Hans Korving van Deltares en FloodWaive

11:45 – 12:15 Verkenning opzet programma

Door een inkoopadviseur van Rijkswaterstaat WVL

12:15 – 13:15 Lunch

13:15 – 14:15 Ronde 1 interactieve sessie

De volgende vier onderwerpen komen aan bod in het middagprogramma. We gaan samen in gesprek over hoe dit onderwerp binnen de doelen past van het Impulsprogramma.

1. Koppelen user stories aan usecases
Een belangrijk aspect binnen de opstartfase van het Impulsprogramma is om de gebruikersvragen (user stories) scherp te krijgen zodat we voor een technische oplossing kunnen kiezen die aansluit bij de gebruikersvragen. Waar mogelijk koppelen we meerdere user stories die overlap hebben zodat we vanuit een technische oplossing meerdere vragen kunnen beantwoorden.

2. Datasets en ICT infrastructuur
Een goed werkend ML-model begint met toegankelijke, betrouwbare en actuele data. Tegelijk stelt dit eisen aan de technische infrastructuur en het databeheer. Vragen die hierbij spelen zijn:

• Hoe neem je een dataset in beheer, en welke aspecten spelen daarbij een rol (eigenaarschap, kwaliteit, metadata)?
• Hoe zorg je voor een infrastructuur die het mogelijk maakt om datasets eenvoudig te benaderen voor modelontwikkeling en -training?
• Hoe richt je data lifecycle management in? Denk aan het up-to-date houden van datasets, versiebeheer, en dataverversing.

3. Algoritme
Binnen dit onderwerp willen we stilstaan bij de uitdagingen die komen kijken bij het operationaliseren van Machine Learning modellen. Binnen het Impulsprogramma ligt de focus op het in gebruik nemen van een algoritme / model dat voldoet aan de gebruiksvraag en geschikt is voor dagelijks operationeel gebruik.

4. Uitlegbaarheid en governance
Bij succesvolle implementatie van Machine Learning modellen uit het Impulsprogramma worden op basis van de uitkomsten van deze modellen besluiten gemaakt of handelingen uitgevoerd. Uitlegbaarheid is in deze context belangrijk om begrijpen hoe en waarom een ML-model tot bepaalde voorspellingen komt. Dit is ook belangrijk voor vertrouwen en acceptatie door de (eind)gebruiker van deze vaak complexe modellen. Governance is noodzakelijk om ervoor te zorgen dat (o.a.) het duidelijk is waar een model aan moet voldoen voordat het in productie gaat, waarvoor het model gebruikt mag worden en te waarborgen dat voldaan wordt aan wet- en regelgeving.

14:15 – 15:30 Ronde 2 interactieve sessie

15:30 – 16:00 Samenvatting, afsluiting

16:00 – 17:00 Borrel