Datagedreven werken bij de politie: proportionaliteit en data

Vandaag spreken we Oscar Wijsman, internationale lead voor AI en data science bij de politie en Ruud Staijen, landelijk programmadirecteur datagedreven werken. Zij vertellen hoe data en AI bijdragen aan veiligheid, wat proportionaaliteit inhoudt en hoe het Landdeck arrest de manier van werken bij de politie heeft veranderd. Het gesprek is zo goed gevuld dat we het in twee delen knippen. Dit is het eerste deel. Morgen hoor je het tweede deel. Deze week is het bij ons Data Expo week. De hele week hoor je sprekers van het evenement. Data Expo zelf vindt plaats op negen en tien september in de jaarbeurs in Utrecht. Je ticket is gratis. De link om het te bestellen vind je in de shownotes. Hier is het gesprek met Oscar en Ruud. Leuk dat je weer luistert naar een nieuwe aflevering van AIToday Live. Ik ben Joop Snijder, Head of AI bij Info Support. Mijn naam, Niels Naglé, Area Lead Data & AI bij Info Support. En we hebben twee heren in de studio. Fantastisch dat jullie wilden komen, Oscar Wijsman en Ruud Staijen. Zouden jullie zelf eerst even willen voorstellen en dan begin ik bij Oscar. Leuk om hier te zijn samen met Ruud. Ik ben Oscar Wijsman. Ik ben binnen de politie, wat zo mooi heet, internationale lead voor AI en data science. Betekent dat ik het nodig gaan internationaal werken, met collega's samenwerken internationaal. Maar het betekent niet dat ik alleen maar in het buitenland zit, sommige collega's. Ik doe ook het nodig nog binnen het korps, onder andere met Ruud samen, en daar zullen we zo dadelijk nog verder over hebben. En dat is ook hoe we met data omgaan. Maar vooral ook wat ik zelf niet alleen leuk vind, maar een hele mooie ontwikkeling is en alles wat er op het vlak van AI gebeurt. En om even te laten weten hoe gerenomeerd je bent. Wij hebben het begin van het jaar de AIToday Podcast, of de Year Award gewonnen, maar dat valt in het niet bij de award die jij gewonnen hebt. Ja, dat is wel leuk dat je dat noemt. Ik heb in Amerika van mijn Amerikaanse collega's van de IACP, de International Association of Chiefs of Police. Twee maanden geleden de Thomas T. Steele Award gekregen. Dat is een award die wordt toegekend door de Law Enforcement en IT section van de IACP. Waarbinnen zo mooi, als die heet. De Communication en Technology Committee zitten waar ik lid van ben en een aantal jaren al de AI subcommittee geleid hebt als voorzitter. Dus ik was uitermate verrast dat ik die prijs kreeg. En werk voor de innovatie, wat je doet, voor de politie. De prijs is bedoel, is vernoemd naar een van de oprichters van die sectie. Je krijgt hem eigenlijk als een soort van waardering, vooral voor het werk wat je doet om innovaties in politiewerk aan te jagen en dan vooral technologische innovaties. Dus dat was echt verrassing. Ook om als eerste niet-Amerikaan die prijs te krijgen, dat is op zich als bij Oscar zie je nog een beetje van die oude Hollandse genen. We gaan de wereld over pika overal het beste en dat brengen we naar Nederland en daar maken we nog beter politie van. Dan kom je bij mij, ik ben programmadirecteur datagedreven werken. En de Nederlandse politie, dat zijn 65.000 collega's. Die zijn natuurlijk constant bezig met hoe maken we het veiliger in Nederland. Het moet wel een beetje netjes. En ook wij zijn aan het leren en onszelf opnieuw aan het uitvinden, net als alle grote bedrijven, maar ook kleintjes. Met data kun je meer, maar het moet wel een beetje netjes. En wat houdt het dan in datagedreven werken? Het is een mooie term. Maar wat houdt het voor jullie in? Als politie maken wij veiligheid. We sporen boeven openbare orde. We moeten zorgen dat het veilig blijft, als Mexico tegen Nederland voetbalt en verzin is wat. Of als mensen hulp nodig hebben. Maar als je dat ongericht doet, je bent constant aan het zoeken, is het heel duur. Maar als je heel gericht je hulp zou kunnen verlenen. Je interventies zou kunnen doen, of je zou gericht boeven kunnen opsporen. Dan zet je je schaarse middelen natuurlijk fantastisch in en dan wordt het veiliger in Nederland. Ik zeg er wel bij het netjes. Dus ook wij zijn aan het leren hoe dit netjes moet, we willen geen Chinese toestanden om er even kort op de bocht te zetten. En ja, we zijn aan het aan het leren als Nederland, BV Nederland, hoe je data slim gebruikt. En dat kan bijvoorbeeld met AI. Maar je kunt het ook gewoon zien als puzzelstukjes. En als je een puzzel wilt oplossen, een misdrijf of een groot openbare ordevraagstuk. Dan is het fijn als je bij de puzzelstukjes kunt, want die leren je wat er aan de hand is. En puzzelstukjes beeld wat voor puzzelstukjes wat voor data hebben we het over als we het over politie hebben. Laat ik eens een voorbeeld noemen uit mijn oude praktijk. Ik zat ooit in Arnhem als districtchef. En daar hadden we altijd de korenmarkt. Ik kom uit Arnhem. Ik ken de korenmarkt. De korenmarkt en Koningsdag is altijd openbare ordeproblematiek. Dan kun je er bijna niet meer doorheen. Maar stel dat iemand van jullie een hartaanval krijgt, dan moeten de veiligheidsdiensten doorheen. Dus je zou na kunnen denken over we moeten niet te veel mensen op die korenmarkt hebben. Misschien moeten we naar het Gele Rijdersplein of moeten we het spreiden. En dan kun je op iedere hoek van de straat de politieman neerzetten. Maar je zou ook kunnen zeggen, iedereen heeft een telefoon bij zich. En die telefoon straalt aan op een mast en kan ik die data niet gebruiken. Dan doen die mensen natuurlijk nog steeds hun eigen ding. Maar je zou bijvoorbeeld kunnen zeggen, over vijf minuten begint er een hele mooie band op het Gele Rijdersplein. Of zou kunnen zeggen de trein moet iets later aankomen. Of je zou kunnen zeggen op de DRIP's, de Dynamic Route Information Panels, die je boven de weg doet, dat een of ander evenement begint, of dat het daar vol is, of je kunt sturen met informatie en met data. Dit is een voorbeeld in de openbare orde. Je kunt die voorbeelden ook vinden. Ik heb daar wel eens eerder wat van verteld bij de Data Expo. Dus zaak Peter Evers, als je een kenteken hebt, kun je van een kenteken naar een auto van een auto naar het vervolg naar ANPR, dat zijn camera's boven de weg. En zo kun je data combineren om heel snel gericht een boef te pakken of iets anders te doen. Dat zijn best wel publieke databronnen. Dus dat betekent dat je ook best wel veel schakels hebt om eigenlijk zo'n vraagstuk te moeten kunnen tackelen. We hebben op een rijtje gezet. In een soort open source benadering binnen de politie. Waar zitten eigenlijk die puzzelstukjes? Dat is een oneindige reeks aan databronnen, binnen en van buiten. Ik geloof dat we er nu 1200 hebben. En dat zijn puzzelstukjes waarmee je eigenlijk je puzzel kunt leggen. Het lastige is wel dat niet al die puzzelstukjes daarvan weet je of ze waar zijn. Het internet staat bijvoorbeeld vol met synthetische data. Er zijn ook wel mensen die strooien zand in de radar en dan klopt de data niet meer. Dus je weet niet altijd of het de goede puzzelstukjes zijn. Dat maakt het echt wel tot een vak. Dat zich moet ontwikkelen. Het zijn soms open bronnen. Het zijn soms internationale bronnen, soms synthetische bronnen. Het is soms een IoT device, wat je wat leert. Iedereen heeft telefoons, iedereen heeft laptops. En soms is de collega die iets registreert, of een camera die iets heeft vastgelegd. Er zijn vele bronnen. Klinkt als een complexe puzzel om dat bij elkaar te brengen. Want we hebben het ook best wel over heel veel groot hoeveelheid de data verwachten. Want als we beelden zeggen, audio. Ik begreep iets van 100 petabytes. Of is dat alweer achterhaald? Wat vloeit maar door natuurlijk. We hebben vorig jaar hebben we een kort quizje gedaan, inderdaad, op de Data Expo. Iedereen gevraagd hoeveel data denken jullie eigenlijk dat de politie heeft. Maar je hebt goed geheugen. Dat is ongeveer waar we waar we aan zitten, enorme hoeveelheden. Het is echt enorm veel. Maar een van de dingen waar we vooral ook mee bezig zijn, is niet nog meer hebben, steeds meer, steeds meer. Maar eigenlijk zorgen dat we zo goed mogelijke data hebben. En dat is feiten waar Ruud ook gewoon aan refereerden. Dus die honden die we er nu hebben, het liefst zouden we daar eigenlijk gewoon veel minder van maken. Want het kost heel veel geld om niet alleen die data gewoon te hebben en vast te leggen. Maar het is ook niet altijd nodig. Dus de kunst is om alleen datgene wat je ook echt mag bewaren, bewaart. Tevens ook kijkt naar wat is de kwaliteit van die data dan. De wet, die bepaalt het in ieder geval voor je, maar dan hou je nog steeds een hele hoop over. Dit zijn vraagstukken waar heel veel bedrijven tegenaan lopen. Hoe maak je onderscheid tussen wat je wel en niet zou willen bewaren, ook gezien de toekomst. Dus mensen denk je, ja, maar ik heb heel veel data nodig voor AI. Dus laten we alles bewaren waar we de hand op kunnen leggen. Ja, wetgeving is hier natuurlijk voor ons gewoon bepalend. Wat niet wil zeggen dat wij dan zeggen altijd precies exact alles doen zoals ze ook gewoon volgens de wet moet ook ten aan het bewaren. Dat is niet bewust altijd ten aanzien van nou, laten we maar lekker heel veel bewaren, maar soms is het ook gewoon. We hebben het, maar we weet eigenlijk niet eens dat we het hebben en het ligt ergens gewoon. Dus de kunst is vooral om dat gewoon goed inzichtelijk te krijgen, weten wat je hebt en met wat je hebt, om het ook gewoon goed geschikt te maken voor verschillende toepassingen. Dus voor AI kun je data gebruiken om te trainen. En je hoort heel vaak, AI is heel data hongerig. Dus hoe meer data je ergens inkeert, hoe beter het wordt. Dat geldt niet voor alle toepassingen, sommige toepassingen inderdaad, hoe meer data. Dan kun je steeds meer in keeper en dan kunnen steeds meer bijleren. Maar dat geldt niet voor alle toepassingen. We hebben ook wel in het verleden dingen gebouwd. Waarbij we dachten van nou nog meer data erin, maar er werd helemaal niet beter van. En meer huis. Je krijgt alleen maar gewoon meer rommel. Dus daar hebben we geleerd om juist te minimaliseren. Zodat je gewoon veel beter goede kwaliteit data kunt hebben. Dan gewoon heel veel met het idee, ja dan machinaal dan wil je de rommel eruit. Dus dat is wel altijd een afweging waar je gewoon elke keer naar moet kijken. Wat is goede kwaliteit data? Da kun je verschillende definities aan geven aan wat is goede kwaliteit data. Je zou eigenlijk kunnen zeggen, de data is van goede kwaliteit als het ons gewoon waarde oplevert, in de manier waarop wij het kunnen gebruiken in ons werk. Dan is het van, dat is een beetje zo als basis kunnen gebruiken. Alleen dat kun je niet altijd helemaal precies van tevoren bepalen. Omdat je nooit exact weet, bijvoorbeeld als je opsporingsonderzoeken hebt, van welke data. Dus als ik daarmee start, is het nou wel of niet van belang. Dus zul je op een gegeven moment ook gewoon keuzes in moeten maken en daarin gaan uitfilteren. Dus je kunt niet altijd meteen roepen van nou, dat maar zo min mogelijk en dan gaat vanzelf wel goed, als het maar een hele hoge kwaliteit is. Het kan ook in die data waar ook veel ruis in zit, daar kunnen ook onderdeeltjes in zitten waarvan je zegt, dat is wat Ruud bedoelde met z'n puzzelstukken, die gewoon heel erg belangrijk kunnen zijn. Dus een cruciaal puzzelstukje, die kan in een grote berg zitten waarvan je denkt, nou dat is alleen maar rommel. De kunst is dan natuurlijk, haal je dat ene puzzelstukje dan weer alsnog eruit, zonder eerst alle rommel weg te gooien, anderzijds is het ook zo. Dat hebben we gezien met dat Landeck arrest, ligt dat Ruud zometeen nog iets over kan toelichten. We kunnen ook niet zeggen, nou ja, weet je wel, als we dan ergens bij data kunnen, doen we ons dan mag gelijk alles. En dan gaan we zelf wel even kijken van nou zit er wat in wat handig is of niet, of dat mochten wij niet zien. Nou ja, oké, dat is natuurlijk ook niet zoals zoals moet, dus daar moet je wel. Kan je kan je dat inderdaad toelichten? Wer de term zijn mij niet. In het DNA van veel politiemens, en je had het net over de wet, staat een begrip en dat is proportionaliteit. Wij kennen dat uit de wereld van het toepassen van geweld. Dat moet in verhouding staan tot je doel. En als je een onderzoek doet naar strafbaar feit, de opiumwet, drugs, mensenhandel, andere dingen. Dan zijn de middelen die je inzet als politie, de Politie heeft een geweldsmonopolie. Wij mogen ook soms bij data, bijvoorbeeld jouw telefoon. Als jij verdachte bent, dan zouden we jouw telefoon. En die telefoon bevat heel veel informatie over jou. Echt waanzinnig veel. Dus tegenwoordig een gewone computer, en als die nog in de cloud hangt, dan nog veel meer. Dat is fantastisch voor de opsporing. Maar daar komt wel de vraag op naar de proportionaliteit. Dus staat het doel wat ik wil bereiken in verhouding tot. En steeds meer komen we tot de conclusie dat met je oude Nokia was dat niet zo erg. Want dat waren alleen maar een paar telefoonnummers. Maar tegenwoordig is het zoveel. Dat één van de internationale uitspraken, is dat een rechter, iemand die wat meer op afstand staat, toestemming moet geven, hoe diep en hoe ver en hoeveel mensen kunnen zien, wat je allemaal uit je telefoon houdt. Dat is het Landeck arrest, dus echt een of andere ongelooflijk klein stukje ergens in Duitsland geloof ik, Oostenrijk, waar ze die uitspraak gedaan hebben, maar het heeft hele grote impact op opsporings Nederland. Het heeft de afgelopen jaar ook waar mijn programma meegedaan heeft, en mensen uit mijn programma. Ja, dat we onze manier van werken moesten aanpassen. En dat heeft veel consequenties. Want het raakt de manier van werken, het raakt er interactie met de officier van justitie, met een rechtercommissaris, het raak je werkproces, je ICT, je opslag. Voor de technologie de data lineage, de hele rattaplan. Dus eigenlijk heeft zo'n uitspraak tot gevolg gehad dat wij ons werkproces weer opnieuw moest uitvinden. Dus het politiewerk van morgen doet meer met data, telefoons en andere dingen. En het is begonnen in dat kleine stukje Oostenrijk. Wat zou je kunnen zeggen dat zo'n klein stukje Oostenrijk in die zin meer impact heeft op jullie werk dan de AI-golf die er nu overheen gaat. Zo zwart-wit durf ik dat niet te zeggen. Ik ga even terug naar de kern van het politiewerk, want die verandert niet. En dat is mijn DNA. En mijn DNA zegt dat ik feiten en omstandigheden pak en die gebruiken om te kijken wie een boef is of iets gedaan heeft wat hij niet doet. Dus ik hecht heel erg aan data, datakwaliteit. Maar het is vanuit het perspectief van de opsporing. Dus je perspectief bepaalt. En dan zie ik AI als een hulpmiddel. Maar de beslissing maken, of je overtuigd bent dat jij de verdachte bent of iemand anders. Ja, ik zie daar altijd graag een mens tussen. En dit is niet voor niets dat de wetenschappelijke raad regeringsbeleid ook zeggen van passie systeem aan op de risico's en zet er mensen tussen. Dus ik ben een fan van AI als hulpmiddel. Maar ik vind het toch altijd nog heel fijn als er een mens tussen zit, een politieman tussen zit, die nog even checken, dubbelcheck, tridubbelchecken en dat doen we ook hoor. Om te zorgen dat het goed komt. En Oscar, want jij ziet dan je internationale collega's, denk je die er ook zo over als Ruud, maar niet iedereen denk daar hetzelfde over. Maar het is ook wel een deels een internationaal cultureel ding. Dus afhankelijk van de cultuur zijn er soms ook gewoon wat andere opvattingen over hoe je hiermee omgaat. Maar ook de wetgeving is natuurlijk gewoon best wel anders. In Europa zijn we inmiddels aardig geharmoniseerd in wetgeving. We hebben de Europese AI-act. Die inmiddels voor een deel in effect is. Voor het hoog risicodeel is dat uitgesteld voordat dat in werking komt tot december volgend jaar, dat zou eigenlijk augustus dit jaar al zijn. Dat is op zich goed, want er was nog heel veel werk te doen en onduidelijkheden. Dus het geeft iets meer tijd om daar de governance voor op orde te brengen. Maar als je als je kijkt binnen Europa, hoe we met data omgaan en ook hoe we bijvoorbeeld AI-toepassingen ontwikkelen. Want ook de politiediensten in Europa ontwikkelen best veel zelf naast wat er vanuit de markt komt. Versus andere landen en hele extreme is natuurlijk de manier waarop in China gewoon dingen ontwikkeld worden. Hoewel het niet zo is, dat denken vele dat in China gewoon echt alles maar gewoon mag. Dus de Chinezen hebben ook wel wet en regelgeving. Alleen, die wordt natuurlijk door de communistische partij gewoon bepaald. Dat ze dus natuurlijk iets anders opzet. Aan de andere kant hebben we Amerika, zeg maar die het vanuit een andere blik. Maar je zou kunnen zeggen dat het eenzelfde uitwerking heeft, en dat is namelijk gewoon toezicht met AI en data. Ja, dat is interessant natuurlijk, in Amerika is het heel erg politiek gestuurd. Alles dat nog deels wat politiek gestuurd. Maar als je kijkt natuurlijk naar de manier waarop nu in Amerika de Trump administratie omgaat, ook met AI, maar ook met het ruimte geven aan de markt, dan is dat toch wel een groot verschil met de vorige Biden administratie. waar veel meer werd ingezet op regulering en ook op wetgeving op federaal niveau. Dat is nu eigenlijk voor allemaal een groot deel weer teruggedraaid en nu is het daar aan de staten vooral om dingen te regelen. Amerikaanse collega's, politiecollega's, en ik spreek ze natuurlijk heel veel omdat ik regelmatig daar ben, zijn op zich helemaal niet zo superblij daarmee. Je zou denken dat is mooi, dan mag je gewoon van alles. Dus ja, laten we ook maar gaan. Er zijn er uiteraard bij die dat gewoon dan op die manier oppakken. Maar er zijn ook heel veel bij, en dat zijn vooral ook politiechefs die natuurlijk gewoon verantwoordelijkheid hebben. Die denken, ja, als het dus niets geregeld is, hoe hou ik dan het vertrouwen van mijn burgers. Want dan moet je het eigenlijk dan allemaal zelf gaan doen. Kijk, wij zijn ook niet altijd even blij met de wetgeving en regelgeving zoals wij die hebben in Europa of in Nederland. Ze zijn daar constant in overleg op allerlei verschillende niveaus, om dat gewoon passend te maken. En ook vooral ook om uit te leggen wat we doen. Want wij maken soms gewoon inbreuk. We noemden dat eerder. Op bepaalde rechten, fundamentele rechten. Maar dat heeft altijd wel een doel, de grondslag. In Amerika geldt voor een deel hetzelfde. Het is niet zo dat daar gewoon maar alles mag. Alleen wat je nu vooral ziet, is dat er op het niveau van de staten in Amerika veel geregeld wordt. Californië wordt altijd een voorbeeld gebruikt, dat is nog een van de meer liberale staten, waar best veel geregeld is, maar ook een staat als Texas, die toch wel behoorlijk republikeins is, heeft best heel veel geregeld op verschillende niveaus, niet alleen op het staatsniveau, maar ook vanuit een aantal diensten die ze hebben, die daar zelf allerlei frameworks bijvoorbeeld voor gemaakt hebben. Om ook, net zoals wij dat willen, netjes te kunnen werken en vooral geen verrassingen te hebben, ook met het gebruik van AI. Als je dit inkleurt. Politiemensen doen graag hun werk goed en dat betekent ook het woord al vrouwen vertrouwen van het publiek. Je hebt een soort bevoegdheid gekregen van de wetgever van het publiek om je dingen netjes te mogen doen. Daar zijn wij ook heel trots op. Daar hoort een ingewikkeld woord bij, dat heet legitimiteit. En onze korpschef heeft onlangs het woord rechtsstatelijkheid gebruikt. Wij moeten netjes in de rechtsstaten dingen doen die we mogen doen natuurlijk gaat het wel eens fout, maar we zijn er om het zo goed mogelijk te doen, veiligheid te maken. En als je dat dan cultureel wegzet, dan zie je dat dat in China hier en daar andere opvattingen zijn, of in Amerika andere opvattingen zijn. Maar Nederland en Europa, die hebben Montesquieu en de Triaspolitica en een aantal fundamentele waarden in het recht. Die zitten er zo in bij ons. Dat dat ook iets doet met hoe je omgaat met data en hoe je omgaat met proportionaliteit. En dat is wel een zoektocht en dat gaat vast niet allemaal in één keer goed. Maar dat zit wel in ons DNA. We hebben in Nederland wat we wel eens een horizontale politie noemen, op gelijke hoogte met de burger. En er zijn landen in Europa en in de wereld, die kijken daar anders naar, die zitten wat meer aan de effectiviteitskant. En wat minder aan de vrijheidskant of de privacykant of de proportionaliteitskant. En dat is in Nederland en in bijvoorbeeld Engeland. Zie je dat wij die waarden, die hebben we best hoog. Wat betekent dat voor de samenwerking daarin dan? Want het is een ander beeld, dus een andere aanpak. Dat kan botsen, maar dat kan ook heel veel van elkaar leren. Wat doet dat met de samenwerking? Ja, voor de samenwerking maakt dat eigenlijk op zich niet zoveel uit. Als je kijkt, ook als je bij landen geweest, hebben heel veel politiecollega's uit allerlei verschillende diensten ontmoet. En er zit heel veel overeenkomst altijd in. Het is iets wat me vooral toen ik dat eigenlijk pas in het begin een beetje deed, eigenlijk ga ik opval. Je denkt, nou, ik ben een totaal ander land. Hier zullen dingen wel echt heel anders gaan. Als je kijkt naar de kern van de politiewerken, het DNA van politiewerk. Dat is in echt heel erg veel landen hetzelfde. Niet alleen binnen Europa, waar we veel overeenkomsten hebben, maar ook wel buiten Europa. Dus in die zin kun je gewoon daar nog steeds heel veel van elkaar leren. Het interessante is dat vooral als je kijkt naar een land als Amerika. Amerikaanse collega's kopen eigenlijk bijna alles aan producten. Dus alles wat zijn toepassingen gebruiken, komt uit de markt. Wij bouwen als Nederland veel zelf. We worden internationaal beschouwd, gewoon als een van de koplopers op het gebied van het ontwikkelen van eigen toepassingen. Er zijn nog een paar landen in Europa, maar wij zijn daar best heel ver in al. Durende best wel veel jaren. In Amerika zie je dat ze eigenlijk vooral naar hun leveranciers kijken, de politiediensten. Maar anderzijds daar ook heel erg hoge eisen aanstellen. Dus het is niet zo dat het maar is van nou ja, doet hij maar wat en dan gaan we het wel gebruiken. De concurrentie is daar zeer hevig. En je moet ook echt gewoon goede spullen kunnen leveren. Een trend die je nu wel ziet, vooral met AI, is toch wel een stuk consolidatie, waarbij er een aantal hele grote partijen, uiteindelijk een beetje lijken over te blijven. Dat is wel een ontwikkeling die eigenlijk de laatste twee, drie jaar heeft ingezet, dat was daarvoor in Amerika eigenlijk niet zo. Dan had je veel meer partijen in die markt met allerlei specifieke toepassingen. Maar juist het gebruik van AI en het ook effectief kunnen inzetten, maakt dat er een beperkt aantal grote partijen zijn, die nu ook totaal platforms eigenlijk ontwikkelen voor politiediensten. En daarmee eigenlijk ook heel veel anderen dan die markt uitdrukken. En dat is wel een punt van zorgen voor Amerikaanse collega's. En dat levert denk ik ook een mooi bruggetje op. Want ik denk dat we nu een heel duidelijk beeld hebben van de werking van de politie en de data daarin. Zou je wat kunnen vertellen over dat programma. Waarom is het gestart en wanneer is het een succes? Als je een paar jaar terugkijkt, dan zag die politie komen dat de wereld digitaliseerde en die zag een grote arbeidsmarktproblematiek komen. Veel collega's gingen met pensioen vertrekken, concurrentie op de arbeidsmarkt. En toen gingen wij nadenken van kan het anders, kan het beter, kan het slimmer. En er waren een paar geruchtmakende zaken geweest, waar we eigenlijk data hebben gebruikt, niet eens zozeer AI, maar data hebben gebruikt om veel gerichter te komen tot veiligheid, tot inzet tot het vangen van Boeven. De crypto data en de cryptotelefoons, de kranten hebben er vol mee gestaan. Internationaal samenwerking. Ja, ineens. Het was geweldig, het nieuwe goud. Wist ineens wat het was. Zorgde dat ook niet voor een hele grote belofte waar je soms wel eens tegenaan liep. Dit lijkt natuurlijk aan de buitenkant geweldig. En doet u mij maar een heleboel. Maar als je het dekseltje optelt. En wat ik net zei, dan moet je het netjes regelen. Dan moet je het kunnen reproduceren, dan moet je weten waar het gebleven heeft, die heeft besloten. Waar gaat het heen? En het leidde ook tot gekraak in het systeem. Want als je ineens met heel veel verdachten komt of met zaken komt, moet justitie het kunnen verwerken. En verderop in de pipeline speelde dit ook. Dus er zitten een heleboel dingen aan de pluskant. Maar toen je het dekseltje ging optillen, toen zaten er ook een hoop dingen die je randvoorwaardelijk moet regelen. En laat maar zeggen, in het programma, maar ook wel in de aanloop kwamen we erachter, dat dan die werkprocessen veranderen. En dat moet je dan wel inregelen. Voor heel veel mensen in verschillende processen. En hoe werd dat ontvangen, stonden ze te juichen? Als er nieuwe regelgeving komt, en bijvoorbeeld het landelijk er is al weer eerder over, een aantal collega's zijn best teleurgesteld geweest. Maar ik moet ook eerlijk zijn, een hoop mensen zeiden, ja, hoor eens even, als wij een huiszoeking gaan doen, dan is het ook volstrekt logisch dat je naar de officier gaat en een last vraagt om binnen te treden en dat die even nadenkt, oftewel een verhouding staat. Ik moet lachen een van mijn collega's. Die deed ooit een experimentje, ik vergeet het nooit meer, ik leen het altijd van hem. Die zegt van wil jij je telefoon even ontgrendelen en aan je collega geven, dan gaan we even kijken op jouw telefoon, wat er allemaal op staat. Meestal is er dan emotie. En willen mensen dat niet. Maar stel je nou eens voor dat jij de politie bent en je doet het van een burger. Dan wil je toch ook dat er netjes naar gekeken is. Dan is de discussie eigenlijk al vrij klaar. Vrij snel klaar. Dus je moet iets op werkprocessen doen. Je moet iets op hulp. Maar stel je ook voor opleiding. Hoe zit dit dan? Wat mag ik dan? Waar liggen de grenzen dan? En even in aanvulling: veel is internationaal en kunnen we samen. Maar soms, heel soms loop je over de grenzen aan. En als datapolitiek wordt of mensenrechten politiek wordt, dan is er ook wel eens iets waarvan je denkt, nou, dat moesten we maar niet doen. En dan moet je hele ICT-landschap. Dat is natuurlijk niet gebouwd in een tijd van AI en data, legacy voor de techneuten. Ze zeg altijd graag chain of evidence, chain of custody. Wie heeft het ding wanneer in zijn vingers gaat. Ja, dat moet wel een beetje netjes. Het betekent heel veel werk. En wij kwamen tot de conclusie dat als we door zouden gaan in dit tempo, dat we het niet bij zouden kunnen benen. Dus we hebben een programma als hulpstructuur weggezet om te versnellen om te verbeteren. Wat zijn de stappen die jullie genomen hebben concreet? We hebben een aantal projecten gedaan samen met de eenheden. De eenheid Oosten, de landelijke eenheid, de een uit Rotterdam en Den Haag. Om bijvoorbeeld dat digitaal beslag. Wij kwamen erachter dat veel collega's dat op een andere manier deden. En dat kun je eigenlijk niet uitleggen. Digitaal beslag voor mij even. Als ik jou, jij wordt gepakt bij het dealen van drugs. Dan ben ik geïnteresseerd waar jij je drugs aan haalt. Dan heeft jouw telefoon waarschijnlijk een heleboel data die mij kunnen helpen. Dat noemen wij digitaal beslag. Wij leggen beslag op jouw data. Vroeger leggen we beslag op je fiets, je goederen, je auto, nu leggen we beslag op je data. En als je nou kijkt in Nederland, is iedereen natuurlijk aan het pionieren hoe dat moet. Nou, dan komt er een keer een tijd dat je zegt dat moet op één manier in Nederland, dat moet conform de wet, conform de handelingskaders van het openbaar ministerie. Het zijn de eenheden Rotterdam en Den Haag, die hier hun nek uitgestoken hebben, die hebben gezegd. Ja, we moeten eigenlijk komen tot een nieuwe werkwijze met nieuwe IT'en, nieuwe dingen. Dat is inmiddels een programma geworden. En dan wordt het dus eigenlijk volwassen. Een tweede voorbeeld is, als collega's aanrijdend zijn in de eenheid Oost. Dan kunnen wij soms een systemen iets opzoeken. Van waar gaan we nou heen, moeten we ons kogelvrije vest aan trekken of niet. Waar komen we in terecht? Dat is heel fijn als je dat weet als collega. Maar het zit natuurlijk in allemaal verschillende systemen. Dat moet slimmer kunnen. Dus de collega's in de eenheid Oost zijn aan het kijken geweest, kan ik mijn collega's die aanrijdend zijn, sneller van een informatie voorzien, zodat zij veilig hun werk kunnen doen. Ja, dat kan. Als je data stukjes combineert en je geeft die een waarde, dan kan je er iets mee. Maar je zegt niet voor niks van ze zitten in verschillende systemen. Heel veel, zeker wat grotere bedrijven hebben, ook allemaal data-silo's. Hoe hebben jullie die data dan bij elkaar gekregen? Dat kan nog niet zeggen dat we ze allemaal bij elkaar hebben. Net als al die bedrijven en anderen. Heel vroeger, ik weet niet of jullie een IT-achtergrond hebben. Vroeger had je de Nolan curve, kennen jullie dat? Die man is 20, 30 jaar geleden, maar die had wel gelijk. Het is natuurlijk een tijd geweest dat onze case management systemen allemaal verschillend waren. Dat hebben we inmiddels wel aardig op orde. Dan komt er een tijd gaan we onze warehouses proberen te standaardiseren. En inmiddels is het data van binnen en buiten. En moeten we die laden en van een waarde voorzien. En moeten we er een lifecycle op zetten. En dat is een beetje de generatie of de fase waar we nu in zitten. En dat betekent wederom dat je van eilanden naar weilanden moet. En je moet dat een beetje gaan organiseren voor de Nederlandse politie. En misschien wel internationaal, omdat sommige boeven heel vervelend. Die houden zich niet aan de landsgrenzen. Ja, dat is inderdaad echt heel vervelend. Ze niet gewoon je eigen dorp. Alleen daar rondlopen. Wat je ziet natuurlijk nu is qua criminaliteit. De fysieke criminaliteit die daalt eigenlijk al best wel heel lang. Het gaat niet heel abrupt, maar dat daalt eigenlijk wel geleidelijk. Maar het betekent dat vooral digitaal criminaliteit natuurlijk enorm aan het stijgen is op dit moment. Die criminelen kunnen eigenlijk overal zitten. En in de praktijk zitten ze ook het liefst op plekken waar ze gewoon het lastigste lastig gewoon in de nek te grijpen zijn. Er zijn gewoon landen op de wereld. Dan laten we zeggen dat die iets minder actief zijn in het opzoeken van figuren die wij liever achter wat traliewerken hebben gezien zitten. Soms kunnen er niet bij. Want de soevereiniteit van een land betekent dat je niet zomaar in kunt grijpen in een land van een ander. Dus dan moet je andere interventietechnieken verzinnen. Misschien moet je dan je burgers wel opvoeden of weerbaar maken of sla de krant maar open. Allerlei vormen van helpdesk fraude, internetfraude. Je moet het probleem kleiner maken. En als je de boef niet kan vangen, moet je iets anders verzinnen. Dus dat is ook onderdeel van de politie om daar trajecten. Een nieuwe werkwijze, het is net de IBM. Big Blue, mooi bedrijf. Het is net als Apple, je moet je af en toe opnieuw uitvinden. En dat geldt ook voor ons. Wat is het grootste stap geweest in die uitvinding? Een soort van besef. Want ja, data gebruiken. Hij zijn heel trots op de crypto data. En ik begin te lachen. Het is niet één bak met data geweest, er is internationaal samengewerkt. Het zijn een stuk of zeven grote zaken geweest, waarbij we bij data konden internationaal samenwerkend in een van die zaken, het heeft in de krant gestaan, dus ik kan het wel vertellen. Is de politie zo slim geweest om een soort paard van Troje verstand te halen. Toen dachten mensen dat ze cryptotelefoons, alles ongezien onbespied. En die gingen elkaar vertellen waar het dood lag. Dat is interessant. En dan niet gecodeerd, want dat is iets wat klassiek natuurlijk, criminelen altijd met elkaar deden. Meeluisterd. We gebruiken daarvoor of straattaal of gewoon eigen criminele taal. Nou, deels zijn we wel zo slim dat wij ook de criminele taal soms wel wat kunnen ontcijferen. Dus als iemand het over een pit heeft. Wat denk je dan bijvoorbeeld is? Nou, die kun je ergens instoppen en dan haal je zijn trekker over en dan gebeurt er met die pit wat. Dat zijn bijvoorbeeld zo'n woordje. Maar goed, je kunt ook echt heel. Uit van die gemeenschappen af. Het idee van wij zijn compleet veilig met die cryptotelefoons, daar stond werd gewoon letterlijk gezegd, ja, om een half zes leggen we hem om. En een half uur later kwam het bericht terug. Ja, er zitten vijf gaten in op de goede plek. Met alle details en zo. Nou, dat is natuurlijk vrij uniek dat je dat soort informaties hebt. En we hebben natuurlijk veel meer dan nog allemaal uitgekregen uit die telefoons. Dus dat is wel een heel mooi mooi voorbeeld. We zitten hier in een AI-podcast. Heeft de technologie daar ergens nog een rol in gespeeld. Zeker. Iedereen, als je kijkt naar AI, die denkt natuurlijk alle AI's een soort ChatGPT en large language models. Want sinds dat gepubliceerd werd een aantal jaar geleden, is iedereen AI-expert, het minste. Dat komt niet anders dan tegen die heel veel verstand van waarschijnlijk te hebben. Maar toen wij met die cryptotelefoons voor het eerst aan de slag gingen, en dat is nou Ruud volgens mij al bijna tien jaar geleden, volgens mij. Dus toen we de eerste gekraakt hebben. Wat we toen gedaan hebben, dat hebben we oigd niet alleen gedaan, dat hebben we ook gedaan in samenwerking met het NRI, Nederlands Forensisch Instituut, die heeft hier ook een rol in gespeeld. En ook samen met onze Franse collega's van de Fransen en Gendarmerie. Toen we in staat waren, natuurlijk om in die enorme berg data te kijken. Toen hebben we ons ook afgevraagd: ja, maar hoe doen we dat nu? Want het was echt zo verschrikkelijk veel. En toen de tijd hadden we iets minder geavanceerde tools dan nu. Dus we hebben die allemaal eigenlijk zelf moeten ontwikkelen. En de wie heeft het ook wat ontwikkeld. En dan moet je ook kijken met die data die je hebt. Wat wil ik er nou bijvoorbeeld als eerste uithalen? En wat is wel en niet relevant, naast van hoe doe je dat nu. En een van de toepassingen die toen de tijd is ontwikkeld, is wat we dan heet Threat to Life. En dat is, konden wij in al die berichten ook zien of er criminelen waren die op het punt stonden om bijvoorbeeld geliquideerd te worden. En dan is het dus een threat to life. Of een vaak criminelen onderling, maar dat hoeft niet natuurlijk, het kan wel toch nog gewoon een burger zijn, om die dreigingen eruit te kunnen halen. En daar is toen de tijd, ook met vormen van AI die we toen hadden. We noemden het toen machine learning, we noemde het geen eens AI. Want voor ons was AI in het wetenschappelijke begrip was iets anders dan eigenlijk zoals nu tegen AI gekeken wordt. Dus wij gebruikten toen de tijd verschillende vormen van machine learning. Die zijn ontwikkeld, onder andere door ons team Hightech Crime. Die daar al de nodig jaar ervaring in heeft, maar ook in samenwerking, in dit geval ook met het Nederlands Forensisch Instituut. Omdat we bijvoorbeeld uit die enorme berg als eerste eruit te kunnen halen. Want dat is iets, ja, als je drie maanden later dat eruit vist, dan heb je kans dat het al natuurlijk te laat is. Dus dat is één voorbeeldje. En een Dat was het eerste deel van het gesprek met Oscar Wijsman en Ruud Staijen van de Nederlandse politie. Morgen hoor je het tweede deel. Daarin gaat het onder andere over hoe de politie met machine learning, dreigingen tegen personen proberen op te sporen en over de Europese AI Act. Deze week is het bij ons Data Expo Week. De hele week hoor je sprekers van het evenement. Data Expo zelf vindt plaats op 9 en 10 september in de jaarbeurs in Utrecht. Je ticket is gratis. De link om het te bestellen vindt je in de shownotes. Tot morgen.