Artificial Intelligence (AI) is hot. Doorbraken op het gebied van Data Science en Machine Learning hebben in de afgelopen vijf jaar de wereld blijvend veranderd. Veel aandacht gaat uit naar Silicon Valley en China, maar ook in Nederland timmeren steeds meer bedrijven hard aan de weg.
Bekend zijn ‘onze eigen’ techgiganten, die de wereld van fintech, e-commerce en retail op zijn kop hebben gezet. Veel minder bekend zijn de ‘nieuwe Nederlandse voorlopers in AI’. Innovatieve bedrijven die pionieren met het toepassen van AI in de industrie, gezondheidszorg, duurzaamheid en logistiek.
Voor InnovationQuarter staat ons team van Business Developers wekelijks in contact met de ondernemers achter deze bedrijven. In een serie van vijf profielen laat collega Tim Franken hen aan het woord. Wat is hun visie op AI? Hoe willen zij de wereld veranderen? En wat zijn hun gouden tips voor ‘Nederland AI-land’?
Klik op een bedrijf om meer te lezen:
Semiotic Labs (Leiden)
“Het merk Nederland staat voor kwaliteit en betrouwbaarheid. Die uitstraling is van groot belang voor werken aan AI”
Wie:
Gerben Gooijers, CEO
Werkt aan:
Machine Learning voor een efficiëntere en duurzamere industrie
Visie op AI:
AI draait minimaal net zo veel om mensen als om technologie. Bewustwording van de mogelijkheden én de implicaties van AI voor bedrijven en hun werknemers is daarom cruciaal. Houd er rekening mee dat de industrie op het gebied van digitalisering al veel is beloofd, waarvan lang niet alles is waargemaakt. Semiotic Labs gelooft dat de toepassing van AI start met pilots op de werkvloer, waarbij werknemers nauw worden betrokken. Samen met hen willen we tot de conclusie komen hoe AI hun werk zowel productiever als interessanter maakt.
Hoe Semiotic Labs de wereld verandert:
Door de toepassing van Machine Learning kunnen wij in een vroeg stadium voorspellen wanneer industriële elektromotoren en de machines die zij aandrijven, dreigen uit te vallen. Om dit te doen meten onze eigen sensoren stroom en spanning vanuit de schakelkast. Ten opzichte van andere soorten sensoren heeft dat grote operationele voordelen, omdat we vanuit een ‘veilige’ zone kunnen meten. Op de verzamelde data passen we zelflerende algoritmes toe. Door de elektrische golfvormen te analyseren kunnen we zien of machines gezond zijn of dat ze gaan falen. Met die wetenschap kunnen onze klanten kostbare ‘downtime’ van machines en processen tot een minimum beperken.
De komende jaren zetten we ons in voor verdere verduurzaming van de industrie. Daarvoor richten we ons op het aanpakken van energieverspilling van industriële wisselstroommotoren. Deze motoren gebruiken wereldwijd maar liefst 40% van de elektrische energie. In samenwerking met het ISPT, Vopak, Nouryon, TPA-adviseurs en de Universiteit Utrecht willen we de komende jaren het energiegebruik van deze motoren gaan verlagen. Door samen te werken kunnen we een duurzamere procesindustrie realiseren, zonder concessies te doen aan de output.
Gouden tip voor Nederland:
We zouden er de komende jaren goed aan doen om ons als Nederlandse AI-bedrijven te profileren als ‘preferred partner in trustworthy AI’. Het merk Nederland staat historisch gezien voor kwaliteit en betrouwbaarheid. Die uitstraling is van groot belang voor een bedrijf dat werkt met AI. Zo speelt het vertrouwelijk kunnen omgaan met private data en algoritmes een cruciale rol.
Sobolt (Rotterdam)
“AI biedt tal van mogelijkheden voor nieuwe duurzame oplossingen”
Wie:
Jeroen Van Zwieten, CEO/Developer
Werkt aan:
De combinatie van AI, natuurkunde en remote sensing voor een duurzame toekomst
Visie op AI:
AI biedt tal van mogelijkheden voor nieuwe duurzame oplossingen. Als Sobolt streven we ernaar die mogelijkheden toegankelijk maken. Zo willen we bijdragen aan een gezonde toekomst voor onze planeet.
Wij richten ons op deep learning omdat we de verwachting hebben dat een overgroot deel van de AI-innovaties uit deze hoek zal komen. Daarbinnen is unsupervised learning bijzonder interessant, omdat data daarbij niet hoeven te worden gelabeld door de mens. We zien dan dat machines patronen gaan herkennen en gebruiken die mensen nooit van te voren hadden kunnen bedenken.
Hoe Sobolt de wereld verandert:
De AI-applicaties waaraan we werken zijn gericht op het faciliteren van klimaatadaptatie, het versnellen van de energietransitie en het slimmer beheren van natuurgebieden. Dat doen we door het trainen van deep-learningmodellen die gebruik maken van verschillende databronnen. Eén van die bronnen is remote sensing data; afkomstig van bijvoorbeeld satellietbeelden of luchtfoto’s.
Onze oplossingen ontwikkelen we eigenlijk alleen nog met partner en klant. Alleen een AI-applicatie heeft doorgaans beperkte waarde als je echte impact nastreeft. Samen met top-3 partners bouwen we geïntegreerde en schaalbare oplossingen. Zo werken we samen met Movares aan AI-gestuurd brugbeheer. Dat passen we al toe op meer dan 100 bruggen. AI in het echt dus, erg cool!
Verder hebben we enkele oplossingen in ontwikkeling. Tipje van de sluier? We verwachten de groei en gezondheid van bomen en planten te kunnen monitoren en gaan voorspellen. We gaan met behulp van AI beter voor ons gemeenschappelijk (stadse) ’groen’ zorgen. Echt fantastisch om daarmee bezig te kunnen zijn.
Gouden tip voor Nederland:
Het is voor ons superinteressant om in Rotterdam en Noordwijk, middenin de Randstad, gevestigd te zijn. Op minimale afstand komen sectoren samen waarin Nederland technologisch uitblinkt: zoals de tuinbouw, hightechindustrie, haven, én ruimtevaart (het ESA cluster rondom Noordwijk, red.). Wij kunnen ons als Nederland specialiseren in het benutten van data voor dit soort niches.
Als je de eerste bent met een goed getraind algoritme in een niche, wordt je voorsprong vaak alleen maar groter. Daar moeten we ons in Nederland en Europa van bewust zijn. Juist daarom is het belangrijk dat we snel meer investeren in de ontwikkeling van AI technologie. Anders zal het knap lastig worden de internationale concurrentie bij te benen.
Fizyr (Delft)
“We moeten écht ons best gaan doen om een substantieel groter aandeel AI talent in Nederland op te leiden”
Wie:
Herbert ten Have, CEO
Werkt aan:
Toepassing van deep learning voor robotisering in de logistiek
Visie op AI:
De afgelopen jaren heeft AI een enorme vlucht genomen. Dat geldt zeker ook voor de robotica, waar met behulp van deep learning grote stappen zijn gezet. Voor steeds meer processen die voorheen niet konden worden geautomatiseerd, komen oplossingen beschikbaar die functioneren met zelflerende algoritmes. Dat heeft baanbrekende gevolgen, leidend tot nieuwe standaarden in productiviteit.
Als Fizyr ondervinden wij dat aan den lijve. We zijn zeer internationaal georiënteerd en werken met bedrijven in diverse sectoren. Daarbij ervaren we dat de sense of urgency om robots in te zetten enorm is toegenomen. Vooral in de logistiek gaat het hard.
Toonaangevende bedrijven als Amazon hebben laten zien hoe groot de te behalen productiviteitsvoordelen zijn met AI en robotica. Steeds meer partijen volgen die trend, al lopen Nederlandse bedrijven helaas niet voorop. Zo bevinden onze klanten zich grotendeels in het buitenland. Ik hoop dat daar verandering in komt en dat wij ook in eigen land steeds actiever kunnen worden.
Hoe Fizyr de wereld verandert:
Met onze deep learning software, maken wij het mogelijk dat robots onbekende objecten kunnen onderscheiden en verwerken. Dat doen we op dit moment vooral in de logistieke sector, waar we ons richten op ‘order picking’ en ‘parcel handling’. Denk daarbij aan de verwerking van grote hoeveelheden pakketjes en zakjes in magazijnen; die verschillen allemaal in vorm, grootte, kleur en materiaal.
Natuurlijk is het ons doel om grote productiviteitsvoordelen te behalen met onze klanten, waardoor zij concurrerend kunnen blijven. Maar ik zie onze impact breder dan dat. Wij dragen er aan bij dat veel vervelend en repetitief werk, dat nu nog door mensenhanden wordt gedaan, kan worden overgenomen door robots. Nu werken er nog grote groepen mensen in pittige avond- en nachtdiensten in distributiecentra, zodat jij de pakketjes die je bestelt de volgende dag in huis hebt. Zo zijn er meer voorbeelden te noemen van werk, waarvan we over een aantal jaar denken: waarom deden we dat eigenlijk?
Gouden tip voor Nederland:
Zowel bedrijven, overheden als het onderwijs moeten écht meer gaan investeren in AI. Het is inmiddels wel duidelijk dat machine- en deep learning op vele vakgebieden de komende jaren het verschil gaan maken.
Voor de verdere groei van startups als Fizyr is het cruciaal dat we voldoende goede mensen kunnen aantrekken. De afgelopen jaren is het ons gelukt om het merendeel van de specialisten uit het buitenland te halen. Echter, we écht ons best gaan doen om een substantieel groter aandeel AI talent in Nederland zelf op te leiden. Dat vereist investeringen in bachelor- en masteropleidingen, en het creëren van meer promotieplaatsen.
Verder is er nog een wereld te winnen in het data delen. Enerzijds zou de overheid kunnen zorgen dat meer data publiek wordt, zodat universiteiten en startups ermee kunnen werken. Anderzijds zouden bedrijven niet-strategische uitdagingen en use-cases publiek kunnen maken en om hulp vragen van de AI-community.
Quantib (Rotterdam)
“Quantib neemt het werk van medische professionals voor een deel over. Daarmee krijgen zij ruimte om hun expertise in te zetten waar die het meest nodig is.”
Wie:
Jorrit Glastra, CTO
Werkt aan:
Deep learning voor medische beeldverwerking in de neuroradiologie
Visie op AI:
De mogelijkheden van deep learning hebben geleid tot doorbraken in ‘computer vision’ technologie. Ook in Nederland is hier hard aan gewerkt. Bijvoorbeeld door de Biomedical Imaging Group Rotterdam van het Erasmus MC (EMC), waar wij als Quantib een spin-off van zijn. Wij hebben ons gespecialiseerd in medische beeldverwerking, voor de neuroradiologie in samenwerking met Erasmus MC, maar inmiddels ook met UMC Utrecht en AMC Amsterdam op andere gebieden.
AI heeft in de afgelopen jaren gelukkig steeds meer aandacht gekregen. Mijn ervaring is dat we het daarbij vooral hebben over het modelleren en trainen op data. Soms gaan mensen er alleen te snel aan voorbij dat dit misschien maar 20 procent is van het proces om een deep learning systeem werkend te krijgen. Veruit de grootste tijd- en kostenpost is het gereed maken van een goede dataset; het zogenaamde ‘data engineering’ en ‘data cleaning’. Ik heb het dan nog niet gehad over afspraken die moeten worden gemaakt over de toegang tot en het delen van data. Dat zijn echt ingewikkelde en cruciale processen, waarbij onderling vertrouwen noodzakelijk is.
Hoe Quantib de wereld verandert:
Met de medische beeldverwerking van Quantib kunnen artsen en onderzoekers in de neuroradiologie in kortere tijd op goedkopere wijze betere diagnoses stellen. Daarmee kunnen zij patiënten betere zorg bieden bij neurodegeneratieve aandoeningen zoals Alzheimer en ander vormen van dementie. Verder ontwikkelen we nieuwe oplossingen op het gebied van oncologie, beroertes, en botstructuren.
De toepassingen van Quantib standaardiseren en versnellen de analyse van beelden en maken het mogelijk subtiele veranderingen over tijd te detecteren. Het diagnoseproces wordt objectiever en levert zo een diagnostische meerwaarde. In combinatie met efficiëntere processen zal dit een grote groep patiënten ten goede komen.
Quantib neemt voor een deel werk van medische professionals over, bijvoorbeeld radiologen. Dat kan soms als een bedreiging voor hen worden gezien. Maar steeds vaker zijn zij positief dat ze minder tijd hoeven te besteden aan minder belangrijke routinetaken, waardoor er meer ruimte komt om hun expertise in te zetten waar dat het meest nodig is.
Gouden tip voor Nederland:
We weten allemaal dat het aantrekken van toptalent een uitdaging is. Natuurlijk is het onvermijdelijk dat we goede mensen kwijtraken aan Silicon Valley en China, waar vaak aanzienlijk beter wordt betaald dan in Nederland. Er zijn echter meer gebieden om op te concurreren dan alleen salaris. Als Quantib hebben we positieve ervaringen met het aantrekken van talenten die intrinsiek gemotiveerd zijn te werken aan een betere gezondheid van mensen. Zij zijn gedreven om impact te maken.
Het aanpakken van maatschappelijk problemen met AI zou ook de focus voor profilering van Nederland kunnen zijn. Denk naast de gezondheidszorg ook aan het bijdragen aan een toekomstbestendige voedselvoorziening vanuit de tuinbouw of de verdere verduurzaming van het Rotterdamse havengebied.
Robin Radar (Den Haag)
“Bedrijven en experts moeten elkaar blijven uitdagen. We hebben elkaar wat te bieden, want we kijken op andere manieren naar vergelijkbare uitdagingen met AI”
Wie:
Siete Hamminga, CEO
Werkt aan:
Deep learning in radartechnologie voor de classificatie van kleine objecten
Visie op AI:
Mijn ervaring is dat AI complementair is aan menselijke intelligentie. Bij Robin Radar ervaren we dat met de toepassing van AI in onze radartechnologie. Alleen door de inzet van computer intelligentie is het mogelijk om de grote hoeveelheid verzamelde data uit onze radars optimaal te benutten. Door middel van deep learning weten we namelijk steeds meer informatie uit deze data halen. Zo kunnen onze radars steeds complexere ‘targets’ detecteren, classificeren en identificeren.
Ik gebruik bewust het woord complementair, omdat ik geloof dat menselijke expertise in veel gevallen echt niet zomaar wordt vervangen. Eén van de belangrijkste toepassingen van onze radar is bijvoorbeeld het in kaart brengen van vogels en hun bewegingen rondom vliegvelden en grote windparken. Hierbij werken we nauw samen met vogelecologen van bijvoorbeeld Bureau Waardenburg. De praktijkkennis die zij hebben is van een totaal andere orde. Computer systemen kunnen nog lang niet tippen aan hun begrip van complexe gedragskenmerken tussen én binnen een zwerm trekvogels. Maar waar onze data samenkomt met hun kennis, ontstaan unieke inzichten.
Hoe Robin Radar de wereld verandert:
Door onze radars te combineren met deep learning voorkomen we onveilige situaties met vogels in de luchtvaart en verminderen we de negatieve effecten op vogelpopulaties rondom grote windparken. Al jaren werken we samen met verschillende vliegvelden. Bijvoorbeeld met Schiphol, maar ook internationaal zijn we zeer actief.
Onze activiteiten rond windparken groeien op dit moment snel. Door onze vogelradars in te zetten is het voor dit soort parken makkelijker om te voldoen aan vooraf gestelde milieueisen. Zo wordt het mogelijk om precies te bepalen wanneer windmolens moeten worden uitgeschakeld, bijvoorbeeld bij massale nachtelijke migratie door het park. Ons systeem Max detecteert al bijna alle vogels op kilometers afstand en slaagt er steeds beter groepen vogels te classificeren.
Een andere focus van onze radars is de bescherming tegen malafide drones, die bijvoorbeeld een gevaar kunnen vormen voor kritische infrastructuur. Dit doen we nu nog met aparte radars, maar onze visie voor de toekomst is om drone- en vogelradars samen te voegen. Zo bieden we één sensornetwerk aan dat de veiligheid van mens én dier verbetert.
Gouden tip voor Nederland:
Ik denk dat het belangrijk is dat data science teams van verschillende bedrijven in Nederland elkaar ontmoeten. Het is relevant voor hen om onderdeel van een community te zijn, waarin van elkaar kan worden geleerd.
Bedrijven en experts moeten elkaar blijven uitdagen. We hebben elkaar wat te bieden, want we kijken op andere manieren naar vergelijkbare uitdagingen met AI. Om concreet aan de slag te gaan zouden op nationaal en regionaal niveau aansprekende usecases in kaart kunnen worden gebracht, waarbij samenwerking gewenst is.
Meer weten?
Neem gerust contact op met Tim!
