Minder is meer’: waarom het opschalen van AI-oplossingen voor spoorwegen niet alleen draait om grotere datasets

AI-gestuurd voorspellend onderhoud is de toekomst van het spoor, maar de sector heeft meer nodig dan alleen technologie, stelt Pascal van der Zwalm, de oprichter van het Nederlandse analysebureau Rail 1435. Vooruitlopend op zijn optreden op Intelligent Rail Summit 2025 deze week, legt hij uit dat “datakwaliteit, niet alleen kwantiteit,” de sleutel zal zijn tot het ontsluiten van het volledige potentieel van AI in de spoorweginfrastructuur – en benadrukt hij de noodzaak van een allesbepalende holistische benadering van een echt digitaal netwerk.

Pascal van der Zwalm, oprichter van het Nederlandse databedrijf Rail 1435, reist deze week af naar het meer van Bled voor de Intelligent Rail Summit 2025. Zijn bedrijf ontwikkelt slimme sensorsystemen en dataplatforms die helpen om spoorwegonderhoud te verschuiven van reactief naar voorspellend – en werkt samen met grote klanten zoals ProRail, de Nederlandse infrastructuurbeheerder. Van het meten van brugbewegingen op de Nederlandse hogesnelheidslijn tot het bijhouden van trillingen en temperatuur op regionale routes, Van der Zwalm heeft gezien hoe ruwe gegevens operationeel inzicht worden als ze goed worden gebruikt.

Die ervaring is de reden waarom hij de digitale ambities van de spoorwegen graag terugbrengt naar iets dat meer gefundeerd is. Zoals hij uitlegt, ligt een van de grootste uitdagingen bij het opschalen van digitale programma’s niet in het verzamelen van enorme hoeveelheden gegevens, maar in het kiezen en effectief gebruiken ervan: “Hoe meer gegevens en parameters je hebt, hoe beter de voorspellingen. Maar er zit een addertje onder het gras: opschalen zonder concessies te doen aan de nauwkeurigheid is moeilijk. Het is een evenwichtsoefening”, zegt hij. Voor Van der Zwalm begint succes met het bouwen van een solide basis – een basis waarop het spoor echt kan vertrouwen.

Kwaliteit van gegevens, niet alleen kwantiteit

Het verbeteren van het spoorwegonderhoud om beter gebruik te maken van big data is een centraal doel geworden voor veel Europese infrastructuurbeheerders. Over het hele continent laten kleinere proefprojecten al zien hoe voorspellend, op AI gebaseerd onderhoud de werkzaamheden kan transformeren – op voorwaarde dat er voldoende betrouwbare gegevens zijn om de modellen te voeden. En meer gegevens betekent vaak betere inzichten en sterkere, op feiten gebaseerde beslissingen.

Maar Van der Zwalm waarschuwt dat groter niet altijd beter is. Alvorens op te schalen, zegt hij, moeten infrastructuurbeheerders ervoor zorgen dat de fundamenten goed zijn – de gegevens zelf en de modellen die ze verwerken. “De sleutel is gegevens van hoge kwaliteit – minder is meer”, legt hij uit. “Het is gemakkelijker om op te schalen als je je richt op kwaliteit in plaats van kwantiteit. Met AI en machine learning kunnen we meer parameters dan ooit verwerken, maar als de invoergegevens niet goed zijn, zullen de resultaten dat ook niet zijn. Simpel gezegd: als er slechte gegevens in gaan, komen er slechte resultaten uit.”

Hoewel de kracht van AI ligt in het verwerken van zulke enorme datasets, brengt diezelfde schaal zeer specifieke uitdagingen met zich mee. Van der Zwalm wijst erop dat naarmate modellen groeien, ze moeilijker te interpreteren en te valideren zijn. “Wat er in een AI-model gebeurt – en de uitkomst die het produceert – kan moeilijk te beheren zijn,” zegt hij. “Hoe meer gegevens en parameters je toevoegt, hoe belangrijker het wordt om de kwaliteit van de resultaten te controleren. Pas als de uitkomst van het AI-model voorspelbaar en gevalideerd is, kunnen we vanuit een stabiel basismodel opschalen door meer complexiteit te introduceren.”

Zoals hij het zegt: “Het is alsof je een perfecte soep maakt. Met AI kunnen we veel meer ingrediënten gebruiken, maar hoe meer je toevoegt, hoe groter het risico dat het onsmakelijk wordt. Door eerst de ingrediënten te verminderen, wordt het model eenvoudiger en makkelijker te verifiëren – pas daarna mag je complexiteit toevoegen.”

De kloof overbruggen

Een deel van de afhankelijkheid van de spoorwegen van dergelijke modellen, zegt Van der Zwalm, vereist niet alleen de juiste technologie, maar ook een cultuuromslag binnen de organisaties. “Infrastructuurbeheerders beschikken over deskundige kennis, maar ze begrijpen gegevensbeheer vaak niet volledig. Daar zit een disconnect”, zegt hij. “AI-modellen kunnen een grote ‘zwarte doos’ zijn waarin het niet duidelijk is wat er precies gebeurt. Voor technici kan die ‘zwarte doos’ erg ongemakkelijk zijn,” merkt hij op.

Om vertrouwen in dergelijke AI op te bouwen, moeten operationele experts daarom bij het proces worden betrokken. “We hebben algoritmes gebouwd voor het detecteren van spoorwegonderhoud. Als er onderhoud wordt gedetecteerd, kan een expert het onderhoud verifiëren en feedback geven over het onderhoud. Deze feedback wordt gebruikt om de datamodellen te trainen om toekomstig onderhoud beter te kunnen voorspellen. Op deze manier wordt de kennis van experts gebruikt om de uitkomst van het AI-model te maken en te verifiëren. Dit helpt om meer vertrouwen te krijgen in de data en de AI-modellen.”

Zoals Van der Zwalm het ziet, is het sluiten van die lus tussen digitale systemen en menselijke expertise die al bestaat onder infrabeheerders wat AI in het spoor uiteindelijk duurzaam zal maken – niet als vervanging van ervaring, maar als een hulpmiddel dat erdoor wordt gevormd.

Intelligent Rail Summit 2025: een vooruitblik

Intelligent Rail Summit 2025 vindt deze week plaats op 4-5 november in het Sloveense meer van Bled en verkent hoe AI, big data en slimme technologie de toekomst van klimaatbestendige spoorwegen vormgeven. Met vooraanstaande experts van DB, SNCF en de Sloveense infrastructuurbeheerder onder de panelleden belooft de top praktische inzichten te bieden in hoe het spoor zijn meest dringende uitdagingen kan aanpakken. Bekijk het programma hier.