diff --git a/content/data.json b/content/data.json new file mode 100644 index 000000000..94d2c758f --- /dev/null +++ b/content/data.json @@ -0,0 +1,296 @@ +[ + { + "name": "Advanced Analytics", + "ring": "Explore", + "quadrant": "AI en Datascience", + "isNew": "FALSE", + "description": "Advanced Analytics is een verzamelterm voor diverse data analyse technologieën en toepassingen. Deze gaan verder dan basale statistische analyses en traditionele business intelligence om diepere inzichten, voorspellingen of aanbevelingen te kunnen bieden. Voorbeelden van Advanced Analytics technieken zijn data/text mining, time series analyse, forecasting en pattern matching.\n\nBinnen het Kadaster zijn we o.a. aan het onderzoeken of we deze technieken kunnen gebruiken om het werkaanbod van aktes beter te kunnen voorspellen. " + }, + { + "name": "Artificial Intelligence", + "ring": "Explore", + "quadrant": "AI en Datascience", + "isNew": "FALSE", + "description": "Artificial Intelligence (AI) is 'here to stay' en iets wat het Kadaster ook al toepast. Met AI wordt gedoeld op computersystemen die in staat zijn om taken uit te voeren die normaal gesproken vereisen dat een mens intelligent handelt. Denk aan gegevens analyseren, patronen herkennen en beslissingen nemen.

Het Kadaster heeft een AI-potential map opgesteld om in kaart te brengen waar AI methodes ons verder kunnen helpen de dienstverlening te verbeteren. Zie \"Machine learning\", \"Deep learning\", \"Computer Vision\" en \"Natural Language Processing\" voor meer informatie over deze AI methodes en hoe die binnen het Kadaster worden ingezet.

Daarbij is het verantwoord en ethisch inzetten van AI voor het Kadaster een must. Zie hiervoor \"Responsible AI\"." + }, + { + "name": "Computer Vision", + "ring": "Explore", + "quadrant": "AI en Datascience", + "isNew": "FALSE", + "description": "Computer vision is een veld binnen AI waarbij systemen zelf beeldmateriaal kunnen begrijpen en interpreteren. Computer vision wordt binnen het Kadaster met name toegepast door het Geo Expertise Centre, waarbij zij beeldherkenning gebruiken om op basis van luchtfoto’s onder andere de zonnepotentie te berekenen. Ook wordt computer vision toegepast bij Kadastrale Kaart Next. Hierbij interpreteert het algoritme de meetschets van de landmeter en haalt daar de meetgegevens uit.

Optical character recoginition (OCR) valt ook onder computer vision en betreft specifiek het interpreteren van tekst in afbeeldingen. Dit is zeer relevant voor het Kadaster, omdat oude aktes alleen beschikbaar zijn als afbeelding en niet als machine-leesbare tekst. Momenteel kijken we of we de ruilverkavelingsaktes machine-leesbaar kunnen maken en worden er plannen gemaakt om dit toe te passen op het akte-archief, wat het mogelijk zal maken om alle aktes vanaf 1950 te doorzoeken." + }, + { + "name": "Data Science", + "ring": "Adopt", + "quadrant": "AI en Datascience", + "isNew": "FALSE", + "description": "Data Science is een interdisciplinair veld dat zich bezighoudt met het analyseren, interpreteren en verrijken van data om nieuwe inzichten en kennis te verkrijgen. Het combineert methoden uit computerwetenschap, statistiek en domein-expertise om waardevolle informatie te vinden in enorme hoeveelheden data. Met de toenemende hoeveelheid beschikbare data en de ontwikkelingen in de technologie worden bedrijven steeds afhankelijker van data-driven beslissingen. Daarom is data science van groot belang geworden, omdat het helpt bij het verbeteren van processen, het maken van beter onderbouwde beslissingen en het ontdekken van nieuwe kansen en mogelijkheden.

Het Kadaster bezit een schat aan data uit de registraties en landelijke voorzieningen. De groeiende marktvraag naar toegang tot deze data en de mogelijkheid om er analyses op uit te voeren, maken het steeds belangrijker voor het Kadaster om deze capability op te bouwen. Hierdoor kunnen zowel interne als externe partijen en burgers de benodigde analyses uitvoeren en zal het Kadaster in staat zijn om de markt te voorzien van wat zij nodig hebben. Dit vereist echter wel dat het Kadaster zelf actief onderzoeken uitvoert en hiermee de nodige expertise opbouwt. Dit doen we onder andere binnen ons Data Science Team, waarbij we inzichten en kennis delen op labs.kadaster.nl." + }, + { + "name": "Responsible AI", + "ring": "Assess", + "quadrant": "AI en Datascience", + "isNew": "FALSE", + "description": "De laatste jaren is er niet alleen aandacht voor waar en hoe AI ingezet kan worden maar ook hoe dit op een verantwoorde manier gedaan kan worden. Dit is Responsible AI, ook wel Ethical AI genoemd. Er zijn verschillende facetten waarop gelet moet worden om AI verantwoord in te zetten.

Binnen het Kadaster willen we op een betrouwbare, transparante en ethische manier omgaan met AI. Een algoritmeregister kan helpen bij het uitlegbaar en transparant maken van de algoritmische toepassingen die we gebruiken. Hiervoor hebben we een AI Governance team en een Ethische Data Commissie in het leven geroepen en publiceren we verscheidende algoritmes in Het Algoritmeregister. Daarnaast volgen we de ontwikkelingen rondom de AI Act, de aankomende Europese regelgeving rondom het gebruik van AI systemen.

Voor het ethisch omgaan met AI doen we onder andere onderzoek naar Explainable AI. Dit is een set technieken die het mogelijk maakt om de uitkomsten van “black box” AI systemen op zo een manier uit te leggen dat ze voor mensen begrijpelijk zijn. Fairness en bias zijn ook belangrijk in om te monitoren in AI systemen, zodat er niet een groep mensen benadeeld worden door de algoritmes." + }, + { + "name": "Natural Language Processing", + "ring": "Adopt", + "quadrant": "AI en Datascience", + "isNew": "FALSE", + "description": "Natural Language Processing, aangeduid met NLP, is een onderdeel van Artificial Intelligence en wordt gebruikt voor allerlei toepassingen rondom natuurlijke taal. Hieronder vallen onder andere spellingcontrole, chatbots en suggesties in applicaties (bijv. Gmail). Met de komst van het Transformer model zijn taalmodellen snel beter geworden en voor meer toepassingen inzetbaar.

Binnen het Kadaster wordt ook al gebruik gemaakt van NLP. Zo wordt de akteverwerking ondersteund door NLP, zodat (een deel van) de informatie automatisch uit de aktes gehaald kan worden. Meer informatie over deze toepassing is te vinden in het algoritmeregister. Daarnaast ontwikkelen we een applicatie waarmee Kadasterdata middels natuurlijke taal bevraagd kan worden." + }, + { + "name": "Virtual Assistant", + "ring": "Assess", + "quadrant": "AI en Datascience", + "isNew": "FALSE", + "description": "Virtual Assistants, of Conversational AI, zien we tegenwoordig steeds meer om ons heen, denk aan ChatGPT, Apple's Siri of Google Assistent. Bij conversational AI gaat het om het voeren van een gesprek met de computer via tekst of spraak. Chatbots bestaan al lang, maar nog niet zo lang met extra hulp van generatieve taalmodellen. Daarmee is het mogelijk om een chatbot veel persoonlijker en minder strikt een vooraf bedacht schema te laten volgen. Voice assistance gaat technisch gezien nog een stap verder en hierbij wordt nog meer gebruik gemaakt van Artificial Intelligence.

Chatbots zullen dan waarschijnlijk ook eerder worden ingezet binnen het Kadaster. Het Kadaster kan zeker voordeel hebben van chatbots en het is goed om te onderzoeken waar chatbots de werkdruk kunnen verlichten en/of de eerste lijn van vragen kunnen beantwoorden.

Het Kadaster experimenteert momenteel zelf met een chatbot genaamd LOKI. Loki is een experiment waarbij we de toegevoegde waarde willen aantonen van een chatbot voor Locatie-gebaseerde Kadaster Informatieverstrekking. Dat doen we nu via SPARQL en GraphQL endpoints, waar softwareontwikkelaars zich wel mee uit te voeten kunnen, maar niet geschikt is voor een breed publiek. Middels een chatbot kan een vraag in natuurlijke taal worden omgezet naar database-queries in eerder genoemde formaat. Hiermee wordt de Kadasterdata beter toegankelijk. Meer informatie over Loki is the vinden op onze Labs-pagina. Het antwoord kan vervolgens ook weer omgezet worden naar natuurlijke taal, dit gaat met behulp van Generative AI." + }, + { + "name": "Machine Learning", + "ring": "Adopt", + "quadrant": "AI en Datascience", + "isNew": "FALSE", + "description": "Machine learning (ML) is een vorm van AI waarbij algoritmes worden getraind om voorspellingen of beslissingen te nemen op basis van data. Het verschilt van andere AI-technieken, zoals expertsystemen of regelgebaseerde systemen, doordat het statistische modellen gebruikt om data te analyseren en te leren, in plaats van te vertrouwen op expliciete programmering. Deep learning (DL) is een vorm van ML die gebruik maakt van kunstmatige neurale netwerken met veel lagen om complexe data te analyseren en te leren. Het is een subveld van ML en is geschikter voor taken zoals beeld- en spraakherkenning, natuurlijke taalverwerking en autonoom rijden. Waar uitlegbaarheid van een ML belangrijk is, is DL meestal af te raden gezien dit \"black box\" modellen zijn.

Over het algemeen zijn al deze AI-technieken verwant en kunnen ze in combinatie met elkaar worden gebruikt. Binnen het Kadaster gebruiken we ML onder andere voor locatiebepaling van appartementen [1] en het voorspellen van BAG bouwjaren [2, 3]. Voor DL voorbeelden, zie Deep Learning." + }, + { + "name": "Deep Learning", + "ring": "Adopt", + "quadrant": "AI en Datascience", + "isNew": "FALSE", + "description": "Deep learning (DL) modellen zijn een subset van ML modellen. Deze modellen zijn gebaseerd op neurale netwerken. DL modellen zijn krachtiger dan ML modellen omdat ze zelf leren hoe ze de data moeten interpreteren en welke interpretaties van de data er nu het belangrijkst zijn bij het maken van een beslissing. Per use case is het belangrijk om te bedenken of een DL model nodig is of dat een ML model bijv. voldoende is, omdat het trainen van DL modellen veel rekenkracht, geheugen en data vergt.

Binnen het Kadaster worden DL modellen met name ingezet voor computer vision. Bij het ontwikkeling van Kadastrale Kaart Next wordt AI ingezet voor het interpreteren van handschrift en tekeningen. Om de kwaliteit hiervan te controleren vind een intensief handmatig proces plaats. Daaruit blijkt dat de resultaten zeer goed zijn. Meer info over KKN algoritmes staat in het algoritmeregister. Het programma is in overgangsfase van de status ‘in ontwikkeling’ naar ‘productie’. Daarnaast lopen nog diverse andere onderzoeken waarbij DL wordt ingezet. Voorbeelden hiervan zijn het detecteren van zonnepanelen en BRT-objecten op luchtfoto’s." + }, + { + "name": "Generative AI", + "ring": "Assess", + "quadrant": "AI en Datascience", + "isNew": "FALSE", + "description": "Generative AI is een deelgebied van kunstmatige intelligentie waarbij het doel is om nieuwe en unieke output te genereren aan de hand van een bepaald model. Dit model is getraind op een grote dataset en kan worden gebruikt om te voorspellen of te genereren van nieuwe, waarschijnlijke output. Een erg nuttige toepassing hiervan is code generation, waarmee programmeercode gegenereerd wordt. Steeds meer software ontwikkelaars binnen het Kadaster maken hier gebruik van, wat ze in staat stelt sneller en efficienter te werken.

Voor het Kadaster is generatieve AI daarnaast een interessante ontwikkeling voor het genereren van synthetische data. Bijvoorbeeld, een generatief model kon getraind worden op gegevens uit de database van het Kadaster en gebruikt worden om nieuwe, realistische gegevens te genereren voor testdoeleinden. Dit zou kunnen helpen bij het verbeteren van de kwaliteit van het systeem en de integriteit van de gegevens.

Generatieve AI nog steeds een nieuw en evoluerend veld is, en de toepassingsmogelijkheden ervan zijn nog steeds aan verdere verkenning toe." + }, + { + "name": "Large Language Models", + "ring": "Explore", + "quadrant": "AI en Datascience", + "isNew": "FALSE", + "description": "Large Language Models (LLM) zijn neurale netwerkmodellen die getraind worden op grote hoeveelheden tekstuele data om complexe taalkundige taken uit te voeren. LLM's gebruiken transformer-modellen om natuurlijke taal in een interne representatie te coderen, waardoor het model in staat is om verbanden te leggen tussen verschillende delen van de tekst. Hierdoor kan het model taken uitvoeren zoals vertalen, samenvatten, vragen beantwoorden en genereren van tekst.

LLM's onderscheiden zich van traditionele NLP-modellen doordat ze gebruik maken van deep learning-technieken, waardoor ze complexe taalkundige taken kunnen uitvoeren.

LLM's verschillen van andere generatieve AI-modellen doordat ze getraind zijn op natuurlijke taaltekst. Dit stelt ze in staat om de context van de tekst te begrijpen en daarop te reageren, in tegenstelling tot andere generatieve modellen die simpelweg nieuwe data kunnen genereren zonder contextuele betekenis.

Voordelen van LLM's zijn hun veelzijdigheid, het vermogen om complexe taalkundige taken uit te voeren en om de context van de tekst te begrijpen. Een nadeel is dat ze zeer rekenintensief zijn en grote hoeveelheden data en rekenkracht vereisen. Ook kunnen ze gevoelig zijn voor vooringenomenheid en fouten, vooral als de trainingsdata onvolledig of onjuist is. Het is daarom belangrijk om kritisch te blijven bij het gebruik van LLM's en de resultaten te verifiëren en valideren voordat ze worden gebruikt.

Binnen het Kadaster onderzoeken we onder andere LLM's om informatie uit aktes te extraheren, wat nu nog een handmatige taak is." + }, + { + "name": "Cloud Computing", + "ring": "Adopt", + "quadrant": "Moderne IT", + "isNew": "FALSE", + "description": "Cloud Computing is een omvangrijke term die vooral de ontwikkeling van de virtualisatie duidt: van hardware naar virtuele machines (VMs) naar containers naar serverless. In dit spectrum is 'containerization' op dit moment redelijk mainstream aan het worden cq geworden voor huidige software systemen. Zowel ontwikkeltools als vele productiesystemen zijn onderverdeeld in of maken gebruik van containers. Ook het Kadaster is vergaand over naar containers en Kubernetes (container orchestration). " + }, + { + "name": "Empowered Edge", + "ring": "Monitor", + "quadrant": "Moderne IT", + "isNew": "FALSE", + "description": "Met IoT wordt ons hele leven met alles verbonden. Tegelijk worden alle apparaten die verbonden zijn steeds sterker in rekenkracht en mogelijkheden. Met 'edge' wordt gedoeld op de apparaten die zich aan de rand of einde van het internet bevinden. De groei van verbonden apparaten wordt IoT genoemd, maar deze 'edge' wordt steeds sterker in rekenkracht en mogelijkheden. Daar staat deze trend voor: dit is geen eenvoudige 'edge' meer, maar een Empowered Edge. Apparaten met 5G internet, met ingebouwde of toegang tot Artificial Intelligence brengen mogelijkheden voor real time data uitwisseling bijvoorbeeld voor een zelfrijdende auto en andere Autonomous Things en Smart Anything.

Voor het Kadaster is dit terrein niet direct relevant, hoewel IoT en de opkomst van sensoren en (slimme) apparaten wel impact op te registreren objecten of op de bedrijfsvoering kan hebben. Daarom volgt het Kadaster deze trend wel zonder daar zelf actief onderzoek in te verrichten." + }, + { + "name": "Event Stream Processing", + "ring": "Adopt", + "quadrant": "Moderne IT", + "isNew": "FALSE", + "description": "Data is steeds minder statisch en steeds meer in beweging. Er is steeds meer data en het wordt steeds relevanter wat de kwaliteit en de actualiteit van data is. Data wordt dan steeds meer beschouwd als een stroom van events. Dit is geen nieuw concept en technologieën om event streams te processen zijn behoorlijk volwassen. In de tijd van cloud computing en eventually consistency is event stream processing een essentieel onderdeel. Het Kadaster ontwerpt steeds meer haar systemen met events als de kern van de data(veranderingen). Daarmee ontstaan patronen en architecturen die zich lenen voor event stream processing of geliëerde technieken, zoals event-sourcing. Voorbeelden waar dit toegepast wordt bij Kadaster, zijn KOERS, Geodataplein, BeterKenbaar, Terristische Registratie. Tegelijk is Event Stream Processing nog geen algemeen gedeelde visie op hoe het Kadaster (en daar buiten) data en data stromen modelleren en onderzoeken we hoe we dit meer kunnen toepassen en laten groeien." + }, + { + "name": "Unconventional Computing", + "ring": "Monitor", + "quadrant": "Moderne IT", + "isNew": "FALSE", + "description": "Unconventional computing verwijst naar computing paradigma's en technologieën die afwijken van de traditionele Von Neumann-architectuur van klassieke digitale computers. Het omvat een reeks technologieën, zoals quantum computing, neuromorfische hardware, optische computing, DNA computing, en anderen, die erop gericht zijn de beperkingen van klassieke computing, zoals verwerkingssnelheid, energie-efficiëntie en vermogen om bepaalde problemen aan te pakken, te overwinnen.

Op dit moment zijn de ontwikkelingen rondom unconventional computing nog niet zo ver dat die het Kadaster gaan raken. Maar Kadaster houdt wel rekening met deze ontwikkelingen en welke kansen en risico’s deze met zich mee zullen brengen. Zo zal onze computerbeveiliging niet meer toereikend zijn bij de komst van quantum computing en onze encryptie daarmee eenvoudig ontsleutelt kan worden. Hoe veilig zijn onze data en systemen dan nog? Hoewel dit nog jaren zal duren, is het belangrijk dat we tijdig maatregelen nemen om de encryptie bijv. quantum-proof te maken. We houden daarbij ook de inzichten en aanbevelingen van het Nationaal Cyber Security Centrum daarbij in de gaten, omdat dit iets zou zijn wat heel Nederland gaat raken en niet alleen het Kadaster." + }, + { + "name": "High Performance Computing", + "ring": "Monitor", + "quadrant": "Moderne IT", + "isNew": "FALSE", + "description": "High-performance computing (HPC), ook wel super computing genoemd, is geaggregeerde computerkracht waarbij het geheel veel meer is dan de som van een aantal pc's. De term supercomputer wordt gebruikt voor systemen die tenminste 10.000 tot 100.000 keer sneller zijn dan een gewone pc. Door deze veel grotere rekencapaciteit wordt het mogelijk om complexe problemen op te lossen op het gebied van wetenschappelijk onderzoek en technologische ontwikkeling.

Momenteel maakt het Kadaster gebruik van AI taalmodellen welke getrained zijn op HPC clusters. Het Kadaster maakt zelf geen gebruik van HPC clusters en lijkt dat ook niet nodig te hebben. Reguliere (cloud) machines zijn krachtig genoeg om onze databewerkingen en -analyses uit te kunnen voeren. Wanneer dat een bottlebeck gaat vormen, bijvoorbeeld wanneer we meer met Digital Twins of Extended Reality gaan doen, gaan we onderzoeken of en hoe we gebruik kunnen maken van HPC." + }, + { + "name": "IoT", + "ring": "Monitor", + "quadrant": "Moderne IT", + "isNew": "FALSE", + "description": "The Internet of Things staat voor een steeds meer verbonden 'wereld'. Steeds meer apparaten zijn verbonden met het internet en daarmee komen nieuwe diensten en integratie van technologie in ons dagelijks leven binnen. Dit heeft al een grote vlucht genomen in de laatste jaren en zal nog zeker voor de nodige vernieuwingen en uitdagingen gaan zorgen in de komende jaren. IoT heeft vooral betrekking op de verbondenheid van apparaten en techniek om ons heen. Tegelijk worden deze apparaten ook steeds krachtiger; zie ook Empowered Edge.

Voor het Kadaster zijn sensoren een relevant onderwerp en daarmee IoT. Tegelijk is IoT zélf minder relevant in de zin dat het Kadaster niet zelf veel IoT devices zal ontwikkelen of op de markt zal brengen. Wel is het belangrijk om deze trend en de ontwikkelingen te volgen zodat het Kadaster kan faciliteren in bijvoorbeeld registratie van sensoren in de openbare ruimte of zelfs meer. Dit is precies waar het Kadaster bij betrokken is: SensRNet, het opzetten van een nationaal sensorenregister." + }, + { + "name": "Low/No Code", + "ring": "Adopt", + "quadrant": "Moderne IT", + "isNew": "FALSE", + "description": "Low en No Code klinkt als een fantastische oplossing voor het tekort aan ontwikkelaars en het beschikbaar maken van rijke IT mogelijkheden aan business gebruikers (citizen developers). Onze visie daarop is dat 'traditionele' software ontwikkeling ook gericht is op zo weinig mogelijk code. De kracht van Low/No Code platformen, nadat deze eenmaal zijn ingericht (wat tijd en geld kost), is een snel begin voor snelle oplossingen. De vendor lock-in van een platform en de onderhoudbaarheid in de toekomst zijn serieuze risico's die meegenomen moeten worden bij het inzetten van dit soort platformen. Low code is in onze ogen daarom met name geschikt voor niet kritieke systemen. .

Binnen het Kadaster hebben we een Mendix team die low code toepassingen bouwt. Een van de applicaties is de registratie van luchtvaartuigen. Dit is een kleine registratie die met Mendix snel geautomatiseerd worden. " + }, + { + "name": "Open Source Software", + "ring": "Adopt", + "quadrant": "Moderne IT", + "isNew": "FALSE", + "description": "Open source software is betekent dat de broncode van software volledig vrij beschikbaar is. Hiermee krijgt iedereen het recht en de mogelijkheid om de broncode in te zien. Dat draagt bij aan de transparantie over hoe de software werkt en het bevordert hergebruik en samenwerking. OSS, de afkorting die meestal gebruikt wordt, is altijd met een open source licentie gepubliceerd waarin is vastgelegd onder welke voorwaarden verbeteringen, aanpassingen en distributie (verdere verspreiding) mag plaatsvinden.

Het onderwerp open source is binnen de overheid in een stroomversnelling geraakt sinds de publicatie van de brief 'Open, Tenzij' aan de Tweede Kamer door staatssecretaris Knops. Vanuit de EU en de Digitale agenda van het kabinet wordt er nog steeds hard getrokken aan het inzetten op open source. Zie ook opensource.pleio.nl. Niet alleen EU en de NLse overheid zetten steeds meer in op open source, maar ook steeds meer commerciële partijen zien het als een mogelijkheid om hun business door te ontwikkelen.

Het Kadaster is actief met beleid op open source bezig en verwacht in 2023 een Open Source Support Office op te zetten, wat over het algemeen beter bekend staat als OSPO, Open Source Program Office. " + }, + { + "name": "Robotic Process Automation (RPA)", + "ring": "Assess", + "quadrant": "Moderne IT", + "isNew": "FALSE", + "description": "Processen met repeterende stappen kunnen in steeds grotere maten gerobotiseerd en daarmee geautomatiseerd worden. Binnen het Kadaster heeft er een geslaagde pilot plaatsgevonden rond het in kaart brengen van de ov-kosten. Daarbij moeten we de opmerking maken dat RPA vooral van toepassing is voor processen die niet echt (snel) aangepast en (dus) verbeterd kunnen worden. Bij Kadaster wordt al veel continuous delivery en actief ingezet op het up-to-date houden van onze applicatie en landschap en daarmee is RPA minder relevant of van toegevoegde waarde." + }, + { + "name": "Long-term data storage", + "ring": "Monitor", + "quadrant": "Moderne IT", + "isNew": "TRUE", + "description": "" + }, + { + "name": "GitOps", + "ring": "Adopt", + "quadrant": "Moderne IT", + "isNew": "TRUE", + "description": "" + }, + { + "name": "Privacy Enhancing Technologies", + "ring": "Explore", + "quadrant": "Privacy- bescherming", + "isNew": "FALSE", + "description": "Dit is een verzamelnaam voor technieken die gebruikt kunnen worden om data te beschermen. Het doel is om de privacy zoveel mogelijk te waarborgen zonder de functionaliteit van systemen te verliezen. Voorbeelden van privacy enhancing technologies zijn Multi-Party Computation (MPC), Federated learning, Differential Privacy maar ook data anonimisering en pseudonimisering. Het ETC heeft de mogelijkheden van MPC onderzocht d.m.v. deelname aan een MPC pilot met o.a. KvK & TNO." + }, + { + "name": "Self-Sovereign Identity", + "ring": "Monitor", + "quadrant": "Privacy- bescherming", + "isNew": "FALSE", + "description": "Self-sovereign identity (SSI) is een concept waarbij individuen de controle hebben over hun eigen digitale identiteit. Dit betekent dat ze in staat zijn om hun persoonlijke gegevens te beheren en te delen zonder afhankelijk te zijn van een enkele centrale autoriteit of partij zoals een Gemeente of Meta. Bij SSI maken personen gebruik van digitale (identiteits)gegevens die door betrouwbare bronnen zijn uitgegeven. Hiervoor kan gebruik worden gemaakt van verifiable credentials (VC’s). Een VC is een digitaal bewijsstuk dat door een betrouwbare bron is uitgegeven en dat kan worden gebruikt om de identiteit of attributen van een persoon te verifiëren. Dit kan bijvoorbeeld een diploma of een rijbewijs zijn. Deze VC’s worden opgeslagen in een wallet (offline) of POD (online). Deze is alleen toegankelijk voor de eigenaar en kan worden gebruikt om hun identiteit te bewijzen terwijl er zo min mogelijk persoonlijke informatie wordt gedeeld. Hierdoor hebben individuen controle over hoe en wanneer hun (identiteits)gegevens worden gedeeld.

SSI wordt momenteel veel onderzocht, dit komt onder andere door de aangekondigde komst van een Europese Digitale Identiteit en de ontwikkeling van een Nederlandse wallet waarin burgers attributen kunnen gaan laden. Het Kadaster kan binnen SSI de rol van uitgever, issuer, spelen. Zo kan het Kadaster bijv. een eigendomscertificaat gaan uitgeven. Het is daarom relevant om deze ontwikkeling te blijven volgen." + }, + { + "name": "Web3", + "ring": "Monitor", + "quadrant": "Federatieve Datadeling", + "isNew": "TRUE", + "description": "Je kan dit zien als een nieuwe technische infrastructuur, een doorontwikkeling van het internet, waarop toepassingen en visualisaties zoals metaverse kunnen draaien. Web3 is ingegeven door een beweging weg van (de macht van) Tech Reuzen richting privacy en een beter internet. Blockchain technologie maakt het mogelijk om eigenaarschap over jouw data te houden en schept vertrouwen in data. Het biedt de mogelijkheid tot decentrale entiteiten die impact hebben in breder verband, interactie, uitwisselingsprotocollen en eventueel cryptocurrencies en NFTs. Web3 houdt verband met o.a. Metaverse, Blockchain en Self-sovereign Identity die ook in deze radar staan." + }, + { + "name": "Personal Online Datastores", + "ring": "Monitor", + "quadrant": "Federatieve Datadeling", + "isNew": "TRUE", + "description": "Personal Online Datastores (PODs) zijn oplossingen die het mogelijk maken om je data op een veilige manier, decentraal, op te slaan. Een POD kan zelf gehost worden of worden afgenomen bij een aanbieder naar keuze. Het meest bekende voorbeeld van PODs is de Solid specificatie. Het is een beweging, voornamelijk gedreven door Europese wetgeving, die de macht en afhankelijkheid van Big Tech wil verkleinen door data en applicatie te scheiden. Ook moet het burgers weer regie op hun eigen gegevens brengen. Een POD lijkt in zijn functionaleit erg op wallets. Hierbij worden wallets offline gebruikt en PODs online. Omdat er geen duidelijke use case rondom PODs is voor het Kadaster en de techniek nog volop in ontwikkeling is, blijft het Kadaster voor nu de ontwikkeling monitoren. Zie ook onze Solid Quest." + }, + { + "name": "Kluis", + "ring": "", + "quadrant": "Privacy- bescherming", + "isNew": "TRUE", + "description": "" + }, + { + "name": "Sluis", + "ring": "", + "quadrant": "Privacy- bescherming", + "isNew": "TRUE", + "description": "" + }, + { + "name": "Wallet", + "ring": "", + "quadrant": "Privacy- bescherming", + "isNew": "TRUE", + "description": "" + }, + { + "name": "Dataspace", + "ring": "", + "quadrant": "Federatieve Datadeling", + "isNew": "TRUE", + "description": "" + }, + { + "name": "Digital Twin", + "ring": "Explore", + "quadrant": "Moderne IT", + "isNew": "TRUE", + "description": "De digitale revolutie heeft momenteel de wereld in beweging gebracht en de versmelting van de fysieke en digitale wereld is zichtbaar in het opkomen van digital twins. Een digital twin is een digitale weergave van een fysiek object. Het Kadaster beschouwt een digital twin van de gebouwde omgeving als het meest relevant. Dit is een dynamische digitale representatie van de fysieke wereld die gebruikersvriendelijke visualisaties van zowel de boven- als ondergrond biedt en in staat is om de fysieke wereld beter te laten functioneren door bijvoorbeeld te simuleren, monitoren en voorspellen.

Het Kadaster speelt een belangrijke rol bij het ontwikkelen van digital twins door het bieden van data en technische bouwblokken voor de creatie van deze twins. Het Kadaster's rol als facilitator maakt het mogelijk voor andere partijen om digital twins te creëren en daarmee bij te dragen aan een betere fysieke wereld. Dit zien we bijvoorbeeld terug in het ontwikkelen van geluidsmodellen, voor het voorspellen en beperken van geluidsoverlast. Op basis van Kadasterdata kan één gezamelijk 3D-model gebruikt worden, waardoor verschillende partijen dezelfde digitale weergave als uitgangspunt kunnen nemen." + }, + { + "name": "Smart City", + "ring": "Assess", + "quadrant": "Moderne IT", + "isNew": "FALSE", + "description": "Smart Cities zijn onderdeel van Smart Anything is op dit moment de meest relevante subcategorie voor het Kadaster. Het Kadaster zal zelf geen Smart Cities gaan ontwikkelen maar kan een aandeel hebben in het leveren van de data en kan participeren in de ontwikkeling van een Smart City. Het Kadaster heeft laatst samen met 50 andere partijen de \"City Deal; een slimme stad zo doe je dat\" ondertekend." + }, + { + "name": "Metaverse", + "ring": "Monitor", + "quadrant": "Federatieve Datadeling", + "isNew": "TRUE", + "description": "De term metaverse werd in 2021 een enorme hype. De grote Tech Reuzen besteden hier veel aandacht aan, met als meest iconische voorbeeld de naamsverandering van Facebook in Meta. Om hype van realiteit te onderscheiden heeft het Kadaster in 2022 een brainstorm gehouden om te kijken wat wij verstaan onder metaverse. Voor het Kadaster is metaverse een containerbegrip voor de verzameling virtuele werelden. De term wordt gebruikt voor zowel virtuele werelden die een afspiegeling van de werkelijkheid zijn (digital twin) alsook volledig fictieve virtuele werelden. Waar een digital twin vaak rekenen, voorspellen, simuleren en monitoren als doel heeft, focussen volledig fictieve werelden zich meer op sociale interactie en games. Hoe dan ook behelst het altijd een visualisatie in 3D. Idealiter wordt metaverse ondersteund door de mogelijkheden van Web3. Ironisch genoeg investeren de Tech Reuzen het meeste geld in metaverse terwijl Web3 hen juist minder macht wil geven. Voor nu is het voldoende om de ontwikkelingen rond metaverse te blijven monitoren." + }, + { + "name": "Extended Reality", + "ring": "Assess", + "quadrant": "Federatieve Datadeling", + "isNew": "FALSE", + "description": "Extended reality is de overkoepelende term voor Virtual Reality (VR), Mixed Reality (MR), Augmented Reality (AR) en andere immersieve technologieën die de fysieke en digitale wereld verbinden. Hierbij gaat het vooral om de visualisatie zelf en heeft de techniek daarom ook raakvlakken met andere techs zoals digital twin. Het Kadaster onderzoekt waar VR en AR van toepassing kunnen zijn. Er zijn experimenten uitgevoerd met AR voor grensreconstructie en momenteel wordt er gewerkt aan een AR en VR applicatie op basis van de Kadaster Knowledge Graph . " + }, + { + "name": "Blockchain", + "ring": "Assess", + "quadrant": "Federatieve Datadeling", + "isNew": "FALSE", + "description": "De hype van blockchain begint af te nemen. D.w.z. in theorie kan het nog steeds het Kadaster vervangen, maar in een land waar het Kadaster wordt vertrouwd voegt dit niets toe. Het adresseert wel een relevant onderwerp, namelijk: vertrouwen en dan met name vertrouwen in het digitale domein. Welke autoriteit 'zegt' dat data klopt en wat zegt dat dan? Een voorbeeld is Self-sovereign Idenitity (zie verderop in de radar). Voor het scheppen van vertrouwen in uitgegeven credentials is een decentraal beheerd, onveranderlijk en openbaar register waarin de metadata van uitgegeven credentials als anonieme gegevens voor iedereen te raadplegen zijn, noodzakelijk. Voor dit register lijkt een Blockchain ideaal en er is reeds een European Blockchain Services Infrastructure (EBSI) opgezet.
\nDe technologie onder blockchain heet Distributed Ledger Technology. Dit is een technische oplossing om een gedistribueerde ledger, grootbook of database te beheren. Hier zijn vele verschijningsvormen van waarbij over het algemeen geldt dat de data vaak niet rechtstreeks op de blockchain (in de ledger) wordt opgeslagen, maar erbuiten en alleen de 'administratie' van de ledger erin wordt vastgelegd. Deze technologie biedt mogelijkheden om decentraal wijzigingen te doen terwijl er toch met een groter geheel integriteit wordt bewaakt. Dit onderdeel van blockchain heeft het Kadaster met succes toegepast in SensRNet, een nieuwe nationale registratie van sensoren waarin deelnemers (nodes) in het register(netwerk) zelf sensoren kunnen beheren, terwijl de data integriteit en koppeling tussen de deelnemers door blockchain worden gegarandeerd. Als zodanig wordt blockchain of DLT, onderdeel van het nieuwe internet voor specifieke onderdelen en aspecten waarin data decentraal gedeeld moet worden." + }, + { + "name": "Autonomous Things", + "ring": "Monitor", + "quadrant": "Verwijderen", + "isNew": "FALSE", + "description": "Robots, drones, auto's en andere autonome apparaten zijn sterk in ontwikkeling en beloven grote impact in onze manier van leven te gaan hebben. We zien steeds vaker dat deze 'dingen' taken uitvoeren die eerst door mensen werden uitgevoerd en dus taken overnemen of dat het onze taak ondersteunt en dat ons werk er door verandert.

Voor het Kadaster zien we daar niet direct veel toepassing voor aangezien ons werk voornamelijk administratief is of heel specifiek in de ruimte (geografisch) zich afspeelt. Wel voorzien we mogelijke impact van deze trend in het registreren van deze autonomous things, zeker als daar rechten en financieringen op bijgehouden moeten worden. Het Kadaster zou daar mogelijk een rol in kunnen gaan spelen." + }, + { + "name": "Knowledge Graphs", + "ring": "Adopt", + "quadrant": "AI en Datascience", + "isNew": "FALSE", + "description": "Een Knowledge Graph is een representatie van kennis over een bepaald domein die op een gestructureerde manier is vastgelegd. De knowledge graph is opgebouwd uit informatie afgeleid uit verschillende bronnen. Dit kunnen Kadaster bronnen, maar juist ook andere (open) data bronnen zijn. Voor een gebruiker is de knowledge graph toegankelijk als één geheel, en via verschillende manieren toegankelijk. Zo is de representatie vindbaar in de standaard zoekmachines (bijv. Google) en bevraagbaar middels query API’s zoals GraphQL en SPARQL. Een knowledge graph is gebaseerd op de concepten van Linked Data; zoals het gebruik van semantische modellering op basis van standaarden SKOS en OWL, maar ook het toekennen en linken via unieke identifiers (de URIs). Door deze open standaarden te combineren met de domein- en semantische kennis van de data eigenaren wordt (geo-)data voor iedereen begrijpelijk en toegankelijk. Voor Kadaster biedt de Knowledge Graph mogelijkheden om meerdere (Kadaster) datasets integraal bevraagbaar te maken, alsmede data van collega-overheden en marktpartijen, zie Thema Knowledge Graph. Ook kan de knowledge graph gebruikt worden als ondergrond voor een self-service analyse platform op het Web. Tenslotte hebben we aangetoond dat een Knowledge Graph de onderliggende basis is waar een chatbot (zoals Loki) haar antwoorden op baseert. Met een Knowledge Graph doorbreken we het silo denken in Data en worden wij relevanter voor onze gebruikers. AUTORISATIES OP DE KNOWLEDGE GRAPH: LOCK - UNLOCK" + }, + { + "name": "Metadata Management", + "ring": "Assess", + "quadrant": "Moderne IT", + "isNew": "FALSE", + "description": "Data groeit en wordt steeds belangrijker. Data wordt steeds vaker gezien als 'de waarheid' om beslissingen op te baseren. Het is daarom van belang om te weten waar data ontstaan is, welke data gebruikt wordt voor een beslissing, wat het data model, de data kwaliteit en de data actualiteit is. Metadata beschrijft al deze aspecten en zou onderdeel moeten zijn van de data, zeker daar waar data gepubliceerd wordt. Met metadata wordt Metadata Management ook steeds belangrijk. Data hoeft niet altijd van de hoogste actualiteit en kwaliteit te zijn, maar de metadata wel!

\nKadaster heeft en publiceert een behoorlijke omvang van data en daarmee zijn metadata en metadata management relevante activiteiten. Dat doen wij dan ook al jaren. We zetten ons in voor data kwaliteit, het meten daarvan, het verbeteren daarvan én het publiceren van die kwaliteit. We hebben een eigen 'modellenbureau' voor het beheer van datamodellen. We volgen (geo-)standaarden voor het publiceren van metadata bij onze (open) data. Tegelijk volgen we de ontwikkelingen in metadata management en ondernemen we stappen om onze metadata op een hoger niveau te krijgen en te publiceren. Hierin spelen record management en automatisering een grote rol. Binnen deze trend zijn er ook kant en klare systemen beschikbaar voor het beheer van metadata, maar wij trachten meer aan te sluiten bij open standaarden dan bij tools ivm lock-ins van leveranciers. Uiteraard volgen wij wel de ontwikkelingen in de markt." + }, + { + "name": "Point Clouds", + "ring": "Explore", + "quadrant": "Moderne IT", + "isNew": "TRUE", + "description": "Een point cloud (puntenwolk) is een 3d foto van een omgeving met achterliggende coördinaten. Ze worden gemaakt met een lidar scanner (Light Detection and Ranging) of op basis van photogrammetrische technieken. Dit wordt een non-contact, non-destructive technologie genoemd om een digitale vorm te maken van een fysieke vorm. Dit wordt al breed toegepast in vele gebieden zoals agrarische en bouw sector. Bij het Kadaster zijn er twee toepassingsgebieden: Landmeetkunde en Geo. Binnen Landmeetkunde heeft een onderzoek plaatsgevonden of puntenwolken van derden (dus niet zelfingewonnen puntenwolken) kunnen worden toegepast voor 'plaats- en tijd onafhankelijk aanwijs halen'. Hierbij werd gekeken hoe puntenwolken in de communicatie met stakeholders buiten het kadaster (de eigenaren van de gens) gebruikt kunnen worden. Onder particuliere klanten was er weinig behoefte voor deze manier van aanwijs halen en werd een fysiek bezoek van de landmeter meer gewaardeerd. Daarnaast is ook gekeken hoe we als Kadaster puntenwolken kunnen controleren op nauwkeurigheid zodat we de puntenwolk van derden voor de metingen kunnen accepteren en niet zelf hoeven in te winnen. Deze bleken nog niet van voldoende nauwkeurigheid. Binnen het GEO-domein is het Kadaster al veel verder: puntenwolken dienen mede als input voor onze 3D-basisvoorziening." + }, + { + "name": "Smart Anything", + "ring": "Monitor", + "quadrant": "Verwijderen", + "isNew": "FALSE", + "description": "Smart betekent slim, autonoom, rijk in de beleving en daarmee wordt gedoeld op slimme apparaten die autonoom kunnen opereren, veel sensoren, veel data, begrijpelijke en rijke visualisaties. En dit concept wordt op steeds meer zaken toegepast: Smart City, Smart Home, Smart Workspace, Smart Dust, Smart Materials. Smart Anything dus :-) Dit is een breed gebied waarin concepten en technologie overeenkomstig is of juist heel erg verschillend. Sensoren, IoT en Empowered Edge vormen hier onderdelen in en het wordt ‘Smart’ als deze worden gecombineerd met cloud oplossingen en visualisaties waarin data tot betekenisvolle informatie wordt vertaald en begrijpelijk en toegankelijk wordt gemaakt voor de mens.

Diverse onderdelen van Smart Anything staan apart in deze TechRadar (zie bv. smart city) en zijn wisselend relevant voor het Kadaster. De toepassing van Smart bepaald in hoeverre dat relevant is voor het Kadaster. Smart Home en Smart City zijn relevant vanuit het perspectief van waarde van huizen en gebiedsontwikkeling en geografische informatie. Smart Workspace is vooral relevant voor het Kadaster voor haar eigen medewerkers. Smart Dust, hele kleine sensoren, mogelijk zijn microscopisch klein, zijn niet relevant, net zoals Smart Materials. Smart Anything is een relevante trend en het Kadaster zou moeten onderzoeken waar het kan bijdragen en participeren en tegelijk zijn zij slechts een schakel in de hele Smart Anything 'beweging'." + }, + { + "name": "Orbital Aerospace", + "ring": "Monitor", + "quadrant": "Verwijderen", + "isNew": "FALSE", + "description": "We zien dat het steeds goedkoper wordt om satellieten de lucht in te brengen en daardoor komen er ook steeds meer bij. Het gaat met name om een toename in Low Earth Orbit (LEO) satellieten. Voor het Kadaster zien we 3 mogelijk relevante doeleinden van satellieten; gps, low latency internet en remote sensing. Deze kunnen verder onderzocht worden. " + }, + { + "name": "Fediverse", + "ring": "Explore", + "quadrant": "Federatieve Datadeling", + "isNew": "TRUE", + "description": "" + } +] \ No newline at end of file