S08E86 - Datagedreven werken bij de politie: proportionaliteit en data

Oscar Wijsman, internationale lead AI en data science bij de politie, en Ruud Staijen, landelijk programmadirecteur datagedreven werken, zien dagelijks hoe 1200 databronnen en 65.000 medewerkers kunnen verzuipen in ruis in plaats van in inzicht. Meer data verzamelen bleek averechts te werken: de kwaliteit ging omlaag in plaats van omhoog. Ze laten zien waarom actief filteren op bruikbaarheid beter werkt dan alles bewaren wat wettelijk mag.

Bij het combineren van kentekengegevens met camerabeelden bepaalt niet het volume de waarde, maar de vraag welke koppeling daadwerkelijk bijdraagt aan een onderzoek. Morgen kun je zelf in kaart brengen welke databronnen je organisatie echt gebruikt, versus welke enkel worden bewaard omdat het kan.

Onderwerpen

• Databeheer bij de politie: 1200 databronnen filteren op waarde in plaats van alles verzamelen
• Het Landeck-arrest: juridische uitspraak over proportionaliteit die werkprocessen en ICT-systemen van de politie veranderde
• Cryptotelefoons: machine learning toepassing om liquidatiedreigingen tijdig te detecteren in versleutelde berichten
• Data-silo's doorbreken: standaardisatie van systemen en real-time informatie voor agenten in het veld

Links

• Evenement: Bezoek het #1 data event | Data Expo
• Organisatie: Shaping the Future of the Policing Profession® | International Association of Chiefs of Police
• Award: Homepage | Thomas.co
• Jurisprudentie: Landeck arrest
• Wetgeving: EU Artificial Intelligence Act | Up-to-date developments and analyses of the EU AI Act
• Organisatie: Home | WRR
• Organisatie: Nederlands Forensisch Instituut | NFI - Nederlands Forensisch Instituut
• Organisatie: Team High Tech Crime - Politie
• Organisatie: Franse Gendarmerie
• Concept: Nolan curve
• Podcast: AIToday Live podcast
• Kaartspel: AI Game Changer - Generative AI editie

Genoemde entiteiten: Nederlandse politie - Openbaar Ministerie - Nederlands Forensisch Instituut - Franse Gendarmerie - ChatGPT

Aigency
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.

Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).

Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.

Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Transcript

Copy Transcript Copied

1
00:00:00,000 --> 00:00:07,480
Vandaag spreken we Oscar Wijsman, internationale lead voor AI en data science bij de politie

2
00:00:07,480 --> 00:00:12,800
en Ruud Staijen, landelijk programmadirecteur datagedreven werken.

3
00:00:12,800 --> 00:00:20,320
Zij vertellen hoe data en AI bijdragen aan veiligheid, wat proportionaaliteit inhoudt

4
00:00:20,320 --> 00:00:25,679
en hoe het Landdeck arrest de manier van werken bij de politie heeft veranderd.

5
00:00:25,679 --> 00:00:30,239
Het gesprek is zo goed gevuld dat we het in twee delen knippen.

6
00:00:30,239 --> 00:00:32,399
Dit is het eerste deel.

7
00:00:32,399 --> 00:00:35,200
Morgen hoor je het tweede deel.

8
00:00:35,200 --> 00:00:38,479
Deze week is het bij ons Data Expo week.

9
00:00:38,479 --> 00:00:42,159
De hele week hoor je sprekers van het evenement.

10
00:00:42,159 --> 00:00:48,719
Data Expo zelf vindt plaats op negen en tien september in de jaarbeurs in Utrecht.

11
00:00:48,719 --> 00:00:50,799
Je ticket is gratis.

12
00:00:50,799 --> 00:00:54,880
De link om het te bestellen vind je in de shownotes.

13
00:00:54,880 --> 00:00:58,399
Hier is het gesprek met Oscar en Ruud.

14
00:01:00,318 --> 00:01:03,118
Leuk dat je weer luistert naar een nieuwe aflevering van AIToday Live.

15
00:01:03,118 --> 00:01:05,519
Ik ben Joop Snijder, Head of AI bij Info Support.

16
00:01:05,519 --> 00:01:08,639
Mijn naam, Niels Naglé, Area Lead Data & AI bij Info Support.

17
00:01:08,639 --> 00:01:11,679
En we hebben twee heren in de studio.

18
00:01:11,679 --> 00:01:16,399
Fantastisch dat jullie wilden komen, Oscar Wijsman en Ruud Staijen.

19
00:01:16,559 --> 00:01:20,799
Zouden jullie zelf eerst even willen voorstellen en dan begin ik bij Oscar.

20
00:01:21,679 --> 00:01:24,478
Leuk om hier te zijn samen met Ruud.

21
00:01:24,479 --> 00:01:26,078
Ik ben Oscar Wijsman.

22
00:01:26,078 --> 00:01:31,199
Ik ben binnen de politie, wat zo mooi heet, internationale lead voor AI en data science.

23
00:01:31,279 --> 00:01:36,399
Betekent dat ik het nodig gaan internationaal werken, met collega's samenwerken internationaal.

24
00:01:36,639 --> 00:01:40,559
Maar het betekent niet dat ik alleen maar in het buitenland zit, sommige collega's.

25
00:01:40,559 --> 00:01:46,479
Ik doe ook het nodig nog binnen het korps, onder andere met Ruud samen, en daar zullen we zo dadelijk nog verder over hebben.

26
00:01:46,478 --> 00:01:48,959
En dat is ook hoe we met data omgaan.

27
00:01:49,118 --> 00:01:55,039
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.

28
00:01:55,039 --> 00:01:57,839
En om even te laten weten hoe gerenomeerd je bent.

29
00:01:58,239 --> 00:02:06,878
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.

30
00:02:07,118 --> 00:02:09,358
Ja, dat is wel leuk dat je dat noemt.

31
00:02:09,359 --> 00:02:15,518
Ik heb in Amerika van mijn Amerikaanse collega's van de IACP, de International Association of Chiefs of Police.

32
00:02:16,319 --> 00:02:18,558
Twee maanden geleden de Thomas T.

33
00:02:18,558 --> 00:02:20,239
Steele Award gekregen.

34
00:02:20,239 --> 00:02:25,598
Dat is een award die wordt toegekend door de Law Enforcement en IT section van de IACP.

35
00:02:25,599 --> 00:02:28,159
Waarbinnen zo mooi, als die heet.

36
00:02:28,159 --> 00:02:35,679
De Communication en Technology Committee zitten waar ik lid van ben en een aantal jaren al de AI subcommittee geleid hebt als voorzitter.

37
00:02:35,679 --> 00:02:38,959
Dus ik was uitermate verrast dat ik die prijs kreeg.

38
00:02:39,278 --> 00:02:42,718
En werk voor de innovatie, wat je doet, voor de politie.

39
00:02:42,719 --> 00:02:46,718
De prijs is bedoel, is vernoemd naar een van de oprichters van die sectie.

40
00:02:48,159 --> 00:02:57,998
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.

41
00:02:57,999 --> 00:03:00,638
Dus dat was echt verrassing.

42
00:03:00,959 --> 00:03:11,999
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.

43
00:03:12,079 --> 00:03:17,679
We gaan de wereld over pika overal het beste en dat brengen we naar Nederland en daar maken we nog beter politie van.

44
00:03:17,838 --> 00:03:22,479
Dan kom je bij mij, ik ben programmadirecteur datagedreven werken.

45
00:03:22,479 --> 00:03:25,679
En de Nederlandse politie, dat zijn 65.000 collega's.

46
00:03:25,679 --> 00:03:28,639
Die zijn natuurlijk constant bezig met hoe maken we het veiliger in Nederland.

47
00:03:28,639 --> 00:03:30,159
Het moet wel een beetje netjes.

48
00:03:30,158 --> 00:03:36,399
En ook wij zijn aan het leren en onszelf opnieuw aan het uitvinden, net als alle grote bedrijven, maar ook kleintjes.

49
00:03:36,718 --> 00:03:39,599
Met data kun je meer, maar het moet wel een beetje netjes.

50
00:03:39,838 --> 00:03:42,159
En wat houdt het dan in datagedreven werken?

51
00:03:42,158 --> 00:03:42,879
Het is een mooie term.

52
00:03:42,878 --> 00:03:44,478
Maar wat houdt het voor jullie in?

53
00:03:44,799 --> 00:03:47,598
Als politie maken wij veiligheid.

54
00:03:47,599 --> 00:03:50,399
We sporen boeven openbare orde.

55
00:03:50,399 --> 00:03:55,199
We moeten zorgen dat het veilig blijft, als Mexico tegen Nederland voetbalt en verzin is wat.

56
00:03:55,519 --> 00:03:57,519
Of als mensen hulp nodig hebben.

57
00:03:57,519 --> 00:04:01,679
Maar als je dat ongericht doet, je bent constant aan het zoeken, is het heel duur.

58
00:04:01,679 --> 00:04:04,959
Maar als je heel gericht je hulp zou kunnen verlenen.

59
00:04:04,959 --> 00:04:09,199
Je interventies zou kunnen doen, of je zou gericht boeven kunnen opsporen.

60
00:04:09,519 --> 00:04:14,559
Dan zet je je schaarse middelen natuurlijk fantastisch in en dan wordt het veiliger in Nederland.

61
00:04:14,558 --> 00:04:17,038
Ik zeg er wel bij het netjes.

62
00:04:17,039 --> 00:04:23,519
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.

63
00:04:23,519 --> 00:04:29,839
En ja, we zijn aan het aan het leren als Nederland, BV Nederland, hoe je data slim gebruikt.

64
00:04:29,838 --> 00:04:31,519
En dat kan bijvoorbeeld met AI.

65
00:04:31,519 --> 00:04:33,759
Maar je kunt het ook gewoon zien als puzzelstukjes.

66
00:04:33,759 --> 00:04:39,838
En als je een puzzel wilt oplossen, een misdrijf of een groot openbare ordevraagstuk.

67
00:04:39,998 --> 00:04:43,598
Dan is het fijn als je bij de puzzelstukjes kunt, want die leren je wat er aan de hand is.

68
00:04:43,599 --> 00:04:48,799
En puzzelstukjes beeld wat voor puzzelstukjes wat voor data hebben we het over als we het over politie hebben.

69
00:04:48,799 --> 00:04:51,359
Laat ik eens een voorbeeld noemen uit mijn oude praktijk.

70
00:04:51,359 --> 00:04:54,479
Ik zat ooit in Arnhem als districtchef.

71
00:04:54,479 --> 00:04:56,639
En daar hadden we altijd de korenmarkt.

72
00:04:56,959 --> 00:04:57,839
Ik kom uit Arnhem.

73
00:04:58,239 --> 00:04:59,759
Ik ken de korenmarkt.

74
00:05:00,239 --> 00:05:03,838
De korenmarkt en Koningsdag is altijd openbare ordeproblematiek.

75
00:05:03,838 --> 00:05:05,279
Dan kun je er bijna niet meer doorheen.

76
00:05:05,278 --> 00:05:09,839
Maar stel dat iemand van jullie een hartaanval krijgt, dan moeten de veiligheidsdiensten doorheen.

77
00:05:09,838 --> 00:05:13,998
Dus je zou na kunnen denken over we moeten niet te veel mensen op die korenmarkt hebben.

78
00:05:13,998 --> 00:05:17,358
Misschien moeten we naar het Gele Rijdersplein of moeten we het spreiden.

79
00:05:17,838 --> 00:05:21,519
En dan kun je op iedere hoek van de straat de politieman neerzetten.

80
00:05:21,519 --> 00:05:24,239
Maar je zou ook kunnen zeggen, iedereen heeft een telefoon bij zich.

81
00:05:24,239 --> 00:05:28,319
En die telefoon straalt aan op een mast en kan ik die data niet gebruiken.

82
00:05:28,639 --> 00:05:31,119
Dan doen die mensen natuurlijk nog steeds hun eigen ding.

83
00:05:31,119 --> 00:05:36,079
Maar je zou bijvoorbeeld kunnen zeggen, over vijf minuten begint er een hele mooie band op het Gele Rijdersplein.

84
00:05:36,079 --> 00:05:39,199
Of zou kunnen zeggen de trein moet iets later aankomen.

85
00:05:39,199 --> 00:05:51,199
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.

86
00:05:51,199 --> 00:05:53,358
Dit is een voorbeeld in de openbare orde.

87
00:05:53,358 --> 00:05:55,119
Je kunt die voorbeelden ook vinden.

88
00:05:55,119 --> 00:05:58,319
Ik heb daar wel eens eerder wat van verteld bij de Data Expo.

89
00:05:58,278 --> 00:06:06,838
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.

90
00:06:06,838 --> 00:06:13,079
En zo kun je data combineren om heel snel gericht een boef te pakken of iets anders te doen.

91
00:06:13,079 --> 00:06:15,879
Dat zijn best wel publieke databronnen.

92
00:06:15,879 --> 00:06:20,519
Dus dat betekent dat je ook best wel veel schakels hebt om eigenlijk zo'n vraagstuk te moeten kunnen tackelen.

93
00:06:21,718 --> 00:06:23,879
We hebben op een rijtje gezet.

94
00:06:24,598 --> 00:06:27,639
In een soort open source benadering binnen de politie.

95
00:06:27,639 --> 00:06:29,399
Waar zitten eigenlijk die puzzelstukjes?

96
00:06:29,478 --> 00:06:33,718
Dat is een oneindige reeks aan databronnen, binnen en van buiten.

97
00:06:33,718 --> 00:06:36,039
Ik geloof dat we er nu 1200 hebben.

98
00:06:36,278 --> 00:06:41,158
En dat zijn puzzelstukjes waarmee je eigenlijk je puzzel kunt leggen.

99
00:06:41,158 --> 00:06:45,719
Het lastige is wel dat niet al die puzzelstukjes daarvan weet je of ze waar zijn.

100
00:06:46,278 --> 00:06:49,158
Het internet staat bijvoorbeeld vol met synthetische data.

101
00:06:49,158 --> 00:06:53,399
Er zijn ook wel mensen die strooien zand in de radar en dan klopt de data niet meer.

102
00:06:53,959 --> 00:06:57,239
Dus je weet niet altijd of het de goede puzzelstukjes zijn.

103
00:06:57,239 --> 00:06:59,079
Dat maakt het echt wel tot een vak.

104
00:06:59,079 --> 00:07:00,679
Dat zich moet ontwikkelen.

105
00:07:00,678 --> 00:07:02,679
Het zijn soms open bronnen.

106
00:07:02,918 --> 00:07:06,119
Het zijn soms internationale bronnen, soms synthetische bronnen.

107
00:07:06,119 --> 00:07:09,639
Het is soms een IoT device, wat je wat leert.

108
00:07:09,639 --> 00:07:11,878
Iedereen heeft telefoons, iedereen heeft laptops.

109
00:07:11,879 --> 00:07:16,519
En soms is de collega die iets registreert, of een camera die iets heeft vastgelegd.

110
00:07:16,519 --> 00:07:17,879
Er zijn vele bronnen.

111
00:07:18,519 --> 00:07:20,678
Klinkt als een complexe puzzel om dat bij elkaar te brengen.

112
00:07:20,678 --> 00:07:24,758
Want we hebben het ook best wel over heel veel groot hoeveelheid de data verwachten.

113
00:07:24,759 --> 00:07:26,918
Want als we beelden zeggen, audio.

114
00:07:27,158 --> 00:07:29,639
Ik begreep iets van 100 petabytes.

115
00:07:29,639 --> 00:07:30,918
Of is dat alweer achterhaald?

116
00:07:30,918 --> 00:07:32,838
Wat vloeit maar door natuurlijk.

117
00:07:33,079 --> 00:07:37,718
We hebben vorig jaar hebben we een kort quizje gedaan, inderdaad, op de Data Expo.

118
00:07:38,278 --> 00:07:42,358
Iedereen gevraagd hoeveel data denken jullie eigenlijk dat de politie heeft.

119
00:07:42,999 --> 00:07:44,679
Maar je hebt goed geheugen.

120
00:07:45,399 --> 00:07:49,238
Dat is ongeveer waar we waar we aan zitten, enorme hoeveelheden.

121
00:07:49,319 --> 00:07:51,718
Het is echt enorm veel.

122
00:07:51,718 --> 00:07:57,559
Maar een van de dingen waar we vooral ook mee bezig zijn, is niet nog meer hebben, steeds meer, steeds meer.

123
00:07:57,558 --> 00:08:00,599
Maar eigenlijk zorgen dat we zo goed mogelijke data hebben.

124
00:08:01,079 --> 00:08:03,959
En dat is feiten waar Ruud ook gewoon aan refereerden.

125
00:08:03,959 --> 00:08:08,038
Dus die honden die we er nu hebben, het liefst zouden we daar eigenlijk gewoon veel minder van maken.

126
00:08:08,038 --> 00:08:12,999
Want het kost heel veel geld om niet alleen die data gewoon te hebben en vast te leggen.

127
00:08:13,319 --> 00:08:14,999
Maar het is ook niet altijd nodig.

128
00:08:14,999 --> 00:08:19,399
Dus de kunst is om alleen datgene wat je ook echt mag bewaren, bewaart.

129
00:08:20,599 --> 00:08:23,238
Tevens ook kijkt naar wat is de kwaliteit van die data dan.

130
00:08:24,199 --> 00:08:29,559
De wet, die bepaalt het in ieder geval voor je, maar dan hou je nog steeds een hele hoop over.

131
00:08:29,639 --> 00:08:32,438
Dit zijn vraagstukken waar heel veel bedrijven tegenaan lopen.

132
00:08:32,759 --> 00:08:37,158
Hoe maak je onderscheid tussen wat je wel en niet zou willen bewaren, ook gezien de toekomst.

133
00:08:37,158 --> 00:08:39,879
Dus mensen denk je, ja, maar ik heb heel veel data nodig voor AI.

134
00:08:39,879 --> 00:08:43,957
Dus laten we alles bewaren waar we de hand op kunnen leggen.

135
00:08:43,957 --> 00:08:47,639
Ja, wetgeving is hier natuurlijk voor ons gewoon bepalend.

136
00:08:48,119 --> 00:08:54,678
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.

137
00:08:54,678 --> 00:08:59,798
Dat is niet bewust altijd ten aanzien van nou, laten we maar lekker heel veel bewaren, maar soms is het ook gewoon.

138
00:09:00,359 --> 00:09:04,839
We hebben het, maar we weet eigenlijk niet eens dat we het hebben en het ligt ergens gewoon.

139
00:09:04,838 --> 00:09:14,919
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.

140
00:09:14,918 --> 00:09:17,639
Dus voor AI kun je data gebruiken om te trainen.

141
00:09:17,639 --> 00:09:20,598
En je hoort heel vaak, AI is heel data hongerig.

142
00:09:20,678 --> 00:09:23,959
Dus hoe meer data je ergens inkeert, hoe beter het wordt.

143
00:09:24,278 --> 00:09:29,719
Dat geldt niet voor alle toepassingen, sommige toepassingen inderdaad, hoe meer data.

144
00:09:32,119 --> 00:09:35,158
Dan kun je steeds meer in keeper en dan kunnen steeds meer bijleren.

145
00:09:35,158 --> 00:09:36,599
Maar dat geldt niet voor alle toepassingen.

146
00:09:36,599 --> 00:09:38,678
We hebben ook wel in het verleden dingen gebouwd.

147
00:09:38,678 --> 00:09:41,878
Waarbij we dachten van nou nog meer data erin, maar er werd helemaal niet beter van.

148
00:09:41,879 --> 00:09:42,678
En meer huis.

149
00:09:42,678 --> 00:09:44,439
Je krijgt alleen maar gewoon meer rommel.

150
00:09:44,438 --> 00:09:47,879
Dus daar hebben we geleerd om juist te minimaliseren.

151
00:09:47,879 --> 00:09:51,319
Zodat je gewoon veel beter goede kwaliteit data kunt hebben.

152
00:09:51,319 --> 00:09:55,798
Dan gewoon heel veel met het idee, ja dan machinaal dan wil je de rommel eruit.

153
00:09:55,798 --> 00:10:00,999
Dus dat is wel altijd een afweging waar je gewoon elke keer naar moet kijken.

154
00:10:00,999 --> 00:10:03,159
Wat is goede kwaliteit data?

155
00:10:04,599 --> 00:10:08,278
Da kun je verschillende definities aan geven aan wat is goede kwaliteit data.

156
00:10:08,278 --> 00:10:15,319
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.

157
00:10:15,478 --> 00:10:19,559
Dan is het van, dat is een beetje zo als basis kunnen gebruiken.

158
00:10:19,559 --> 00:10:23,079
Alleen dat kun je niet altijd helemaal precies van tevoren bepalen.

159
00:10:23,718 --> 00:10:28,999
Omdat je nooit exact weet, bijvoorbeeld als je opsporingsonderzoeken hebt, van welke data.

160
00:10:28,999 --> 00:10:32,038
Dus als ik daarmee start, is het nou wel of niet van belang.

161
00:10:32,038 --> 00:10:36,119
Dus zul je op een gegeven moment ook gewoon keuzes in moeten maken en daarin gaan uitfilteren.

162
00:10:36,119 --> 00:10:42,359
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.

163
00:10:42,359 --> 00:10:50,399
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.

164
00:10:50,479 --> 00:10:55,439
Dus een cruciaal puzzelstukje, die kan in een grote berg zitten waarvan je denkt, nou dat is alleen maar rommel.

165
00:10:55,438 --> 00:11:03,599
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.

166
00:11:03,599 --> 00:11:08,399
Dat hebben we gezien met dat Landeck arrest, ligt dat Ruud zometeen nog iets over kan toelichten.

167
00:11:08,399 --> 00:11:13,519
We kunnen ook niet zeggen, nou ja, weet je wel, als we dan ergens bij data kunnen, doen we ons dan mag gelijk alles.

168
00:11:13,519 --> 00:11:19,278
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.

169
00:11:19,278 --> 00:11:23,759
Nou ja, oké, dat is natuurlijk ook niet zoals zoals moet, dus daar moet je wel.

170
00:11:23,999 --> 00:11:25,759
Kan je kan je dat inderdaad toelichten?

171
00:11:25,759 --> 00:11:28,079
Wer de term zijn mij niet.

172
00:11:28,958 --> 00:11:35,599
In het DNA van veel politiemens, en je had het net over de wet, staat een begrip en dat is proportionaliteit.

173
00:11:35,839 --> 00:11:38,719
Wij kennen dat uit de wereld van het toepassen van geweld.

174
00:11:38,719 --> 00:11:41,759
Dat moet in verhouding staan tot je doel.

175
00:11:41,759 --> 00:11:49,038
En als je een onderzoek doet naar strafbaar feit, de opiumwet, drugs, mensenhandel, andere dingen.

176
00:11:49,038 --> 00:11:52,718
Dan zijn de middelen die je inzet als politie, de Politie heeft een geweldsmonopolie.

177
00:11:52,719 --> 00:11:56,399
Wij mogen ook soms bij data, bijvoorbeeld jouw telefoon.

178
00:11:56,399 --> 00:11:59,278
Als jij verdachte bent, dan zouden we jouw telefoon.

179
00:11:59,519 --> 00:12:02,078
En die telefoon bevat heel veel informatie over jou.

180
00:12:02,079 --> 00:12:03,199
Echt waanzinnig veel.

181
00:12:03,198 --> 00:12:07,198
Dus tegenwoordig een gewone computer, en als die nog in de cloud hangt, dan nog veel meer.

182
00:12:07,198 --> 00:12:09,678
Dat is fantastisch voor de opsporing.

183
00:12:09,678 --> 00:12:13,519
Maar daar komt wel de vraag op naar de proportionaliteit.

184
00:12:13,519 --> 00:12:17,599
Dus staat het doel wat ik wil bereiken in verhouding tot.

185
00:12:17,599 --> 00:12:22,078
En steeds meer komen we tot de conclusie dat met je oude Nokia was dat niet zo erg.

186
00:12:22,079 --> 00:12:24,079
Want dat waren alleen maar een paar telefoonnummers.

187
00:12:24,079 --> 00:12:25,999
Maar tegenwoordig is het zoveel.

188
00:12:25,999 --> 00:12:41,759
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.

189
00:12:41,759 --> 00:12:53,678
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.

190
00:12:53,678 --> 00:12:59,678
Het heeft de afgelopen jaar ook waar mijn programma meegedaan heeft, en mensen uit mijn programma.

191
00:12:59,678 --> 00:13:02,239
Ja, dat we onze manier van werken moesten aanpassen.

192
00:13:02,798 --> 00:13:04,479
En dat heeft veel consequenties.

193
00:13:04,479 --> 00:13:14,079
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.

194
00:13:14,558 --> 00:13:18,399
Voor de technologie de data lineage, de hele rattaplan.

195
00:13:18,718 --> 00:13:25,198
Dus eigenlijk heeft zo'n uitspraak tot gevolg gehad dat wij ons werkproces weer opnieuw moest uitvinden.

196
00:13:25,198 --> 00:13:29,038
Dus het politiewerk van morgen doet meer met data, telefoons en andere dingen.

197
00:13:29,038 --> 00:13:31,358
En het is begonnen in dat kleine stukje Oostenrijk.

198
00:13:31,519 --> 00:13:41,359
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.

199
00:13:42,639 --> 00:13:45,038
Zo zwart-wit durf ik dat niet te zeggen.

200
00:13:45,839 --> 00:13:49,599
Ik ga even terug naar de kern van het politiewerk, want die verandert niet.

201
00:13:49,918 --> 00:13:51,759
En dat is mijn DNA.

202
00:13:51,759 --> 00:14:00,479
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.

203
00:14:00,479 --> 00:14:05,118
Dus ik hecht heel erg aan data, datakwaliteit.

204
00:14:05,119 --> 00:14:07,599
Maar het is vanuit het perspectief van de opsporing.

205
00:14:07,599 --> 00:14:09,918
Dus je perspectief bepaalt.

206
00:14:09,918 --> 00:14:12,479
En dan zie ik AI als een hulpmiddel.

207
00:14:12,479 --> 00:14:17,919
Maar de beslissing maken, of je overtuigd bent dat jij de verdachte bent of iemand anders.

208
00:14:17,918 --> 00:14:20,158
Ja, ik zie daar altijd graag een mens tussen.

209
00:14:20,158 --> 00:14:27,198
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.

210
00:14:27,198 --> 00:14:29,838
Dus ik ben een fan van AI als hulpmiddel.

211
00:14:30,079 --> 00:14:37,919
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.

212
00:14:37,918 --> 00:14:39,278
Om te zorgen dat het goed komt.

213
00:14:39,438 --> 00:14:48,239
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.

214
00:14:48,239 --> 00:14:52,719
Maar het is ook wel een deels een internationaal cultureel ding.

215
00:14:52,718 --> 00:14:59,438
Dus afhankelijk van de cultuur zijn er soms ook gewoon wat andere opvattingen over hoe je hiermee omgaat.

216
00:14:59,438 --> 00:15:02,558
Maar ook de wetgeving is natuurlijk gewoon best wel anders.
217
00:15:02,559 --> 00:15:05,999
In Europa zijn we inmiddels aardig geharmoniseerd in wetgeving.
 217
00:15:05,999 --> 00:15:08,319
We hebben de Europese AI-act.
 218
00:15:08,319 --> 00:15:10,959
Die inmiddels voor een deel in effect is.
 219
00:15:10,958 --> 00:15:19,999
Voor het hoog risicodeel is dat uitgesteld voordat dat in werking komt tot december volgend jaar, dat zou eigenlijk augustus dit jaar al zijn.
 220
00:15:20,158 --> 00:15:23,519
Dat is op zich goed, want er was nog heel veel werk te doen en onduidelijkheden.
 221
00:15:23,519 --> 00:15:27,479
Dus het geeft iets meer tijd om daar de governance voor op orde te brengen.
 222
00:15:27,119 --> 00:15:34,438
Maar als je als je kijkt binnen Europa, hoe we met data omgaan en ook hoe we bijvoorbeeld AI-toepassingen ontwikkelen.
 223
00:15:34,519 --> 00:15:39,959
Want ook de politiediensten in Europa ontwikkelen best veel zelf naast wat er vanuit de markt komt.
 224
00:15:39,958 --> 00:15:45,798
Versus andere landen en hele extreme is natuurlijk de manier waarop in China gewoon dingen ontwikkeld worden.
 225
00:15:45,798 --> 00:15:50,839
Hoewel het niet zo is, dat denken vele dat in China gewoon echt alles maar gewoon mag.
 226
00:15:51,158 --> 00:15:53,479
Dus de Chinezen hebben ook wel wet en regelgeving.
 227
00:15:53,479 --> 00:15:56,198
Alleen, die wordt natuurlijk door de communistische partij gewoon bepaald.
 228
00:15:56,519 --> 00:15:58,198
Dat ze dus natuurlijk iets anders opzet.
 229
00:15:58,198 --> 00:16:01,799
Aan de andere kant hebben we Amerika, zeg maar die het vanuit een andere blik.
 230
00:16:01,958 --> 00:16:11,719
Maar je zou kunnen zeggen dat het eenzelfde uitwerking heeft, en dat is namelijk gewoon toezicht met AI en data.
 231
00:16:11,719 --> 00:16:16,119
Ja, dat is interessant natuurlijk, in Amerika is het heel erg politiek gestuurd.
 232
00:16:18,359 --> 00:16:20,918
Alles dat nog deels wat politiek gestuurd.
 233
00:16:20,918 --> 00:16:34,198
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.
 234
00:16:34,198 --> 00:16:39,079
waar veel meer werd ingezet op regulering en ook op wetgeving op federaal niveau.
 235
00:16:39,239 --> 00:16:44,759
Dat is nu eigenlijk voor allemaal een groot deel weer teruggedraaid en nu is het daar aan de staten vooral om dingen te regelen.
 236
00:16:45,318 --> 00:16:52,438
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.
 237
00:16:52,438 --> 00:16:55,079
Je zou denken dat is mooi, dan mag je gewoon van alles.
 238
00:16:55,639 --> 00:16:57,319
Dus ja, laten we ook maar gaan.
 239
00:16:57,318 --> 00:17:00,599
Er zijn er uiteraard bij die dat gewoon dan op die manier oppakken.
 240
00:17:00,599 --> 00:17:05,479
Maar er zijn ook heel veel bij, en dat zijn vooral ook politiechefs die natuurlijk gewoon verantwoordelijkheid hebben.
 241
00:17:05,637 --> 00:17:10,439
Die denken, ja, als het dus niets geregeld is, hoe hou ik dan het vertrouwen van mijn burgers.
 242
00:17:10,598 --> 00:17:13,239
Want dan moet je het eigenlijk dan allemaal zelf gaan doen.
 243
00:17:13,239 --> 00:17:19,959
Kijk, wij zijn ook niet altijd even blij met de wetgeving en regelgeving zoals wij die hebben in Europa of in Nederland.
 244
00:17:20,198 --> 00:17:25,558
Ze zijn daar constant in overleg op allerlei verschillende niveaus, om dat gewoon passend te maken.
 245
00:17:25,558 --> 00:17:27,719
En ook vooral ook om uit te leggen wat we doen.
 246
00:17:27,718 --> 00:17:29,559
Want wij maken soms gewoon inbreuk.
 247
00:17:29,558 --> 00:17:31,079
We noemden dat eerder.
 248
00:17:31,079 --> 00:17:33,159
Op bepaalde rechten, fundamentele rechten.
 249
00:17:33,158 --> 00:17:35,639
Maar dat heeft altijd wel een doel, de grondslag.
 250
00:17:36,678 --> 00:17:38,759
In Amerika geldt voor een deel hetzelfde.
 251
00:17:38,759 --> 00:17:40,999
Het is niet zo dat daar gewoon maar alles mag.
 252
00:17:40,999 --> 00:17:46,438
Alleen wat je nu vooral ziet, is dat er op het niveau van de staten in Amerika veel geregeld wordt.
 253
00:17:46,599 --> 00:18:06,198
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.
 254
00:18:06,198 --> 00:18:12,678
Om ook, net zoals wij dat willen, netjes te kunnen werken en vooral geen verrassingen te hebben, ook met het gebruik van AI.
 255
00:18:12,678 --> 00:18:15,639
Als je dit inkleurt.
 256
00:18:15,958 --> 00:18:22,999
Politiemensen doen graag hun werk goed en dat betekent ook het woord al vrouwen vertrouwen van het publiek.
 257
00:18:23,158 --> 00:18:28,359
Je hebt een soort bevoegdheid gekregen van de wetgever van het publiek om je dingen netjes te mogen doen.
 258
00:18:28,359 --> 00:18:29,799
Daar zijn wij ook heel trots op.
 259
00:18:29,799 --> 00:18:33,079
Daar hoort een ingewikkeld woord bij, dat heet legitimiteit.
 260
00:18:33,238 --> 00:18:38,438
En onze korpschef heeft onlangs het woord rechtsstatelijkheid gebruikt.
 261
00:18:38,438 --> 00:18:47,319
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.
 262
00:18:47,559 --> 00:18:55,478
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.
 263
00:18:55,639 --> 00:19:02,758
Maar Nederland en Europa, die hebben Montesquieu en de Triaspolitica en een aantal fundamentele waarden in het recht.
 264
00:19:03,319 --> 00:19:05,479
Die zitten er zo in bij ons.
 265
00:19:05,718 --> 00:19:12,278
Dat dat ook iets doet met hoe je omgaat met data en hoe je omgaat met proportionaliteit.
 266
00:19:13,158 --> 00:19:16,758
En dat is wel een zoektocht en dat gaat vast niet allemaal in één keer goed.
 267
00:19:16,759 --> 00:19:18,438
Maar dat zit wel in ons DNA.
 268
00:19:18,438 --> 00:19:24,599
We hebben in Nederland wat we wel eens een horizontale politie noemen, op gelijke hoogte met de burger.
 269
00:19:25,158 --> 00:19:32,039
En er zijn landen in Europa en in de wereld, die kijken daar anders naar, die zitten wat meer aan de effectiviteitskant.
 270
00:19:32,038 --> 00:19:37,319
En wat minder aan de vrijheidskant of de privacykant of de proportionaliteitskant.
 271
00:19:37,319 --> 00:19:40,518
En dat is in Nederland en in bijvoorbeeld Engeland.
 272
00:19:41,079 --> 00:19:44,039
Zie je dat wij die waarden, die hebben we best hoog.
 273
00:19:44,279 --> 00:19:46,678
Wat betekent dat voor de samenwerking daarin dan?
 274
00:19:46,678 --> 00:19:48,998
Want het is een ander beeld, dus een andere aanpak.
 275
00:19:49,239 --> 00:19:51,478
Dat kan botsen, maar dat kan ook heel veel van elkaar leren.
 276
00:19:51,478 --> 00:19:52,839
Wat doet dat met de samenwerking?
 277
00:19:52,839 --> 00:19:56,918
Ja, voor de samenwerking maakt dat eigenlijk op zich niet zoveel uit.
 278
00:19:57,718 --> 00:20:04,198
Als je kijkt, ook als je bij landen geweest, hebben heel veel politiecollega's uit allerlei verschillende diensten ontmoet.
280
00:20:04,198 --> 00:20:06,999
En er zit heel veel overeenkomst altijd in.

279
00:20:07,079 --> 00:20:11,399
Het is iets wat me vooral toen ik dat eigenlijk pas in het begin een beetje deed, eigenlijk ga ik opval.

280
00:20:11,639 --> 00:20:13,279
Je denkt, nou, ik ben een totaal ander land.

281
00:20:13,279 --> 00:20:15,119
Hier zullen dingen wel echt heel anders gaan.

282
00:20:13,079 --> 00:20:20,238
Als je kijkt naar de kern van de politiewerken, het DNA van politiewerk.

283
00:20:20,559 --> 00:20:23,119
Dat is in echt heel erg veel landen hetzelfde.

284
00:20:23,119 --> 00:20:27,599
Niet alleen binnen Europa, waar we veel overeenkomsten hebben, maar ook wel buiten Europa.

285
00:20:27,599 --> 00:20:31,038
Dus in die zin kun je gewoon daar nog steeds heel veel van elkaar leren.

286
00:20:31,039 --> 00:20:34,319
Het interessante is dat vooral als je kijkt naar een land als Amerika.

287
00:20:34,478 --> 00:20:38,238
Amerikaanse collega's kopen eigenlijk bijna alles aan producten.

288
00:20:38,238 --> 00:20:41,839
Dus alles wat zijn toepassingen gebruiken, komt uit de markt.

289
00:20:41,839 --> 00:20:44,318
Wij bouwen als Nederland veel zelf.

290
00:20:44,879 --> 00:20:50,719
We worden internationaal beschouwd, gewoon als een van de koplopers op het gebied van het ontwikkelen van eigen toepassingen.

291
00:20:51,039 --> 00:20:55,278
Er zijn nog een paar landen in Europa, maar wij zijn daar best heel ver in al.

292
00:20:55,359 --> 00:20:57,278
Durende best wel veel jaren.

293
00:20:57,279 --> 00:21:02,718
In Amerika zie je dat ze eigenlijk vooral naar hun leveranciers kijken, de politiediensten.

294
00:21:02,718 --> 00:21:05,759
Maar anderzijds daar ook heel erg hoge eisen aanstellen.

295
00:21:05,758 --> 00:21:10,319
Dus het is niet zo dat het maar is van nou ja, doet hij maar wat en dan gaan we het wel gebruiken.

296
00:21:10,559 --> 00:21:12,879
De concurrentie is daar zeer hevig.

297
00:21:13,039 --> 00:21:16,559
En je moet ook echt gewoon goede spullen kunnen leveren.

298
00:21:16,879 --> 00:21:25,839
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.

299
00:21:25,839 --> 00:21:32,478
Dat is wel een ontwikkeling die eigenlijk de laatste twee, drie jaar heeft ingezet, dat was daarvoor in Amerika eigenlijk niet zo.

300
00:21:32,478 --> 00:21:36,399
Dan had je veel meer partijen in die markt met allerlei specifieke toepassingen.

301
00:21:36,399 --> 00:21:47,438
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.

302
00:21:47,438 --> 00:21:51,438
En daarmee eigenlijk ook heel veel anderen dan die markt uitdrukken.

303
00:21:51,438 --> 00:21:54,478
En dat is wel een punt van zorgen voor Amerikaanse collega's.

304
00:21:54,478 --> 00:21:56,639
En dat levert denk ik ook een mooi bruggetje op.

305
00:21:56,718 --> 00:22:02,718
Want ik denk dat we nu een heel duidelijk beeld hebben van de werking van de politie en de data daarin.

306
00:22:03,039 --> 00:22:06,799
Zou je wat kunnen vertellen over dat programma.

307
00:22:07,119 --> 00:22:10,958
Waarom is het gestart en wanneer is het een succes?

308
00:22:12,879 --> 00:22:21,439
Als je een paar jaar terugkijkt, dan zag die politie komen dat de wereld digitaliseerde en die zag een grote arbeidsmarktproblematiek komen.

309
00:22:21,438 --> 00:22:25,119
Veel collega's gingen met pensioen vertrekken, concurrentie op de arbeidsmarkt.

310
00:22:25,359 --> 00:22:29,039
En toen gingen wij nadenken van kan het anders, kan het beter, kan het slimmer.

311
00:22:29,039 --> 00:22:42,959
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.

312
00:22:43,279 --> 00:22:47,918
De crypto data en de cryptotelefoons, de kranten hebben er vol mee gestaan.

313
00:22:48,238 --> 00:22:50,639
Internationaal samenwerking.

314
00:22:50,799 --> 00:22:52,478
Ja, ineens.

315
00:22:52,879 --> 00:22:54,799
Het was geweldig, het nieuwe goud.

316
00:22:54,958 --> 00:22:56,079
Wist ineens wat het was.

317
00:22:56,079 --> 00:23:00,318
Zorgde dat ook niet voor een hele grote belofte waar je soms wel eens tegenaan liep.

318
00:23:00,478 --> 00:23:03,598
Dit lijkt natuurlijk aan de buitenkant geweldig.

319
00:23:03,599 --> 00:23:05,599
En doet u mij maar een heleboel.

320
00:23:05,759 --> 00:23:07,678
Maar als je het dekseltje optelt.

321
00:23:07,678 --> 00:23:11,199
En wat ik net zei, dan moet je het netjes regelen.

322
00:23:11,198 --> 00:23:15,599
Dan moet je het kunnen reproduceren, dan moet je weten waar het gebleven heeft, die heeft besloten.

323
00:23:15,599 --> 00:23:16,478
Waar gaat het heen?

324
00:23:16,478 --> 00:23:18,958
En het leidde ook tot gekraak in het systeem.

325
00:23:18,958 --> 00:23:23,359
Want als je ineens met heel veel verdachten komt of met zaken komt, moet justitie het kunnen verwerken.

326
00:23:23,359 --> 00:23:25,519
En verderop in de pipeline speelde dit ook.

327
00:23:25,518 --> 00:23:27,919
Dus er zitten een heleboel dingen aan de pluskant.

328
00:23:27,918 --> 00:23:33,438
Maar toen je het dekseltje ging optillen, toen zaten er ook een hoop dingen die je randvoorwaardelijk moet regelen.

329
00:23:33,438 --> 00:23:41,039
En laat maar zeggen, in het programma, maar ook wel in de aanloop kwamen we erachter, dat dan die werkprocessen veranderen.

330
00:23:41,039 --> 00:23:42,879
En dat moet je dan wel inregelen.

331
00:23:42,879 --> 00:23:45,678
Voor heel veel mensen in verschillende processen.

332
00:23:45,678 --> 00:23:48,798
En hoe werd dat ontvangen, stonden ze te juichen?

333
00:23:49,998 --> 00:23:56,639
Als er nieuwe regelgeving komt, en bijvoorbeeld het landelijk er is al weer eerder over, een aantal collega's zijn best teleurgesteld geweest.

334
00:23:56,639 --> 00:24:09,519
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.

335
00:24:10,158 --> 00:24:12,639
Ik moet lachen een van mijn collega's.

336
00:24:12,879 --> 00:24:16,879
Die deed ooit een experimentje, ik vergeet het nooit meer, ik leen het altijd van hem.

337
00:24:16,879 --> 00:24:23,999
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.

338
00:24:24,239 --> 00:24:25,918
Meestal is er dan emotie.

339
00:24:25,918 --> 00:24:27,198
En willen mensen dat niet.

340
00:24:28,478 --> 00:24:32,158
Maar stel je nou eens voor dat jij de politie bent en je doet het van een burger.

341
00:24:32,319 --> 00:24:34,559
Dan wil je toch ook dat er netjes naar gekeken is.

342
00:24:35,198 --> 00:24:37,359
Dan is de discussie eigenlijk al vrij klaar.

343
00:24:37,359 --> 00:24:38,238
Vrij snel klaar.

344
00:24:38,239 --> 00:24:40,319
Dus je moet iets op werkprocessen doen.

345
00:24:40,319 --> 00:24:41,839
Je moet iets op hulp.

346
00:24:42,079 --> 00:24:44,198
Maar stel je ook voor opleiding.

347
00:24:44,198 --> 00:24:45,119
Hoe zit dit dan?

348
00:24:45,119 --> 00:24:46,158
Wat mag ik dan?

349
00:24:46,158 --> 00:24:47,918
Waar liggen de grenzen dan?

350
00:24:47,918 --> 00:24:51,599
En even in aanvulling: veel is internationaal en kunnen we samen.

351
00:24:51,599 --> 00:24:54,479
Maar soms, heel soms loop je over de grenzen aan.
354
00:24:54,478 --> 00:25:00,838
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.

352
00:24:58,239 --> 00:25:03,399
En dan moet je hele ICT-landschap.

353
00:25:03,639 --> 00:25:08,439
Dat is natuurlijk niet gebouwd in een tijd van AI en data, legacy voor de techneuten.

354
00:25:08,998 --> 00:25:11,639
Ze zeg altijd graag chain of evidence, chain of custody.

355
00:25:11,639 --> 00:25:13,879
Wie heeft het ding wanneer in zijn vingers gaat.

356
00:25:13,879 --> 00:25:15,958
Ja, dat moet wel een beetje netjes.

357
00:25:16,599 --> 00:25:18,279
Het betekent heel veel werk.

358
00:25:18,279 --> 00:25:24,039
En wij kwamen tot de conclusie dat als we door zouden gaan in dit tempo, dat we het niet bij zouden kunnen benen.

359
00:25:24,039 --> 00:25:29,318
Dus we hebben een programma als hulpstructuur weggezet om te versnellen om te verbeteren.

360
00:25:29,958 --> 00:25:33,558
Wat zijn de stappen die jullie genomen hebben concreet?

361
00:25:33,958 --> 00:25:37,319
We hebben een aantal projecten gedaan samen met de eenheden.

362
00:25:37,319 --> 00:25:41,399
De eenheid Oosten, de landelijke eenheid, de een uit Rotterdam en Den Haag.

363
00:25:41,718 --> 00:25:43,879
Om bijvoorbeeld dat digitaal beslag.

364
00:25:43,879 --> 00:25:47,158
Wij kwamen erachter dat veel collega's dat op een andere manier deden.

365
00:25:47,158 --> 00:25:48,678
En dat kun je eigenlijk niet uitleggen.

366
00:25:48,678 --> 00:25:50,198
Digitaal beslag voor mij even.

367
00:25:51,399 --> 00:25:56,839
Als ik jou, jij wordt gepakt bij het dealen van drugs.

368
00:25:57,158 --> 00:25:59,718
Dan ben ik geïnteresseerd waar jij je drugs aan haalt.

369
00:26:00,839 --> 00:26:05,879
Dan heeft jouw telefoon waarschijnlijk een heleboel data die mij kunnen helpen.

370
00:26:06,678 --> 00:26:08,198
Dat noemen wij digitaal beslag.

371
00:26:08,279 --> 00:26:10,119
Wij leggen beslag op jouw data.

372
00:26:10,678 --> 00:26:15,558
Vroeger leggen we beslag op je fiets, je goederen, je auto, nu leggen we beslag op je data.

373
00:26:15,559 --> 00:26:19,639
En als je nou kijkt in Nederland, is iedereen natuurlijk aan het pionieren hoe dat moet.

374
00:26:19,639 --> 00:26:26,918
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.

375
00:26:26,918 --> 00:26:31,158
Het zijn de eenheden Rotterdam en Den Haag, die hier hun nek uitgestoken hebben, die hebben gezegd.

376
00:26:31,158 --> 00:26:35,079
Ja, we moeten eigenlijk komen tot een nieuwe werkwijze met nieuwe IT'en, nieuwe dingen.

377
00:26:35,079 --> 00:26:36,758
Dat is inmiddels een programma geworden.

378
00:26:36,758 --> 00:26:39,079
En dan wordt het dus eigenlijk volwassen.

379
00:26:39,079 --> 00:26:43,719
Een tweede voorbeeld is, als collega's aanrijdend zijn in de eenheid Oost.

380
00:26:44,359 --> 00:26:46,758
Dan kunnen wij soms een systemen iets opzoeken.

381
00:26:46,758 --> 00:26:50,918
Van waar gaan we nou heen, moeten we ons kogelvrije vest aan trekken of niet.

382
00:26:51,238 --> 00:26:52,758
Waar komen we in terecht?

383
00:26:52,759 --> 00:26:55,158
Dat is heel fijn als je dat weet als collega.

384
00:26:55,478 --> 00:26:58,279
Maar het zit natuurlijk in allemaal verschillende systemen.

385
00:26:58,279 --> 00:26:59,799
Dat moet slimmer kunnen.

386
00:27:00,198 --> 00:27:09,958
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.

387
00:27:09,958 --> 00:27:10,759
Ja, dat kan.

388
00:27:10,759 --> 00:27:15,319
Als je data stukjes combineert en je geeft die een waarde, dan kan je er iets mee.

389
00:27:15,319 --> 00:27:18,119
Maar je zegt niet voor niks van ze zitten in verschillende systemen.

390
00:27:18,119 --> 00:27:22,119
Heel veel, zeker wat grotere bedrijven hebben, ook allemaal data-silo's.

391
00:27:22,759 --> 00:27:25,719
Hoe hebben jullie die data dan bij elkaar gekregen?

392
00:27:25,718 --> 00:27:27,879
Dat kan nog niet zeggen dat we ze allemaal bij elkaar hebben.

393
00:27:28,839 --> 00:27:31,639
Net als al die bedrijven en anderen.

394
00:27:32,279 --> 00:27:35,318
Heel vroeger, ik weet niet of jullie een IT-achtergrond hebben.

395
00:27:35,879 --> 00:27:38,278
Vroeger had je de Nolan curve, kennen jullie dat?

396
00:27:39,559 --> 00:27:42,278
Die man is 20, 30 jaar geleden, maar die had wel gelijk.

397
00:27:42,599 --> 00:27:46,678
Het is natuurlijk een tijd geweest dat onze case management systemen allemaal verschillend waren.

398
00:27:46,839 --> 00:27:48,758
Dat hebben we inmiddels wel aardig op orde.

399
00:27:48,759 --> 00:27:53,879
Dan komt er een tijd gaan we onze warehouses proberen te standaardiseren.

400
00:27:53,879 --> 00:27:56,518
En inmiddels is het data van binnen en buiten.

401
00:27:56,518 --> 00:27:58,918
En moeten we die laden en van een waarde voorzien.

402
00:27:58,998 --> 00:28:00,999
En moeten we er een lifecycle op zetten.

403
00:28:00,998 --> 00:28:04,199
En dat is een beetje de generatie of de fase waar we nu in zitten.

404
00:28:04,438 --> 00:28:09,879
En dat betekent wederom dat je van eilanden naar weilanden moet.

405
00:28:09,879 --> 00:28:12,678
En je moet dat een beetje gaan organiseren voor de Nederlandse politie.

406
00:28:12,678 --> 00:28:16,278
En misschien wel internationaal, omdat sommige boeven heel vervelend.

407
00:28:16,279 --> 00:28:17,879
Die houden zich niet aan de landsgrenzen.

408
00:28:18,198 --> 00:28:20,678
Ja, dat is inderdaad echt heel vervelend.

409
00:28:20,839 --> 00:28:23,238
Ze niet gewoon je eigen dorp.

410
00:28:23,238 --> 00:28:25,158
Alleen daar rondlopen.

411
00:28:26,039 --> 00:28:29,879
Wat je ziet natuurlijk nu is qua criminaliteit.

412
00:28:29,879 --> 00:28:33,158
De fysieke criminaliteit die daalt eigenlijk al best wel heel lang.

413
00:28:33,158 --> 00:28:36,439
Het gaat niet heel abrupt, maar dat daalt eigenlijk wel geleidelijk.

414
00:28:36,438 --> 00:28:41,399
Maar het betekent dat vooral digitaal criminaliteit natuurlijk enorm aan het stijgen is op dit moment.

415
00:28:41,399 --> 00:28:43,559
Die criminelen kunnen eigenlijk overal zitten.

416
00:28:43,559 --> 00:28:49,958
En in de praktijk zitten ze ook het liefst op plekken waar ze gewoon het lastigste lastig gewoon in de nek te grijpen zijn.

417
00:28:49,958 --> 00:28:51,639
Er zijn gewoon landen op de wereld.

418
00:28:51,639 --> 00:29:01,238
Dan laten we zeggen dat die iets minder actief zijn in het opzoeken van figuren die wij liever achter wat traliewerken hebben gezien zitten.

419
00:29:01,319 --> 00:29:02,758
Soms kunnen er niet bij.

420
00:29:03,158 --> 00:29:09,399
Want de soevereiniteit van een land betekent dat je niet zomaar in kunt grijpen in een land van een ander.

421
00:29:09,399 --> 00:29:12,599
Dus dan moet je andere interventietechnieken verzinnen.

422
00:29:12,599 --> 00:29:19,158
Misschien moet je dan je burgers wel opvoeden of weerbaar maken of sla de krant maar open.

423
00:29:19,158 --> 00:29:22,518
Allerlei vormen van helpdesk fraude, internetfraude.

424
00:29:24,678 --> 00:29:26,599
Je moet het probleem kleiner maken.

425
00:29:26,599 --> 00:29:29,158
En als je de boef niet kan vangen, moet je iets anders verzinnen.

426
00:29:29,158 --> 00:29:32,198
Dus dat is ook onderdeel van de politie om daar trajecten.

427
00:29:32,599 --> 00:29:35,399
Een nieuwe werkwijze, het is net de IBM.

428
00:29:35,478 --> 00:29:37,158
Big Blue, mooi bedrijf.

429
00:29:37,158 --> 00:29:39,799
Het is net als Apple, je moet je af en toe opnieuw uitvinden.

430
00:29:39,799 --> 00:29:41,238
En dat geldt ook voor ons.

431
00:29:41,478 --> 00:29:44,639
Wat is het grootste stap geweest in die uitvinding?

432
00:29:44,958 --> 00:29:46,478
Een soort van besef.

433
00:29:46,478 --> 00:29:48,238
Want ja, data gebruiken.

434
00:29:48,238 --> 00:29:50,958
Hij zijn heel trots op de crypto data.

435
00:29:52,399 --> 00:29:53,918
En ik begin te lachen.
439
00:29:53,918 --> 00:29:57,278
Het is niet één bak met data geweest, er is internationaal samengewerkt.

436
00:29:57,279 --> 00:30:07,119
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.

437
00:30:07,119 --> 00:30:10,798
Is de politie zo slim geweest om een soort paard van Troje verstand te halen.

438
00:30:10,958 --> 00:30:14,798
Toen dachten mensen dat ze cryptotelefoons, alles ongezien onbespied.

439
00:30:14,958 --> 00:30:17,119
En die gingen elkaar vertellen waar het dood lag.

440
00:30:17,119 --> 00:30:18,399
Dat is interessant.

441
00:30:18,399 --> 00:30:24,158
En dan niet gecodeerd, want dat is iets wat klassiek natuurlijk, criminelen altijd met elkaar deden.

442
00:30:25,599 --> 00:30:26,399
Meeluisterd.

443
00:30:26,879 --> 00:30:31,119
We gebruiken daarvoor of straattaal of gewoon eigen criminele taal.

444
00:30:31,119 --> 00:30:35,918
Nou, deels zijn we wel zo slim dat wij ook de criminele taal soms wel wat kunnen ontcijferen.

445
00:30:35,918 --> 00:30:38,558
Dus als iemand het over een pit heeft.

446
00:30:38,799 --> 00:30:41,038
Wat denk je dan bijvoorbeeld is?

447
00:30:44,478 --> 00:30:49,518
Nou, die kun je ergens instoppen en dan haal je zijn trekker over en dan gebeurt er met die pit wat.

448
00:30:49,758 --> 00:30:51,038
Dat zijn bijvoorbeeld zo'n woordje.

449
00:30:51,039 --> 00:30:52,479
Maar goed, je kunt ook echt heel.

450
00:30:52,799 --> 00:30:54,079
Uit van die gemeenschappen af.

451
00:30:57,678 --> 00:31:05,599
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.

452
00:31:05,599 --> 00:31:07,918
En een half uur later kwam het bericht terug.

453
00:31:07,918 --> 00:31:10,079
Ja, er zitten vijf gaten in op de goede plek.

454
00:31:10,958 --> 00:31:12,318
Met alle details en zo.

455
00:31:12,319 --> 00:31:15,758
Nou, dat is natuurlijk vrij uniek dat je dat soort informaties hebt.

456
00:31:15,758 --> 00:31:20,238
En we hebben natuurlijk veel meer dan nog allemaal uitgekregen uit die telefoons.

457
00:31:20,238 --> 00:31:22,639
Dus dat is wel een heel mooi mooi voorbeeld.

458
00:31:23,279 --> 00:31:25,039
We zitten hier in een AI-podcast.

459
00:31:25,359 --> 00:31:28,718
Heeft de technologie daar ergens nog een rol in gespeeld.

460
00:31:28,799 --> 00:31:29,759
Zeker.

461
00:31:30,158 --> 00:31:37,279
Iedereen, als je kijkt naar AI, die denkt natuurlijk alle AI's een soort ChatGPT en large language models.

462
00:31:37,279 --> 00:31:42,239
Want sinds dat gepubliceerd werd een aantal jaar geleden, is iedereen AI-expert, het minste.

463
00:31:42,238 --> 00:31:46,318
Dat komt niet anders dan tegen die heel veel verstand van waarschijnlijk te hebben.

464
00:31:46,319 --> 00:31:52,718
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.

465
00:31:52,718 --> 00:31:56,158
Dus toen we de eerste gekraakt hebben.

466
00:31:56,478 --> 00:32:04,799
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.

467
00:32:04,799 --> 00:32:09,038
En ook samen met onze Franse collega's van de Fransen en Gendarmerie.

468
00:32:09,198 --> 00:32:13,599
Toen we in staat waren, natuurlijk om in die enorme berg data te kijken.

469
00:32:13,759 --> 00:32:16,718
Toen hebben we ons ook afgevraagd: ja, maar hoe doen we dat nu?

470
00:32:16,718 --> 00:32:19,119
Want het was echt zo verschrikkelijk veel.

471
00:32:19,359 --> 00:32:22,399
En toen de tijd hadden we iets minder geavanceerde tools dan nu.

472
00:32:22,399 --> 00:32:25,599
Dus we hebben die allemaal eigenlijk zelf moeten ontwikkelen.

473
00:32:25,599 --> 00:32:27,519
En de wie heeft het ook wat ontwikkeld.

474
00:32:27,518 --> 00:32:30,079
En dan moet je ook kijken met die data die je hebt.

475
00:32:30,079 --> 00:32:32,958
Wat wil ik er nou bijvoorbeeld als eerste uithalen?

476
00:32:33,198 --> 00:32:36,639
En wat is wel en niet relevant, naast van hoe doe je dat nu.

477
00:32:36,639 --> 00:32:41,519
En een van de toepassingen die toen de tijd is ontwikkeld, is wat we dan heet Threat to Life.

478
00:32:41,518 --> 00:32:50,319
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.

479
00:32:50,319 --> 00:32:52,719
En dan is het dus een threat to life.

480
00:32:52,718 --> 00:33:01,518
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.

481
00:33:01,518 --> 00:33:05,678
En daar is toen de tijd, ook met vormen van AI die we toen hadden.

482
00:33:05,759 --> 00:33:08,238
We noemden het toen machine learning, we noemde het geen eens AI.

483
00:33:08,238 --> 00:33:14,718
Want voor ons was AI in het wetenschappelijke begrip was iets anders dan eigenlijk zoals nu tegen AI gekeken wordt.

484
00:33:14,718 --> 00:33:18,319
Dus wij gebruikten toen de tijd verschillende vormen van machine learning.

485
00:33:18,319 --> 00:33:21,839
Die zijn ontwikkeld, onder andere door ons team Hightech Crime.

486
00:33:21,839 --> 00:33:28,319
Die daar al de nodig jaar ervaring in heeft, maar ook in samenwerking, in dit geval ook met het Nederlands Forensisch Instituut.

487
00:33:28,319 --> 00:33:31,999
Omdat we bijvoorbeeld uit die enorme berg als eerste eruit te kunnen halen.

488
00:33:31,998 --> 00:33:37,518
Want dat is iets, ja, als je drie maanden later dat eruit vist, dan heb je kans dat het al natuurlijk te laat is.

489
00:33:37,678 --> 00:33:39,038
Dus dat is één voorbeeldje.

490
00:33:39,119 --> 00:33:39,359
En een

491
00:33:39,359 --> 00:33:45,799
Dat was het eerste deel van het gesprek met Oscar Wijsman en Ruud Staijen van de Nederlandse politie.

492
00:33:45,799 --> 00:33:48,439
Morgen hoor je het tweede deel.

493
00:33:48,439 --> 00:33:52,798
Daarin gaat het onder andere over hoe de politie met machine learning,

494
00:33:52,798 --> 00:34:00,679
dreigingen tegen personen proberen op te sporen en over de Europese AI Act.

495
00:34:00,679 --> 00:34:04,279
Deze week is het bij ons Data Expo Week.

496
00:34:04,279 --> 00:34:07,839
De hele week hoor je sprekers van het evenement.

497
00:34:07,839 --> 00:34:14,438
Data Expo zelf vindt plaats op 9 en 10 september in de jaarbeurs in Utrecht.

498
00:34:14,438 --> 00:34:16,359
Je ticket is gratis.

499
00:34:16,359 --> 00:34:20,118
De link om het te bestellen vindt je in de shownotes.

500
00:34:20,118 --> 00:34:21,518
Tot morgen.