Lieven Raes, adviseur bij Digitaal Vlaanderen en co-editor en auteur van het boek ‘Decide Better - Open and Interoperable Local Digital Twins’, staat aan de frontlinie van deze ontwikkeling. In zijn werk verkent hij hoe deze virtuele modellen van steden of regio’s gebruikt kunnen worden om beter onderbouwde beslissingen te nemen in de ruimtelijke planning. De technologie maakt het mogelijk om verschillende scenario’s te simuleren voordat keuzes worden gemaakt die de echte stad beïnvloeden.

We spraken met Raes over hoe datamodellen en kunstmatige intelligentie niet alleen helpen om betere steden te bouwen, maar ook om lokale overheden en burgers beter te betrekken bij beslissingen die hun leefomgeving vormen.

Lieven, proficiat met de publicatie van het boek ‘Decide Better: Open and Interoperable Local Digital Twins’. Dat is een mond vol. Kun je nog eens uitleggen wat een digitale tweeling precies is?

Lieven Raes: “Een digitale tweeling is een digitale kopie van iets dat in het echt bestaat. De techniek komt oorspronkelijk uit de ruimte- en luchtvaart en de bouwsector. Neem bijvoorbeeld de satellieten die rond de aarde draaien: met een virtuele kopie kun je precies simuleren hoe ze bewegen. In de bouw gebruiken ze het om te zien welke invloed materiaalkeuzes hebben op de stevigheid of kosten van een project.”

Jouw boek gaat niet over satellieten of gebouwen, maar over virtuele tweelingen van volledige steden of regio’s. Wat is daar zo interessant aan?

“Digitale tweelingen laten je dingen zien die je anders misschien over het hoofd zou zien. Kijk naar de bouwsector: vroeger werkten architecten vooral met platte tekeningen – 2D. Nu kunnen ze razendsnel 3D-modellen maken. Dat brengt een wereld aan nieuwe mogelijkheden. Je kunt bijvoorbeeld direct zien hoe wind rond een wolkenkrabber stroomt of hoeveel schaduw een gebouw werpt op de omgeving.”

“We zien dit nu steeds vaker in steden. In Azië en Zuid-Amerika gebruiken ze digitale tweelingen om steden operationeel te beheren. Ook de havens gebruiken deze technologie. Verkeersmodellen vormen één van de voorlopers en laten toe verkeersstromen te voorspellen tijdens wegwerkzaamheden.

“Een digitale tweeling bouwt hierop verder. Stel je voor: je wilt de rijrichting van een toegangsweg omdraaien: met één druk op de knop zie je meteen wat er met het verkeer in de hele stad gebeurt, wat het effect op de luchtkwaliteit is en wat de te verwachten geluidsimpact is.”

Kun je een concreet voorbeeld geven uit Europa waar digitale tweelingen al succesvol worden toegepast?

“Een mooi voorbeeld is de stad Pilsen in Tsjechië, waarmee Digitaal Vlaanderen nauw samenwerkte. Ze zijn daar al in 2012 begonnen met een digitale tweeling voor stedelijke mobiliteit. In het begin werkten ze alleen met 2D-datamodellen en historische transportsimulaties. Het was vooral een tool om de bestaande situatie te begrijpen.

“Maar tegen 2021 hebben ze de overstap gemaakt naar een meer volwaardige 3D digitale tweeling. Die kan nu real-time verkeer visualiseren en verschillende databronnen combineren. Het grote verschil is dat stadsbestuurders nu niet alleen zien wat er op dit moment gebeurt in het verkeer, maar ook kunnen simuleren hoe verkeer, luchtkwaliteit en geluidsoverlast elkaar beïnvloeden bij verschillende scenario’s.

“Als ze bijvoorbeeld overwegen om een bepaalde straat autovrij te maken, kunnen ze dankzij de digitale tweeling vooraf zien, wat dat betekent voor omliggende wijken. Krijgen die meer verkeer te verwerken? Verbetert de luchtkwaliteit in het centrum, maar verslechtert die elders? Dit soort inzichten zijn cruciaal voor onderbouwde besluitvorming.” Zo werd de impact van het verkeersvrij maken van een centrale invalsweg nauwkeurig ingeschat met een precisie van 95%, wat essentieel was voor het duurzame stedelijke mobiliteitsplan.”

Wat is op dit moment de grootste uitdaging bij het ontwikkelen en gebruiken van digitale tweelingen?

“De grootste uitdaging is dat digitale tweelingen momenteel vooral operationeel worden gebruikt. Ze brengen de huidige situatie in kaart: hoe zit het verkeer nu in elkaar, wat is de luchtkwaliteit vandaag. Maar de echte kracht zit in scenariovoorspellingen - wat ik het ‘Yesterday, Today, Tomorrow’-principe noem. Je wilt niet alleen weten hoe de situatie nu is, maar ook hoe die zich in de toekomst kan ontwikkelen bij verschillende beleidskeuzes. Die voorspellende functie staat nog in de kinderschoenen, maar daar ligt het grootste potentieel voor betere besluitvorming.”

Hoe pakken we dat aan? Wat is er nodig om digitale tweelingen naar dat volgende niveau te tillen?

“Er zijn enkele cruciale stappen die we moeten zetten. Ten eerste hebben we veel meer standaardisatie nodig. Momenteel zijn bestaande oplossingen weinig gestandaardiseerd, waardoor de integratie van de geschikte data en simulatiemodellen leidt tot inefficiëntie. De oplossing van gemeente of departement A, kan niet samenwerken met oplossing van gemeente of departement B. Die versnippering maakt het moeilijk om kennis en technologie te delen en duurzaam te groeien. Het boek brengt een uniek zicht op de nodige componenten om een toekomstgerichte uitbreidbare digitale tweeling te realiseren en op het scala van bestaande veelal open standaarden, software frameworks en de nodige koppelvlakken om een Digital Twin te realiseren.

“Ten tweede moeten we processen formaliseren. Hoe vertalen we stedenbouwkundige vraagstukken naar digitale modellen? Hoe zorgen we ervoor dat de resultaten van simulaties ook echt gebruikt worden bij besluitvorming? Dit vraagt om duidelijke werkprocessen en richtlijnen.

“Een derde uitdaging is het opbouwen van vertrouwen tussen verschillende partijen. Overheden, kennisinstellingen en technologiebedrijven moeten data en modellen durven delen en elkaar vertrouwen in de interpretatie van resultaten. In het boek wordt dieper ingegaan op de rollen van de verschillende actoren in het bredere beleidsverhaal, ondersteund door een digitale tweeling.

“Tot slot moeten we parallelle investeringen voorkomen. Het heeft geen zin als elke gemeente het wiel opnieuw uitvindt. In Europa werken we daarom steeds meer met open standaarden en herbruikbare componenten voor digitale tweelingen, zoals in ons DUET-project met Vlaanderen, Pilsen en Athene. Digitaal Vlaanderen past deze principes toe in samenwerkingen met diverse Europese steden en werkt aan een Europese aanbestedingsstrategie voor ‘Local Digital Twins’ om in de komende jaren 150 steden en regio’s te ondersteunen.”

Dat zijn uitdagingen die we bij Digitaal Vlaanderen herkennen.

“Inderdaad. Bij digitaliseringsprojecten loop je tegen dezelfde obstakels aan. Ook binnen de Vlaamse overheid zien we versnippering en werken we hard aan standaardisatie via onder andere ons OSLO-programma, zodat verschillende systemen met elkaar kunnen communiceren.

“Het vertrouwensvraagstuk is eveneens herkenbaar. Overheidsinstanties hebben hun eigen data en zijn niet altijd gewend die te delen. Het realiseren van een veilig ecosysteem met duidelijke afspraken voor datadeling is hier essentieel.

“Wat deze uitdagingen onderstreept, is het belang van samenwerking. Digitale tweelingen kunnen alleen slagen als overheden, kennisinstellingen, bedrijven én burgers samenwerken. Geen enkele partij kan dit alleen. Bij Digitaal Vlaanderen zetten we daarom sterk in op partnerschappen en co-creatie. Of het nu gaat om digitale tweelingen of andere digitaliseringsprojecten, de kern blijft hetzelfde: samen data benutten voor besluitvorming die dichter bij de burger staat.”

We kunnen niet om artificiële intelligentie heen. Welke rol speelt die technologie bij digitale tweelingen?

“AI speelt eigenlijk een dubbele rol. Aan de ene kant is AI nu al onmisbaar bij het verzamelen en verwerken van data voor digitale tweelingen. Denk aan het analyseren van luchtfoto’s of straatbeelden om sterk geautomatiseerde 3D-modellen te maken van steden. AI kan in enkele uren werk verzetten waar mensen maanden over zouden doen.

“Maar er is ook een tweede, meer fundamentele rol waar we nog mee worstelen: het gebruik van AI voor de simulatiemodellen zelf. Traditionele modellen werken met formules die door mensen zijn ontwikkeld, gebaseerd op natuurkundige algoritmische principes. Je kunt precies nagaan waarom een bepaalde uitkomst wordt voorspeld.

“Bij AI-modellen heb je te maken met een ‘black box’. Ze kunnen nauwkeurig patronen afleiden en op basis hiervan voorspellingen doen, maar vaak kun je niet goed uitleggen waarom de AI tot een bepaalde conclusie komt. Positief is dat AI kan leiden tot nieuwe innovatieve inzichten ter verbetering van de leefomgeving. De eerste oefeningen naar alternatieve scenario’s op basis van AI zijn veelbelovend. Anderzijds kunnen beleidsbeslissingen op basis van AI, waarbij het resultaat niet kan worden gereproduceerd, leiden tot juridische onduidelijkheid. Wie is verantwoordelijk als een AI-gestuurde simulatie een verkeerde aanbeveling doet? Op het vlak van transparantie en verantwoordelijkheid zitten we daar nog met een belangrijk onderzoeksdomein.”