Halverwege 2023 ging het MKB Datalab Oost van start. Dar, een organisatie die zicht richt op afvalbeheer en beheer openbare ruimte, was een van de eerste klanten. Het bedrijf deed via het lab een AI-project met studente Lindsey de Beer naar meldingen over afvalinzameling en beheer openbare ruimte.
Dar haalt niet alleen afval op in Nijmegen en omgeving, ook zorgt deze organisatie voor gladheidsbestrijding, riool- en kolkenreiniging, ongedierte- en onkruidbestrijding en terrein- en straatreiniging.
We spreken met Patrick van Drunen en Koen van Aken, die het project begeleidden bij Dar. Ook spreken we Lindsey de Beer, de student die het project deed.
Patrick vertelt: “We zijn al geruime tijd bezig om te kijken wat AI kan betekenen voor onze dienstverlening. Zo willen we met de inzet van visiontechnologie, waarbij je bijvoorbeeld camera’s op auto’s zet, de buitenruimte in beeld brengen, zodat je kunt reageren op bijvoorbeeld zwerfafval. Om dit project te kunnen starten moeten we nog afstemmen met verschillende partijen.”
Meldingen en beslisboom
“Ondertussen kwamen we in contact met Dirk van Schaijk van de Radboud, die vertelde over het MKB Datalab Oost waarin studenten worden ingezet op AI en datascience-vraagstukken. Het leek ons interessant een student in te zetten op meldingen door bewoners over de problemen die ze zien in hun omgeving.”
Dar heeft hier veel data over, door telefoontjes naar het klantencontactcentrum en uit de meldingenapp. Ook gemeente Nijmegen schiet meldingen die binnenkomen door naar Dar. Er komen per jaar zo’n 40.000 tot 50.000 meldingen binnen uit het servicegebied: naast Nijmegen ook Berg en Dal, Beuningen, Druten, Heumen, Mook en Middelaar en Wijchen. De meldingen kunnen over van alles gaan: van aanvragen van een afvalpas tot het vergeten te legen van een container aan huis of gladheid op de weg.
Patrick legt uit: “De opdracht was: identificeer herhaalmeldingen, om te voorkomen dat deze leiden tot een klacht (een derde melding noemt Dar automatisch een klacht). Bijvoorbeeld een papiercontainer die Dar elke maand vergeet te legen.”
“We wilden weten wat het verschil is met hoe wij herhaalmeldingen identificeren en hoe de computer het doet. Dat verschil was heel groot, wij kunnen maar tien procent van de herhaalmeldingen eruit halen. Het is namelijk heel omslachtig en tijdrovend om dat handmatig te doen. Je moet kijken of het binnen zoveel maanden is gebeurd, op welk adres, etc. Vervolgens moet het klantencontactcentrum tellen en kijken hoe lang geleden de vorige melding was.
Een computer maakt hierin geen fouten, volgt gewoon een beslisboom en die herkent dat een melding voldoet en een label krijgt. Hiermee identificeren we 100% van de herhaalmeldingen.”
Koen voegt toe: “Aan de ene kant zie je mogelijkheden voor kwaliteitsverbetering van onze dienstverlening, je kunt meer vooraf op problemen inspelen in plaats van reactief. Aan de andere kant ook tijdwinst omdat de mensen van het klantencontactcentrum niet meer handmatig die meldingen hoeven door te spitten en te labelen.”
Tekst en algoritme
Lindsey vertelt hoe ze met het team ook probeerde een herhaalmelding te identificeren met taalherkenning.
“Komen er drie meldingen binnen zes maanden, over het ophalen van oud papier bijvoorbeeld, dan is het een klacht volgens de beslisboom. Dit kan je met programmeren honderd procent vangen, maar er zijn ook meldingen die negatieve uitingen zijn tegen het personeel, of agressief gedrag of een tekst als: dit gebeurt elke keer. Die zijn volgens de beslisboom geen klacht, maar door de taal die wordt gebruikt kun je zien dat het misschien toch wel klachten zijn. Dat zijn de klachten die je eruit kunt halen met een tekst-algoritme. Dat was lastig omdat Dar nog niet genoeg specifieke data had daarvoor. Nu gaan ze meer tekst verzamelen, om een algoritme te kunnen gebruiken.”
“Het is interessant om met je bedrijf eerst de cursussen te volgen, met meerdere mensen, om te kijken: wat kunnen we hiermee. En dan rond te tafel gaan zitten met studenten of professoren: wat kunnen we allemaal doen met AI. ”
Ben je mkb-er en heb je interesse?
Lindsey vond het heel leuk om voor een echte opdrachtgever te werken. En ze heeft advies voor mkb- ers die ook met het lab willen werken. “Ik denk dat het heel interessant is voor kleine bedrijven om hiermee aan de slag te gaan. Dan zou ik als eerste het voortraject doen, de workshop en cursus. Vervolgens kun je kijken wat voor data je al in huis hebt, en hoe je die verder zou kunnen verzamelen. Het resultaat van je eerste project is misschien niet een droomoplossing voor al je vragen, maar meer een soort vooropzetje waarmee je later door kunt gaan. Nu begint het pas voor Dar. De organisatie gaat verder om nog meer te ontdekken.”
