Artificial Intelligence in de breedbandindustrie, verslag van netwerkbijeenkomst NLconnect

23 september 2020

Hoe zet de breedbandindustrie kunstmatige intelligentie in om bedrijfsprocessen te verbeteren? Die vraag stond centraal op een netwerkbijeenkomst van NLconnect op woensdag 9 september 2020. BAM Infra en Geostruct deelden hun ervaringen met AI in asset management en netwerkontwerp.

Zelflerende algoritmes en big data zijn de motor van kunstmatige intelligentie. De verwachtingen voor de komende jaren zijn hooggespannen. De ambitie van ons land is om Nederland in een voorhoedepositie te krijgen op het gebied van kennis én toepassing van AI voor welvaart en welzijn. Met zoekmachines, navigatiesystemen, chatbots en slimme speakers heeft kunstmatige intelligentie zijn intrede in ons dagelijks leven al lang gedaan. En dagelijks wordt er hard gewerkt aan nieuwe AI-toepassingen, in verschillende sectoren van het bedrijfsleven. Het kabinet kwam daarom vorig jaar met een Strategisch Actieplan voor AI en onlangs heeft de staatssecretaris van EZK besloten een financiële impuls toe te kennen van 23,5 miljoen voor de periode 2020-2024 voor acties van de Nederlandse AI Coalitie. De overheid is er dus serieus mee bezig! Maar waar staat de breedbandindustrie?

AI in de breedbandindustrie

Veel toepassingen van AI zijn natuurlijk mede mogelijk gemaakt door goede digitale connectiviteit, die onmisbaar is bij het real-time uitlezen van sensoren en voor machine to machine communicatie. Maar welke impact zal deze ontwikkeling eigenlijk hebben op de breedbandindustrie zelf? In welke processen kan de techniek worden ingezet en hoe ver zijn we daarmee? En is AI eigenlijk een hulpmiddel of nemen algoritmes straks de beslissingen? 

Die vragen wilde NLconnect beantwoorden op haar jaarcongres. Maar vanwege de coronacrisis was het helaas onmogelijk om dat doorgang te laten vinden op de beoogde wijze en locatie. Als alternatief organiseerde NLconnect daarom een netwerkborrel met enkele korte presentaties over het onderwerp van het jaarcongres: Artificial Intelligence in de breedband-praktijk. In More-Itz in Drimmelen kwamen zo’n 50 genodigden uit de breedbandindustrie bijeen om elkaar – natuurlijk binnen de geldende coronaregels – na maanden eindelijk weer eens fysiek te treffen. BAM Infra en Geostruct deelden hun ervaringen met kunstmatige intelligentie. Conclusie: AI wordt ook in de breedbandindustrie op steeds meer vlakken ingezet!

BAM Infra: AI in digital asset management

Namens BAM Infra sprak Jop van Veen over de wijze waarop de aannemer AI inzet voor haar digitale assetmanagement. Van Veen verving wegens ziekte BAM’s ‘AI-goeroe’ Kitting Lee. BAM ziet AI als een disruptieve technologie die natuurlijk meerwaarde biedt voor de digitale transformatie van het bedrijf en voor klanten, maar die vooral ook voor de maatschappij veel voordelen kan opleveren. BAM transformeert haar assetmanagement daarom van traditioneel kennis- en ervaringgedreven naar data-gedreven assetmanagement, met als doel de veiligheid en beschikbaarheid van infrastructuur te kunnen verbeteren. 

Met digitale asset scans brengt BAM in kaart welke assets zich waar bevinden zijn en wat hun toestand is. Verschillende techieken worden daarbij ingezet, zoals Visueel Eye en Lidar voor bovengrondse assets. Het gaat dan om allerlei infrastructurele assets, zoals een asfalt scan om vast te stellen of er beschadigingen zitten op het asfalt en het scannen van vangrails, verkeersborden en lantaarnpalen. Voor telecom is dat bijvoorbeeld relevant voor het in kaart brengen van bomen: de precieze locatie daarvan is van belang voor het plannen van werkzaamheden aan vaste netwerken. Voor de ligging van ondergrondse netwerken wordt gebruik gemaakt van grondradar, waarmee de ligging van kabels en leidingen nauwkeurig in kaart kan worden gebracht zonder graafwerkzaamheden te hoeven verrichten. Sommige assets kunnen ook worden voorzien van sensoren, zodat ze een eigen digitale ‘heart beat’ krijgen die op afstand kan worden uitgelezen. 

De kwaliteit van de data maakt met de digitale asset scans een grote sprong, omdat een algoritme niet vermoeid raakt en bovendien getraind wordt door verschillende experts en bronnen. Het resultaat is ook niet meer afhankelijk is van de beoordeling van één individu. BAM kan op deze manier natuurlijk qua tijd en kosten veel efficiënter en effectiever werken, maar het werk wordt ook interessanter. Met de schaarste van specialisten op de arbeidsmarkt zorgt AI dat inspecteurs hoeven niet te kijken naar eentonige ‘goede beelden’ en kunnen juist zich concentreren op de beelden die er toe doen. Daarnaast worden specialisten uitgedaagd om het algoritme te trainen en te verbeteren.

Met een digital asset scan (een digitale kopie) en een heart beat in de assets kunnen deze intelligent worden gemonitord via dashboards. BAM omarmt technologie en voegt daar technisch inhoudelijke domeinkennis aan toe in het ontwikkelen van algoritmes. Zodoende wordt ook predictive maintenance mogelijk omdat algoritmen kunnen voorspellen waar zich in de toekomst waarschijnlijk problemen gaan voordoen. Die techniek wordt natuurlijk ook door providers ingezet op basis van allerhande data uit hun netwerken. Zelfoptimaliserende netwerken komen daarom steeds dichterbij. Zodoende kunnen bijvoorbeeld ook storingen worden voorkomen. Uiteindelijk is het doel om assets slim te gaan beheren en onderhouden met maximale meerwaarde aan de netwerken/ infrastructuur voor de eindgebruiker.

Geostruct: AI in netwerkontwerp

Het Utrechtse bedrijf GeoStruct is gespecialiseerd in netwerkontwerp- en onderhoudssoftware. Met deze software kunnen bestaande en toekomstige netwerken worden gepland, ontworpen en geconfigureerd. Het bedrijf is al meer dan tien jaar koploper op dit gebied en is actief in onder meer Nederland en Duitsland. Netwerkontwerp is een essentiële eerste stap bij de aanleg van een breedbandnetwerk, van FttX tot 5G.

CEO Dieter Gerritsen stond allereerst stil bij de verschillende definities rond kunstmatige intelligentie: AI is in principe een computersysteem dat data en informatie omzet in kennis. Onderdeel van AI is machine learning, waarbij computers leren en inzichten verwerven zonder daarvoor expliciet te zijn geprogrammeerd. Deep learning is onderdeel van machine learning en is een vorm van supervised learning, waarbij de AI door de mens gestuurd wordt naar de goede antwoorden.

Net als BAM combineert Geostruct data en algoritmen met menselijke kennis: voor supervisie, aanpassing onderhoud en uitbreiding van systemen zijn mensen onontbeerlijk. Automatisering zoals AI neemt vooral saaie taken weg, de uitdaging blijft om mensen dan niet op te zadelen met alleen stressvolle ingewikkelde taken!

In netwerkontwerp kan deep learning op vele manieren worden toegepast, bijvoorbeeld door de wenselijke positie van de kabelgeul of de ducts vast te stellen op basis van luchtfoto’s, panoramafoto’s, geo-referencing en mobile mapping. Door aan te geven met welke factoren rekening moet worden gehouden kan de optimale ligging met AI worden berekend. Met mobile mapping kunnen ook de beste mobiele opstelpunten voor 5G small cells worden bepaald, door precies in kaart te brengen en te berekenen vanaf welke plekken opstelpunten line of sight hebben. 

Grondradar wordt ingezet om de ligging te bepalen van bestaande kabels- en leidingen en door gebruik te maken van ‘fuzzy logic’ kan bovendien worden voorspeld waar kabels en leidingen zich waarschijnlijk bevinden. GeoStruct zelf past machine learning toe voor het bepalen van de meest kostenefficiënte netwerkontwerpen op basis van deze data. Na bepaling van een ontwerp kunnen met dezelfde soort algoritmes zelfs voor elke individuele aansluiting de kosten van de aanleg worden berekend, wat natuurlijk van belang is bij het uitrekenen van de businesscase. 

Kortom: in de ontwerpfase kan AI op meerdere fronten worden ingezet. Waar netwerkontwerp in het verleden zeer tijdrovend handwerk was, heeft datadriven design geleid tot een sterke efficiencyslag!

 

De slides van de presentaties op de bijeenkomst zijn voor leden beschikbaar.