Hoe ProRail en Schiphol met AI meer capaciteit uit hun infrastructuur halen
Een spoorlijn of terminal gaat tientallen jaren mee, een AI-toepassing is soms binnen een paar maanden achterhaald. Toch moeten Schiphol en ProRail nu keuzes maken, want beide moeten meer reizigers verwerken met infrastructuur die al jaren knelt. PwC bracht Lennert l’Amie (Schiphol) en Julien Cayet (ProRail) samen om in gesprek te gaan over de impact die AI voor hen kan maken. ‘Eerst komt de pijn, dan pas de winst.’
Op een drukke dag lopen zo’n 220.000 reizigers door Schiphol. Wanneer zij bij de security aansluiten, is allang geen toeval meer: voorspellende modellen verdelen hen over tijdslots van een kwartier. Op het spoor rijden ondertussen gewone reizigerstreinen rond met sensoren die afwijkingen in de rails opsporen. AI is bij Schiphol en ProRail dus geen toekomstmuziek. Maar levert het ook genoeg op? Uit de AI-performancestudie van PwC blijkt dat slechts 20% van de organisaties wereldwijd maar liefst 74% van alle door AI gedreven waarde pakt. Aan welke kant van die kloof staan twee beheerders van kritieke infrastructuur die 24 uur per dag moeten draaien? Lennert l’Amie, director Digital & Technology bij Schiphol, en Julien Cayet, directeur Innovatie & Technologische Vernieuwing bij ProRail, gaan in gesprek.
Over deze serie: van bestuurstafel naar de praktijk
Dit artikel maakt deel uit van een serie gesprekken over de impact van AI op verschillende sectoren. PwC initieert het gesprek, brengt bestuurders samen en stelt hen beiden dezelfde vraag: wat is ervoor nodig om AI voorbij de experimenteerfase te brengen en structureel waarde te creëren? AI biedt kansen. De volgende stap is om deze mogelijkheden te vertalen naar impact en rendement.
Schiphol investeerde jarenlang te weinig, het spoor kampt met verouderde systemen. Is AI een inhaalslag of een pleister?
l’Amie: ‘Schiphol heeft de afgelopen tien tot vijftien jaar inderdaad onvoldoende geïnvesteerd. We willen terugkeren in de Europese top, maar kampen met beperkte capaciteit. Ondertussen worden de vliegtuigen groter en neemt het aantal passagiers per vlucht toe. We moeten steeds meer mensen verwerken met de bestaande infrastructuur. En die moet tegelijkertijd worden gerenoveerd terwijl de luchthaven gewoon 24 uur per dag openblijft.’
Cayet: ‘Bij ProRail speelt een vergelijkbare uitdaging. Het belangrijkste is dat we de betrouwbaarheid van het netwerk waarborgen, terwijl de financiële ruimte kleiner wordt. Bovendien is een deel van de technologie verouderd. We moeten voortdurend meer doen met minder middelen. En dat doen we vooralsnog best goed. Het Nederlandse spoor behoort volgens internationale benchmarks tot de wereldtop: de derde plaats na Japan en Zwitserland. Maar de beleving van passagiers is vaak anders. Tegelijkertijd kost het steeds meer geld om onze bestaande systemen draaiende te houden. Dat maakt investeren in de toekomst ingewikkeld. Juist daar kan AI het verschil maken. Door bestaande infrastructuur slimmer te benutten, onderhoud beter te voorspellen en processen efficiënter in te richten, kunnen we meer doen met minder.’
Waar levert AI vandaag al iets op dat een reiziger merkt?
l’Amie: ‘Op drukke dagen verwerken we gemiddeld zo’n 220.000 reizigers. We gebruiken data en AI al volop om deze passagiersstromen te voorspellen en te beïnvloeden. We onderzoeken niet alleen hoeveel reizigers er komen, maar vooral wanneer ze arriveren. Met voorspellende modellen brengen we die verschillende aankomstpatronen in kaart. Die inzichten worden gebruikt om passagiers via bijvoorbeeld tijdslots van vijftien minuten voor de security beter over de beschikbare capaciteit te verdelen. We proberen zo de piek als het ware af te vlakken. Ook gateplanning speelt daarin een rol. Als we een vlucht van gate D8 naar C4 verplaatsen, willen we precies weten wat dat betekent voor de reizigersstromen. Ook daarvoor gebruiken we AI.’
We gebruiken data en AI volop om onze passagiersstromen te voorspellen en te beïnvloeden
Cayet: ‘Ook wij zijn altijd bezig met het optimaliseren van de processen. Een belangrijke kans is het verbeteren van het onderhoud van de spoorinfrastructuur. Traditioneel worden onderdelen gecontroleerd en vervangen op basis van vaste onderhoudsschema’s en technische specificaties. We willen steeds meer overstappen op onderhoud dat gebaseerd is op de werkelijke conditie van het spoor. Daarvoor hebben we data en AI-modellen nodig die kunnen voorspellen wanneer een onderdeel moet worden vervangen. Een concreet voorbeeld is een project waarbij we samenwerken met NS. Normaal gesproken rijden speciale meettreinen enkele keren per jaar over het spoor om gegevens te verzamelen over onder meer de ligging en toestand van de rails. Nu worden ook gewone reizigerstreinen uitgerust met sensoren. Hiermee worden afwijkingen herkend en gekoppeld aan specifieke locaties. Als meerdere metingen op dezelfde plek een afwijking laten zien, kun je gericht een inspecteur sturen.’
Iedereen wil ‘iets met AI’. Hoe voorkom je dat het een speeltje wordt?
Cayet: ‘Dat is een goede vraag. Mensen komen nu vaak naar me toe en zeggen: ik wil iets met AI. Dan vraag ik: wat was ook alweer het probleem dat je wilde oplossen? Het is een misvatting dat AI een soort magische zwarte doos is die ingewikkelde problemen vanzelf oplost. Je moet steeds je processen opnieuw ontwerpen, je medewerkers nieuwe vaardigheden bijbrengen en zorgen dat je data op orde zijn. Eerst komt de pijn, dan pas de winst.’
Het is een misvatting dat AI een soort magische zwarte doos is die ingewikkelde problemen vanzelf oplost
l’Amie: ‘Bij Schiphol worden investeringen op technologie daarom nadrukkelijk beoordeeld op hun meetbare toegevoegde waarde. Als de opbrengst niet concreet of meetbaar is, vind ik het moeilijk om erin te investeren. Er zijn ontzettend veel proof of concepts, maar een toepassing die in de praktijk betrouwbaar functioneert en aan hoge kwaliteitseisen voldoet, is niet zo eenvoudig te realiseren.’
Te vroeg instappen of te laat: wat is erger?
l’Amie: ‘Investeringen in infrastructuur hebben vaak een looptijd van tientallen jaren, terwijl AI-toepassingen binnen enkele maanden alweer verouderd kunnen zijn. Dus als ik de vraag krijg in welke technologie de organisatie moet investeren, is dat een ingewikkelde vraag. Hoe weet ik wat er over zes of zeven jaar mogelijk is? Ben je te laat, dan loop je achter. Ben je te vroeg, dan betaal je veel geld voor technologie die nog onvoldoende waarde oplevert.’
Cayet: ‘Ik herken dit heel goed. Ik heb op veel vragen ook het antwoord niet. Dus de uitdaging is hoe je daar in de praktijk mee omgaat.’
Investeringen in infrastructuur hebben vaak een looptijd van tientallen jaren, terwijl AI-toepassingen binnen enkele maanden alweer verouderd kunnen zijn
Kunnen jullie uitleggen hoe je met die onzekerheid toch keuzes maakt?
Cayet: ‘Wij doen dat door innovatie over drie tijdshorizonnen te verdelen. De eerste richt zich op technologie die al beschikbaar is en direct kan worden toegepast, de tweede op innovaties die nog verder ontwikkeld moeten worden en de derde op technologie die mogelijk pas over vijf tot tien jaar waarde oplevert. Een voorbeeld daarvan is de autonome goederentrein, waarmee we nu al experimenteren. Zo combineren we concrete verbeteringen op korte termijn met het verkennen van toekomstige mogelijkheden.’
Een voorbeeld waarmee we nu al experimenteren is de autonome goederentrein
l’Amie: ‘Ik probeer eerst duidelijk te krijgen welke processen, mensen en voorzieningen Schiphol nodig heeft om de doelstellingen van de organisatie te kunnen realiseren. Pas daarna volgt de keuze voor de technologie. Ook kijken we nadrukkelijk naar ervaringen van andere luchthavens en sectoren. We hoeven tenslotte niet alles zelf uit te vinden.’
Wat wordt de rol van de werkvloer in een AI-wereld?
Cayet: ‘Wij staan voor een forse uitstroom van ervaren medewerkers die de komende jaren met pensioen gaan. Daarmee dreigt kostbare praktijkkennis verloren te gaan. Je hebt altijd mensen nodig die kunnen beoordelen of een algoritme de juiste conclusie trekt. Maar juist die ervaren krachten gaan de komende jaren met pensioen. Daardoor ontstaat een relatief korte periode waarin die kennis kan worden benut om AI-systemen te verbeteren.’
l’Amie: ‘In zijn algemeenheid moet je volgens mij vooral nadenken over hoe je het werk organiseert en welke mensen en vaardigheden je daarvoor nodig hebt. Naast kennis en sociale vaardigheden wordt aanpassingsvermogen daarin steeds belangrijker. Als alles zo snel verandert, moet je ook in staat zijn om voortdurend mee te veranderen.’
En de bestuurskamer? Is die klaar voor deze beslissingen?
l’Amie: ‘Een ervaren leider kan vaak uitstekend uitleggen wat er gisteren of vorig jaar is gebeurd. Maar de leiders die we nu nodig hebben, moeten zich kunnen voorstellen wat er volgend jaar gebeurt. Bovendien wordt technologische kennis in de bestuurskamer steeds belangrijker om de juiste beslissingen te kunnen nemen.’
Technologische kennis in de bestuurskamer wordt steeds belangrijker om de juiste beslissingen te kunnen nemen
Cayet: ‘Ik denk dat vertrouwen en betrokkenheid heel belangrijk zijn. Het is cruciaal om je mensen mee te krijgen. Goed leiderschap begint daarom met een overtuigend en open verhaal over de toekomst. Dat verhaal moet eerlijk zijn over wat er mis kan gaan, maar ook hoop bieden over wat er goed kan gaan en welke rol medewerkers zelf kunnen spelen in die veranderingen.’