Organisaties kiezen voor datagedreven werken om hun processen efficiënter, transparanter, klantgerichter en duurzamer te maken. Voor processen die in de fysieke leefomgeving spelen is dat niet anders, net als voor de activiteiten die gericht zijn op het omgaan met maatschappelijke uitdagingen. Data geeft inzicht in problematiek en context, maakt het afwegen van scenario’s mogelijk, helpt bij samenwerking en ondersteunt besluitvorming en actie. Bij data over objecten in de leefomgeving is locatie een van de kenmerken die de waarde van data vergroot. Door locatie kunnen gegevens uit verschillende processen en domeinen worden geïntegreerd. Deze unieke eigenschap van locatie levert inzicht in samenhang, maakt koppelingen tussen databases en systemen mogelijk, en versterkt daarmee het datagedreven werken.
In de genoemde voorbeelden gaat het sterk over operationele en uitvoerende processen. Maar ook activiteiten voor beleid en strategie hebben vaak betrekking op locaties. Denk aan het bepalen van zoekgebieden voor windturbines of zonnevelden, het inrichten van nieuwe woonwijken, het zoeken van winkellocaties, of het plannen van scholen en voorzieningen in woonwijken. Ook hier gaat het om objecten of gebieden ergens in de ruimte om ons heen. De activiteiten en processen kunnen betrekking hebben op uitvoering, operatie en beleid, maar ook op monitoring van voortgang, ontwikkeling en resultaat. En dit kan op allemaal verschillende schaalniveaus spelen van heel lokaal, naar buurten, gemeenten, provincies, landen, de wereld en alles wat ertussen zit.
De nieuwe GIS-dataprofessional
GIS en dataprofessionals zijn de spil in datagedreven werken. Om succesvol te zijn vraagt dit kennis, kunde en een breed scala aan vaardigheden. De T-shaped GIS-professional combineert diepe GIS/data‑expertise met communicatie‑ en organisatiekracht. Zij slaan de brug tussen management, architectuur en werkvloer, maken de waarde van GIS zichtbaar en verhogen de kwaliteit van besluitvorming.
4.1 De kracht van locatie
4 De visie van Esri:
GIS als versneller voor datagedreven werken
Veel van de processen en activiteiten van organisaties spelen zich af in de wereld om ons heen: de fysieke leefomgeving. Het onderhouden van wegen, energienetwerken, dijken, natuurgebieden, het bevoorraden van winkels, het bouwen van huizen, bruggen, kantoren, het verlenen van vergunningen, het financieren van projecten, het inspecteren van water- en luchtkwaliteit, het beveiligen van kritische infrastructuur, het oogsten van gewassen en ga maar door. Al deze activiteiten hebben betrekking op fysieke objecten: wegen, kabels, leidingen, dijken, gebouwen, percelen, enzovoorts. En al deze objecten hebben een locatie.
4.2 De geografische benadering
De gemeente Deventer laat zien hoe maatschappelijke opgaven integraal kunnen worden opgepakt met data via een 3D Digital Twin.
De kaart vervult daarin een centrale rol. Een kaart maakt abstracte data tastbaar, fungeert als gemeenschappelijke taal en als interface om data te verkennen, te analyseren en te delen. Daarmee wordt data niet alleen inzichtelijk, maar ook toegankelijk voor een brede groep mensen, van mensen in de operatie en uitvoering tot beleidsadviseurs tot managers en bestuurders.
De geografische benadering ondersteunt de hele cyclus van datagedreven werken: het verzamelen en combineren van data, het analyseren van patronen, het plannen van acties en het monitoren van voortgang. Het is daarmee een krachtige en breed toepasbare aanpak voor iedereen die werkt in en aan de fysieke leefomgeving.
Het op een slimme manier gebruiken van locatie noemen we de geografische benadering. Dit is een manier van denken en werken waarbij informatie altijd wordt geplaatst in de context van de plaats of de ruimte. Door gegevens aan een locatie te koppelen, ontstaat samenhang tussen thema’s, processen en domeinen. Geografie maakt onderlinge relaties zichtbaar, toont verbanden, geeft inzicht in samenhang en patronen. De geografische benadering benadert complexe vraagstukken vanuit hun ruimtelijke dimensie.
Juist maatschappelijke opgaven laten zien hoe krachtig dit is. Klimaatadaptatie, energietransitie, mobiliteit, woningbouw, veiligheid en biodiversiteit spelen zich allemaal af in dezelfde schaarse ruimte. Ze beïnvloeden elkaar en vragen om keuzes die alleen in samenhang gemaakt kunnen worden. De geografische benadering maakt dat mogelijk door data ruimtelijk te ordenen en te visualiseren. Zo ontstaat een gedeeld beeld dat helpt bij het voeren van het gesprek, het afwegen van scenario’s en het nemen van besluiten.
4.3 GIS als het instrument
Om samen te werken rond geo-informatie is integratie tussen IT-platformen nodig. Moderne IT-platformen bieden de mogelijkheid om niet alleen data, maar ook informatie te modelleren. Mensen werken immers samen op basis van informatie en informatieproducten. Een modern platform wordt ontsloten met open API’s, zodat data en functionaliteit onderling gebruikt kunnen worden in brede informatieproducten die volledig aansluiten bij de vragen van de business. GIS moet daarom ook als platform met informatieproducten en open API’s binnen organisaties ingezet kunnen worden. ArcGIS van Esri is zo’n compleet GIS-platform waarmee geodata en geo-informatie ontsloten worden naar GIS-gebruikers in de vorm van apps, en naar andere IT-platformen in de vorm van open API’s.
In veel organisatiestrategieën staat de wens om datagedreven te kunnen werken. Technisch wordt deze wens vaak omgezet door het opzetten van een moderne data-architectuur. Het is daarom meer dan logisch dat we hier met onze GIS-architectuur op aansluiten, zodat GIS breed gebruikt kan worden binnen en buiten organisaties.
Om de geografische benadering in de praktijk te brengen, gebruiken organisaties GIS: geografische informatiesystemen. GIS is de technologie die data verbindt met locatie en zo inzicht geeft in uitdagingen en mogelijke oplossingen van vraagstukken. Het biedt mogelijkheden om gegevens te verzamelen, te beheren, te analyseren, te visualiseren en te delen. Daarmee vormt GIS een krachtig instrument voor datagedreven werken.
GIS maakt het mogelijk om data uit verschillende bronnen en systemen te combineren. Doordat locatie de gemeenschappelijke factor is, verdwijnen de schotten tussen afzonderlijke silo’s en ontstaat samenhang. Informatie kan worden verrijkt, geanalyseerd en in context geplaatst. Dat leidt tot betere inzichten, samenwerking over afdelingen heen en tussen verschillende organisaties en tot besluiten die gedragen worden door een gedeeld beeld.
Locatie speelt daarin een centrale rol. Kaarten en dashboards bieden een gezamenlijke taal die beleidsmakers, beheerders, uitvoerders en inwoners verbindt. GIS is daarmee niet alleen een technische tool, maar ook een organisatorisch hulpmiddel dat samenwerking stimuleert en het gesprek faciliteert. De kracht van GIS ligt in de combinatie van visualisatie, analyse en samenwerking. Het ondersteunt organisaties in alle fasen van hun werk: van verkenning en planning tot uitvoering en monitoring. Daarmee is GIS niet alleen een instrument, maar een versneller van datagedreven werken in de ruimte, zeker in combinatie met het benutten van de AI-mogelijkheden (zie hoofdstuk 3).
4.4 ArcGIS als samenwerkingsplatform
Verrijking van andere IT-platformen
Om in de volle breedte met geografie te kunnen samenwerken is het noodzakelijk om tools die veelvuldig gebruikt worden bij datagedreven werken te verrijken met geografische functionaliteit. Niet iedereen zal gebruik maken van het ArcGIS-platform als er in de organisatie iets met geografie gedaan moet worden. Derhalve heeft Esri de strategische keuze gemaakt om belangrijke data-analyseplatformen te verrijken met geografische functionaliteit. Denk hierbij aan de verrijking van Microsoft PowerBI en Excel als veelgebruikte tools binnen het BI-werkveld als ook aan de verrijking van Jupyter Notebooks en Python API’s, zodat geografie en geografische analyse extra gereedschap bieden aan data scientists.
Platformintegratie
Samenwerken in een datagedreven omgeving vraagt ook om integratie tussen de verschillende platformen waarmee de samenwerkende partijen werken. De verschillende dataplatformen moeten hiervoor open zijn. Data moet uitwisselbaar zijn, of beter nog de platformen moeten op de data uit elkaars platformen kunnen werken. Het ondersteunen van open standaarden is hierbij van groot belang. Dit kunnen open standaarden zijn binnen één werkveld. Bij geografie gaat het dan om de open GIS-standaarden afgesproken binnen het Open GeoSpatial Consortium. Maar nog belangrijker is samenwerken tussen alle werkvelden binnen een datagedreven organisatie. Een modern platform zoals het ArcGIS-platform ondersteunt daarom alle gangbare open standaarden en open API’s.
Datagedreven werken is ook samenwerken. Het gaat om het delen van data en analyseresultaten. Daarvoor is het van belang dat een GIS-platform niet alleen voorziet in het kunnen opslaan en bewerken van data (system of record) en het kunnen uitvoeren van analyses op die data (system of insight). Het GIS-platform faciliteert ook samenwerken (system of engagement). GIS-professionals floreren als ze beschikken over de beste data voor hun analyses en deze data kunnen ontdekken binnen en buiten het GIS-werkveld. Data-experts die gewend zijn te werken in andere platforms willen in hun eigen platforms integreren met de kracht van een GIS-platform.
ArcGIS als ingang
Binnen en buiten organisaties kunnen samenwerken, is één van de belangrijkste principes binnen de visie achter het ArcGIS-platform. Het platform waar data, services en toepassingen op die data beschikbaar zijn, staat centraal in het faciliteren van die samenwerking. Data kan op deze manier gedeeld worden tussen personen in en buiten een organisatie. Hiermee worden krachten gebundeld op de best beschikbare data in het geografische werkveld en daarbuiten. ArcGIS biedt een eenvoudige interface waarbinnen iedereen die met data en geografie wil werken met een druk op de knop direct aan de slag kan.
© Esri Nederland
4.5 ArcGIS als Geospatial AI platform
Verantwoorde en uitlegbare AI
AI roept vaak terechte vragen op over betrouwbaarheid, privacy, ethiek en governance. Daarom is het cruciaal om uitlegbaarheid centraal te stellen: welke modellen worden gebruikt, hoe komen beslissingen tot stand, welke data zijn betrokken en hoe worden risico’s beperkt?
Esri hanteert hiervoor het principe van Trusted AI. Dit betekent dat we transparantie, controle en veiligheid inbouwen in elke AI-functie. Concreet doen we dit met:
Transparantiekaarten die per AI-functie uitleggen wat het doel is, welke data worden gebruikt en hoe de resultaten tot stand komen.
Opt-in mechanismen: generatieve AI is standaard uitgeschakeld totdat een organisatie bewust kiest om het in te schakelen.
Beveiliging en governance: AI-functies draaien binnen vertrouwde omgevingen, met respect voor privacy en compliance-eisen.
Door deze aanpak kunnen organisaties AI inzetten met meer vertrouwen, terwijl ze inzicht behouden in betrouwbaarheid en herkomst van de data. AI ondersteunt mensen bij het analyseren van complexe datasets, maar blijft waarschijnlijkheidsgebaseerd van aard: uitkomsten zijn nooit 100% waarheid en afhankelijk van de kwaliteit van de gebruikte data. Dit is inherent aan de gebruikte AI-technieken als machine learning en deep learning die gebaseerd zijn op statistiek en patroonherkenning. Uitlegbaarheid van modelresultaten helpt voor een betere duiding, maar het blijft belangrijk dat mensen de resultaten kritisch beoordelen. Het human-in-the-loop-principe is daarom leidend: AI versterkt beslissingen, maar vervangt de mens niet.
De richting is duidelijk: van losse tools naar een geïntegreerd AI‑framework waarin agents, modellen, LLM’s en bestaande GIS-mogelijkheden samenwerken. Het doel is niet om mensen te vervangen, maar om repetitieve taken te automatiseren, variatie in werkwijzen te verkleinen en organisaties in staat te stellen sneller en consistenter te handelen. De onderstaande afbeelding vat die visie schematisch samen: GeoAI‑ als motor voor inhoudelijke analyses, AI-assistenten voor productiviteitswinst, en daarbovenop agents‑ die workflows verbinden tot één samenhangend geheel.
AI is in de wereld van GIS niet langer een experiment, maar een strategisch hulpmiddel voor organisaties die werken met geografische informatie. We onderscheiden drie samenhangende ontwikkelingen: GeoAI, AI-assistenten en Agentic AI. Deze driedeling helpt om helder te maken waar AI vandaag waarde toevoegt op data en hoe we verantwoord toewerken naar de volgende stap.
Agentic AI:
naar een ecosysteem van samenwerkende agents
De volgende stap in AI-ontwikkeling binnen ArcGIS is de inzet van agents: slimme componenten die zelfstandig specifieke taken uitvoeren en met elkaar samenwerken, zoals beschreven in paragraaf 3.3. Esri werkt aan agents voor onder meer mapping, geocoding, dataexploratie, routering en analytics. Deze agents zijn niet gebonden aan één applicatie, maar functioneren in een breder ecosysteem waarin GIS-functionaliteit organisatiebreed benaderbaar is.
In zo’n opzet komen vragen vanuit de business niet altijd in één systeem terecht. Een deel van een vraag kan door GIS-agents worden opgepakt, terwijl andere onderdelen via agents in andere bedrijfssystemen worden afgehandeld. Dat creëert ‘agent-to-agent' samenwerking (A2A): verschillende domeinen wisselen informatie en tussenresultaten uit, waardoor processen end-to-end worden ondersteund, met menselijke toetsing waar nodig.
AI-assistenten:
werken in
natuurlijke taal
Waar GeoAI de inhoud versnelt, verlagen AI-assistenten de drempel om met GIS te werken. Ze maken complexe handelingen toegankelijk via natuurlijke taal, genereren queries of scripts, leggen functies uit en kunnen eenvoudige acties voorbereiden. AI-assistenten helpen ook bij het sneller samenstellen van formulieren, storymaps of dashboards. Deze AI-assistenten worden geleidelijk uitgerold in de verschillende apps en builders. Het effect: minder tijd kwijt aan zoeken en klikken, meer tijd voor analyse en ontwerp.
AI-assistenten zullen steeds krachtiger worden. Waar nu nog vooral gespecialiseerde AI-assistenten ontstaan om te helpen bij bepaalde GIS-acties zullen er in de nabije toekomst AI-assistenten komen die in de breedte helpen bij het oplossen van GIS-vraagstukken in natuurlijke taal.
GeoAI:
patronen ontdekken in
ruimte en tijd
GeoAI richt zich op het toepassen van machine‑ en deep‑learning op ruimtelijke data. Dat varieert van het herkennen van objecten in beelden en puntenwolken tot het analyseren van tekst en tabellen met een duidelijke ruimtelijke component. De meerwaarde zit in context: locatie verbindt datasets en maakt verbanden zichtbaar die anders onopgemerkt blijven.
In de praktijk ondersteunt GeoAI organisaties bij onder meer onderhoudsplanning, controle op naleving van afspraken, monitoring en voorspelling van veranderingen. Belangrijker dan de techniek zelf is het resultaat: betere besluitvorming, hogere productiviteit en oplossingen die aantoonbare maatschappelijke en economische waarde creëren. GeoAI is daarmee geen doel op zich, maar een manier om sneller van data naar inzicht te komen, en dat op schaal en herhaalbaar.
