Een effectieve MLOps workflow ontwikkeld binnen het Datalab team
Waternet
AI consultant Groningen
Voor netten, water en gebouwen in Noord-Nederland: we beginnen bij de meetdata. Modellen houden we in productie met MLOps, zoals bij Waternet.
Voor Waternet hebben we de MLOps-workflow opgezet, en we onderhouden hem
Als onderdeel van het Datalab-team van Waternet richtten we de workflow in met een MLflow model registry en CI/CD-templates, brengen we code en modellen in productie en ontwikkelden we een model om de lachgasuitstoot op de waterzuivering te minimaliseren.
Wat kan AI doen nu het stroomnet in Groningen vol zit?
TenneT kondigde eind 2023 netcongestie af voor het westen van de provincie; aanvragen voor een nieuwe grootverbruikaansluiting komen op een wachtlijst. AI maakt het net niet groter, maar met een prognose van verbruik en opwek benut je beter wat er is.
In netten, water en gebouwen begint AI bij de meetdata
Meetreeksen die kloppen
Sensordata van stations, gemalen of installaties, gecontroleerd op gaten, sprongen en vervangen meters voordat er een model op draait.
Prognoses binnen je netcapaciteit
Een model dat verbruik en opwek per aansluiting vooruit voorspelt, zodat je planning binnen het vermogen blijft dat je met de netbeheerder hebt afgesproken.
Modellen die in productie blijven
Bij Waternet richtten we in het Datalab-team de MLOps-workflow in die code en modellen naar productie brengt, en we onderhouden hem.
GACS-data die dubbel werkt
Wat gebouwautomatisering voor de GACS-plicht vastlegt, helpt ook verspilling te vinden. Ons Paris Proof platform toont afwijkingen en rendementsverlies per gebouw.
Eén gemaal, station of gebouw als proefstuk, daarna de rest
-
De beslissing kiezen
Bijvoorbeeld wanneer een gemaal onderhoud krijgt of welk gebouw als eerste verduurzaamt. Daaraan meten we straks het resultaat.
-
Eén object doorrekenen
Op de historie van één object toetsen we of de meetdata genoeg zegt om die beslissing te verbeteren.
-
Uitrollen en bewaken
Werkt het, dan volgen vergelijkbare objecten via dezelfde pipeline, met monitoring op drift als een pomp of meter wordt vervangen.
Is dit iets voor ons waterschap, warmtebedrijf of vastgoed?
Past als
Je beheert netten, gemalen, zuiveringen, een warmtenet of een gebouwportefeuille, je hebt meetdata of storingshistorie en er is een terugkerende beslissing die beter kan, zoals onderhoud plannen of binnen je netcapaciteit blijven.
Past niet als
De besturing lost het al op met een vaste instelling, zoals een schakeltijd of alarmgrens. Of de meetdata komt niet betrouwbaar binnen: dan begin je bij de koppeling en een dashboard, niet bij een model.
Waar de omvang van afhangt
Het aantal objecten of gebouwen, hoe en waar de meetdata nu staat, of het model raakt aan de veiligheid van de levering, en of jullie team of wij het beheer doen.
Je data zit bij een leverancier
Meetdata uit SCADA of uit gebouwbeheer is meestal via een koppeling of export op te halen. Het platform zetten we op Databricks of Fabric, met data in het open Delta-formaat, zodat je niet aan één platform vastzit.
Waar zit de eerste winst: in de assets, in het gebouwbeheer of in de klantprocessen?
In de assets
Kies dit als storingen aan gemalen, zuiveringen of stations het meeste kosten en er sensordata en storingshistorie zijn. Dan begin je bij predictive maintenance.
In het gebouwbeheer
Kies dit als je utiliteitsgebouwen beheert die onder de GACS-plicht vallen. Ons advies als je twijfelt: die meetdata moet je voor GACS toch al verzamelen. Zie het Paris Proof platform.
In de klantprocessen
Kies dit als aanvragen, storingsmeldingen of vragen van klanten blijven liggen, bijvoorbeeld over aansluitingen op een vol net. Dan helpt procesautomatisering vaak meer dan een model.
Water en gebouwenergie zitten al in ons werk
Data Science Lab bestaat sinds 2016, is Databricks- en Microsoft-partner en ontwikkelde het Paris Proof platform voor energie in gebouwen. We zitten in Amsterdam; kennismaken kan bij jullie in Groningen, bij ons of online.
Het eerste gesprek gaat over jullie objecten en meetdata
Stef Stoelwinder
Business DevelopmentJe spreekt eerst met Stef. Het eerste gesprek gaat over de netten, gemalen of gebouwen die je beheert, de meetdata die er al is en de beslissing die als eerste beter moet.
E-mail info@datasciencelab.nl
Telefoon +31 (0)20 3636 724
Welke meetdata hebben we al voor een eerste toepassing?
Schrijf kort welke objecten, gebouwen of processen het betreft. Je hoort per mail van ons, of we spreken een eerste gesprek af, bij jullie, bij ons of online.
Bericht verstuurd
Bedankt voor je bericht. We nemen zo snel mogelijk contact met je op.
Veelgestelde vragen
Niet met een case die we kunnen laten zien. Onze cases in water en energie komen van elders, zoals het Datalab-team van Waternet, dat drinkwater levert in Amsterdam en omgeving. Wat we daar leren over modellen in productie, hangt niet aan een regio.
Ons enige kantoor is in Amsterdam, aan de Westerdoksdijk. Voor een kennismaking komen we naar jullie toe, je komt bij ons langs, of we spreken online af.
Beter benutten is een van de sporen in het uitvoeringsprogramma netcongestie van de provincie Groningen, met onder meer energiehubs en slim laden. Een prognose van verbruik en opwek per aansluiting laat zien wanneer je onder je gecontracteerde transportvermogen blijft en welk verbruik kan schuiven.
Daarvoor heb je meetdata met genoeg detail per aansluiting nodig. Deel je capaciteit met andere bedrijven in een energiehub, dan gaat het al snel over gedeelde data en wie die beheert: data governance.
Mogelijk. De AI-verordening rekent AI-systemen tot hoog risico als ze bedoeld zijn als veiligheidscomponent bij de levering van water, gas, verwarming of elektriciteit (bijlage III, punt 2). Het gaat erom of falen die levering onveilig kan maken: een model dat een klep aanstuurt, roept die vraag eerder op dan een planningsvoorstel.
Na de digitale omnibus gelden de regels voor bijlage III volgens de Europese Commissie vanaf 2 december 2027. De juridische duiding van jouw toepassing ligt bij je eigen jurist of compliance-afdeling. Wij helpen de inventarisatie en risico-indeling voor te bereiden en zetten AI-governance op. De opbouw van de wet vind je bij AI Act.
Meestal drie bronnen: sensorreeksen uit SCADA, het systeem dat installaties op afstand bewaakt en bestuurt; de storings- en onderhoudshistorie uit het onderhoudsbeheersysteem; en stamgegevens per object, zoals type, bouwjaar en locatie. Het lastigste is vaak de koppeling: een vervangen pomp krijgt in de meetdata niet altijd een nieuw nummer.
Veel vergelijkbare objecten in één beheer helpen, omdat een model dan patronen tussen objecten kan vergelijken. Waterschap Noorderzijlvest beheert vanuit Groningen bijvoorbeeld sluizen, stuwen, gemalen, coupures en zuiveringsinstallaties. De aanpak staat op onze pagina over predictive maintenance.
Sinds 1 januari 2026 moeten utiliteitsgebouwen met een verwarmings- of airconditioningssysteem van meer dan 290 kW een gebouwautomatiserings- en controlesysteem (GACS) hebben. Vanaf 2030 geldt dat al boven 70 kW, meldt RVO. Zo'n systeem moet het energieverbruik permanent bijhouden en analyseren en rendementsverliezen opsporen.
Die meetdata is ook bruikbaar voor energiebeheer: afwijkingen per gebouw vinden en bepalen welk gebouw eerst verduurzaamt. Waar het net vol zit, levert een lagere piek bovendien ruimte op. Hoe je van compliance naar energiebeheer gaat, bespraken we in het webinar Meer dan GACS.
Met Europees, nationaal en regionaal geld, ook uit Nij Begun, komt er een Nederlandse AI-fabriek in Groningen: een expertisecentrum en een supercomputer die volgens het kabinet begin 2028 volledig beschikbaar is. De Rijksoverheid noemt energienetwerken als een van de toepassingen. De restwarmte kan straks via WarmteStad woningen in Noordwest-Groningen verwarmen.
Voor de meeste toepassingen in netbeheer, water en gebouwen is rekenkracht niet de beperking, maar meetdata die klopt, een eigenaar per model en beheer na de livegang. Ons werk in deze sector staat op de pagina data en AI voor de energiesector.
Met MLOps: de werkwijze waarmee je modellen versioneert, test, uitrolt en bewaakt. Met een model registry en CI/CD-templates volgt elk volgend model dezelfde route naar productie. Zo is het ook ingericht in het Datalab-team van Waternet.
In de energieketen veranderen data vaak door de fysieke wereld: een vervangen sensor, een nieuwe pomp of een koude winter. Monitoring op drift laat zien wanneer een model daardoor afwijkt en hertrainen nodig is. Die werkwijze beschrijven we bij MLOps.
Zolang een vaste instelling in de besturing het oplost, zoals een schakeltijd, een stooklijn of een alarmgrens. Of als de meetdata nog niet betrouwbaar binnenkomt: dan is een koppeling met een dashboard erop de eerste stap, en zie je daarmee vaak al waar het misgaat.
Is de toepassing al bedacht en ontbreekt alleen iemand die de sensordata uit SCADA en gebouwbeheer ontsluit, kijk dan naar een gedetacheerde data engineer via detacheren.
Wat doet Data Science Lab nog meer in energie en gebouwen?
- AI consultancyHoe we organisaties in heel Nederland helpen kiezen welke AI-toepassing eerst komt.
- Data & AI voor de energiesectorWat we doen voor organisaties die energie opwekken, verdelen of gebruiken.
- Paris Proof platformOns platform voor het energieverbruik en de verduurzaming van een gebouwportfolio.