business

BLOG – Artificiële intelligentie (ai) heeft de potentie om de transitie naar net zero te versnellen. Toch blijft de inzet van deze technologie in duurzaamheidsinspanningen vaak steken in pilots en kleinschalige projecten. De impact ontstaat pas als ai wordt geïntegreerd in systemen en kernactiviteiten – daar valt nog een oceaan te winnen. Dit is vooral zichtbaar in de maritieme industrie. Oceanen zijn onmisbaar voor het klimaat en de wereldeconomie, maar staan onder druk door vervuiling, verlies van biodiversiteit en toenemende industriële activiteiten. Ai biedt hier uitkomst: van het monitoren van waterkwaliteit en het volgen van biodiversiteit tot het ontwerpen van slimmere, natuurvriendelijke infrastructuur. Hoewel deze toepassingen nu al worden ingezet, blijft grootschalige adoptie achter. Wat houdt de doorbraak tegen? Net zeroNet zero betekent dat de totale uitstoot van broeikasgassen door menselijke activiteiten in balans wordt gebracht met de hoeveelheid die uit de atmosfeer wordt verwijderd, waardoor er netto geen extra broeikasgassen worden toegevoegd, met als doel de opwarming van de aarde te beperken tot anderhalve graad Celsius. Een van de grootste uitdagingen ligt in de data. Ai-systemen zijn afhankelijk van hoogwaardige data, maar in veel kust- en mariene gebieden zijn die data versnipperd, onvolledig of moeilijk te verkrijgen. Neem rivierdata als voorbeeld: deze data zijn nuttig voor inzicht in overstromingsrisico’s, vervuiling en waterkwaliteit. In veel regio’s ontbreken deze gegevens, zeker in afgelegen gebieden. Traditionele monitoring is kostbaar en hebben beperkt bereik. Nieuwe ai-oplossingen pakken deze gebreken aan. Zo ontwikkelde Cognizant een opensource deep learning model, dat dagelijkse rivierstromen voorspelt op basis van historische weerdata en kenmerken van het stroomgebied – zonder fysieke sensoren. Het model is getraind op decennia aan open datasets van honderden stroomgebieden in het Verenigd Koninkrijk en levert zelfs van afgelegen of voorheen niet-gemonitorde gebieden snel inzichten. Dit maakt grootschalige, betaalbare milieu-beoordelingen mogelijk voor waterbeheer, overstromingspreventie en ecosysteemgezondheid. Dezelfde principes gelden voor kust- en mariene gebieden. Door milieu-data te behandelen als kritieke infrastructuur – met gedeelde standaarden, open modellen en interoperabele platforms – wordt ai meer schaalbaar. Fair-dataprincipes (findable, accessible, interoperable, reusable) is een goed uitgangspunt, maar brede afstemming in de sector is nodig voor grootschalige toepassing. Algenbloei Ai wordt al op verschillende gebieden in de maritieme sector toegepast: van het detecteren van schadelijke algenbloei tot het voorspellen van de impact van infrastructuur op ecosystemen. Deep learning-systemen voorspellen de waterkwaliteit en traceren vervuiling tot aan de bron. En helpt generatieve ai bij het ontwerpen van natuurvriendelijke maritieme constructies. Op deze manier maken bijvoorbeeld de Sentinel-satellieten van de Europese Ruimtevaartorganisatie (ESA) in combinatie met ai het mogelijk cyanobacteriën en zee-afval op grote schaal in kaart te brengen, waardoor monitoring van de waterkwaliteit langs de kust mogelijk wordt. Toch blijven deze toepassingen vaak geïsoleerd. Zolang inzichten beperkt blijven tot losse projecten of afdelingen, gaat veel potentie verloren. Om de volledige waarde van ai te benutten, is samenwerking nodig. Dezelfde modellen die worden gebruikt om kustwateren te monitoren, zijn bijvoorbeeld ook in te zetten voor havenactiviteiten, infrastructuurplanning en natuurbeschermingsmaatregelen. Dat vraagt om investeringen in gedeelde infrastructuur en nauwe samenwerking tussen overheid, bedrijfsleven en milieuexperts. De technologie is er, nu de sector nog. Duurzaamheid Beleidskaders spelen een grote rol bij de inzet van ai voor duurzaamheid in sectoren. Veel overheden hebben ambitieuze duurzaamheidsdoelen, maar concrete ondersteuning bij de implementatie blijft vaak uit. Zonder duidelijke standaarden of richtlijnen aarzelen organisaties om ai op grote schaal toe te passen. Wat nodig is zijn praktische afspraken. Denk aan regelgeving voor milieugerichte ai-tools, duidelijke datanormen en beloningen die samenwerking tussen sectoren aanmoedigen. In de maritieme sector kan beleid dat het hergebruik van bestaande middelen stimuleert, zoals oude, ongebruikte energieplatforms, helpen om economische en duurzame doelen samen te laten komen. Zo wordt ai nu al ingezet om te beoordelen of olie- en gasplatforms geschikt zijn voor een tweede leven als windpark, CO2-opslag of viskwekerij. In plaats van sloop kunnen digitale tweelingen en voorspellende modellen helpen om verouderde activa om veilig en duurzaam te herbestemmen. Met duidelijkere kaders en strategische financiering kunnen succesvolle pilots doorgroeien naar blijvende, lange termijn oplossingen. Niet volwassen Sommige deskundigen stellen dat milieu-ai nog niet volwassen genoeg is, en dat er meer data, consensus en betere tools nodig zijn. Maar veel oplossingen zijn al beschikbaar, betaalbaar en schaalbaar. Wachten brengt risico’s met zich mee, zeker nu mariene ecosystemen steeds meer onder druk staan. Ai is zeer geschikt voor adaptief leren. Door systemen nu al in te zetten ondanks dat ze nog niet perfect zijn, kunnen ze zich in de praktijk verder ontwikkelen. Hoe meer data, hoe beter en nauwkeuriger de uitkomsten. Het behalen van milieudoelen en het waarborgen van de oceaan vraagt om tijdige, datagedreven en voorspellende besluitvorming. ai kan daarbij helpen – mits het als strategische prioriteit wordt gezien en niet als een experiment. De noodzaak om actie te ondernemen is duidelijk. Nu is het tijd om op te schalen én te versnellen. Stig Martin Fiska, global head, Cognizant Ocean