“Wat dreigen we niet meer te zien als we steeds beter kunnen meten?”

Die vraag stond centraal tijdens onze Trendspecial op dinsdag 10 november bij Lieven de Key in Amsterdam. Samen verkenden we wat data en AI zichtbaar kunnen maken, hoe onze eigen waarneming werkt en wat dit vraagt van de corporatiepraktijk. Een middag over de mogelijkheden van technologie én de aandacht die nodig is om de uitkomsten zorgvuldig te gebruiken.

Data en AI bieden steeds meer mogelijkheden om buurten en wijken te begrijpen. We kunnen patronen herkennen, ontwikkelingen volgen en mogelijke veranderingen verkennen. Maar welke conclusies mogen we daaraan verbinden? En hoe zorgen we dat de ervaringen van bewoners en het oordeel van professionals daarin een goede plek krijgen?

Wat vertelt een leefbaarheidsscore?

Met prof.dr. Sander van Cranenburgh (TU Delft / CityAI Lab) onderzochten we de keuzes achter leefbaarheidsonderzoek. Welke factoren tellen mee, hoe wegen we die en kijken we naar geregistreerde feiten of naar de ervaring van bewoners? Die keuzes bepalen mede het beeld dat ontstaat.

Nederland beschikt volgens Van Cranenburgh over een sterke basis aan gegevens. Tegelijk vraagt het gebruik daarvan om zorgvuldigheid. Een samenhang tussen kenmerken van een buurt bewijst bijvoorbeeld nog niet dat het veranderen van één kenmerk de leefbaarheid verbetert. Weten hoe een buurt ervoor staat, is iets anders dan weten welke interventie werkt.

“Het is wel een relatie, maar niet een causale relatie.”

Ook een gedetailleerde kaart verdient een kritische blik. Kleuren op buurtniveau kunnen gebaseerd zijn op modelberekeningen, terwijl daar beperkt rechtstreeks is gemeten. En indicatoren als de afstand tot groen benaderen de kwaliteit van een leefomgeving, maar vertellen niet vanzelf hoe bewoners die ervaren.

AI ontsluit aanvullende informatie

Juist bij het onderzoeken van ervaringen biedt AI mogelijkheden. We kunnen informatie analyseren die zich moeilijk in een spreadsheet laat vatten: teksten, geluidsopnamen en beelden. Denk aan het herkennen van patronen in klachten of het onderscheiden van verkeersgeluid, stemmen en vogelgeluiden. Dat geeft aanvullende aanknopingspunten om geluidsoverlast te onderzoeken.

Een onderzoek met de gemeente Rotterdam maakte de mogelijkheden van beeldanalyse concreet. Deelnemers kozen tussen woonsituaties met verschillende straatbeelden, woonlasten en reistijden. AI herkende kenmerken in de beelden, zoals bomen en auto’s. Door die informatie te verbinden met de gemaakte keuzes, ontstond inzicht in wat bijdraagt aan een aantrekkelijke fysieke leefomgeving.

Met aangepaste beelden kunnen vervolgens mogelijke ingrepen worden verkend. Hoe verandert de waardering van een straat als we bomen toevoegen of auto’s weghalen? Daarbij blijft het onderscheid belangrijk: inzicht in de aantrekkelijkheid van een straat voorspelt niet zonder meer de effecten op sociale samenhang of leefbaarheid als geheel.

Ook onze eigen blik selecteert

Meer informatie leidt niet vanzelf tot een vollediger beeld. Met prof.dr. Stefan van der Stigchel (Universiteit Utrecht / AttentionLab) verlegden we de aandacht naar onze eigen waarneming. Want ook de menselijke blik selecteert en interpreteert.

Dat ervoeren we direct. We kozen een speelkaart, die op de volgende afbeelding verdwenen bleek. Wat gemakkelijk aan onze aandacht ontsnapte: álle kaarten waren vervangen. We hadden vooral gekeken naar wat we moesten onthouden. Andere visuele voorbeelden lieten zien hoe verwachtingen en eerdere ervaringen bepalen wat we waarnemen.

“We kijken allemaal naar dezelfde wereld, maar de helft ziet wat anders dan de andere helft.”

Die selectie is noodzakelijk. Ons brein kan onmogelijk alle informatie verwerken die via onze zintuigen binnenkomt. Maar daarmee verdient ook onze eigen blik een kritische toets. Wie een wijk bezoekt met ongunstige cijfers in het achterhoofd, kan vooral de signalen opmerken die dat beeld bevestigen. Wat minder opvalt, vraagt om langer kijken.

Ook bewoners kunnen dezelfde situatie verschillend ervaren. Muziek van buren met wie we goed overweg kunnen, klinkt misschien gezellig. Hetzelfde geluid kan bij een verstoorde verhouding veel ergernis oproepen. Om te begrijpen wat bewoners ervaren, hebben we ook hun verhaal nodig.

Zorgvuldig kijken vraagt tijd, concentratie en verschillende perspectieven. De een ziet snel de grote lijnen, de ander merkt details op. Door samen te kijken en onze interpretaties te bespreken, kunnen we eerste oordelen onderzoeken. Wat denken we dat hier gebeurt? Waarop baseren we dat? En wat zien we nog meer?

Van inzicht naar praktijk

Na de pauze vertaalden we deze inzichten naar de eigen corporatiepraktijk, onder begeleiding van Pim van der Lienden en zijn collega Erik Holland van organisatieadviesbureau SeederDeBoer.

Corporaties beschikken over een schat aan informatie: over woningen en bewoners, maar ook uit klachten, bewonerspanels en dagelijkse contacten. De vervolgvraag is waarvoor we die gegevens willen gebruiken en wat dat van onze organisaties vraagt.

Daarbij gaat het om betrouwbare systemen én om menselijke vaardigheden. Begrijpen medewerkers en leidinggevenden de informatie voldoende om die kritisch te gebruiken? Wie voert het gesprek over de uitkomsten? En is er ruimte om te leren en te experimenteren?

“Digitale volwassenheid vraagt samenhang tussen strategie, governance, vaardigheden en innovatie.”

In groepen onderzochten we waar de eigen corporatie staat en waar de ontwikkeling schuurt. Bijvoorbeeld wanneer een dashboard en een wijkprofessional verschillende signalen geven, of wanneer beschikbare informatie onvoldoende wordt begrepen of vertrouwd.

Vervolgens werd de ontwikkelopgave kleiner gemaakt: welke actie is binnen drie maanden mogelijk, welk experiment past bij het komende jaar en welke keuze vraagt een bestuurlijk besluit? Zo ontstond een concreet vertrekpunt voor verdere ontwikkeling.

Zorgvuldig blijven kijken

De drie bijdragen brachten ons steeds terug bij de vraag hoe we tot een zorgvuldig oordeel komen. Zowel modellen als mensen selecteren informatie. Beide vragen om kritische vragen, aanvullende perspectieven en aandacht voor wat buiten beeld blijft.

Voor ons werk aan leefbaarheid betekent dat: gegevens verbinden met ervaringen, verschillen in duiding onderzoeken en bewust kiezen hoe we handelen. Welke informatie helpt ons verder? Wie moeten we spreken om die beter te begrijpen? En welke haalbare stap kunnen we vervolgens samen zetten?