Heerlen wil met kunstmatige intelligentie voorspellen waar in de stad criminaliteit gaat plaatsvinden — en krijgt daarvoor 5 miljoen euro van de Europese Unie. Het project heet Pulse-Twin. Burgemeester Roel Wever legt het doel simpel uit: voorspellen “waar er onrust gaat ontstaan, zodat we eerder kunnen ingrijpen” (Bron: Security.NL). Heerlen positioneert zich sowieso als AI-stad — de gemeente zet ook in op de Brightlands Data & AI Campus en AI Valley. Voor Amnesty International en dataethici klinkt Pulse-Twin heel anders: een aanzienlijk risico op etnisch profileren, ingebouwd in een systeem dat nog moet bewijzen dat het werkt.
Wat Pulse-Twin wil zijn
Pulse-Twin is geen los AI-model. Het is een “sociale digital twin”: een doorlopend bijgewerkt datamodel van Heerlen dat demografische cijfers, politiestatistieken, vergunningen, woninggegevens, inkomen, onderwijsniveau en meldingen van bewoners samenbrengt. Op basis daarvan moet machine learning criminaliteitspatronen en hotspots herkennen, een AI-copilot professionals ondersteunen, en een mobiele veiligheidsapp genaamd “Heitje” bewoners een kanaal geven om meldingen te doen.
Het project is Europees: naast Heerlen doen partnersteden als het Belgische Genk en het Griekse Piraeus mee, gefinancierd via het EU Urban Initiative. Het Centraal Bureau voor de Statistiek werkt al sinds 2016 samen met Heerlen aan datagebruik en is ook bij Pulse-Twin betrokken.
Beginner-tipEen “digital twin” is een digitale kopie van iets uit de echte wereld — meestal gebruikt voor bruggen, fabrieken of verkeersstromen. Heerlen probeert die aanpak nu toe te passen op een hele sociale werkelijkheid: een stad vol mensen.
De timeline: van testversie tot volledige uitrol
Het project staat nog aan het begin. De eerste testversie moet eind 2026 klaar zijn, waarna een gesloten testfase loopt tot het voorjaar van 2028. Pas daarna volgt eventueel volledige implementatie (Bron: Security.NL). Dat is een lange aanlooptijd, en niet toevallig: het onderwerp ligt gevoelig genoeg om zorgvuldig te willen testen voordat er daadwerkelijk beleid op wordt gebaseerd. Een systeem dat criminaliteit voorspelt en politie-inzet stuurt, valt bovendien precies in het soort categorie waarvoor de EU AI Act de strengste eisen stelt (ons overzicht van de AI Act-deadlines zet op een rij welke termijnen daarbij horen).
Een onafhankelijk dossier van onderzoeker Michel Peen zet daarbij een belangrijke kanttekening: wat er nu in projectplannen en subsidieaanvragen staat, zijn intenties, geen bevestigd werkende systemen. Er is geen publiek bewijs gevonden van gezichtsherkenning of individuele AI-profielen. Maar juist omdat de intenties zo breed zijn — van CBS-data tot politiemeldingen tot burgerapp — noemt het dossier “transparantie en onafhankelijke toetsing” essentieel, ongeacht hoever de techniek nu al staat (Bron: Pulse-Twin Heerlen).
Waarom critici dit een ander soort risico noemen
Amnesty International formuleert de kern van het bezwaar scherp: systemen die onrust of criminaliteit voorspellen en ingezet worden voor politiewerk, dragen een aanzienlijk risico op etnisch profileren met zich mee. Dat risico zit niet in kwade opzet, maar in de data zelf — als politiecijfers uit het verleden al scheef verdeeld zijn over wijken en groepen, dan leert een voorspellend model die scheefheid aan en versterkt hem.
Ditzelfde probleem speelt breder dan alleen politiewerk — we schreven eerder over wie er moet uitleggen wanneer een algoritme jou afwijst, en dezelfde vraag naar uitlegbaarheid speelt hier, alleen met hogere inzet. Data-ethicus Iris Muis van de Data School van de Universiteit Utrecht voegt een tweede punt toe, misschien wel het ongemakkelijkste: er bestaan geen voorbeelden die aantonen dat dit daadwerkelijk werkt. Digital twins verbeteren aantoonbaar verkeersstromen, zegt ze, maar een toepassing op criminaliteit brengt aanzienlijke privacyschending en discriminatierisico’s met zich mee tegenover een twijfelachtige opbrengst (Bron: Security.NL).
GevorderdenHet probleem heet in de vakliteratuur “feedback loops in predictive policing”: meer surveillance in een wijk levert meer geregistreerde incidenten op, wat het model leert lezen als “meer criminaliteit”, wat weer tot meer surveillance leidt. Het model bevestigt dan zijn eigen aanname, los van wat er werkelijk verandert.
Wat dit voor Heerlen — en andere gemeenten — betekent
Heerlen experimenteert hier niet als enige gemeente mee, en met een looptijd tot 2028 is er nog volop ruimte om bij te sturen. De spanning die Pulse-Twin blootlegt is wel structureel: elke gemeente die overheidsdata combineert met machine learning voor iets zo gevoeligs als criminaliteitsvoorspelling, loopt tegen dezelfde vraag aan. Dat roept een terugkerende vraag op: wie controleert straks of het model doet wat het belooft, en wie is verantwoordelijk zodra het misgaat.
Toezicht achteraf is dan ook precies waar het om draait. Onze uitleg over wie kan bewijzen wat een AI-systeem besliste laat zien hoe lastig die vraag in de praktijk te beantwoorden is, ook los van Heerlen. Voor bewoners van Heerlen betekent het voorlopig vooral afwachten. De testfase is gesloten, wat betekent dat het praktijkbewijs — werkt het, en wie merkt de gevolgen — nog moet komen voordat er iets definitiefs te zeggen valt. Tot die tijd is de aanbeveling van het onafhankelijke dossier misschien wel de meest praktische: blijf toetsen, en laat de aanname dat een subsidie-toekenning ook betekent dat het werkt, nooit onbevraagd.