Tekst Marcia van Oers
Foto Marcia van Oers
Bij de politie Oost-Nederland startte een team jonge recherchekundigen in 2016 het Q-Team. Met kleine experimenten streven zij een groot doel na: een andere cultuur binnen opsporing, waarbij innovatie en ontwikkeling voorop staan. Twee van hun experimenten zijn geënt op het oplossen van cold cases, waarvan er in Nederland zo’n 1500 op de plank liggen.
Na de succesvolle coldcasekalender die het team ontwikkelde en verspreidde binnen gevangenissen, ging het aan de slag met kunstmatige intelligentie (ook wel AI; artificial intelligence). Met een ICT-bedrijf is een proof of concept, een proefmodel, gebouwd voor een instrument, dat (kansrijke) sporen in kaart brengt. Zo zijn zaken sneller en efficiënter op te lossen.
Digitale sporenmatrix
Roel Wolfert, recherchekundige en lid van het Q-Team: “Het instrument dat wij ontwikkeld hebben, is gebaseerd op kunstmatige intelligentie en dient als hulpmiddel om de forensisch rechercheur te adviseren. Het helpt de rechercheur focussen op het echte recherchewerk, terwijl het instrument zich op het analyseproces richt. Op dit moment weet de forensisch rechercheur niet goed welke zaak in het archief het meest kansrijk is. Aan de buitenkant van de dossiers kun je niet zien wat erin zit. Je moet dus al die dossiers doorzoeken op zoek naar forensische sporen die destijds veilig zijn gesteld. Hij of zij maakt vervolgens een inschatting of de sporen die toen onderzocht zijn, met nieuwe mogelijkheden opnieuw onderzocht kunnen worden en er een betere kans bestaat om op een daderprofiel uit te komen. Dit heet de forensische screening, een handmatig proces dat per zaak ongeveer vijf tot dertig dagen in beslag neemt. Als je dat loslaat op 1500 zaken, ben je wel even bezig.
Vandaar de wens tot automatisering van de forensische screening waarbij de sporenmatrix wordt gedigitaliseerd. Daarom hebben we een proof of concept gebouwd. En we concluderen dat de sporenmatrix die we handmatig gemaakt hebben, overeenkomt met de output van het systeem.”
'Aan de buitenkant van de dossiers kun je niet zien wat erin zit; je moet dus al die dossiers doorzoeken op zoek naar forensische sporen die destijds veilig zijn gesteld'
Hoe het werkt
“Het geheim van de smid voor het ontwikkelen van een succesvol instrument is in gesprek gaan met de werkvloer en goed luisteren. Wij hebben dat gedaan door de (externe) ontwikkelaar letterlijk naast het coldcase-team te zetten. Met een aantal forensisch rechercheurs hielden we een design thinking-sessie om te kijken waar de elementen zitten die we binnen het proces automatisch kunnen inrichten. Text mining is de basis van dit instrument, waardoor deze cold cases kan lezen en sporen kan herkennen. Daaromheen zit een moeilijker instrument: machine learning. Hiermee trainen we het instrument om sporen goed te herkennen en ze af te zetten tegen de nieuwe mogelijkheden. Het NFI kan een bewaard spoor nu opnieuw en beter onderzoeken. Ook leren we de tool sporen te prioriteren. Het resultaat: een uitrol van de meest kansrijke zaken om mee aan de slag te gaan.”
Het Q-Team
startte in Oost-Nederland maar bestaat nu binnen meerdere politie-eenheden. “We zijn de werkvloer, we blijven de werkvloer en we doen het samen met de werkvloer. Dat is onze kracht,” vertelt Roel Wolfert. “We zoeken nieuwe wegen die ons opsporingswerk kunnen helpen. Belangrijk is in onze experimenten collega’s te betrekken die de vaardigheden aanleren die je je vaak door de waan van de dag niet eigen kunt maken. Hier krijg je ruimte om kennis te maken met nieuwe technieken en methoden. Wij gaan uit van een kans of probleem van de werkvloer of de maatschappij en bekijken we hoe we dat gezamenlijk kunnen oplossen.”
Toekomstideaal
“Vijftien procent van die 1500 zaken uit het archief is inmiddels ingevoerd met de OCR-scan. Nu ontwikkelen we de tool door tot duurzaam en volwassen product, voldoende nauwkeurig om los te laten op zaken die digitaal beschikbaar zijn. Het is dus belangrijk om tegelijkertijd veel vaart te maken met het digitaliseren van alle overige zaken. Als we dat hele archief hebben ingescand, zitten we op zo’n 25 miljoen pagina’s tekst. Vervolgens kunnen er allerlei vormen van kunstmatige intelligentie en algoritmes worden toegepast om interessante patronen en (verborgen) verbanden te ontdekken, die je met de menselijke beperkingen niet snel ziet, zoals de relatie tussen dader en slachtoffer of de geografische afstand tussen het delict en de verdachte in zijn algemeenheid. Dit kan ons iets leren over het rechercheproces dat we tot dusver niet zagen met het blote oog.”
'Elk sprankje hoop dat we ze kunnen geven, is kostbaar'
Voor de nabestaanden
“De drijfveer van dit project zijn de nabestaanden. Elk sprankje hoop dat we ze kunnen geven, is kostbaar. Ik zou het fantastisch vinden als we die mensen straks duidelijkheid kunnen verschaffen en zaken kunnen wegstrepen. Bovendien zou het geweldig zijn als al die data uit cold cases ons dingen gaan leren waardoor we ons onderzoek in actuele zaken effectiever kunnen inrichten.”
