© 2024 SURF
De documentaire Three Identical Strangers (2018) gaat over het onwaarschijnlijke sociaal-wetenschappelijk experiment in het naoorlogse New York, waarbij pasgeboren twee- of drielingen werden gescheiden en ter adoptie ondergebracht bij arme of rijke gezinnen. De documentaire verhaalt hoe een drieling elkaar ‘in het wild’ tegenkomen – en vanuit daar ontrafelt het experiment. Ze worden bijna instant een mediasensatie doordat ze ondanks de opvoeding zowel van buiten als binnen identiek zijn: ze zijn identical strangers.
Minder verwerpelijk is de vergelijkbare situatie in ons naoorlogse woningbestand. Honderdduizenden woningen zijn tussen circa 1965 en 1990 gebouwd. Dit was een tijd van enorme woningnood in combinatie met een nieuwe industriële manier van bouwen. Architectenbureaus werkten nauw samen met bouwbedrijven en aannemers om snel zoveel mogelijk te bouwen. Maar wie, waar en wanneer heeft gebouwd is grotendeels onbekend. Mogelijk staan er in ons land vele sets van 'identical strangers': van binnen en buiten identiek.
De potentie van deze alternatieve data is beloftevol. De bouw is een gefragmenteerde markt – en tevens grootgebruiker van materialen en energie. Juist in deze naoorlogse woningbouwvoorraad ontstaat de komende jaren momentum door de stedelijke vernieuwing, sloop-nieuwbouw, renovatie, verduurzaming en erfgoedbeleid. Kennis over Identical Strangers biedt de kans om veel sneller en optimaler opgaven en kansen rondom verduurzaming, circulaire waarde en erfgoedbeleid van deze naoorlogse woningbouw te ontdekken en delen.
In deze KIEM hebben we verkend of dit vermoeden klopt en vooral of we deze door een combinatie van AI en ruimtelijk onderzoek kunnen traceren. Hiervoor hebben we vijf deelverkeningen uitgevoerd:
• Door zes interviews met oud-partners en archiefonderzoek is de hypothese van de “identical strangers” bevestigd: er zijn sets van identical strangers.
• Met empirisch onderzoek in 14 gemeenten via Google Streetview is een alternatieve dataset met 360 mogelijke identical strangers samengesteld.
• In een workshop met architecten, bouwtechnologen en stedenbouwers zijn de ruimtelijke patronen ingetekend om een trainingset voor AI te maken.
• Vanuit drie invalshoeken (2D data; dak data; Streetview beelden) is verkend welke algoritmes het meest kansrijk zijn om de zoektocht naar identical strangers te automatiseren.
• In interviews en presentaties hebben we de potentie voor meerdere usecase verkend.
De resultaten zijn beloftevol en zetten we in als bouwstenen voor een groter vervolgonderzoek.
De bouw is een conservatieve (risk-averse) en sterk gefragmenteerde markt. De bouw is echter tevens een grootgebruiker van materialen; 40% van de globale grondstoffen wordt gebruikt voor de realisatie van gebouwen (Ness & Xing, 2017). Ook is de gebouwde omgeving een grootgebruiker van energie met 40 % van het Nederlandse totale gebruik (Klimaatmonitor Rijksoverheid 2019). Meer kennisdeling en optimalisatie is cruciaal, met name ten aanzien van de naoorlogse woningbouwvoorraad.
Daar ontstaat de komende jaren momentum in de vorm van de stedelijke vernieuwing, sloop-nieuwbouw, renovatie, verduurzaming en erfgoedbeleid.
Kenmerkend van de naoorlogse woningbouw is dat ze destijds in hoog tempo zijn gerealiseerd en gebouwd op sterk gestandaardiseerde manieren. Vele ontwerpbureaus en bouwers hebben in die tijd op grote schaal identieke woningbouwcomplexen in alle delen van ons land neergezet. De kennis over wie wat waar heeft gebouwd is echter niet geregistreerd. Kennis daarover biedt de kans om veel sneller en optimaler opgaven en kansen rondom verduurzaming, circulaire waarde en erfgoedbeleid van deze naoorlogse woningbouw te ontdekken en delen. Een combinatie van AI, ruimtelijk onderzoek en co-research kan dit zoekproces automatiseren. In deze KIEM willen we dit verkennen.
We bouwen voort op de AI-methodes en technieken die we in het RAAKmkb project Sensing Streetscapes hebben ontwikkeld. In deze Kiem willen we experimenteren wat de meest efficiënte AI-strategie is. Hierbij werken we met co-research. Ruimtelijk experts uit verschillende vakgebieden worden betrokken om de kenmerken van de woningbouwvooraard te duiden – en zo te helpen in wat AI moet gaan leren. Vak- en praktijk experts van woningbouw verduurzaming, circulaire bouw en erfgoedbeleid betrekken we in een co-researchsessie om potentiele use-cases te verkennen. Hoe kan deze kennis een versnelling voor hun opgaven betekenen?
Voor de doorontwikkeling tot volwaardige tools beogen we een RAAKmkb of RAAKpubliek aan te vragen.