Thematische werkgroep 3

De tweede thematische werkgroep rond MLaaS 'Marktplaats' vond plaats op 15 april 2024.

Context

Initiatief

De stad Roeselare beschikt reeds over verschillende machine learning algoritmes die data genereren op basis van fotomateriaal en is hiervoor in contact met verschillende partijen. Deze data wordt gebruikt in zowel operationele processen als bij het nemen van beleidsbeslissingen.

De opzet van het project is om een platform te bouwen dat toegankelijk is voor steden en gemeenten. Op dit platform wenst Roeselare en aanbod te publiceren van beeldmateriaal en data om beleidsdoelstellingen te ondersteunen zoals inventaris wegmarkeringen op het grondgebied, inventaris vegetatie op het grondgebied en inventaris van wegdekmaterialen en de kwaliteit ervan.

Dit biedt een aantal voordelen, nl:

• Schaalvoordeel
• Lagere kostprijs
• Relatief frequente beschikbaarheid van recente data
• Minder afhankelijk van technische kennis & expertise (beeldresolutie, algoritmes, etc)
• Laagdrempelige toegang tot deze informatie

Met het streven naar het opschalen van bestaande machine learning processen, het uitrollen van nieuwe mogelijkheden en deze via een platform als een service ter beschikking te stellen van alle overheden wensen de initiatiefnemers niet alleen zorgen voor meer data op Vlaams niveau maar ook voor “massa productie” aan een betaalbare prijs.

Dit alles kadert een groter geheel rond het City dashboard dat Roeselare enkele jaren geleden opgestart is. Hierbij is men gestart met het verzamelen van mobiele beelden en luchtbeelden. Deze data heeft men verzameld en verwerkt in een City dashboard.

Het project bestaat uit 3 pijlers:

1. Beeldmateriaal In de eerste fase ligt de focus op het verzamelen van input. Hierbij worden de noden/mogelijkheden rond het gebruik van luchtbeelden in kaart gebracht op basis van beeldresolutie, prijs en frequentie van beeldbeschikbaarheid. In een volgende fase volt de analyse data verwerking. Hierbij wordt een matrix opgesteld van alle mogelijke soorten luchtbeelden die beschikbaar zijn met telkens de voor-en nadelen per beeldsoort.
2. Machine learning algoritmes In de eerste fase van deze pijler wordt input verzameld. Hierbij worden de noden in kaart gebrecht rond de gevraagde machine learning algoritmes. Het uitgangspunt hierbij is een bestaande lijst binnen stad Roeselare met de volgende onderwerpen: wat zou er mogelijk moeten zijn via machine learning algoritmes, uitbreiden en aftoetsen met andere deelnemende besturen (andere noden), nagaan wat er reeds bestaat op de markt. Daarnaast is het belangrijk om de technische noden per algoritme te bepalen: inputvereisten van het beeldmateriaal en toelaatbare foutenmarge van het algoritme moet vastgelegd worden. Output zoals kaarten, databank voor de inventaris, GEO loket, BI dashboard etc maken hier ook deel van uit. De tweede fase is gericht op de aanbesteding. Hierbij wordt bepaald op welke manier het algoritme kan ontwikkeld of hergebruikt worden. Tijdens de derde en laatste fase gaat men over naar de realisatie van het algoritme en de verwerking van de data.
3. Platform Momenteel hebben de initiatiefnemers een high level concept voor ogen. Het is belangrijk dat dit concept vertaald wordt naar functionele en technische vereisten en dat er vorm gegeven wordt aan de architectuur van het platform. Daarnaast moet er een businessmodel voor het gebruik van het platform gecreëerd worden. Hierbij moet men stilstaan bij de volgende vragen: wie zijn de gebruikers, hoe krijgen ze toegang, wat kunnen ze kopen, wat met het licentiemodel, duidelijkheid rond pay per use, pay per login, pay per area etc.

VLOCA

VLOCA, de Vlaamse Open City Architectuur, is een initiatief van het Agentschap Binnenlands Bestuur van de Vlaamse Overheid. De hulp van VLOCA aan lokale besturen start bij het scherpstellen van duidelijke, verstaanbare use cases en loopt door tot de aanbestedingsfase van het project. VLOCA vormt op deze manier een duidelijke brug tussen de beleidsdoelstellingen van het lokale bestuur en de technische laag waarin de oplossingen beschreven en geïmplementeerd worden. We stellen de juiste vragen en verzamelen de noden en behoeften van alle stakeholders (lokale besturen, kenniscentra, bedrijven en burgerorganisaties). Door een gestructureerde aanpak en verwerking van deze informatie wordt de ontwikkeling van herbruikbare bouwblokken, standaarden en normen gestimuleerd die van Vlaanderen één grote interoperabele slimme regio kunnen maken. De opgedane kennis en ervaring wordt ontsloten via een kennishub waarop onder andere draaiboeken, architectuur componenten en modellen ter beschikking gesteld worden voor alle andere lokale besturen en stakeholders.

VLOCA-model

Momenteel hebben we reeds 2 werkgroepen achter de rug, telkens met een verschillende focus.

Bij de eerste werkgroep stonden we stil bij groen inventarisering:

En bij inventarisering wegkwaliteit:

Vandaag leggen we de focus op het gedeelte rond marktplaats. Hierbij hoort een nieuw VLOCA-model:

ID	Status	Samenvatting	Beschrijving
UC1	Voorstel	UC1: Marktplaats Mgt	Marktplaats Management die moet zorgen voor kwaliteitsvolle inhoud, veiligheid en 'fairness' op het platform
UC2	Voorstel	UC2: Registratie & login	Registratie van gebruikers die toegangen (willen) hebben op het platform ifv hun toegekende rechten
UC3	Voorstel	dr	Bouwplatform as a service die gebruikers toelaat om hun modellen zelf te bouwen op het platform
UC4	Voorstel	UC4: Run aaS	Run as a service die gebruikers toelaat om een gekozen model uit de bibliotheek te draaien op hun eigen input data
UC5	Voorstel	UC5: Bibliotheek Modellen	Bibliotheek van modellen die toegang verleent aan machine learning modellen (algoritmen) evt tegen betaling
UC6	Voorstel	UC6: Model Governance	Model Governance die bepaalt wie wat mag aanpassen, wie rechten heeft voor wat, enz.
UC7	Voorstel	UC7: Helpdesk & Feedback	Helpdesk bij issues alsook feedback kunnen geven over de services, kwaliteit modellen of haar documentatie, enz
UC8	Voorstel	UC8: Betalingen	Betalingen kunnen uitvoeren op het platform met facturatie mogelijkheden
UC9	Voorstel	UC9: CRM	Communicatie met bouwers, eigenaars en gebruikers van modellen/algoritmes
UC10	Voorstel	UC10: Samenvatting	UC10: Beschrijving

Waarom hebben we nood aan een marktplaats?

Uit de vorige 2 werkgroepen kwamen er verschillende valkuilen naar boven waaronder:

• een gebrek aan lokale expertise en budgetten
• een complexiteit aan 'generieke' raamovereenkomsten
• een problematiek van de beeldmaterialen die al dan niet passend zijn voor de aangeboden algoritmes

De marktplaats zou potentieel een oplossing kunnen bieden voor deze 3 valkuilen.

In de sessie van vandaag reflecteren we over de centrale rol die een marktplaats inneemt tussen leverancier & klant en beeldmateriaal & algoritme: essentieel hierbij is de vraag hoe we de leverancier naar de klant brengen en hoe we diegene die een model gebouwd heeft, naar de stad die er op dat moment nood aan heeft. De tweede focus is de link tussen het beeldmateriaal en het algoritme. Je kan een algoritme hebben maar niet noodzakelijk het juiste beeldmateriaal en omgekeerd. Een slimme marktplaats zou de leveranciers en de klanten bij elkaar kunnen brengen en kan de link tussen een algoritme en beeldmateriaal kunnen optimaliseren.

In de huidige situatie gaan leveranciers/producenten en klanten/consumenten rechtstreeks met elkaar in contact. Door een marktplaats te installeren, verloopt dit proces gecentraliseerd. Op deze marktplaats vinden producenten en consumenten alle informatie terug en kunnen ze diensten vergelijken. Het gaat voor alle duidelijkheid niet enkel over private leveranciers maar ook lokale besturen die reeds een model gebouwd hebben, krijgen de mogelijkheid om dit te delen met anderen.

Daarnaast is het een misvatting om te veronderstellen dat beeldmateriaal en algoritmes eenvoudig gecombineerd kunnen worden. Het is niet zo simpel als een "drag and drop"-systeem waarbij je een willekeurig algoritme op een willekeurige foto toepast en de verwachte output krijgt. Het idee dat een algoritme altijd accuraat werkt met elk soort beeldmateriaal klopt niet.

In werkelijkheid werken bepaalde algoritmes alleen goed met specifieke types van beeldmateriaal. Bijvoorbeeld, een algoritme dat ontworpen is voor satellietbeelden zal mogelijk niet goed functioneren met dronebeelden, en kan dan verkeerde resultaten opleveren. Het is belangrijk om goed geïnformeerd te zijn om te voorkomen dat verkeerde beslissingen worden genomen of verkeerde data wordt gebruikt.

Het doel van vandaag is tweeledig : ten eerste is het doel dat de slimme marktplaats kan adviseren welk beeldmateriaal bruikbaar is met welk algoritme, en omgekeerd welk algoritme geschikt is voor een bepaald type beeldmateriaal. Dit voorkomt dat gebruikers, zoals steden, een algoritme aanschaffen dat niet compatibel is met hun beschikbare beeldmateriaal.

De marktplaats moet als een makelaar functioneren die compatibele producten koppelt, zodat je weet welke beeldmaterialen werken met welke algoritmes. Het systeem moet intelligent genoeg zijn om verkeerde combinaties te voorkomen. Zodra je een bepaald beeldmateriaal kiest, zouden alleen de compatibele algoritmes beschikbaar moeten zijn.

Het doel is om een slimme marktplaats te ontwikkelen die kan adviseren welk beeldmateriaal bruikbaar is met welk algoritme en omgekeerd. Dit voorkomt dat gebruikers, zoals steden, een algoritme aanschaffen dat niet compatibel is met hun beschikbare beeldmateriaal. De marktplaats moet als een makelaar functioneren, compatibele producten koppelen, en ervoor zorgen dat verkeerde combinaties worden vermeden. Zodra je een bepaald beeldmateriaal kiest, zouden alleen de compatibele algoritmes beschikbaar moeten zijn.

Daarnaast is het belangrijk te erkennen dat bepaalde algoritmes soms gefinetuned moeten worden om optimaal te werken met nieuw of verschillend beeldmateriaal. Bijvoorbeeld, als er nieuwe versies van foto's binnenkomen of foto's uit een andere regio worden gebruikt, moet het algoritme mogelijk worden aangepast. De marktplaats kan hierbij helpen door aan te geven hoe het beeldmateriaal verwerkt moet worden om geschikt te zijn als input voor een algoritme, zoals het aanpassen van het formaat.

Samengevat, de marktplaats heeft twee hoofdtaken:

1. Het koppelen van beeldmateriaal aan de juiste algoritmes op basis van de gewenste output.
2. Het ondersteunen van fine-tuning door aan te geven of er aanvullende dataverwerking nodig is, en deze verwerking ook aan te bieden.

Het systeem moet bidirectioneel werken: niet alleen beeldmateriaal aan algoritmes koppelen, maar ook aanbevelingen geven voor welk beeldmateriaal en welke algoritmes geschikt zijn voor specifieke use cases. Hierdoor kunnen gebruikers altijd de meest geschikte combinatie vinden.

De focus ligt op de ontwikkeling van een slimme marktplaats die efficiënt kan adviseren welk beeldmateriaal bruikbaar is met welk algoritme en omgekeerd. Hierbij willen we de technische aspecten, zoals hoe data wordt opgeslagen of via API's toegankelijk wordt gemaakt, vandaag grotendeels buiten beschouwing laten. De nadruk ligt op de intelligentie achter de schermen: hoe bepalen we welke data aan welke algoritmes gekoppeld moet worden?

Daarnaast zijn er andere belangrijke aspecten van de marktplaats om te overwegen, zoals marketing, klantwerving, het financiële aspect, en juridische kwesties. Het is essentieel om een balans te vinden tussen het aantrekken van klanten en leveranciers. Zonder klanten zijn leveranciers niet geneigd hun producten op de marktplaats te zetten, en zonder producten zijn er geen klanten. Dit kip-of-ei-probleem vereist een strategische aanpak in marketing en sales om exponentiële groei te stimuleren.

Het financiële aspect omvat vragen over het kopen of huren van data, en het juridische aspect behandelt de verantwoordelijkheden en geschillen, zoals wat te doen als de gekochte data niet aan de verwachtingen voldoet. Al deze elementen moeten goed beheerd worden om een succesvolle en functionele marktplaats te creëren.

Buiten de scope van deze bespreking vallen:

• De technische details van data-opslag en API-toegang.
• Specifieke implementaties van het platform.
• Infrastructuurbeheer en schaalbaarheid van het platform.
• Technische beveiligingsmaatregelen.
• Gedetailleerde operationele procedures en onderhoud.

Door deze aspecten buiten beschouwing te laten, kunnen we ons volledig richten op het ontwikkelen van de slimme en strategische onderdelen die de kern vormen van een succesvolle marktplaats.

Brainstormsessie

Doel

Het doel van de brainstormsessie is het volgende:

• Intelligente link leggen tussen beelden en algoritmes
• Identificatie van de meerwaardecreatie
• Inzicht in wat je nodig hebt om de meerwaardecreaties te realiseren
• Beschrijven van mogelijkheden om de oplossing te verduurzamen
• Opsommen van valkuilen en potentiële principes waaraan de oplossing moet voldoen

Oefening 1

Bij deze oefeningen stonden we stil bij de volgende vragen:

1) Geef een paar (concrete) voorbeelden van issues

2) Hoe zouden we dit intelligenter kunnen maken?

3) Geef een paar voorbeelden die dit concept al realiseren

Overzicht

Issues	Acties om het slimmer te doen werken	Voorbeelden die dit concept al realiseren
dronebeelden zijn niet dezelfde als sattelietbeelden		ArcGIS Living Atlas of the World https://livingatlas.arcgis.com/en/browse/?q=deep%20learning#q=deep+learning&d=2
de leverancier van beeldmateriaal van een vorige vlucht is niet meer operationeel in ons gebied en spec's v/d foto's wijzigen	een matrix met vergelijkbaar beeldmateriaal voorzien (o.b.v. objectieve kenmerken zoals resolutie, hoogte v/d camera, kleurbanden RGB/Infrarood/...) en zo een alternatief beeldmateriaal voorstellen	ArcGIS Marketplace https://www.esri.com/en-us/arcgis-marketplace/overview
Leveranciers van beelden die enkel partners toelaten op de beelden te werken	verplichten dat leveranciers van algoritmes, algoritmes aanbieden die beeld leverancier agnostisch zijn en enkel rekening houden met belangrijke beeld specs (zoals type beeld materiaal; resolutie)	Up42 approach
Leveranciers van beelden leveren ook vaak de algorimes. Hoe overtuig je ze om dit te splitsen.	afspraken/contracten maken waarbij er een 'fee' per gebruik v/h algoritme/beeld naar de leverancier(s) van gaat	https://www.djustconnect.be/nl/ConnectShop
	verplichten dat beeld leveranciers toelaten dat andere algoritmes op hun beelden worden lostgelaten (ze nemen dan ook geen verantwoordelijkheid voor de verwerking). Hier hangt ook een IP aspect aan vast => wie is eigenaar van de beelden?
stel: 3 firma's die beelden aanleveren aan de 'slime marktplaats' bij n firma zijn slechts enkele klanten => werk je dan met op voorhand vastegelegde prijzen? wat als de firma zich terugtrekt uit dit project (wegens gebrek aan klanten) => hebben de klanten dan recht op de beelden die al waren aangeleverd?
Tijd van het jaar: Zomer vs Winter algoritmes (groen/bomen)
Algoritmes zijn getraind op een set van beelden en werken dus inderdaad alleen hierop. Tenzij ze hertraind worden. zien we dat ook als onderdeel hiervan ?
Hoe garanderen dat algoritmes werken op verschillende type beelden (drone, sat, MobileMapping) => een algoritme per type data een must?	op een home- of statuspagina van de marktplaats een soort van actuele toestand weergeven van de beschikbare algoritmes en beschikbare beeldmaterialen. Op die manier wordt er weergegeven wat wel en niet mogelijk is qua vragen of output
Versionering van de algoritmes : hoe overzichtelijk houden ?	opkuis van oude niet meer relevante items
Hoe kunnen we vertrouwen cre ren tussen data leveranciers en de marktplaats?	Een onafhankelijk clearing house opzetten	Athumi - Het Vlaams Datanutsbedrijf
verschil in "theoretische" spec's (technisch zoals camera, resolutie, ...) vs de realiteit (ander lichtinval, bewolking, ..)	automatische objectieve kwaliteitscontroles / scores op beeldmatriaal voorzien (validatie)	analoog zoals bv. "monitoring datakwaliteit" van brondata i.f.v. DWH ontwikkelingen (bv. afdwingen van geldige rijksregisternrs, GRAR-adressen, wanneer dit niet door de brontoepassing gevalideerd wordt)
Stockage van resultaten incl. historiek => datamodel van marktplaats moet hierop zijn afgestemd of waar wordt deze stockage verondersteld te gebeuren?
Beelden klaarmaken voor verwerking in verschillende algoritmes is niet altijd hetzelfde => integratie pre-processing steps in de marktplaats?
Hoe ga je om met verantwoordelijkheden op het einde van het verhaal? Slechte data? Slecht algoritme? Slechte integratie/applicatie/ visualisatie?
Data lineage van beslissingen (je neemt een beslissing, van waar, en hoe ben je tot die beslissing gekomen)
Wat gaan we doen met de feedback loop (reviews, welke deel van de beslissing was correct, wat niet). Deze kan heel waardevol zijn voor de algoritme leverancier
Kunnen ook enkel beelden aangekocht worden. en in eigen toepassingen gebruikt worden
Krijgen algoritme bouwers toegang tot grote sets om te trainen
Hoe continuiteit garanderen? Zowel blijven supporteren van bestaande als doorontwikkelen of verbeteren van algoritmes
hoe organiseer je het wervingsproces voor (nieuwe) beelden en algoritmes? Hoe zorg je er voor dat het platform relevant blijft door een grotere 'menukaart' van algoritmes aan te bieden aan de eindgebruikers?
Gebruiksrechten van satellietbeelden zijn beperkt tot welbepaald aantal gebruikers (licentie pricing) => hoe hiermee omgaan? Doelstelling uberhaupt om in deze marktplaats. sat. beelden integreren?	1) Met een intermediaire sat. beeld leverancier werken waarmee offline kan worden ge nterageerd om de beelden te bestellen (in dat geval specifieke data space voor dit soort data voorzien in de marktplaats) 2) Een component voorzien die de bestelllingen met de verschillende sat. leveranciers kan voorzien
Kunnen algoritmes koppelen met resultaten van andere algoritmes. bv boom x is al herkend, kan deze al als input gebruikt worden bij start volgende algoritme
een bepaalde use case is nog niet uitgewerkt met bestaande algoritmes. Kan dit op aanvraag? Rechtstreeks met leverancier contact opnemen of bij voldoende vragen (requests) door het platform in de markt zetten?

Oefening 2 + 3

In deze oefening gaan we op zoek naar meerwaardecreatie:

Wat zijn de specifieke voordelen van dit platform voor potentiële klanten en leveranciers van groen en wegen? Waarom zouden leveranciers en potentiële klanten bereid zijn om bij te dragen aan zo een platform ?

Lijst de verschillende redenen op en geef ook aan voor wie dit interessant kan zijn.

Voorbeeld:

-Steden die zelf geen data scientist hebben, kunnen gebruik maken van dit Marktplaats platform.

-Steden kunnen hun eigen oplossingen ook op de marktplaats zetten voor andere steden

ervolgens gaan we de waardecreatie toepassen:

Wat heb je nodig om de geïdentificeerde meerwaardecreaties uit de voorgaande oefening te realiseren?

Lijst de acties op

Voorbeeld:

-Betrouwbaar en gemakkelijk om terug te vinden wat je zoekt=> voorstelling leveranciers, catalogus van ML met bijbehorende beelden,…

-Dankzij de veelvoud van aanbod worden de prijzen normaal gezien naar beneden gedrukt.

Overzicht

Identificatie meerwaardecreatie	Acties
stimulatie voor meer uitwisseling naar verschillende gebruikers
bron van inspiratie voor het oplossen van specifieke problemen (niet opnieuw warm water uitvinden)
laagdrempelige toegang (=met voorbeelden, zoekopdrachten, begeleiding,...)
eenvoudige, snelle manier om data en bestaande modellen te kunnen vinden en gebruiken
combinatie met open data aangeboden door steden (ganse quadruple helix)
kennisdeling tussen lokale besturen	bv: recepten: deze dataset met dit algoritme geven een goed resultaat voor het bepalen van de boompopulatie op het grondgebied (hiermee geven we de kwaliteit van de link tussen een algoritme en de dataset)
benchmarken met de resultaten van andere gemeenten (zowel data/algoritme, alsook de output zelf)
welke output data willen we uberhaupt publiceren (politiek gevoelig,...)
Dashboard dat van de output kan worden gebouwd, dan ook op de marktplaats staan.	Mogelijkheid bieden om de verwerkte data ook beschikbaar te stellen (delen met) aan andere klanten van het platform om hen zo toe te laten om te benchmarken met hun resultaten
koppeling met andere intitiatieven (zoals blauwgroen ?) via datavindplaats ?
Hergebruik van data (een keer aankopen en veel mee doen)
overzicht van wie in mijn stad reeds die data of algoritme gekocht ? gebruikt ?
aanbestedingsproblematiek - klopt dit ? voor grotere bedragen misschien toch via een aanbesteding ? Marktplaats wordt aankoopcentrale ?
Algoritme expertise veel breder inzetten (door meer data)
Waar nu vaak het een eenmalige grote, dure inspanning is zonder continu teit , de kans om een delta/evolutie te zien historisch.
Instapdrempel lager door de prijs die lager zal liggen => motivatie om meer foto's te maken en publiceren
Instapdrempel lager door de lagere technische achtergrond die niet meer nodig is.
kwaliteitsverbetering data en producten door markt transparantie
afstemming aanbod naar vraag door ontwikkeling van algoritmes voor populaire use-cases
Marktplace space ?
Leveranciers moeten geen eigen marktplaats ontwikkelen; maar kunnen hun MLaaS aanbod makkelijker aanbieden. Alleen is de vraag, hoeveel marktplaatsen gaan er komen? Regels op Vlaams, Belgisch, internationaal niveau?
Agentschappen kunnen exclusief hun data of algoritme op de marktplaats zetten.
Andere steden kunnen hun ervaringen met trajecten: welke beelden met welke algoritmes en resultaten delen (en eventueel kosten)
Als algoritme leverancier is de setup reeds voorzien waarmee je algoritmes dienen te connecteren (input; resultaten) => processingruimte, alsook de resultaat moeten stockeren zullen door de marktplaats op zich genomen worden ipv door de leverancier
Mogelijkheid tot groepsaankopen. Naburige steden kopen beelden samen aan. (vliegtuig alleen voor 1 stad laten vliegen is hoge kost). Vlaanderen ?

Oefening 4

In deze oefening werden potentiële valkuilen geïdentificeerd en, op basis hiervan, formuleerden we principes waaraan de oplossing moet voldoen:

Voorbeeld:

• Self-service zonder goede training kan 'gevaarlijk' zijn
• Garanties op de kwaliteit ?
• Interoperabiliteit van de oplossing
• Betrouwbaarheid, en dus ‘vertrouwen’ in de data en modellen
• Stabiliteit, en dus ‘continuiteit’ van data en modellen, wordt het continue geupdate
• Goede helpdesk

Oefening 5

Tot slot keken we naar manieren om de voorgestelde oplossing duurzaam te implementeren:

Hoe kunnen we een duurzaam en schaalbaar businessmodel opzetten voor het aanbieden van dit platform aan leveranciers & potentiële klanten bv. andere gemeenten?

• Marketing & sales: vraag en aanbod stimuleren
• Future proof maken, zodat het ook oplossingen biedt voor toekomstige problemen (innovatie van data garanderen).
• Wat zijn potentiële inkomstenstromen en prijsmodellen die we kunnen overwegen voor het aanbieden van dit platform aan externe partijen? Wie betaalt de beheerders van het platform?
• Welke expertise hebben we juist nodig?
• Absolute link modellen met databronnen

Opname en Miro bord

Miro bord

Het Miro bord kan je consulteren via deze link.

Opname

De opname van deze sessie is te bekijken via deze link.

Volgende stappen

Wat na deze werkgroep?

1. Verwerking van de input van de brainstorm oefening.
2. Verder onderzoek en voorbereiding van de volgende thematische werkgroep.
3. Publicatie op de Kennishub

Feedback kan bezorgd worden aan laurien.renders@vlaanderen.be

Andere werkgroepen

Werkgroep	Type werkgroep	Datum	Tijd	Locatie
Thematische werkgroep 1	Data en informatie werkgroep	2024-03-14	9u-12u	Teams
Thematische werkgroep 2	Technologie werkgroep	2024-04-16	9u-12u	Teams
Thematische werkgroep 3	Technologie werkgroep	2024-05-15	13u-16u	Teams