Wat de AI van Avendar vindt in een dossier van 900 pagina’s

Op de AI Summit Brainport liet Avendar-CEO Marijn van Aerle aan de hand van een telefoonreparatiewinkel zien hoe AI onderzoekers bij de overheid kan helpen een aanwijzing te herleiden tot het cruciale document waarin die informatie opdook.

De telefoonreparatiewinkel op het scherm bestond niet. Het onderzoek erachter wel, vertelde Van Aerle zijn publiek in het Evoluon in Eindhoven. Na een eigenaarswisseling moesten gemeentelijke onderzoekers 109 documenten doorspitten, samen bijna 900 pagina’s. Ergens tussen de belastingaangiften, kredietaanvragen en bankafschriften liep een geldspoor dat volgens Van Aerle via verschillende tussenstappen leidde naar een drugskartel dat zijn opbrengsten witwaste.

Een van de aanwijzingen in de demo zat in een veel kleiner detail. In een notariële akte stond een andere aandeelhouder dan in het Handelsregister. Om dat verschil op te merken, moest een onderzoeker eerst weten waar hij in beide stukken moest kijken. Dat is het soort werk dat Van Aerle met de software van Avendar wil overnemen.

De CEO van de Nederlandse startup presenteerde de zaak afgelopen week tijdens de AI Implementation Track, georganiseerd door het AI Innovation Center van High Tech Campus Eindhoven. Avendar won afgelopen zomer een Gerard & Anton Award.

Een bestandsnaam vertelt maar weinig

‘Ik kan een bestand uploaden dat “jaarrekening” heet, terwijl er een foto van mijn kat in staat’, zei Van Aerle. Iemand moet het bestand alsnog openen, controleren wat erin staat en vaststellen bij welk bedrijf het hoort. Avendar gebruikt taal- en beeldmodellen om documenten te herkennen en er gegevens uit te halen. De software kan die gegevens vervolgens koppelen aan informatie uit andere stukken en registers.

In de demo over de telefoonwinkel kwam zo een passage aan het licht die leek te zijn aangepast. Ook werden bankoverschrijvingen zichtbaar die samenvielen met de overname. Een onderzoeker kon bij elk signaal terug naar de precieze passage of transactie die er aanleiding toe gaf.

Het moment waarop een betaling uit het buitenland binnenkomt, kan reden zijn om te vragen wie de overname financierde en waarom. Daar kan een heel gewone verklaring voor zijn. Hetzelfde geldt als twee bronnen verschillende aandeelhouders noemen. De afwijking geeft de onderzoeker iets concreets om te controleren, met de oorspronkelijke stukken als vertrekpunt.

Geef het model een afgebakende taak

Toen iemand uit het publiek vroeg hoe Avendar grenzen stelt aan het gebruik van AI, maakte Van Aerle onderscheid tussen informatie uit documenten halen en risico’s signaleren. In de screening die hij demonstreerde, helpt AI om gegevens te verzamelen en met elkaar te verbinden. Avendar gebruikt expliciete regels om patronen te signaleren die iemand vervolgens kan beoordelen. Volgens Van Aerle heeft het bedrijf zo’n 500 tot 600 patronen uit de overheidspraktijk in regels vastgelegd. Complianceteams kunnen die regels inzien. Achternamen en nationaliteiten spelen volgens hem in de beschreven regels geen rol.

‘Je wilt dat ze kleine beslissingen nemen, geen grote’, zei Van Aerle over modellen met vrij beschikbare modelgewichten. Vraag een model om getallen uit een document te halen en een onderzoeker kan de uitkomst naast het origineel leggen. Vraag wie een misdrijf heeft gepleegd en het wordt veel lastiger om te achterhalen hoe het model tot zijn antwoord kwam en welke vooroordelen daarin meespeelden. Dat verschil telt als de stukken meewegen in een overheidsbesluit dat voor de rechter kan worden aangevochten.

Wie beheert het systeem?

Van Aerle vertelde dat hij en een collega een politiescreening doorliepen om de software op locatie bij de politie te kunnen installeren, in een omgeving zonder internetverbinding. Hij schetste ook andere mogelijkheden, zoals installatie in een private cloud of in een Nederlands datacentrum waar de software namens de klant wordt beheerd. Een overheidsinstantie die deze opties afweegt, kijkt waar de gegevens staan, wie het systeem beheert en tot welke netwerken het model toegang heeft.

Volgens Avendar waren de Nationale Politie en het ministerie van Justitie en Veiligheid begin 2025 de eerste klanten. Het bedrijf werkte aan de manier waarop de recherche tips van burgers verwerkt. Later zette Avendar de software ook in voor integriteitsscreening bij vergunningen en subsidies. In mei haalde het bedrijf 2,2 miljoen euro aan startkapitaal op in een investeringsronde onder leiding van LUMO Labs en de Brabantse Ontwikkelings Maatschappij (BOM). Op de summit vertelde Van Aerle dat het team was gegroeid tot twaalf mensen en dat Avendar kansen verkent in Spanje, Duitsland en Frankrijk.

Van Aerle bewaarde het netwerkdiagram voor het einde van de demo. Daarop was te zien hoe personen, bedrijven en transacties in het dossier met elkaar verbonden waren. In de praktijk heeft hij naar eigen zeggen meer aan de afzonderlijke signalen.