AI voor Vroegsignalering Onbegrepen Gedrag
In Zuid-Limburg bundelen zorg-, veiligheids-, welzijns- en gemeenschapsorganisaties hun krachten om mensen met onbegrepen gedrag beter te ondersteunen. Signalen worden nu vaak te laat opgepakt, waardoor problemen escaleren en onnodige druk op hulpdiensten ontstaat. Dit project ontwikkelt een AI-instrument dat patronen in meldingen herkent en vertaalt naar handelingsadviezen. Zo kunnen professionals eerder en domeinoverstijgend ingrijpen, binnen ethische normen en waarden, en samen met de cliënt passende ondersteuning bieden.
Doel
Het hoofddoel is het ontwikkelen, testen en implementeren van een AI-ondersteund signaleringsinstrument, gekoppeld aan een regionaal protocol, dat professionals helpt om vroegtijdig en domeinoverstijgend te handelen bij onbegrepen gedrag. Het instrument herkent patronen in meldingen uit verschillende domeinen en vertaalt deze naar concrete handelingsadviezen. AI is daarbij nadrukkelijk een hulpmiddel: professionals houden regie en de menselijke maat staat centraal.
Aanpak/werkwijze
Het project wordt uitgevoerd in vier fasen over 12 maanden. Fase 1 richt zich op dataverkenning en privacywaarborgen (DPIA, dataminimalisatie). In fase 2 wordt een AI/LLM-prototype ontwikkeld met bias-checks en ethische toetsing. Fase 3 bestaat uit co-creatie met professionals en ervaringsdeskundigen, resulterend in een regionaal signaleringsprotocol. Fase 4 test het prototype met geanonimiseerde casussen en legt lessen vast. Ervaringsdeskundigen zijn vanaf de start gelijkwaardig betrokken als medeonderzoekers. Het project is ingebed in de Regionale Kenniswerkplaats Onbegrepen Gedrag Zuid-Limburg.
Samenwerkingspartners
De samenwerking verbindt gemeenten, GGZ-instellingen, GGD, politie, Openbaar Ministerie, woningcorporaties, welzijnsorganisaties, zorg- en veiligheidshuizen en kennisinstellingen. Bestuurlijk is het vraagstuk geagendeerd via de Commissie Zorg & Veiligheid. Wat de samenwerking bijzonder maakt, is de brede domeinoverstijgende inzet: van wijk-GGD'ers tot Brightlands Smart Services Campus. Ervaringsdeskundigen en naasten nemen gelijkwaardig deel als medeonderzoekers. Universiteit Maastricht borgt wetenschappelijke kwaliteit en ethische inbedding; Zuyd Hogeschool vertaalt techniek naar werkbare routines en trainingen. Alle partners leveren casuïstiek, data en cofinanciering.
(Verwachte) resultaten
Het project levert een werkend AI/LLM-prototype op dat patronen herkent in domeinoverstijgende meldingen, inclusief uitlegbaarheid en ethische waarborgen. Daarnaast wordt een regionaal signaleringsprotocol ontwikkeld, mede door ervaringsdeskundigen. Minimaal 80 professionals worden getraind in het gebruik van het instrument. Het project resulteert in een eindrapportage met lessen, randvoorwaarden en aanbevelingen voor opschaling. De maatschappelijke impact: professionals handelen sneller en gecoördineerder, escalaties nemen af en inwoners ervaren meer veiligheid en rust in de buurt. Generieke componenten worden beschikbaar gesteld voor andere regio's.