Je kunt niet delen, hergebruiken of exploiteren wat niet bekend en gereguleerd is. In een tijd waarin alle publieke instanties willen deelnemen aan de data-economie, toepassingen van kunstmatige intelligentie willen implementeren of zich willen aansluiten bij Europese dataruimtes, blijft de eerste stap de moeilijkste. En die eerste stap heeft een naam: databeheer.
De verleiding om alles met elkaar te verbinden, en waarom dat een vergissing is.
Wanneer een overheid besluit haar gegevens open te stellen of een bedrijfsdatabank te vullen, is de verleiding groot: transactiesystemen of data lakes rechtstreeks koppelen aan een openbaar portaal en burgers, bedrijven of agenten toegang geven.eresSat regelt het. Het ziet er snel, efficiënt en modern uit.
Maar het blootleggen van ruwe data, zonder voorafgaande inventarisatie, opschoning en semantische verrijking, is het perfecte recept voor drie problemen die we maar al te goed kennen in de publieke sector: inconsistenties die het vertrouwen ondermijnen, juridische risico's als gevolg van onjuiste openbaarmaking van persoonsgegevens en, ten slotte, databanken die niemand gebruikt omdat niemand begrijpt wat erin staat. Het bouwen van een interoperabel data-ecosysteem is geen technisch exportprobleem, maar een strategische reis die informatiechaos omzet in echte publieke waarde.
Denk in domeinen, niet in systemen.
De reis begint, paradoxaal genoeg, met een afwijking van de technologie. Voordat een organisatie databases scant of tools inzet, moet ze haar informatielandschap begrijpen aan de hand van zogenaamde informatiedomeinen: groeperingen van gegevens rond een samenhangend en afgebakend thema, zoals mobiliteit, gezondheid, onderwijs, duurzaamheid of sociale diensten.
Door deze domeinen te definiëren, kunnen we de fundamentele vraag van alle governance beantwoorden: wie is verantwoordelijk voor deze informatie? Wanneer verantwoordelijkheid wordt toegewezen aan bedrijfsonderdelen en niet aan IT-afdelingen, zorgen we ervoor dat governance bestand is tegen organisatorische veranderingen en onvermijdelijke systeemmigraties. Het is de stap die ons in staat stelt silo's te doorbreken en over te stappen naar federatieve governancemodellen, zoals die worden voorgesteld door het Data Mesh-paradigma.
De technische inventaris en de rol van kunstmatige intelligentie
Nu de verantwoordelijkheden duidelijk zijn, is het tijd om aan de slag te gaan.eresDe technische inventarisatie van data-assets: systemen, tabellen, bestanden, API's, documentopslagplaatsen. Dit werk handmatig uitvoeren in een redelijk complexe organisatie – en dat zijn administraties – is onhaalbaar. Automatisering is geen optie, maar een noodzaak. Zelfontdekkende tools (datacrawlers) die verbinding maken met databases om schema's en metadata te extraheren, zijn essentieel om de gegevens actueel te houden.
We moeten hier echter wel een van de meest voorkomende valkuilen bij databeheer in gedachten houden: technologie is een noodzakelijke voorwaarde, maar nooit voldoende. De aanschaf van een catalogusplatform staat niet gelijk aan databeheer. Data stewards en bedrijfsleiders moeten de context bieden die geen enkele tool op zichzelf kan afleiden.
Dit is waar generatieve kunstmatige intelligentie de spelregels verandert. Waar men vroeger zelf moest ontcijferen wat een ondoorzichtig technisch vakgebied inhield, analyseren AI-ondersteunde tools tegenwoordig structuren, voorbeeldgegevens en summiere documentatie om automatisch semantische verbanden te leggen. AI helpt niet alleen bij het samenstellen van bedrijfswoordenlijsten, maar kan ook de consumentenvraag koppelen aan de bestaande voorraad en suggesties doen voor welke productcombinaties het meest geschikt zijn om consumentgerichte dataproducten te worden.
Van ruwe grondstof tot dataproduct
Een geautomatiseerd en beheerd inventarissysteem is een belangrijke mijlpaal, maar inventarisatie is een instrument voor intern gebruik. Niet alles wat we inventariseren verdient het om gecatalogiseerd of gepubliceerd te worden. Er is een selectie- en ontwerpproces nodig dat ruwe gegevens omzet in echte dataproducten.
Een dataproduct wordt altijd ontworpen met de consument in gedachten en zal daarom zelden een còpia De exacte vorm van een tabel. Het maken ervan is een oefening in het samenstellen van gegevens: technische taal vertalen naar zakelijk jargon, elk veld koppelen aan een eenduidige bedrijfswoordenlijst, structurele transformaties toepassen, microdata samenvoegen om bruikbare statistische indicatoren te genereren en vaak meerdere gegevensbronnen combineren om een complete context te bieden.
Deze transformatie is onlosmakelijk verbonden met privacy by design. Vóór elke publicatie is het essentieel om privacyverhogende technieken (PET) toe te passen, zoals anonimisering of pseudonimisering, om ethische en juridische risico's te beperken. Alleen op deze manier verkrijgen we een gestandaardiseerd product, veilig verpakt en voorzien van kwaliteitsindicatoren en duidelijke gebruiksovereenkomsten.
DCAT-AP-ES: de gemeenschappelijke taal om met de wereld te communiceren
Zodra de dataproducten zijn gegenereerd, moeten ze beschikbaar worden gesteld. De dataproductcatalogus is de ondersteunende dienst, maar als we willen voorkomen dat onze catalogus een geïsoleerde eenheid vormt, moet deze een universele taal spreken. Dit is waar de implementatie van DCAT-AP-ES en de daaruit voortvloeiende sectorale varianten een rol spelen.
Dit applicatieprofiel, als structurele standaard voor metadata, garandeert interoperabiliteit. Het beschrijft niet alleen wat het dataproduct bevat, maar ook wie het bewerkt, hoe vaak het wordt bijgewerkt en onder welke licenties het wordt gedistribueerd (met behulp van vocabulaires zoals ODRL). De adoptie van deze standaard is de toegangspoort tot Europese dataruimtes. Een goed opgebouwde catalogus op basis hiervan is niet langer een simpele bestandszoeker, maar vormt de basis voor digitaal vertrouwen: het maakt verifieerbare identiteit, observeerbaarheid en uiteindelijk de automatisering van transacties tussen organisaties mogelijk.
Op weg naar agentische AI en kennismarkten
De reis eindigt niet met de publicatie. De organisaties die deze productieketen domineren, leggen de basis voor een nabije toekomst waarin de catalogus evolueert naar een ware kennismarktplaats. In dit scenario zullen de gebruikers van onze catalogus niet langer alleen menselijke analisten zijn: het zullen kunstmatige intelligentie-agenten en slimme contracten zijn die in staat zijn informatie te lokaliseren in gefedereerde ecosystemen, de wettelijke beperkingen ervan te begrijpen, toegang ertoe te verkrijgen en op een autonome en gecontroleerde manier complexe reacties te formuleren.
Voor het openbaar bestuur is deze horizon geen sciencefiction: het is het logische gevolg van het goed uitvoeren van het voorgaande werk.
Conclusie: er bestaat geen goed of fout.eres
Het enthousiasme om deel te nemen aan Data Spaces, informatie te delen met andere overheden of geavanceerde AI-toepassingen te implementeren, mag ons niet de basisprincipes doen vergeten. Het overslaan van de interne fase van onderzoek en governance is de meest zekere manier om onhoudbare silo's te creëren en onze organisaties bloot te stellen aan juridische en reputatierisico's.
Automatisering en kunstmatige intelligentie bieden ons tegenwoordig een onschatbare kortere weg om technische activa te beheren met een snelheid en op een schaal die een paar jaar geleden nog ondenkbaar waren. Maar de overstap van technische inventaris naar bedrijfscatalogus blijft een gebruikersgerichte aanpak, een rigoureus productontwerp en een commitment aan open standaarden vereisen.
De data houdt op een technisch risico te vormen dat verborgen zit op een server, zodra het de volledige route heeft afgelegd: domini → inventaris → Product → catalogus → ecosysteemPas dan wordt het een betrouwbaar, beheersbaar bezit dat klaar is om verbinding te maken met de wereld.
Bij de AOC geloven we dat dit de weg is die alle Catalaanse overheden moeten bewandelen als ze willen meespelen – en niet alleen toekijken – in de data-economie. En het is een weg die niet alleen bewandeld kan worden: het vereist gemeenschappelijke standaarden, gedeelde infrastructuren en een nationale visie die databeheer centraal stelt in de digitale transformatie van de publieke sector.
Zo werken we er vanuit het Smart Local Governments Network al aan om dit traject betaalbaar te maken voor alle lokale overheden, ongeacht hun omvang en technische mogelijkheden. Het doel is om de lokale wereld een aantal minimale, gemeenschappelijke en herbruikbare instrumenten voor databeheer ter beschikking te stellen: referentiemodellen, methodologische criteria, gedeelde terminologieën, richtlijnen voor inventarisatie en catalogisering en gemeenschappelijke diensten die voorkomen dat elke overheid helemaal opnieuw moet beginnen. Voor gemeenteraden, provincies en aanverwante entiteiten moet deze gezamenlijke inspanning leiden tot minder onzekerheid, minder versnippering, minder afhankelijkheid van gesloten oplossingen en meer daadwerkelijke mogelijkheden om hun data om te zetten in kennis, betere publieke diensten en slimmer beleid ten dienste van de burgers.
notitieDit artikel is geïnspireerd op het artikel van Carlos Alonso Peña, directeur van de afdeling bij het directoraat-generaal voor gegevensbeheer, publiceerde in mei 2026 op LinkedIn onder de titel "Van verborgen data naar verborgen activa: de weg naar dataproducten".
