AI in de crisiskolom: waar liggen de echte kansen?

Generatieve AI biedt crisisorganisaties zoals veiligheidsregio’s, GHOR-bureaus, ziekenhuizen, waterschappen en BCM-afdelingen concrete kansen, maar de risico’s verschillen sterk per toepassing. In de voorbereidende kolom (Opleiden, Trainen, Oefenen — OTO) is de winst nu al groot: scenario’s genereren, draaiboeken schrijven, lesstof maken, evaluaties versnellen. In de operationele kolom is het potentieel nog groter, maar liggen ook de risico’s hoger: hallucinatie, datalekken, automation bias. Wie nu begint bij OTO, rolspecifiek traint en beleid maakt over data en tooling, bouwt een fundament waarmee operationele toepassingen later veilig op kunnen voortbouwen.

De afgelopen maanden heb ik vaak in de crisiskolom rondgelopen. Met het OTO-team van Veiligheidsregio Twente verken ik hoe generatieve AI opleiden, trainen en oefenen kan versterken. Bij sessies van het Landelijk Netwerk Acute Zorg sprak ik met zorgcoördinatoren, GHOR-functionarissen en vertegenwoordigers van traumacentra en ziekenhuizen. En in bredere gesprekken kwamen rollen als Hoofd Informatie, adviseur nafase, algemeen commandant en hoofd communicatie aan tafel.

In al die gesprekken zie ik twee werelden waar AI iets toe te voegen heeft: de voorbereidende kolom (OTO) en de operationele kolom. Ze vragen iets fundamenteel verschillends. En dat verschil is belangrijk.

De voorbereidende kolom: OTO

Hier zit op dit moment de meeste laaghangende vrucht. Niet omdat het werk simpel is, maar omdat de risico’s beheersbaar zijn: je hebt tijd om te valideren, te reviewen en bij te sturen.

Scenario’s genereren met variatie

Een goede oefening staat of valt met realistische, gevarieerde scenario’s. In de praktijk zie ik dat oefenleiders vaak teruggrijpen op een beperkt aantal vertrouwde casussen, simpelweg omdat het schrijven van een goed scenario veel tijd kost. Met generatieve AI kun je per oefening tientallen varianten genereren: dezelfde grondvorm, maar met andere locaties, weersomstandigheden, tijdstippen, slachtofferaantallen, communicatieproblemen of bestuurlijke complicaties. Het werk schuift daarmee van schrijven naar curatie.

Belangrijk daarbij: de prompt moet structuur opleggen. Wij werken zelf met een format waarin altijd dezelfde elementen terugkomen (situatie, betrokkenen, complicerende factoren, leerdoelen, gewenste reactie). Zonder die structuur krijg je Hollywood-scenario’s. Met die structuur krijg je oefenstof.

Draaiboeken, lesstof, kennistoetsen

In onze eigen trainingspraktijk maken we veel materiaal: cursusoverzichten, oefeningen, kennischecks, hand-outs. Met goed ingerichte prompts en bedrijfseigen bronmateriaal (protocollen, draaiboeken, eerdere evaluaties) gaat dat een orde van grootte sneller. Mits je de output kritisch leest en er een vakinhoudelijke check op zet. De crux zit niet in het model, maar in de bronnen die je het model voert en in het reviewproces dat erop volgt.

Debriefing en evaluatie

Een onderschatte toepassing. Na een oefening of inzet liggen er vaak transcripties, logboeken, LCMS-uitdraaien en evaluatieformulieren. Een AI-model kan helpen patronen te herkennen, herhaalde knelpunten te clusteren en concept-verbeterpunten te formuleren. De evaluator blijft eindverantwoordelijk, maar het analytische voorwerk gaat sneller. Dat is waardevol, want de tijd voor een grondige evaluatie is er meestal niet.

De operationele kolom: meer kansen, hogere lat

Hier wordt het interessanter en tegelijk lastiger. Als je met Hoofden Informatie, algemeen commandanten of adviseurs nafase praat, hoor je dezelfde wensen terug: tijdens en na een inzet wil je sneller overzicht, sneller scenariodenken vooruit, en sneller verbinding met eerdere casussen. AI kan daar in principe aan bijdragen.

Wat zou écht waardevol zijn?

Een aantal toepassingen die ik vaak terug hoor:

Realtime samenvatten van inkomende meldingen en LCMS-invoer, zodat het Hoofd Informatie sneller kan duiden zonder dat essentiële details verloren gaan.
Scenariodenken vooruit: gegeven deze situatie, welke ontwikkelingen zijn waarschijnlijk in de komende 1, 4 of 24 uur? Welke randvoorwaarden ontbreken?
Vergelijking met historische inzetten: lijkt deze casus op iets uit het verleden? Welke besluiten werden toen genomen, en met welk effect?
Crisiscommunicatie en bestuurlijke duiding: hoe vertaal je een operationele situatie razendsnel naar berichtgeving voor burgers, persberichten en briefings voor de driehoek? Crisiscommunicatie is een van de plekken waar tijdsdruk en kwaliteit het hardst botsen — juist daar kan een goede eerste versie veel waard zijn. Niet ter vervanging, wel als basis die het team alleen nog hoeft te valideren en aan te scherpen.
Ondersteuning in de nafase: voor adviseurs nafase is de uitdaging meestal niet de eerste 24 uur, maar de maanden daarna. Slachtofferregistratie samenvoegen, geanonimiseerde patroonherkenning in zorgvragen, concepten voor herdenkingscommunicatie, rapportages aan bestuur. Werk waar AI veel voorbereidend werk uit handen kan nemen, zodat de adviseur de menselijke kant kan blijven doen.

Minder voor de hand liggende toepassingen

Hier ligt wat mij betreft de echt interessante ruimte:

AI als actieve tegenspeler in oefeningen. In de wargaming-traditie is de tegenstander een vast onderdeel: iemand die actief tegenstand biedt en het oefenscenario onder druk zet. Een AI-model kan die rol invullen in tabletops en stafoefeningen, met onverwachte wendingen, mediadruk, of een kritische bestuurder die lastige vragen stelt. Niet ter vervanging van menselijke spelleiding, maar als versterking.

Synthetische rollen voor realistischer oefenen. Persvragen, ongeruste familie, social media-storm, een irritante bestuurder, een woordvoerder van een ander land. Allemaal rollen die in oefeningen vaak afwezig zijn of door één persoon worden ingevuld. Met AI kun je ze parallel laten draaien en de druk realistisch opvoeren.

AI als devil’s advocate in de besluitvorming. Een van de grootste risico’s in een staf is groupthink onder tijdsdruk. Een AI-model met een specifieke opdracht (“breng het sterkste tegenargument tegen de huidige koers, met onderbouwing”) kan helpen om die reflex te doorbreken — mits de cultuur dat toestaat.

Pre-mortem op een lopende inzet. Stel: dit loopt over zes uur volledig uit de hand. Hoe is dat gebeurd? Een korte AI-gestuurde pre-mortem dwingt het team om risico’s expliciet te benoemen die anders impliciet blijven. Klein van opzet, snel uit te voeren, vaak verrassend leerzaam.

Inwerkassistent voor bestuurders die later aanschuiven. Een burgemeester of dijkgraaf die om 02:00 wordt gebeld, wil binnen 90 seconden bij zijn. Een goed gestructureerde, op het LCMS-logboek gebaseerde briefing kan daar veel waarde toevoegen.

Waarom dit (nog) niet eenvoudig is

Een paar harde randvoorwaarden waar je niet omheen kunt:

Hallucinatie is in een crisis onaanvaardbaar. Een verzonnen detail in een marketingtekst is vervelend. Een verzonnen detail in een operationele briefing kan levens kosten. Toepassingen voor de operationele kolom moeten daarop zijn ontworpen: met bronverwijzing, met expliciete onzekerheidsmarkering, en met menselijke verificatie als harde stap in het proces.

Data mag de organisatie niet uit. LCMS-data, persoonsgegevens van betrokkenen, gevoelige bestuurlijke informatie: dat gaat niet naar een publieke chatdienst. Dit vraagt om Azure-, on-premises- of soevereine cloudoplossingen met de juiste verwerkersovereenkomsten, plus een check op de EU AI Act-verplichtingen die voor deze toepassingen gelden. Dat is geen technisch detail, dat is een randvoorwaarde.

Integratie boven losse tools. Een AI-knop binnen LCMS of binnen de eigen crisisomgeving heeft een fundamenteel andere waarde dan een AI-tool in een apart venster. De crisismanager heeft tijdens een inzet geen tijd voor copy-paste — en bovendien wil je niet dat operationele informatie in losse tools belandt waar je geen zicht op hebt.

Mensen werken vaak bij meerdere organisaties. Dit werd in elke sessie wel een keer aangehaald en wordt onderschat. Veel crisisfunctionarissen hebben een hoofdwerkgever en daarnaast een piket of nevenfunctie bij een veiligheidsregio, ziekenhuis, gemeente of een andere partner. Wie AI structureel wil inzetten in de crisiskolom, zal moeten nadenken over toegangsmodellen die meebewegen met de functie van een persoon, niet alleen met het arbeidscontract.

Verantwoordelijkheid blijft mensenwerk. AI is een hulpmiddel voor de functionaris, geen vervanging. Dat moet ook in opleiding en training expliciet zijn. Zonder dat bewustzijn krijg je automation bias op precies de verkeerde momenten.

Niet alleen veiligheidsregio’s

Veel van wat hierboven staat is breder toepasbaar dan de klassieke crisiskolom. Crisis- en continuïteitsmanagement speelt in talloze sectoren een rol:

Waterschappen (hoogwater, droogte, dijkbewaking, waterkwaliteit)
Drinkwaterbedrijven en netbeheerders (uitval elektriciteit, gas, telecom, drinkwater)
Spoor en luchthavens (ProRail, NS, Schiphol, luchtverkeersleiding)
Havens en logistieke knooppunten
Ziekenhuizen en zorgketens (opschaling, uitval, infectiebeheersing) — zie ook onze AI-trainingen voor de zorg
Gemeenten en provincies (bevolkingszorg, openbare orde) — zie ook onze AI-trainingen voor gemeenten en voor beleidsmakers in de publieke sector
Grote bedrijven en vitale infrastructuur met een BCM-functie

Zeker in BCM — waar het gaat over scenario-analyse, impact assessments, recovery plans en oefencycli — gelden veel van dezelfde patronen. Andere woorden, vergelijkbaar werk. En vergelijkbare kansen om met AI sneller, breder en gevarieerder te oefenen, te documenteren en te evalueren.

Wat zou ik crisis- en continuïteitsorganisaties aanraden?

Een paar concrete stappen die nu al zinvol zijn:

Begin bij OTO. Lagere risico’s, snelle leercurve, direct toepasbaar. Bouw daar interne ervaring op, ontwikkel prompts en werkwijzen, en leer wat wel en niet werkt in jullie context.
Train de mensen die het écht moeten gebruiken. Een algemeen commandant, een Hoofd Informatie, een communicatieadviseur, een adviseur nafase of een BCM-coördinator hebben elk heel andere vragen. Generieke AI-trainingen schieten hier tekort. Daar maken we trainingen op maat voor.
Maak beleid over data en tooling, met aandacht voor multi-org realiteit. Welke informatie mag in welke tool? Welke leveranciers zijn akkoord? En: hoe zorg je dat iemand die bij jou piket loopt maar elders werkt, ook werkelijk toegang heeft tot het juiste? Zonder dit beleid ontstaat schaduw-AI. Wij ondersteunen organisaties hierin met AI-beleidsadvies en breder implementatieadvies.
Praat met je systeemleveranciers. LCMS, GMS en andere crisissystemen zullen op enig moment AI-functionaliteit toevoegen. Zorg dat je als gebruiker meedenkt over wat dat moet doen, en wat juist niet.
Bouw evaluatie in vanaf het begin. Welke tijdwinst, welke kwaliteitswinst, welke onverwachte effecten? Zonder meting geen leereffect, en geen onderbouwing voor verdere investeringen.

Tot slot

Wat me in al die sessies vooral opvalt: de bereidheid en de vakinhoudelijke nieuwsgierigheid in de crisiskolom zijn groot. Mensen zien de kansen, stellen scherpe vragen, en zijn realistisch over de risico’s. Dat is een goede uitgangspositie. Het tempo waarin de techniek zich ontwikkelt vraagt wel om een actieve houding: afwachten betekent dat de tools straks toch worden gebruikt, alleen dan zonder kaders.

Samen met mijn collega Diederik Stolk werk ik vanuit AI-Advies & Training aan deze vraagstukken. Diederik brengt jarenlange ervaring mee in serious games, wargaming en crisisbeheersing, naast praktische kennis van generatieve AI. Een combinatie die in dit domein goed van pas komt.

Reacties, kritische tegengeluiden of voorbeelden uit de eigen praktijk zijn welkom. Wilt u verkennen wat dit voor uw organisatie kan betekenen? Neem dan contact op of bekijk onze AI-training voor crisisorganisaties.

Veelgestelde vragen

Wat is AI in de crisiskolom? Met AI in de crisiskolom bedoelen we de inzet van generatieve AI (zoals ChatGPT, Microsoft Copilot, Claude of Gemini) binnen crisisorganisaties: veiligheidsregio’s, GHOR-bureaus, LNAZ, ziekenhuizen, gemeenten, waterschappen, netbeheerders en BCM-afdelingen. Toepassingen lopen van het opstellen van oefenscenario’s en draaiboeken tot ondersteuning bij realtime duiding, scenariodenken vooruit en de nafase.

Waar kan AI nu al veilig worden ingezet binnen een veiligheidsregio? In de voorbereidende kolom (OTO) is het risico beheersbaar omdat er tijd is voor validatie. Concrete toepassingen: scenario’s met variatie genereren, draaiboeken opstellen, lesstof en kennistoetsen maken, en debriefings of evaluaties versnellen door patronen te herkennen in logboeken en evaluatieformulieren.

Wat zijn de risico’s van AI in een operationele crisis? De vier belangrijkste: hallucinatie (verzonnen details kunnen levens kosten), datalekken (gevoelige informatie mag niet naar publieke chatdiensten), automation bias (te veel vertrouwen onder tijdsdruk) en versnipperde tooling tussen organisaties waar dezelfde functionarissen voor werken. Voor operationeel gebruik zijn bronverwijzing, onzekerheidsmarkering en menselijke verificatie randvoorwaarden, niet optionele extra’s.

Wat is OTO bij een veiligheidsregio? OTO staat voor Opleiden, Trainen en Oefenen. Het is de voorbereidende kolom binnen een veiligheidsregio waarin crisisfunctionarissen worden opgeleid en hun vaardigheden onderhouden. Generatieve AI kan in deze fase veel tijd besparen op contentproductie en scenario-ontwikkeling.

Hoe verhoudt dit zich tot Business Continuity Management (BCM)? BCM in bedrijven en vitale infrastructuur gebruikt vergelijkbare bouwstenen als crisisbeheersing bij overheden: scenario-analyse, impact assessments, recovery plans, oefencycli. De toepassingen van generatieve AI die hierboven beschreven staan, zijn in grote lijnen overdraagbaar naar BCM-teams.

Welke crisisorganisaties profiteren het meest van AI? Alle organisaties met een duidelijke OTO-cyclus en een groot volume aan tekstueel werk: veiligheidsregio’s, GHOR-bureaus, LNAZ, ziekenhuizen, waterschappen, drinkwaterbedrijven, netbeheerders, gemeenten en provincies, en private BCM-afdelingen. Wie verantwoordelijk is voor scenario’s, draaiboeken, oefenmateriaal of evaluaties, ziet meestal binnen enkele weken effect.