Onderzoeksproject P4S/251/KG4J (Onderzoeksactie P4S)
Het Nationaal Instituut voor Criminalistiek en Criminologie (NICC) vervult een wetenschappelijke rol binnen het Belgische strafrechtssysteem. Enerzijds levert het forensische expertise (DNA, toxicologie, drugs). Anderzijds voert het criminologisch onderzoek uit, bijvoorbeeld naar recidive en criminele carrières. Daarbij wordt een grote hoeveelheid data verwerkt. Toch is veel van deze data gefragmenteerd of onderbenut. Waardevolle inzichten blijven verborgen.
Voorstel
Het project Knowledge Graphs for Justice (KG4J) wil dit aanpakken. Hoe? Door data-analysesystemen te bouwen en te gebruiken gebaseerd op grafentheorie, kennisgrafen en artificiële intelligentie (AI), zoals Large Language Models (LLM’s). En door een beleid rond data- en AI-governance te definiëren.
Wat is grafentheorie?
rafen zijn een natuurlijke manier om verbonden data voor te stellen.
Entiteiten worden knooppunten die verbonden zijn via relaties. Denk aan een metrokaart:
Elke halte is een knooppunt, elke lijn een relatie. Wat is het kortste traject tussen twee haltes?
Wat is de meest verbonden halte? Grafentheorie beantwoordt zulke vragen.
Wat is een kennisgraaf?
Door semantische informatie toe te voegen — betekenisdefinities — wordt een graaf een kennisgraaf. Deze is machineleesbaar, interpreteerbaar en bevraagbaar. Moderne AI-systemen kunnen ze gebruiken om vragen te beantwoorden.
Wat is een Large Language Model?
Een LLM is de motor achter moderne conversationele AI-agenten. Het is getraind om menselijke taal te voorspellen op basis van grote hoeveelheden tekst. Het kan met ons praten en taken uitvoeren, zoals programmeren.
Wat we met deze technologie zullen doen
Het KG4J-project zal grafentheorie, kennisgrafen en LLM’s toepassen op geselecteerde use-cases om bestaande data te ontsluiten en nieuwe mogelijkheden te creëren.
Criminologisch onderzoek
Het NICC gebruikte reeds een graaf om recidive en criminele carrières te analyseren uit losstaande databronnen. Het doel is nu nieuwe patronen ontdekken. En de graaf omvormen tot een AI-ondersteunde kennisgraaf. Dit maakt geavanceerde queries en eenvoudigere exploratie van criminele trajecten mogelijk.
Forensische expertise
Momenteel worden forensische gegevens tactisch verwerkt, zonder verdere analyse die verbanden legt. Bijvoorbeeld DNA-databanken koppelen profielen en stoppen daar. Door deze data in een graaf te plaatsen kan men medeplegerspatronen ontdekken. En criminele netwerken blootleggen. Het verbinden van bewijs ondersteunt zowel lopende onderzoeken als beleidsvorming.
Ongestructureerde data
Interviewtranscripten, expertnota’s, opnames: de hoeveelheid ongestructureerde data is enorm. Met AI — vooral LLM’s — kan dit omgezet worden in een kennisgraaf. Deze kan vervolgens vragen beantwoorden over de inhoud.
Doelstellingen
Een Knowledge Graph Infrastructure (KGI) bouwen met criminologische en forensische data, bevraagbaar via een intuïtieve interface.
Use-cases aantonen: statistieken over recidive, nieuwe patronen en forensische toepassingen.
Methoden ontwikkelen voor ongestructureerde data: grafextractie uit tekst, discoursanalyse en reconstructie van criminele trajecten, met conversatiemogelijkheden via LLM’s.
Een model voor data- en AI-governance definiëren in overeenstemming met wetgeving en institutionele waarden.
Conclusie
Het KG4J-project stelt het NICC in staat sterkere forensische en criminologische intelligentie te leveren. Het verbindt gefragmenteerde data, valoriseert bestaande gegevens, ontwikkelt nieuwe capaciteiten via grafen en AI en creëert betrouwbare data- en AI-praktijken in dienst van justitie.
