Interview met Thom Badings, winnaar Kees Schouhamer Immink Proefschriftprijs
De Kees Schouhamer Immink Proefschriftprijs 2026 is toegekend aan Thom Badings. Hij promoveerde in maart 2025 aan de Radboud Universiteit op het proefschrift Robust Verification of Stochastic Systems: Guarantees in the Presence of Uncertainty. De jury prees niet alleen de wetenschappelijke diepgang van zijn onderzoek, maar ook zijn indrukwekkende publicatielijst en de heldere, toegankelijke opzet van zijn proefschrift.
Je promotieonderzoek maakte deel uit van het PrimaVera-project. Wat houdt dat project in, welke partijen zijn erbij betrokken en wat was jouw rol?
“PRIMAVERA was een groot onderzoeksconsortium rond predictive maintenance, oftewel voorspellend onderhoud: het voorspellen van systeemfalen – bijvoorbeeld bij treinen of productiemachines – met behulp van wiskundige modellen. Het project liep van 2019 tot 2025 en bracht universiteiten, hogescholen en bedrijven samen. Naast de Radboud Universiteit waren onder meer de Universiteit Twente, de TU Eindhoven, Saxion Hogeschool en De Haagse Hogeschool betrokken, evenals partners als NS, ASML en de Koninklijke Marine. Mijn bijdrage lag vooral bij het modelleren van zulke systemen en bij het ontwikkelen van algoritmen die op basis van die modellen onderbouwde beslissingen mogelijk maken.”
Je onderzoek raakt aan AI-systemen zonder harde veiligheidsgaranties. Waar kan dat in de praktijk misgaan?
“Dat zie je vooral bij autonome systemen: zelfrijdende auto’s, drones of robots in magazijnen. Dat zijn systemen die op basis van algoritmes zelfstandig beslissingen nemen in de echte wereld, vaak in de nabijheid van mensen. Als daar iets misgaat, kan dat serieuze gevolgen hebben.”
Zijn daar al concrete voorbeelden van?
“Zeker, bijvoorbeeld bij zelfrijdende auto’s. Het is natuurlijk zo dat ook mensen fouten maken, dus je kunt niet elk incident direct aan software wijten. Maar er zijn wel degelijk situaties geweest waarin fouten in de AI of de software hebben geleid tot ongelukken of vreemde impasses.”
Je werkt met zogenoemde stochastische systemen: systemen met onvoorspelbaar gedrag. Wat maakt die zo lastig?
“Die systemen opereren in omgevingen die voortdurend veranderen. Ze moeten telkens opnieuw beslissingen nemen op basis van onvolledige of onzekere informatie. Dat maakt het moeilijk om vooraf harde garanties te geven over hun gedrag.”
In je proefschrift laat je zien hoe zulke complexe systemen toch controleerbaar kunnen worden. Waar zit de winst daarvan?
“Wij ontwikkelen robuuste verificatiemethoden. Die zijn bedoeld voor systemen die worden ingezet in omstandigheden die je vooraf niet precies kent. Neem een drone: bij het ontwerpen van het besturingsalgoritme weet je nog niet in welke weersomstandigheden hij precies zal vliegen. Je wilt dan kunnen garanderen dat het systeem binnen een hele bandbreedte aan omstandigheden veilig blijft functioneren. Met robuuste verificatiemethoden kijk je vervolgens naar het slechtste geval uit deze bandbreedte. Als ook in dat slechtste geval je systeem zich nog veilig genoeg gedraagt, dan kun je concluderen dat het systeem robuust tegen elk scenario uit de bandbreedte.”
Wanneer wordt dat echt relevant?
“Vooral wanneer systemen buiten sterk gecontroleerde omgevingen worden gebruikt. Een robot in een volledig afgeschermde fabriekshal kun je relatief goed modelleren. Maar zodra een systeem ‘in the wild’ opereert – op straat, in de lucht, tussen mensen – nemen de onzekerheden snel toe. Juist daar maken robuuste methoden het verschil.”
Waarom werk jij zonder aannames over kansverdelingen, zoals de bekende normale verdeling?
“Veel klassieke methoden nemen aan dat onzekerheden netjes volgens een bepaalde kansverdeling verlopen, bijvoorbeeld een normale verdeling. In de praktijk klopt dat vaak niet. Bij turbulentie rond een drone bijvoorbeeld is het gedrag veel complexer. Bovendien is er vaak tijdsafhankelijkheid: wat nu gebeurt, zegt iets over wat er over een paar seconden gebeurt. Dat past niet bij simpele aannames. In plaats van expliciet met zo’n verdeling te werken, gebruiken wij data die daaruit voortkomen. Dat maakt het model flexibeler en realistischer.”
Je onderzoekt ook welke parameters in een model er echt toe doen. Wat levert dat op?
“Dat helpt om efficiënter te leren uit data. In complexe systemen zijn veel parameters van invloed, zoals wind, gewicht of batterijstatus. Klassieke methoden behandelen al die situaties vaak los van elkaar. Wij proberen juist de onderliggende structuur van het model te benutten, zodat informatie uit de ene situatie ook iets zegt over een vergelijkbare situatie. Daardoor heb je minder data nodig om een model accuraat te laten leren en daarmee het autonome systeem betere beslissingen te laten nemen.”
Wat betekent jouw onderzoek voor het vertrouwen in AI-systemen?
“Het is belangrijk om onderscheid te maken tussen grote generatieve AI-modellen, zoals taalmodellen, en de veel kleinere AI-modellen die wij gebruiken voor besturing van systemen. Die laatste zijn specifiek en overzichtelijker. Juist daar kun je formele garanties geven over het gedrag, ondanks onzekerheden. Dat is cruciaal voor toezichthouders en gebruikers.”
Kun je ooit volledig vertrouwen op zo’n systeem?
“Altijd binnen expliciete aannames. Je begint met een model, en dat is op zichzelf al een vereenvoudiging van de werkelijkheid. Wat wij doen, is die aannames zo transparant mogelijk maken. We laten zien: als deze voorwaarden gelden, dan werkt het systeem zelfs in het slechtste geval nog veilig genoeg. Dat maakt vertrouwen beter onderbouwd, al blijft het nooit absoluut.”
Je benadrukt steeds ‘wij’. Hoe belangrijk is samenwerking in jouw werk?
“Essentieel. Onderzoek is vrijwel nooit een solo-activiteit. In mijn werk komen informatica, formele methoden, AI en regeltechniek samen, en dat kan alleen in teamverband. Juist die samenwerking – vaak internationaal en met sterk gemotiveerde collega’s – maakt dit werk voor mij zo aantrekkelijk.”
Je zit nu als postdoc in Oxford. Wat doe je daar?
“Ik bouw voort op mijn promotieonderzoek, samen met een groep waarmee ik al eerder samenwerkte. Hier ben ik onderdeel van de Erlangen AI Hub, een groot onderzoeksproject met als doel om een betere wiskundige basis te ontwikkelen voor AI. Tegelijk is dit een fase om te verbreden en te bepalen welke richting ik met mijn onderzoek op wil. In maart begin ik als postdoctoraal onderzoeker aan de universiteit in Aken, RWTH Aachen University. Ook hier zal ik doorbouwen op mijn huidige onderzoek, maar daarnaast ga ik er meer de focus op leggen om onze verificatiemethoden schaalbaarder te maken en ze daarmee echt in de praktijk te kunnen brengen.”
En hoe zie je je toekomst?
“Idealiter zou ik ooit graag hoogleraar worden aan een Nederlandse universiteit. Een positie als assistent-professor is daarvoor de logische volgende stap. De financiële omstandigheden in de academische wereld zijn nu niet eenvoudig. Maar voorlopig ben ik heel tevreden met het werk dat ik nu doe.”
De KHMW Schouhamer Immink Proefschriftprijs wordt op donderdag 16 april 2026 uitgereikt tijdens ICT Open in De Doelen, Rotterdam.
