Je kunt een prima indicatorenset hebben. Goede mensen. Strakke briefings. Een nette cyclus. En toch merk je ineens dat je er vaker naast zit. Minder grip, meer verrassing, meer reparatiewerk achteraf. Dat komt zelden doordat een team ineens slechter werkt. Meestal verschuift de werkelijkheid, terwijl jouw meetlat hetzelfde blijft.
In de data- en AI-wereld heet dat concept drift: de relatie tussen wat je meet – signalen, indicatoren, patronen – en wat dat in de echte wereld betekent, verandert in de tijd. Daardoor kunnen dezelfde cijfers, labels en categorieën ineens iets anders betekenen dan een jaar geleden.
Waarom is dit zo’n verraderlijk onderwerp? Omdat drift zelden met een klap binnenkomt. Er is meestal geen alarmbel, geen duidelijk breekpunt, geen moment waarop iedereen ziet: hier ging het mis. Het verandert langzaam. En precies daardoor bouw je schijnzekerheid op. Je denkt dat je stuurt op feiten, terwijl je in werkelijkheid steeds vaker stuurt op een oude kaart.
Drie vormen van drift in de praktijk
Je hoeft concept drift niet academisch te maken. In de praktijk zie je meestal drie vormen.
Realiteitsdrift betekent dat de wereld verandert. Actoren passen zich aan. Tactieken verschuiven. De omgeving wijzigt. Wat eerst typisch was, is dat niet meer. De categorie blijft hetzelfde, maar het gedrag erachter verandert.
Meetdrift betekent dat je meting verandert. Definities schuiven. Registraties worden strakker of juist ruimer. Tools wijzigen. Processen worden aangepast. Het gevolg: je indicator beweegt, maar je denkt dat de werkelijkheid beweegt.
Aandachtsdrift betekent dat jij verandert. Prioriteiten verschuiven. Er is een incident geweest. Er komt politieke of media-aandacht. Teams kijken anders, controleren anders en registreren anders. Je ziet dus meer, maar dat kan net zo goed komen doordat je anders bent gaan kijken.
Concept drift is vaak een combinatie van die drie. En als je dat niet expliciet maakt, ga je bijna automatisch verkeerd duiden: “het probleem groeit”, terwijl het net zo goed kan zijn dat het probleem verschuift of dat de meting is veranderd.
Twee voorbeelden: demonstraties en jeugdoverlast
Twee voorbeelden maken dat direct herkenbaar. Bij demonstraties kun je een stijging zien in aantallen, meldingen of inzetmomenten. Eerder kon je dat redelijk voorspelbaar duiden. Maar op een gegeven moment verandert de dynamiek: andere actoren, andere timing, andere mobilisatie, meer frictie, meer verplaatsing, een andere ordeproblematiek. Dat kan realiteitsdrift zijn, maar ook meetdrift of aandachtsdrift. Als je dan blijft sturen op oude aannames, krijg je ruis, discussie en uiteindelijk vooral verkeerd verwachtingsmanagement.
Iets vergelijkbaars zie je bij jeugdoverlast op een locatie waarvan de omgeving verandert. Een plek loopt vol. Meldingen stijgen. De beleving stijgt mee. Handhaving wordt ingezet. Het frame is snel gezet: toename van overlast. Maar concept drift zit hier vaak in de context. Denk aan bouwactiviteiten, gewijzigde inrichting, andere verlichting, gewijzigde looproutes, het sluiten of openen van voorzieningen, of een verschuiving van hangplekken. Tegelijk kunnen ook meldgedrag, registratie en bestuurlijke aandacht veranderd zijn. Dan kloppen de indicatoren op zichzelf misschien wel, maar klopt je probleemdefinitie niet meer helemaal.
Drift maakt oude zekerheden duur
Als je drift niet actief managet, gebeurt er iets voorspelbaars. Je krijgt meer overleg, meer uitzonderingen, meer ad-hocbijsturing en uiteindelijk minder vertrouwen in je eigen informatiepositie.
En dat is precies wat intelligence niet moet doen. Intelligence hoort de beslisruimte juist te vergroten: sneller naar de juiste vraag, de juiste check en de juiste keuze.
Drift-check
Je hebt daarvoor geen nieuw systeem nodig. Je hebt een herijkroutine nodig. Een eenvoudige Drift-check helpt al. Die kun je in een briefing, dagstart of MT-overleg letterlijk in twee minuten doen.
De eerste vraag is: wat is er veranderd in de werkelijkheid? Denk aan actoren, tactiek, plek, timing, omgeving, seizoen, druk en context.
De tweede vraag is: wat is er veranderd in de meting? Denk aan definities, registratie, tooling, proces, categorisering en datakwaliteit.
De derde vraag is: wat is er veranderd in onze aandacht? Denk aan prioriteiten, inzet, controles, campagnes, incidentgedreven focus en media- of bestuurlijke druk.
Een bruikbare beslisregel is simpel: als je op twee van de drie vragen “ja” scoort, behandel je de indicator als mogelijk misleidend totdat die opnieuw is gevalideerd.
Drie snelle manieren om drift te toetsen
Drift toetsen hoeft geen onderzoeksprogramma te worden. Er zijn drie snelle manieren om jezelf scherper te maken.
Kijk eerst niet alleen jaar op jaar. Vergelijk ook de laatste vier tot acht weken met de vier tot acht weken daarvoor. Drift laat zich vaak eerder zien als trendbreuk of patroonverschuiving dan als een keurige lineaire groei.
Gebruik daarnaast een tweede signaal. Kies één onafhankelijke aanwijzing die mee moet bewegen als jouw interpretatie klopt. Zo voorkom je dat je volledig stuurt op één kanaal of één registratie-effect.
Doe tenslotte een control check. Vergelijk met een vergelijkbare plek, periode of team waar minder aandacht of minder interventie was. Zo zie je sneller of je interpretatie echt over de werkelijkheid gaat, of vooral over je eigen inzet en waarneming.
Voorbeeld: drones en verschuivende betekenis
Juist bij drones zie je hoe snel concept drift kan optreden. Een stijging in meldingen of registraties lijkt op het eerste gezicht eenvoudig te duiden: er zijn meer drones, dus het probleem neemt toe. Maar zo simpel is het vaak niet.
De werkelijkheid kan veranderd zijn. Er kunnen daadwerkelijk meer drones in omloop zijn, andere typen drones worden gebruikt, of de context van gebruik verschuift. Wat eerst incidenteel was, kan nu een andere operationele betekenis krijgen.
Maar ook de meting kan veranderd zijn. Teams registreren scherper, systemen zijn aangepast, meldingsbereidheid neemt toe of er is meer aandacht voor een bepaald type incident. Dan stijgt het aantal signalen, zonder dat de werkelijkheid in dezelfde mate is veranderd.
Daar komt nog iets bij: ook de aandacht kan verschuiven. Na een incident, mediabericht of bestuurlijke focus gaan mensen anders kijken. Er wordt gerichter geobserveerd, sneller gemeld en vaker gecontroleerd. Dan zie je dus meer, maar dat betekent nog niet automatisch dat er ook méér is.
Precies daarom werkt hier de drift-check goed. Zie je meer meldingen rond drones, vraag dan meteen welk tweede signaal dat beeld ondersteunt. Zijn er ook meer feitelijke waarnemingen, meer verstoringen, andere locaties, een ander tijdspatroon of een verschuiving in type inzet? En vergelijk vervolgens met vergelijkbare locaties of periodes waar minder extra aandacht op drones lag. Zo voorkom je dat verhoogde alertheid wordt verward met een echte toename van het fenomeen.
Bij een actueel onderwerp als drones is dat geen academische nuance, maar gewoon noodzakelijk. Anders loop je het risico dat je stevig stuurt op een ontwikkeling die in werkelijkheid vooral bestaat uit veranderde waarneming, registratie of prioriteit.
Herijken is volwassen sturing
Een veelgemaakte fout is dat herijken wordt gezien als een teken van onzekerheid. Het tegendeel is waar. Juist door expliciet te maken dat de wereld dynamisch is, dat metingen verschuiven en dat interpretaties periodiek moeten worden bijgesteld, laat je volwassen sturing zien.
Dat is geen zwakte. Dat is governance. Je voorkomt dat teams maandenlang sturen op indicatoren die ooit goed werkten, maar langzaam hun betekenis verliezen.
Concept drift is daarmee geen technisch detail uit de AI-hoek, maar een praktisch vraagstuk voor iedereen die informatie gebruikt om te duiden, te prioriteren en te sturen. Wie dat serieus neemt, voorkomt dat oude aannames ongemerkt leidend blijven in een werkelijkheid die al veranderd is.
