Data en AI engineer

Aanvraagnummer: 42185
Contractvorm: Detachering ZZP
Organisatie: Omgevingsdienst Brabant Noord
Locatie: s-hertogenbosch
Uren per week: 36 per week
Tarief: 100 per uur
Duur van de opdracht: 6 maanden
Regio: Noord-Brabant
Startdatum: 15-06-2026
Optie tot verlenging: Mogelijk, maar niet bekend
Sluitingsdatum: 19-06-2026 14:00

LET OP! Reacties dienen minimaal 1 werkdag voor de sluitingsdatum binnen te zijn voor tijdige verwerking.

Aanleiding

ODBN staat voor de opgave om circa 1.700 stikstofdossiers binnen een beperkte tijd af te handelen. De complexiteit van de dossiers, in combinatie met maatschappelijke en bestuurlijke druk, vraagt om ondersteuning van het vergunningverleningsproces met praktische en productieklare AI-oplossingen. ODBN wil hiervoor een schaalbare MVP realiseren die direct toepasbaar is, goed aansluit op bestaande processen en infrastructuur, en waarbij de nadruk ligt op het doorzoekbaar en interpreteerbaar maken van grote hoeveelheden ongestructureerde documentatie via LLM-technieken zoals RAG.

Doel van de opdracht

Het doel van de opdracht is het ontwikkelen en inzetten van AI-oplossingen die vergunningverleners ondersteunen bij het analyseren, doorzoeken en interpreteren van stikstofgerelateerde vergunningsinformatie. De nadruk ligt op het bouwen van een RAG-gebaseerde oplossing waarbij ongestructureerde documentatie via natuurlijke taal toegankelijk wordt gemaakt. Het eindresultaat moet betrouwbaar, uitlegbaar en direct bruikbaar zijn in de dagelijkse praktijk van vergunningverleners, met als doel snellere en consistentere besluitvorming.

Werkzaamheden

De werkzaamheden bestaan uit:

• Ontsluiten, opschonen en structureren van grote hoeveelheden ongestructureerde vergunningsdocumentatie vanuit diverse bronnen (bestanden, databases, API’s).
• Bouwen en beheren van een RAG-gebaseerde AI-oplossing, inclusief embeddings, vector database, prompt engineering en evaluatie van modeloutput op juistheid en consistentie.
• Inrichten en beheren van een schaalbare cloudarchitectuur binnen Microsoft Azure.
• Integreren van de AI-oplossing in een gebruiksvriendelijke interface die ook voor niet-technische gebruikers direct toepasbaar is, met aandacht voor uitlegbaarheid en praktische bruikbaarheid.
• Afstemming met vergunningverleners, IT en management via demo’s en validatiesessies, met een iteratieve werkwijze waarbij de oplossing continu wordt verbeterd op basis van gebruik en feedback.

Resultaat

Een stabiele, uitlegbare en direct inzetbare AI-oplossing die vergunningverleners ondersteunt bij stikstofdossiers, bijdraagt aan versnelling van het proces en als fundament dient voor verdere doorontwikkeling en opschaling binnen ODBN. De kandidaat werkt iteratief en levert productieklare resultaten die aantoonbaar waarde toevoegen in de dagelijkse praktijk.

Functie-eisen

Eisen

• Aantoonbare ervaring met Python voor het bouwen van AI- en datatoepassingen, inclusief front-end i.c.m. LLM-integraties, ETL-pipelines en dataverwerking.
• Aantoonbare ervaring met het ontwikkelen van productieklare AI-oplossingen op basis van LLM’s, RAG en/of machine learning, met aantoonbare aandacht voor kwaliteit en betrouwbaarheid van de output.
• Aantoonbare ervaring met het bouwen van end-to-end AI-pijplijnen, van dataontsluiting en -structurering tot implementatie en evaluatie van LLM-gedreven oplossingen in een productieomgeving.
• Ervaring met werken in Agile of Scrum-omgevingen met iteratieve oplevering en nauwe samenwerking met stakeholders.
• Ervaring met het werken in complexe organisaties met hoge eisen aan datakwaliteit, veiligheid en uitlegbaarheid van AI-oplossingen, bijvoorbeeld in de (semi-)publieke sector, het onderwijs of de zakelijke dienstverlening.

Wensen

• Ervaring met Azure AI Foundry of vergelijkbare platformen voor data- en AI-oplossingen.
• Ervaring met embeddings, vector databases en het bouwen van RAG-systemen voor het doorzoekbaar maken van ongestructureerde tekst.
• Ervaring met prompt engineering en het verbeteren van de betrouwbaarheid en uitlegbaarheid van AI-output, inclusief het identificeren en oplossen van ongewenst modelgedrag zoals hallucinaties.
• Sterke communicatieve vaardigheden en aantoonbare ervaring in het vertalen van technische AI-oplossingen naar begrijpelijke taal voor niet-technische stakeholders, inclusief het ophalen en verwerken van feedback uit de praktijk.