Nederland is een van de best gefotografeerde landen ter wereld. Het Nationaal Archief, het Stadsarchief Amsterdam, het Gelders Archief en tientallen andere regionale en gemeentelijke instellingen beheren samen miljoenen historische foto’s: straatvues uit de jaren dertig, luchtfoto’s van wederopbouwwijken, portretfoto’s van verdwenen fabrieken en havens. Maar een groot deel van dit beeldmateriaal is nauwelijks vindbaar op locatie, omdat precieze geografische metadata ontbreekt of onvolledig is.
AI-fotogeolocatie biedt een nieuwe aanpak voor dit probleem.
Het archiefprobleem: beelden zonder coördinaten
De meeste historische foto’s zijn voorzien van globale metadata: een stad, een jaar, soms een straatnaam die door de fotograaf of een latere catalogisator is toegevoegd. Maar precieze GPS-coördinaten, standaardiseerde adressen of koppeling aan hedendaagse kaartdata ontbreken bijna altijd.
Dit heeft praktische gevolgen. Een onderzoeker die alle historische beelden van de Jordaan in Amsterdam wil doorzoeken, vindt foto’s terug onder termen als “Amsterdam-centrum”, “Jordaan”, “Prinsengracht” en “Jordaanbuurt”, maar mist beelden die alleen als “Amsterdam” of met een straatnaam zijn gecatalogiseerd die niet overeenkomt met de huidige spelling. Geografische zoekopdrachten op een kaart zijn vrijwel onmogelijk.
Voor digitale erfgoedinstellingen is dit een chronisch probleem. De inhoud is gedigitaliseerd, maar niet echt doorzoekbaar op locatie.
Hoe AI-fotogeolocatie archieven kan verrijken
GeoPin analyseert visuele kenmerken van een foto, zoals architectuurstijl, straatprofiel, bebording, vegetatie en horizon, en vergelijkt deze met een referentie-index van Nederlandse locaties. Het systeem retourneert de meest waarschijnlijke coördinaten, samen met een betrouwbaarheidsscore.
Voor historisch beeldmateriaal is dit een ander type uitdaging dan voor recente foto’s. Een moderne foto van een Amsterdamse gevel matcht moeiteloos met actueel Mapillary-straatbeeldmateriaal. Een foto uit 1934 toont een gevel die sindsdien is gerenoveerd, een straat die is verbreed of een pand dat inmiddels is gesloopt.
Toch bevat historisch beeldmateriaal meer locatiesignalen dan op het eerste gezicht lijkt:
Persistente structuren. Grachten, bruggen, kerktorens en historische panden veranderen traag. De Westerkerk is op een foto uit 1920 even herkenbaar als op een foto uit 2020. Hetzelfde geldt voor veel middeleeuwse straatpatronen in binnensteden.
Infrastructuur. Kademuren, sluizen, spoorlijnen en spoordijken zijn visueel markant en geografisch stabiel. Een havenfoto uit de jaren vijftig toont infrastructuur die de positie in Rotterdam, Amsterdam of Dordrecht vaak nauwkeurig kan identificeren.
Straatmeubilair en bebording. Historische straatnaamborden, opschriften op gevels en specifieke lantaarnpaalontwerpen bevatten soms directe locatie-informatie die een model kan herkennen.
Een praktijkscenario: het Gelders Archief
Stel: het Gelders Archief heeft een collectie van 40.000 niet-geotagde foto’s uit de periode 1920 tot 1970, afkomstig van gemeenten, fotografiestudio’s en particuliere donateurs. De collectie is in bulk gedigitaliseerd maar nauwelijks beschreven.
Een batchverwerking via de GeoPin API levert voor elke foto een voorspelde locatie op. De resultaten worden gesegmenteerd op betrouwbaarheid:
- Score boven 0,80: automatisch toegevoegd als geolocatiemetadata, gekoppeld aan een kaartcoördinaat.
- Score 0,60 tot 0,80: aangeboden aan vrijwilligersredacteuren met een topografie-expertise die de voorspelling kunnen bevestigen of corrigeren.
- Score onder 0,60: geflagd als “locatie onbekend, suggestie: [gemeente/regio]” voor handmatige catalogisering.
In dit scenario hoeft het archief niet elk van de 40.000 foto’s handmatig te beoordelen. De AI doet het voorwerk, de vrijwilligers valideren de twijfelgevallen en een groot deel van de collectie wordt automatisch geografisch doorzoekbaar.
Koppeling aan hedendaagse kaartdata
Zodra historische foto’s zijn voorzien van coördinaten, openen zich nieuwe mogelijkheden.
Vergelijkende kaarten. Door historische en actuele foto’s van dezelfde locatie te koppelen, kunnen archieven interactieve tijdlijnweergaven aanbieden: hoe zag het Binnenhof eruit in 1930, in 1960, in 1990 en nu?
Buurtonderzoek. Onderzoekers kunnen een straal op een kaart tekenen en alle beschikbare historische beelden van die locatie opvragen, ongeacht welke woorden de originele catalogisator gebruikte.
Stadsplanning en erfgoed. Gemeenten en architectuurbureaus kunnen de visuele ontwikkeling van een locatie in beeld brengen als onderbouwing voor renovatiebeslissingen of erfgoedaanvragen.
Educatie. Scholen kunnen leerlingen historische foto’s van hun eigen straat laten bekijken, gekoppeld aan de huidige situatie in de buurt.
Beperkingen en eerlijk verwachtingen
AI-fotogeolocatie is geen magische oplossing die elk historisch beeld automatisch correct plaatst. Een aantal beperkingen verdient aandacht.
Sloop en wederopbouw. Gebieden die tijdens of na de Tweede Wereldoorlog grootschalig zijn herbouwd, zoals delen van Rotterdam en Middelburg, tonen weinig visuele continuïteit met het historische materiaal. De referentie-index is gebaseerd op het huidige Nederland, niet op de bebouwing van voor de oorlog.
Interiors en portretfotografie. Foto’s van mensen binnenshuis of generieke fabrieksinteriors bevatten weinig locatiesignalen. GeoPin is geoptimaliseerd voor exterieur- en straatfotografie.
Rurale gebieden. Landelijk beeldmateriaal zonder markante gebouwen of infrastructuur levert lagere betrouwbaarheidsscores op. Een akker in Groningen lijkt visueel sterk op een akker in Zeeland.
Eerlijk omgaan met betrouwbaarheidsscores is essentieel. Archieven die GeoPin inzetten, moeten de score meenemen in de metadata en onderscheid maken tussen automatisch bevestigde en menselijk gevalideerde locaties.
De volgende stap voor erfgoedinstellingen
Digitale erfgoedinstellingen die werken aan verrijking van hun collecties kunnen een pilotproject starten met een geselecteerde subset van niet-geotagde beelden. Een batch van 500 tot 1.000 foto’s is groot genoeg om de effectiviteit van de aanpak te meten en de integratie met bestaande catalogussystemen te testen.
GeoPin biedt een REST API die eenvoudig te koppelen is aan digitale collectiebeheersystemen zoals CollectiewijzeR, MuseumPlus of Adlib. De API retourneert gestandaardiseerde GeoJSON-coördinaten die direct importeerbaar zijn in gangbare metadataschema’s.
Meer weten over hoe GeoPin werkt? Lees de API-documentatie of bekijk hoe open geodata GeoPin voedt.
GeoPin is een AI-platform voor fotogeolocatie, geoptimaliseerd voor Nederland en omliggende regio’s. Neem contact op via info@geopin.nl voor een pilot met uw archievcollectie.