Als modelleur en groot liefhebber van data- en simulatieprogramma’s schrijf en vertel ik vaak over modellen bij de inzet van beleid en juridische vraagstukken. Ik kijk met veel zorg naar de praktijk echter en ben daardoor vrij sceptisch geworden van de inzet van modellen bij beleid. Op Foodlog schreef ik eerder daarom het volgende artikel “Wat is een model? Modellen zijn de duivel in het politieke systeem”, en bij Over Nu schreef gaf ik een interview met de titel “Modellen grijpen de macht”, hier een longread over het onderwerp modellen en beleid. Over de soorten modellen schreef ik eerder ook het stukje “Wetenschappelijke Modellen in Beeld: Een Uitgebreid Overzicht van Methodologieën, Toepassingen en Uitdagingen.”

H1 – De spanning tussen wetenschap, model en beleid

De relatie tussen wetenschap, modellen en beleid is al decennialang een bron van discussie en soms ook frustratie. Modellen worden vaak gezien als objectieve en wetenschappelijke instrumenten die beleidsmakers in staat stellen om complexe problemen te begrijpen en op te lossen. In werkelijkheid zijn modellen echter vereenvoudigingen van de werkelijkheid, geen exacte weergaven ervan. Dit onderscheid is cruciaal, maar wordt in het publieke en politieke debat vaak vergeten.

In mijn eigen ervaring – en dit werd duidelijk tijdens mijn studie en werk – zijn modellen hulpmiddelen, geen waarheden. Ze worden gebouwd op basis van aannames en vereenvoudigingen, noodzakelijk om een complexe werkelijkheid in kaart te brengen. Toch doen politici en beleidsmakers regelmatig alsof de uitkomsten van modellen gelijkstaan aan “de wetenschap heeft gesproken.” Dit leidt tot een vorm van ondemocratische besluitvorming, waarbij het debat over de aannames en onzekerheden in modellen wordt overgeslagen.

Modellen als vereenvoudigingen van de werkelijkheid

Zoals Erica Thompson in Escape from Model Land uiteenzet, zijn modellen kaarten van de werkelijkheid, maar nooit de werkelijkheid zelf. Ze dienen een specifiek doel: inzicht bieden in een probleem door het terug te brengen tot zijn essentiële elementen. Dit maakt ze nuttig, maar tegelijkertijd beperkt. Hoe goed een model ook is, het is per definitie een vereenvoudiging. De keuzes die modelleurs maken bij het bouwen van een model – welke variabelen ze meenemen, welke ze negeren, welke data ze gebruiken – hebben enorme invloed op de uitkomsten. Deze keuzes zijn niet neutraal; ze worden beïnvloed door wetenschappelijke inzichten, maar ook door politieke, economische of zelfs ideologische voorkeuren.

In de praktijk zien we dit bijvoorbeeld terug in economische modellen die begrotingsbeleid sturen. Zulke modellen kunnen bijvoorbeeld aannemen dat economische groei altijd positief is of dat markten vanzelf stabiliseren, terwijl die aannames in werkelijkheid discutabel zijn. Een ander voorbeeld is de klimaatgevoeligheid in klimaatmodellen, waarin onzekerheden bestaan over hoe sterk de aarde zal opwarmen bij een verdubbeling van de CO₂-concentratie. Deze onzekerheden worden vaak vertaald naar schattingen, maar die schattingen zijn gebaseerd op aannames die beleidsimplicaties hebben. Wat gebeurt er als beleidsmakers deze onzekerheden niet begrijpen of negeren?

De “Model Land”-metafoor

Thompson introduceert in haar boek de metafoor van “Model Land” om dit probleem inzichtelijk te maken. Model Land is de wereld waarin modellen opereren: een kunstmatige werkelijkheid waarin aannames en vereenvoudigingen gelden die het model bruikbaar maken. Het probleem ontstaat wanneer beleidsmakers vergeten dat ze zich in Model Land bevinden en de uitkomsten van modellen beschouwen als een directe weergave van de echte wereld.

In Nederland zien we dit probleem scherp terug in het stikstofdebat, waarin het model Aerius een centrale rol speelt. Aerius is ontworpen om stikstofemissies en depositie op natuurgebieden te berekenen. De aannames in dit model – bijvoorbeeld over hoe stikstof zich verspreidt en neerslaat – worden echter niet altijd gevalideerd met lokale metingen. Toch baseren overheden ingrijpende besluiten, zoals het uitkopen van boeren, op de uitkomsten van Aerius. Dit leidt tot maatschappelijke onrust en wantrouwen, omdat de vertaalslag van Model Land naar de realiteit ontbreekt of niet goed wordt uitgelegd.

Context en kritische reflectie

Het gebruik van modellen vraagt om voortdurende reflectie. Modellen moeten niet alleen transparant zijn over hun aannames, maar ook kritisch worden geëvalueerd in de context van de echte wereld. Zoals Thompson stelt, moeten we modellen zien als hulpmiddelen om vragen te beantwoorden, niet als onfeilbare orakels. Dit betekent dat beleidsmakers, wetenschappers en burgers gezamenlijk verantwoordelijkheid moeten nemen om de grenzen van modellen te begrijpen en ze niet blindelings te volgen.

De spanning tussen wetenschap, model en beleid is daarmee niet alleen een technisch, maar ook een democratisch vraagstuk. Hoe zorgen we ervoor dat modellen bijdragen aan beter beleid zonder dat ze de besluitvorming domineren? Het antwoord ligt in transparantie, context en een gezonde dosis wantrouwen tegenover de simplistische zekerheid die modellen soms suggereren.

H2 – Het gebrek aan tegenmacht en concurrentie

Een van de grootste zwaktes in het huidige gebruik van modellen in politiek en beleid is het gebrek aan tegenmacht en concurrentie. Hoewel modellen ontworpen worden door experts, betekent dat niet automatisch dat ze onfeilbaar of volledig representatief zijn voor de werkelijkheid. Toch wordt vaak slechts één dominant model gebruikt, zonder dat er voldoende ruimte is voor alternatieven of onafhankelijke validatie. Dit is problematisch, omdat het een monopolie creëert op de interpretatie van complexe vraagstukken.

Het probleem van eenzijdigheid in modellen

In veel domeinen zien we dat één model of één groep modelleurs het debat domineert. Of het nu gaat om stikstofdepositie in Nederland, epidemiologische modellen tijdens de COVID-19-pandemie of economische ramingen van het Centraal Planbureau, het gebruik van één model beperkt het debat en de beleidsopties. Modellen zijn nooit volledig objectief; de keuzes die tijdens de ontwikkeling van het model worden gemaakt, zijn doorslaggevend voor de uitkomsten. Als er geen alternatieven zijn om deze keuzes te toetsen of te bevragen, ontstaat een gevaarlijk gebrek aan diversiteit in inzichten.

Bijvoorbeeld, in het stikstofdebat in Nederland wordt het Aerius-model gebruikt om stikstofemissies en -depositie te berekenen. Dit model is leidend geworden voor vergunningverlening en beleid, maar er zijn weinig andere modellen die als tegenwicht dienen. Er is ook geen structurele validatie van Aerius met onafhankelijke metingen in het veld door onafhankelijke onderzoeker. Dit gebrek aan competitie en controle leidt tot een situatie waarin Aerius niet alleen het dominante model is, maar ook vrijwel onaantastbaar wordt, zelfs als er kritiek is op de wetenschappelijke basis van bepaalde onderdelen, zoals de droge depositiemodule.

Het IPCC als voorbeeld van pluraliteit

Een positief voorbeeld van hoe het wél kan, is het Intergovernmental Panel on Climate Change (IPCC). In de klimaatwetenschap worden meerdere modellen gebruikt om klimaatverandering en toekomstige scenario’s te voorspellen. Deze modellen verschillen in aannames, methodologieën en uitkomsten, en worden vaak naast elkaar gelegd om een breed scala aan mogelijke toekomstbeelden te presenteren. Dit proces, dat wordt ondersteund door uitgebreide peer-review en transparantie, zorgt voor een robuustere basis voor beleid. Het IPCC erkent bovendien expliciet de onzekerheden in de modellen, wat beleidsmakers helpt om beter geïnformeerde keuzes te maken.

Als we dit vergelijken met andere domeinen, zoals stikstof of gezondheid, wordt het contrast pijnlijk duidelijk. Hier ontbreekt een vergelijkbare pluraliteit in modellen. De stikstofcrisis, bijvoorbeeld, zou gebaat zijn bij een aanpak waarbij meerdere modellen naast elkaar worden gebruikt en onderworpen aan een vergelijkbare toetsing en validatie als bij het IPCC. Dit zou niet alleen de wetenschappelijke kwaliteit verbeteren, maar ook het vertrouwen van burgers en belanghebbenden in de uitkomsten vergroten.

Onbedoelde consequenties van modellen

Het gebrek aan tegenmacht en concurrentie leidt ook tot onbedoelde consequenties. Modellen worden vaak ontwikkeld voor specifieke doeleinden, maar hun invloed strekt zich soms uit tot gebieden waarvoor ze niet bedoeld waren. Tijdens de COVID-19-pandemie waren epidemiologische modellen een belangrijk instrument om de verspreiding van het virus te voorspellen en beleidsmaatregelen te rechtvaardigen. Deze modellen hebben zonder twijfel levens gered door beleidsmakers te waarschuwen voor de ernst van de situatie. Maar de aannames en onzekerheden in deze modellen werden niet altijd goed gecommuniceerd. Zo werden maatregelen gebaseerd op worst-case scenario’s zonder dat duidelijk werd gemaakt hoe groot de kans op die scenario’s daadwerkelijk was.

Dit leidde tot ethische vraagstukken en maatschappelijke onrust. Bijvoorbeeld, hoe rechtvaardig je ingrijpende maatregelen zoals lockdowns op basis van modellen die worst-case scenario’s voorspellen, terwijl de werkelijke situatie zich mogelijk anders ontwikkelt? Zonder tegenmacht en alternatieve modellen was het moeilijk om het beleid te evalueren of alternatieven te overwegen.

Het belang van validatie en concurrentie

De kern van het probleem is dat modellen vaak worden behandeld alsof ze absolute waarheden representeren, terwijl ze in werkelijkheid slechts een benadering van de werkelijkheid zijn. Om dit te corrigeren, is het essentieel om modellen regelmatig te valideren met empirische gegevens en ruimte te bieden voor concurrerende modellen. Dit zou niet alleen de kwaliteit van modellen verbeteren, maar ook een gezonder democratisch proces bevorderen, waarin beleidsmakers kunnen kiezen uit meerdere, goed onderbouwde opties.

In Nederland zou dit bijvoorbeeld kunnen betekenen dat Aerius niet langer de enige tool is voor stikstofberekeningen, maar dat andere modellen en metingen worden meegenomen in het proces. Dit zou beleidsmakers dwingen om bewuster om te gaan met de beperkingen en onzekerheden van modellen en burgers meer vertrouwen geven in de uiteindelijke beslissingen.

Naar een cultuur van pluraliteit en transparantie

Om tegenmacht en concurrentie te stimuleren, moeten we een cultuur van pluraliteit en transparantie creëren rond het gebruik van modellen. Dit betekent dat beleidsmakers, wetenschappers en burgers de ruimte moeten krijgen om modellen kritisch te bevragen en alternatieven te ontwikkelen. Het voorbeeld van het IPCC laat zien dat dit mogelijk is, zelfs in complexe en politiek beladen domeinen. Door meerdere modellen naast elkaar te gebruiken, de aannames expliciet te maken en onzekerheden te communiceren, kunnen we voorkomen dat modellen een monopolie krijgen op de interpretatie van de werkelijkheid. Alleen zo kunnen we ervoor zorgen dat modellen ons helpen om beter beleid te maken, zonder dat ze de democratie ondermijnen.

H3 – Het gevaar van juridisering van modellen

Modellen zijn ontworpen als hulpmiddelen, bedoeld om inzicht te geven in complexe vraagstukken. Maar wanneer modellen een juridische status krijgen, verandert hun rol fundamenteel. Ze verschuiven van een adviserende naar een bepalende functie, en dat brengt grote risico’s met zich mee. Zodra een model wordt ingebed in juridische en beleidsmatige kaders, wordt het bijna onmogelijk om het kritisch te evalueren of aan te passen, zelfs als blijkt dat het model tekortkomingen heeft.

Modellen als juridische waarheid

Een treffend voorbeeld hiervan is het Aerius-model, dat in Nederland een centrale rol speelt in het stikstofbeleid. Aerius is ontworpen om stikstofemissies en depositie op natuurgebieden te berekenen en dient als basis voor vergunningverlening. De juridische status van Aerius heeft ertoe geleid dat het model vrijwel onaantastbaar is geworden. Zelfs wanneer wetenschappers of boeren kritiek uiten op de aannames of methodologie, blijft het model leidend. Dit is problematisch, omdat modellen zoals Aerius nooit bedoeld waren om absolute waarheden te representeren. Ze zijn hulpmiddelen die, net als alle andere modellen, gebaseerd zijn op vereenvoudigingen en aannames.

De juridisering van Aerius heeft verstrekkende gevolgen. Beleidsmakers gebruiken het model om besluiten te rechtvaardigen, zoals het intrekken van vergunningen of het uitkopen van boeren. Deze besluiten hebben enorme sociale en economische impact, maar de onzekerheden en beperkingen van het model worden vaak niet voldoende gecommuniceerd. In plaats daarvan wordt het model gepresenteerd als een objectieve, wetenschappelijke basis, terwijl het in werkelijkheid slechts één interpretatie van de werkelijkheid biedt.

Onbedoelde consequenties van juridisering

Wanneer een model een juridische status krijgt, ontstaan er onbedoelde consequenties. Modellen worden dan niet langer behandeld als dynamische instrumenten die kunnen worden aangepast of verbeterd. In plaats daarvan worden ze statisch en moeilijk aan te passen, zelfs wanneer nieuwe inzichten aantonen dat bepaalde aannames onjuist zijn. Dit leidt tot een situatie waarin het beleid rigide en inflexibel wordt, met alle gevolgen van dien.

Een voorbeeld hiervan is het gebruik van epidemiologische modellen tijdens de COVID-19-pandemie. Deze modellen speelden een cruciale rol bij het voorspellen van de verspreiding van het virus en het rechtvaardigen van maatregelen zoals lockdowns. Hoewel deze modellen levens hebben gered, waren ze ook gebaseerd op aannames die achteraf niet altijd accuraat bleken. Bijvoorbeeld, de reproductiewaarde (R-waarde) werd gebruikt als een sleutelindicator voor beleid, maar deze waarde is afhankelijk van variabelen zoals testcapaciteit en gedragsveranderingen, die niet altijd goed in het model werden meegenomen. Het blindelings vertrouwen op deze modellen leidde tot ethische vraagstukken en maatschappelijke onrust, vooral wanneer maatregelen disproportioneel bleken of niet meer strookten met de realiteit.

Het alternatief: transparantie en toetsing

Het alternatief voor modellen is niet het volledig afschaffen ervan. Dat zou leiden tot een situatie waarin beleidsmakers beslissingen nemen zonder enige analytische structuur, wat nog gevaarlijker is. Modellen blijven essentieel voor het begrijpen en aanpakken van complexe problemen. Maar om te voorkomen dat modellen de democratie ondermijnen, moeten we ze behandelen als wat ze zijn: hulpmiddelen, geen dogma’s.

Om de risico’s van juridisering te beperken, is het belangrijk dat modellen periodiek worden getoetst door onafhankelijke teams. Deze toetsing zou moeten bestaan uit:

• Het valideren van modeluitkomsten met empirische gegevens.
• Het herzien van aannames op basis van nieuwe wetenschappelijke inzichten.
• Het vergelijken van het dominante model met alternatieve modellen om te zien of de uitkomsten consistent blijven.

Daarnaast is transparantie van cruciaal belang. De aannames, methodologie en beperkingen van een model moeten duidelijk worden gecommuniceerd naar zowel beleidsmakers als het publiek. Dit zou het vertrouwen in modellen vergroten en de mogelijkheid creëren om beleid bij te stellen wanneer dat nodig is.

Naar een flexibeler gebruik van modellen

Een flexibele benadering van modellen vraagt om een cultuurverandering. Beleidsmakers moeten modellen niet behandelen als juridische waarheid, maar als een startpunt voor discussie en deliberatie. Dit betekent ook dat we ruimte moeten creëren voor onzekerheid. Zoals Erica Thompson in Escape from Model Land benadrukt, zijn onzekerheden geen zwakte, maar een inherent onderdeel van elk model. Door onzekerheden expliciet te erkennen, kunnen we betere, eerlijkere en robuustere beleidsbeslissingen nemen.

In Nederland zou dit kunnen betekenen dat het Aerius-model wordt los gekoppeld van zijn juridische status. In plaats daarvan zou het kunnen dienen als één van de tools in een breder palet van instrumenten, inclusief veldmetingen en alternatieve modellen. Dit zou niet alleen de wetenschappelijke kwaliteit verbeteren, maar ook de legitimiteit van het beleid vergroten.

Modellen als hulpmiddelen, niet als wetten

De juridisering van modellen is een gevaarlijke ontwikkeling die onze democratie onder druk zet. Modellen mogen nooit de enige basis zijn voor beleid, zeker niet wanneer ze juridische macht krijgen. Door modellen periodiek te toetsen, transparant te communiceren en ruimte te bieden voor alternatieven, kunnen we ervoor zorgen dat ze een waardevol hulpmiddel blijven zonder dat ze de democratie ondermijnen. Zoals Thompson terecht stelt, ligt de kracht van modellen in hun vermogen om inzicht te bieden, niet in hun vermogen om de realiteit volledig te beschrijven. Het is aan ons om ervoor te zorgen dat modellen deze rol blijven vervullen.

H4 – De tekortkomingen van complexe modellen in de praktijk

Complexe modellen spelen een cruciale rol in wetenschap, engineering en beleid. Ze stellen ons in staat om inzicht te krijgen in systemen die we anders niet zouden kunnen begrijpen. Maar ondanks hun potentieel hebben complexe modellen ook duidelijke beperkingen, vooral wanneer ze worden toegepast op onvoorspelbare en dynamische systemen zoals het klimaat, de volksgezondheid of stikstofdepositie. Hier lopen de modellen vaak tegen grenzen aan die beleidsmakers en gebruikers niet altijd volledig erkennen.

Modellen in voorspelbare versus complexe systemen

In voorspelbare systemen, zoals in engineering, zijn modellen vaak enorm waardevol. Ingenieurs gebruiken modellen om de sterkte van een brug te berekenen, de aerodynamica van een vliegtuig te testen of de hittebelasting in een sterilisatieproces te voorspellen. In deze context zijn de variabelen relatief goed bekend, kunnen veel onzekerheden worden geminimaliseerd en kan het model worden gevalideerd door empirische testen. De uitkomsten zijn vaak nauwkeurig en betrouwbaar.

Dit staat in scherp contrast met het gebruik van modellen in complexe systemen, waar onzekerheden veel groter zijn. In deze systemen is de interactie tussen variabelen vaak niet lineair, en er zijn altijd onbekende factoren die niet in het model kunnen worden opgenomen. Klimaatmodellen, bijvoorbeeld, proberen de opwarming van de aarde te voorspellen, maar moeten werken met aannames over de interactie tussen atmosferische componenten, oceanen, en menselijke activiteiten. Hetzelfde geldt voor epidemiologische modellen, zoals die gebruikt tijdens de COVID-19-pandemie, en stikstofmodellen zoals Aerius. In deze gevallen lopen de modellen tegen hun grenzen aan, en de uitkomsten zijn vaak niet meer dan ruwe schattingen.

Modellen als hulpmiddelen, niet als controlemechanismen

Erica Thompson benadrukt in Escape from Model Land dat modellen “bij benadering” werken, maar nooit volledige controle over een systeem kunnen bieden. Dit is een belangrijk inzicht dat vaak over het hoofd wordt gezien in beleidskringen. Beleidsmakers vertrouwen soms te veel op modellen als controlemechanismen, waarbij ze de uitkomsten behandelen als absolute waarheden. Maar complexe systemen laten zich niet dwingen in de rigide structuren van een model. Ze reageren op onverwachte manieren, en de onzekerheden in modellen maken het onmogelijk om met absolute zekerheid uitspraken te doen.

Een voorbeeld hiervan is het stikstofbeleid in Nederland, waar het Aerius-model wordt gebruikt om depositie op natuurgebieden te voorspellen. Hoewel Aerius een waardevol hulpmiddel is, is het gebaseerd op aannames over emissies, verspreiding en depositie die niet altijd overeenkomen met de werkelijkheid. Dit leidt tot situaties waarin beleidsbeslissingen worden genomen op basis van hypothetische uitkomsten, terwijl de werkelijke impact vaak niet goed wordt gevalideerd. Dit is precies waar Thompson voor waarschuwt: modellen moeten ons helpen om vragen te beantwoorden, maar we moeten accepteren dat ze geen volledige controle over de werkelijkheid bieden.

Het ontbreken van validering in de praktijk

Een van de grootste tekortkomingen van beleidsmodellen is het gebrek aan validering in de praktijk. Zelfs de meest geavanceerde modellen moeten uiteindelijk worden getoetst aan de werkelijkheid. Dit principe wordt in engineering vaak strikt gehanteerd: een model van een brug of een vliegtuig wordt altijd gevalideerd door tests in een gecontroleerde omgeving. In beleidsmodellen ontbreekt deze praktijk vaak volledig. In plaats van de modeluitkomsten te toetsen aan empirische gegevens, worden ze direct gebruikt als basis voor beleid.

In het geval van stikstofdepositie in Nederland kan dit worden aangepakt door lokale metingen van stikstofconcentraties en depositie te integreren in het model. Door modeluitkomsten continu te vergelijken met empirische data kan Aerius worden verbeterd en betrouwbaarder worden gemaakt. Dit vereist echter een structurele aanpak waarin wetenschappelijke validatie centraal staat. Het gebrek aan validering is niet alleen een wetenschappelijk probleem, maar ook een politiek en maatschappelijk vraagstuk. Beleidsmakers hebben de verantwoordelijkheid om ervoor te zorgen dat de modellen waarop ze vertrouwen, goed zijn onderbouwd en getoetst.

Naar een cultuur van “safe-fail” in plaats van “fail-safe”

In de praktijk wordt beleid vaak ontworpen met een “fail-safe”-mentaliteit: alles moet in één keer perfect zijn. Dit leidt tot kostbare en risicovolle beleidsbeslissingen op basis van modellen die niet volledig betrouwbaar zijn. Een betere aanpak, zoals ik eerder heb voorgesteld, is de implementatie van “safe-fail”-projecten. Dit zijn kleinschalige experimenten waarin beleid wordt getest en verfijnd voordat het op grote schaal wordt uitgerold.

Een voorbeeld van een “safe-fail”-aanpak in het stikstofbeleid zou kunnen zijn om specifieke Natura 2000-gebieden te kiezen waar experimenten met emissiereductie worden uitgevoerd. De resultaten van deze experimenten kunnen vervolgens worden gebruikt om modellen te verbeteren en beleid bij te stellen. Deze aanpak vermindert de risico’s van grootschalige beleidsmaatregelen en maakt het mogelijk om beleid aan te passen op basis van wat daadwerkelijk werkt.

Realisme en reflectie

Complexe modellen zijn waardevolle instrumenten, maar hun bruikbaarheid is beperkt in onvoorspelbare systemen. Beleidsmakers moeten erkennen dat modellen geen controlemechanismen zijn, maar hulpmiddelen die ons helpen om beter te begrijpen hoe systemen werken. Door modellen te valideren met empirische gegevens, ruimte te bieden voor onzekerheid en te kiezen voor “safe-fail”-projecten, kunnen we betere, robuustere beleidsbeslissingen nemen. Zoals Thompson terecht opmerkt, ligt de kracht van modellen niet in hun vermogen om de werkelijkheid volledig te beschrijven, maar in hun vermogen om ons te helpen de juiste vragen te stellen. Het is aan ons om die vragen kritisch en reflectief te blijven beantwoorden.

H5 – Praktische aanbevelingen voor het verbeteren van modelgebruik

Het gebruik van modellen in politiek en beleid is essentieel, maar vereist een zorgvuldige aanpak om hun effectiviteit en betrouwbaarheid te waarborgen. Blind vertrouwen op een kleine groep modelleurs en experts, zoals nu vaak het geval is, leidt tot een gebrek aan tegenmacht, transparantie en validering. Om modellen beter in te zetten, zijn structurele hervormingen nodig die het vertrouwen herstellen en de kwaliteit verhogen.

Een belangrijke stap is het oprichten van een onafhankelijk validatie-instituut dat verantwoordelijk is voor het systematisch toetsen van modellen. Dit instituut zou zich richten op het valideren van modeluitkomsten met empirische gegevens, het herzien van aannames op basis van nieuwe wetenschappelijke inzichten en het expliciet maken van de beperkingen van een model. Door onafhankelijk te opereren, kan zo’n instituut zorgen voor objectieve beoordelingen, los van de politieke of economische belangen die soms aan specifieke modellen verbonden zijn. In Nederland zou een dergelijk instituut bijvoorbeeld het Aerius-model kunnen evalueren en aanbevelingen kunnen doen voor verbetering.

Daarnaast is meer transparantie noodzakelijk om het vertrouwen in modellen te vergroten. Op dit moment worden modellen vaak gebruikt als een “black box,” waardoor zowel beleidsmakers als burgers onvoldoende inzicht hebben in hoe de resultaten tot stand komen. Het openbaar maken van modelcodes, datasets en aannames kan dit probleem oplossen. Door de werking van modellen toegankelijk te maken, kunnen wetenschappers, belanghebbenden en burgers kritisch naar de uitkomsten kijken en deze waar nodig bevragen. Dit voorkomt dat modellen een monopolie krijgen op de interpretatie van complexe vraagstukken en stimuleert een bredere discussie over de validiteit van beleidskeuzes.

Een andere belangrijke aanbeveling is het samenstellen van multidisciplinaire teams die betrokken zijn bij de ontwikkeling en toetsing van modellen. Door wetenschappers uit verschillende disciplines, beleidsmakers, ethici en zelfs burgers in het proces te betrekken, ontstaat er een breder perspectief op de aannames en gevolgen van modellen. Ethici kunnen bijvoorbeeld wijzen op de implicaties van bepaalde keuzes, terwijl beleidsmakers onzekerheden beter kunnen duiden in relatie tot beleidsopties. Het betrekken van diverse partijen maakt modellen robuuster en bevordert het vertrouwen in de uitkomsten.

Ook moet meer aandacht worden besteed aan het versterken van technische vaardigheden bij beleidsmakers en andere gebruikers van modellen. In de afgelopen decennia is diepgaande training in modellering en data-analyse steeds meer naar de achtergrond verdwenen in zowel technische als beleidsopleidingen. Dit heeft geleid tot een situatie waarin veel gebruikers niet volledig begrijpen hoe modellen werken en welke beperkingen ze hebben. Door modellering en kritisch denken weer centraal te stellen in opleidingen, kunnen toekomstige beleidsmakers beter omgaan met modeluitkomsten en deze bewuster inzetten.

Een ander punt van aandacht is het combineren van modellen met empirische metingen. Zelfs de meest geavanceerde modellen moeten uiteindelijk worden gevalideerd door de werkelijkheid. Dit principe wordt vaak genegeerd, zeker in beleidscontexten. Modellen zoals Aerius, die voorspellingen doen over stikstofdepositie, zouden aanzienlijk betrouwbaarder worden als ze systematisch worden getoetst aan lokale meetgegevens. Door deze validatie structureel te integreren, kan het model continu worden verbeterd en worden aangepast aan nieuwe inzichten.

Tot slot is het belangrijk om een breder scala aan belanghebbenden te betrekken bij het modelleren en interpreteren van complexe vraagstukken. Modellen worden vaak ontwikkeld door een kleine groep experts, terwijl ze uiteindelijk de basis vormen voor beleid dat een brede impact heeft op de samenleving. Het betrekken van burgers, wetenschappers, beleidsmakers en andere belanghebbenden zorgt ervoor dat modellen niet alleen wetenschappelijk robuust zijn, maar ook maatschappelijk geaccepteerd worden.

Om modellen effectief in te zetten, is een cultuurverandering nodig. We moeten erkennen dat modellen geen waarheden zijn, maar hulpmiddelen die ons helpen om complexe vraagstukken beter te begrijpen. Door transparantie te vergroten, onafhankelijke toetsing te organiseren en te investeren in de vaardigheden van beleidsmakers, kunnen we ervoor zorgen dat modellen bijdragen aan betere en eerlijkere beleidsbeslissingen. Zoals Erica Thompson benadrukt in Escape from Model Land, ligt de kracht van modellen niet in hun vermogen om de werkelijkheid volledig te beschrijven, maar in hun capaciteit om ons te helpen de juiste vragen te stellen. Het is aan ons om die vragen kritisch en gezamenlijk te blijven beantwoorden, zodat modellen hun waarde blijven behouden zonder de democratie te ondermijnen.