Afgelopen week deed ik een vondst waar ik nog steeds enthousiast over ben. En het mooie is: iedereen met een Mac en een iPhone heeft toegang tot deze data. Wellicht kan dit ook op een Windows-machine, maar daar heb ik geen verstand van. Android-gebruikers hebben vast vergelijkbare mogelijkheden, maar dat platform wantrouw ik vanwege Google.

Ik was bezig met werk aan ThetaOS en gebruikte de vakantieperiode om te onderzoeken welke historische data ik zou kunnen toevoegen. Ineens realiseerde ik me iets: in mijn fotobibliotheek zitten sinds 2007 tienduizenden foto's met een geolocatie. Zelfs screenshots bevatten vaak je locatie op het moment van maken (dankzij de GPS in je telefoon). Dit zou wel eens de rijkste bron kunnen zijn van alle plekken waar ik ooit was. De meeste iPhone-gebruikers hebben geen idee dat deze schat aan data in hun fotobibliotheek zit te wachten.

Met behulp van Claude Code maakte ik een script dat lokaal op mijn computer in mijn fotobibliotheek zoekt naar datums en geolocaties en deze extraheert naar een CSV-bestand. Alle data blijft op mijn eigen machine, zonder cloud of externe diensten.

Ik was blij verrast door het resultaat. Ik had nu een chronologische tabel met datum, tijd, lengtegraad en breedtegraad van vrijwel elke plek waar ik de afgelopen 18 jaar was geweest. Een historisch spoor van mijn bewegingen, gebaseerd op feitelijke vastlegging in plaats van herinneringen.

Wat dit mij opleverde is dat ik me hierdoor bewust ben geworden van het belang van de lengte- en breedtegraad vastleggen in al mijn locatie-entiteiten. Ik heb zo'n 6000 unieke plekken op aarde in mijn systeem. Het enige wat ik nog hoefde te doen is daar een geolocatie bij laten zoeken, en ook daar een script voor schrijven bleek een fluitje van een cent.

Tijdens het werken met de data ontdekte ik iets wat ik echt niet wist. Mijn vader was aardrijkskunde- en geschiedenisleraar, maar dit had hij me nooit verteld: breedtegraden onder de evenaar hebben een minteken. Volkomen logisch als je erover nadenkt, maar ik had er nooit bij stilgestaan. Dat ene minnetje bepaalt of je in Amsterdam zit (52.37, 4.90) of ergens in Patagonië (-54.80, -68.30). 
 
Jaren geleden zag ik de tv-serie Longitude met Michael Gambon en Jeremy Irons, over klokkenmaker John Harrison die in de 18e eeuw de marine chronometer bouwde. Dankzij die uitvinding konden zeelieden voor het eerst hun lengtegraad bepalen: door de tijd aan boord te vergelijken met de tijd in Greenwich. Elk uur verschil staat gelijk aan 15 graden lengtegraad. Zo werden Greenwich Mean Time en de nulmeridiaan de standaard voor navigatie. Blijkbaar is het stukje over de breedtegraad en het minteken me toen ontgaan 🤣

Met zo'n dataset kun je allerlei patronen zichtbaar maken. Je kunt unieke locaties eruit filteren en die verrijken met namen van landen, steden, of specifieke plekken zoals restaurants en hotels. Je kunt zien waar je vaak kwam en waar je maar één keer was.

Een van de leukste toepassingen: als je meerdere dagen achter elkaar niet bij je thuislocatie was, was je waarschijnlijk op vakantie of een uitje. Het script kan dat detecteren. Zo kun je achteraf je reizen reconstrueren zonder dat je ooit een reisdagboek hebt bijgehouden.

Ik experimenteerde wat met de output en had binnen no time een chronologisch overzicht van alle uitjes van de afgelopen 18 jaar. Alle periodes waarin ik meer dan twee nachten niet thuis was. Het enige wat ik hoefde te doen was aan mijn code uitleggen in welke huizen en woonplaatsen ik in welke periode van mijn leven woonde, en hem laten uitrekenen wanneer ik daar langere tijd weg was. Met praktische logica en een beetje boerenslimheid kom je in heel veel van dit soort gevallen een heel eind.

Ik vind het ook leuk om een historisch overzicht te hebben van diners en hotelovernachtingen. Ook die zijn vrij simpel te vangen als je een tijdje met deze dataset speelt, want veel restaurants en hotels zijn eenvoudig terug te vinden in de data.

Voor iedereen die werkt aan een eigen Life Lens System of een andere vorm van persoonlijke dataverwerking is dit een goudmijn. Je hebt deze data al jaren, zonder het te beseffen. Het wacht alleen op ontsluiting.

Tot voor kort dacht ik dat dit soort oplossingen voorbehouden waren aan hele slimme programmeurs met veel skills en ervaring. Dat is dus niet langer nodig. Deze oplossing kreeg ik aan de praat binnen dertig minuten.

Ik vind het een mooi voorbeeld van een experiment op het gebied van informatieautonomie. Bijna iedereen beschikt op allerlei manieren over ontzettend veel data, alleen zijn we ons daar niet bewust van. We hebben geen idee welke stappen we moeten nemen om die data beschikbaar te krijgen, en vooral bruikbaar. En daarna pas verbindbaar. Daar gaat informatieautonomie over: dat we de controle terugkrijgen over onze eigen data. Dit zijn beginstapjes daarin.

Voor wie denkt dat dit klein bier is: de markt voor journal- en lifelogging-apps wordt geschat op ruim 3 miljard dollar in 2024 en groeit richting 10 miljard in 2033. Apps zoals Day One, Journey en Gyroscope bedienen miljoenen gebruikers die hun leven willen vastleggen en patronen willen ontdekken. Het verschil met mijn aanpak: bij mij blijft alle data lokaal. En met een Life Lens System kun je er nog veel meer mee dan met de apps van al die bouwers.

Als je een Mac en een iPhone hebt en je foto's lokaal staan, kun je dit ook. Een AI-codeertool zoals Claude Code kan je helpen om een script te maken dat past bij jouw situatie. Je hebt geen programmeerervaring nodig, alleen de bereidheid om te experimenteren.

Die stille laag metadata in je fotobibliotheek lag al jaren te wachten op ontsluiting. Misschien is deze vakantieperiode een mooi moment om te kijken wat erin zit.