Dagelijks hoor en lees je over artificiële intelligentie (AI). Daarbij worden vaak termen als neuraal netwerk en deep learning gebruikt. In dit artikel vertellen je hier meer over en gaan we ook zelf met AI aan de slag. We doen dit via TensorFlow Playground en Google Teachable Machine.

Het begrip artificiële intelligentie verwijst naar de mogelijkheid om zelfstandig kennis op te nemen, problemen op te lossen en beslissingen te nemen, net zoals een mens. Het woord ‘artificieel’ duidt erop dat deze vorm van intelligentie door mensen is ontworpen en door computers of machines wordt uitgevoerd en dus niet door een biologisch brein.

Veel AI-toepassingen, zoals beeld- en spraakherkenning en taalverwerking, maken hierbij gebruik van zogenoemde neurale netwerken. Deze zijn namelijk uitstekend geschikt voor het herkennen van complexe patronen in grote hoeveelheden ongestructureerde data.

Zo’n digitaal neuraal netwerk (DNN) is gebaseerd op de werking en structuur van het menselijke brein, maar het blijft niet meer dan een abstracte vereenvoudiging. Het menselijke brein is tenslotte (vooralsnog) aanzienlijk complexer, flexibeler en vooral ook energiezuiniger met een maximaal verbruik van circa 20 watt. Ons brein is bovendien superieur in creativiteit, contextueel begrip en emotionele verwerking. 

Digitaal neuraal netwerk

Een digitaal neuraal netwerk (DNN) werkt net als het biologisch brein met neuronen (zie bovenstaand tekstkader). Alleen in een DNN gaat het hierbij om wiskundige rekeneenheden die informatie verwerken. Elk neuron ontvangt invoer, vermenigvuldigt deze met een gewicht om de relevantie te bepalen en telt daar een compensatiewaarde, de zogeheten bias, bij op. Samen vormen deze gewichten en biases de ‘parameters’. GPT-4 bevat er naar schatting 1,7 biljoen.

De informatie stroomt door een of meer verborgen lagen tussen de invoer- en uitvoerlaag. Elke verborgen laag verwerkt de gegevens verder, waardoor complexere patronen worden herkend. Hiervoor gebruikt elk neuron een zogeheten activatiefunctie, die bepaalt of en in welke mate de uitvoer wordt doorgegeven. Zonder activatiefuncties zou het netwerk alleen eenvoudige wiskundige verbanden leren, zoals rechte lijnen, terwijl het nu ook met complexe, gebogen of gelaagde patronen overweg kan.

Een eenvoudig digitaal neuraal netwerk, met één verborgen laag.

Sturing en zelflering

Mensen sturen het DNN indirect aan door het bepalen van het aantal lagen, het aantal neuronen per laag en het type activatiefunctie. Verder kiezen ze hoe het netwerk moet leren, bijvoorbeeld door te bepalen hoeveel data het ziet en hoe complex de gegevens zijn, hoe vaak het leert en hoe groot de aanpassingen mogen zijn. Tijdens deze training worden de parameters automatisch aangepast door het netwerk om optimaal patronen te herkennen en voorspellingen te doen.

Vereenvoudigd komt het hierop neer: nadat het netwerk een voorspelling heeft gedaan, wordt berekend hoe ver deze afwijkt van de juiste waarde, waartoe het netwerk tijdens de training toegang heeft. Deze afwijking wordt vervolgens teruggestuurd door het netwerk, van de uitvoer- naar de invoerlaag. Onderweg berekent het netwerk hoeveel elke verbinding (gewicht) en extra waarde (bias) heeft bijgedragen aan de fout. Daarop past het netwerk de parameters aan om de fout kleiner te maken. Dit proces herhaalt zich vele malen, zodat het netwerk steeds accurater wordt. Dit principe wordt ‘backpropagation’ genoemd (letterlijk: achterwaartse terugkoppeling) en maakt dat het netwerk grotendeels zelflerend is.

©Vallabh soni - stock.adobe.com

Backpropagation: het netwerk stuurt zelf bij op basis van de vastgestelde afwijking.

TensorFlow Playground

Spelen met werking DNN

Het wordt interessanter wanneer je zelf experimenteert met de principes en werking van een DNN. Ga naar https://playground.tensorflow.org. Hier herken je de lagen met neuronen: een invoerlaag, twee verborgen lagen en een uitvoerlaag. Bij DATA is al een specifieke dataset geselecteerd. Zodra je op Run (het pijltje) klikt, probeert het netwerk het patroon in de gekozen dataset te herkennen. Het resultaat verschijnt onder Output.

Hoe langer je het proces laat lopen, hoe hoger het aantal trainingscycli (hier epochs genoemd) en hoe accurater de ruimte-indeling of dataclassificatie in de output: blauwe achtergrond voor blauwe punten en oranje achtergrond voor oranje punten. Omdat het standaard om een eenvoudig datapatroon gaat, zal de Training loss waarschijnlijk 0.000 zijn. Dit betekent dat het netwerk het patroon vrijwel meteen correct herkent op basis van de ingestelde parameters, zodat er nauwelijks of geen backpropagation nodig is.

Met de standaardinstellingen kan dit neurale netwerk moeiteloos overweg.

Verdere aansturing

Je kunt het netwerk flink uitdagen door enkele instellingen aan te passen. We geven je enkele mogelijkheden die zeker leerzaam kunnen zijn. Activeer in de invoerlaag bijvoorbeeld alleen de bovenste eigenschap X1. Het netwerk classificeert dan uitsluitend op basis van de horizontale posities van de punten. Voor de derde dataset (linksonder) kan dit voldoende zijn, maar voor andere niet. Probeer het gerust zelf uit. Je zult ook merken dat hoe meer features je inschakelt, hoe meer informatie het netwerk gebruikt en hoe beter het complexe patronen kan herkennen.

Verhoog eens Noise (ruis) met de schuifknop om het leerproces te bemoeilijken. De datapunten worden hierdoor minder gestructureerd, wat je meteen terugziet in de Output. Verminder nu eens het aantal neuronen (via de minknop boven elke laag) om het netwerk minder complexe beslissingen te laten nemen. Minder verborgen lagen verlaagt eveneens de capaciteit om diepere datapatronen te leren.

Nog steeds te makkelijk? Verlaag dan de Learning rate naar bijvoorbeeld 0.0001. Een lagere leerratio betekent tenslotte kleinere stappen bij het aanpassen van de gewichten (wat zich hier visueel vertaalt als minder snel aangepaste lijndiktes tussen de neuronen), waardoor het netwerk langzamer leert.

Experimenteer gerust verder met andere, ook meer geavanceerde instellingen om het netwerk – en jezelf – uit te dagen.

Met deze instellingen wordt de training van het neurale netwerk nagenoeg onmogelijk.

Deep learning

Een DNN is een van de meest effectieve methoden of algoritmen binnen machine learning (ML), waarbij computers leren van data zonder ze expliciet te moeten programmeren. Het is vooral geschikt voor complexe taken zoals beeldherkenning, spraakherkenning en taalverwerking.

Eenvoudige ML-modellen hebben meestal een of enkele verborgen lagen. Bij een complexere architectuur met meerdere verborgen lagen, die in staat is complexere patronen en relaties te herkennen, spreekt men van deep learning (DL). Deep learning is daarmee een subonderdeel van machine learning, al is het onderscheid niet altijd scherp te maken.

Bij DL gebruikt het neurale netwerk logischerwijze meer parameters, wat meteen ook een grotere hoeveelheid data vereist om het effectief te kunnen trainen. Meer data en parameters vereisen uiteraard ook meer rekenkracht, waarvoor vaak talrijke gpu’s (Graphics Processing Units) of gespecialiseerde processors als Googles TPU’s (Tensor Processing Units) nodig zijn.

Een Google TPU op een PCIe-kaart.

Google Teachable Machine

Experimenten met AI

Het zal je nauwelijks verbazen dat je, behalve geavanceerde kennis, frameworks als TensorFlow of PyTorch nodig hebt om een DL-model te ontwikkelen. Wil je hier desondanks toch mee experimenteren, dan biedt Googles Teachable Machine een uitstekende omgeving. Dit project heeft namelijk een interface waarmee je zonder technische expertise toch een AI-model kunt trainen.

Het platform is gebaseerd op DL-technieken en gebruikt neurale netwerken om patronen en kenmerken in diverse datasets te herkennen. Het werkt met voorgetrainde modellen, maar je kunt ook eigen gegevens toevoegen om een aangepast model te trainen. Na training kun je het model exporteren in verschillende formaten en inzetten in een web-app, mobiele app of op toestellen als Raspberry Pi, Arduino of IoT-apparaten.

Via deze GitHub-pagina vind je talrijke leuke projecten met Teachable Machine (van Bananameter tot Snake Game), evenals tutorials. Maar laten we nu vooral zelf aan de slag gaan met een bescheiden project.

Dit model heeft meteen door dat deze banaan overrijp is.

Starten met project

Surf naar https://teachablemachine.withgoogle.com. Hier leer je een computer trainen om je eigen afbeeldingen, geluiden en houdingen te herkennen. Klik op Aan de slag om een nieuw project te starten en kies uit drie modelopties: Projectafbeelding, Audioproject of Project met houdingen.

Wij nemen het eerste model als voorbeeld. Dit opent een venster waarin je kunt kiezen tussen een Model voor standaard afbeelding (kleur, 224 × 224 pixels) of een Model voor ingesloten afbeelding (grijswaarden, 96 × 96 pixels). Dit laatste, een embedded model, is geschikt voor microcontrollers. Wij kiezen hier voor het wat grotere standaardmodel.

Teachable Machine laat je uit drie grote trainingsmodellen kiezen.

Dataset en klassen aanmaken

Je komt nu terecht op een webpagina waar je eerst je dataset moet aanmaken. In dit geval bestaat deze uit afbeeldingen. Je deelt deze op in twee of meer categorieën, die je ook labelt. Teachable Machine heeft standaard twee categorieën (klassen), maar via +Een klasse toevoegen kun je eenvoudig meer klassen toevoegen.

Het aantal klassen dat je nodig hebt, hangt af van je project. Voor het onderscheiden van bijvoorbeeld QR-codes en zebrapatronen volstaan twee klassen (QR en Zebra). Wil je echter overrijpe, rijpe en rauwe bananen classificeren, dan heb je er minstens drie nodig. Zorg eerst dat het juiste aantal klassen beschikbaar is. Via de knop met drie stippen verwijder je desnoods overtollige klassen. Klik bij elke klasse op het potloodicoon en geef de categorie een zinvolle naam.

Daarna voeg je data toe aan elke klasse via de knop Uploaden of Webcam. Bij gebruik van de webcam moet je de pagina toegang geven tot de aangekoppelde camera. Door op Ingedrukt houden om op te nemen te klikken, stuur je continu snapshots naar Teachable Machine. De afbeeldingen verschijnen vervolgens in de betreffende klasse.

Vul je dataset met voldoende en gevarieerde afbeeldingen, via webcam en/of uploads.

Trainen en testen

Zodra je voldoende en gevarieerde data hebt toegevoegd, kun je het AI-model trainen. Klik op Model trainen om direct te starten of pas eerst enkele instellingen aan via het pijlknopje bij Geavanceerd. Hier kun je Tijdvakken, Batchgrootte en Leersnelheid aanpassen, vergelijkbaar met Epochs, Batch size en Learning rate in TensorFlow Playground. Klik op het vraagteken voor meer uitleg. Bij Geavanceerde opties kun je in een apart venster interessante statistieken over het trainingsproces bekijken. Na afloop verschijnt de melding Model getraind.

Klik rechts op Voorbeeld bekijken, zet Invoer op AAN en kies of je via Webcam of Bestand data wilt aanleveren. Wij kozen voor Webcam en testten met verschillende afbeeldingen van QR-codes en zebra’s. Bij Uitvoer toont Teachable Machine een percentage dat de zekerheid van de classificatie weergeeft.

Een QR-code op de rug van een zebra: daar heeft Teachable Machine niet van terug.

Export

Als alles goed werkt en je het model buiten de Teachable Machine-omgeving wilt gebruiken, klik je op Model exporteren. Kies voor Tensorflow.js, selecteer Downloaden en klik op Mijn model downloaden. Pak het gedownloade zip-bestand uit in een lege submap \my_model. Deze bevat een drietal bestanden, maar niet je trainingsdata. Dit komt doordat de neurale netwerkarchitectuur, geoptimaliseerde gewichten en modelconfiguratie kunnen volstaan voor nieuwe voorspellingen.

Ga vervolgens naar het tabblad Javascript, klik op Kopiëren en plak de code in een teksteditor, zoals Kladblok of Notepad++. Sla dit op als een html-bestand in de map net boven de submap \my_model.

Om lokaal te kunnen testen zonder browserfoutmeldingen zet je eerst een eenvoudige webserver op. Wij gebruikten de gratis Abyss Web Server (voor Windows, macOS en Linux). Plaats het html-bestand samen met de submap \my_model in de standaardmap C:\Abyss Web Server\htdocs. Dubbelklik erop om het in je browser te starten. Als het goed is, kun je nu meteen je AI-model testen. Succes.

Je kunt het model bijvoorbeeld testen via een lokale webserver.

Bij ID.nl zijn we gek op producten waar je niet de hoofdprijs voor betaalt. Een paar keer per week speuren we daarom binnen een bepaald thema naar zulke deals. Is het weer tijd om te klussen en moet je materialen op maat zagen? Met een decoupeerzaak wordt het zware werk je uit handen genomen. Wij vonden vijf mooie exemplaren voor je.

Een decoupeerzaag is perfect voor het fijnere zaagwerk. Denk aan het zagen van cirkels, het afronden van hoeken, het zagen van laminaat of het uitzagen van kleine stukken uit een materiaal. Dankzij de grote wendbaarheid kun je met een decoupeerzaag makkelijk aan de slag voor allerlei klusjes in en om het huis, of je nu met hout, metaal of kunststof werkt. Hieronder vind vijf decoupeerzagen voor al jouw klusjes.

Black & Decker BES610K

De Black & Decker BES610K is een robuuste decoupeerzaag die je helpt bij allerlei zaagklussen. Hij heeft een 650W motor en variabele snelheid, waardoor je nauwkeurig en gecontroleerd kunt werken. De pendelfunctie is instelbaar en de led-werklamp en stofblazer geven je een goed zicht op de zaaglijn. En dankzij de gereedschapsloze zaagbladwissel en de mogelijkheid om de zaaghoek tot 45 graden in te stellen, is deze zaagmachine voor alle toepassingen geschikt.

DeWalt DW331K

Deze decoupeerzaag is geschikt voor zowel de professionele klusser als de serieuze doe-het-zelver. Met zijn sterke motor en variabele snelheid zaag je moeiteloos door diverse materialen. De zaag ligt prettig in de hand dankzij de softgrip en het anti-vibratiesysteem, waardoor je geen last krijgt van je handen. Het snelspansysteem maakt het wisselen van zaagbladen eenvoudig, en met de instelbare zaaghoek kun je ook schuine snedes maken. Een degelijke machine van een gerenommeerd merk.

Makita 4351FCT

De Makita 4351FCT valt op vanwege de beugelgreep. Daardoor kun je deze zaag perfect sturen, zelfs als je een bocht of een detail wilt zagen. Je hebt hier veel meer controle over. Wisselen van zaagjes gaat vlot dankzij het snelspansysteem. De zaaghoek van deze Makita is instelbaar, waardoor je zelfs schuine snedes kunt maken. En met de stevige koffer erbij blijft alles netjes bij elkaar.

Bosch EasySaw 18V-70

De Bosch EasySaw 18V-70 is een handige zaag die je er makkelijk even bij pakt als je wat klusjes in en om het huis moet doen. Omdat hij op een accu werkt, zit je niet meer vast aan snoeren die altijd in de weg zitten. De zaag ligt lekker in de hand en is zo licht dat je er lang mee kunt doorwerken zonder lamme armen te krijgen. De zaagbladen wissel je in een handomdraai, geen gedoe met extra gereedschap. Houd er wel rekening mee dat je de accu en lader er los bij moet kopen, maar als je al Bosch-gereedschap in huis hebt, kun je die accu's gewoon gebruiken.

Makita JV0600K Decoupeerzaag

De Makita JV0600K is een handige decoupeerzaag waarmee je flexibel aan de slag kunt. Het apparaat ligt fijn in de hand en is niet te zwaar. Hij is krachtig genoeg om netjes door hout en zelfs metaal te zagen, en door het lichte gewicht kun je er lang mee werken zonder dat je polsen moe worden. Bij deze zaag krijg je een stevige kunststof koffer, dus je kunt 'm makkelijk meenemen en netjes opbergen. En als je liever heel schoon werkt, kun je hem ook aansluiten op een stofzuiger.

De Nuki Smart Lock Ultra zet de nieuwe standaard voor slimme sloten en is ontworpen voor een volledig sleutelloze levensstijl. Dit premium alles-in-één-pakket kost 349 euro en combineert een stille, razendsnelle motor met geïntegreerde wifi en een meegeleverde veiligheidscilinder.

De Nuki Smart Lock Ultra is het paradepaardje van het merk, gemaakt voor wie echt zonder sleutel door het leven wil. Het strakke ontwerp in roestvrij staal oogt modern en degelijk, terwijl onder de motorkap een nieuwe borstelloze motor zit die het slot stiller én sneller maakt dan eerdere modellen. Je kiest zelf hoe snel het moet gaan, met als snelste optie de opvallend pittige ‘Insane’-modus. Omdat wifi standaard is ingebouwd, heb je geen aparte bridge meer nodig – alles wat je nodig hebt, zit al in het slot zelf.

Wat de Ultra extra bijzonder maakt, is de meegeleverde veiligheidscilinder met SKG***-keur. Die vervangt je bestaande cilinder en is speciaal ontworpen om perfect samen te werken met het slimme slot. Zo zit je meteen goed qua veiligheid én gebruiksgemak. En ook aan de toekomst is gedacht: met ondersteuning voor Matter over Thread haak je moeiteloos aan bij platforms als Apple Home en Google Home. De verbinding is volledig versleuteld, dus je digitale sleutels blijven net zo veilig als je voordeur.

©Wesley Akkerman

Pro of Ultra?

Het grootste verschil met de Nuki Smart Lock Pro zit 'm in de manier waarop je het slot installeert. Bij de Ultra vervang je de cilinder helemaal, terwijl je de iets goedkopere Pro gewoon over je bestaande slot en sleutel heen schuift. Die laatste is dus een zogenaamde retrofit-oplossing, wat hem iets dikker maakt – hij steekt net wat meer uit aan de buitenkant. Verder zijn de twee modellen in de basis gelijk: allebei hebben ze die snelle motor, ingebouwde wifi en ondersteuning voor Matter. De keuze komt dus vooral neer op hoe je het wilt installeren en hoeveel je eraan wilt uitgeven.

Volgens Nuki gaat de ingebouwde accu van de Ultra tot zes maanden mee. Na een maand intensief gebruik – vooral in de eerste weken klikten we de deur vaak open en dicht – zagen we het accuniveau dalen tot zo'n 60 procent. Daarna vlakte het verbruik duidelijk af. Of die zes maanden echt gehaald worden, kunnen we na één testperiode nog niet met zekerheid zeggen, maar bij normaal gebruik lijkt dat een realistische verwachting. Met een paar keer per dag ont- en vergrendelen moet je het moeiteloos een paar maanden redden.

Opladen doe je met een usb-c-kabel die via een magnetisch klikmechanisme aan het slot bevestigt. Die magnetische kop – speciaal door Nuki ontwikkeld – is afneembaar, en dat is handig. Als iemand per ongeluk de deur opent terwijl het slot aan de lader hangt, schiet de kop los zonder schade aan kabel of poort. De kabel valt gewoon op de grond en het slot blijft werken. Wel jammer: je bent voor een nieuwe kabel aangewezen op Nuki zelf.

©Wesley Akkerman

Het slimme slot installeren

De installatie van de Nuki Smart Lock Ultra verloopt over het algemeen soepel, al zijn er een paar momenten waarop je graag iets meer houvast zou willen. Het vervangen van de cilinder zelf is rechttoe rechtaan en werkt zoals je verwacht. Wat lastiger is, is het bepalen welke verlengstukken je nodig hebt voor jouw deur. Die worden netjes meegeleverd voor verschillende diktes, maar de instructies in de app laten op dat punt wat te wensen over. Uiteindelijk kwamen we er wel uit – een kwestie van logisch nadenken en gewoon even proberen – maar echt intuïtief is het niet.

Een tweede puntje: het is niet meteen duidelijk dat je de montageplaat, waar het slot op vastklikt, moet vastzetten met een klein schroefje. Als je die stap overslaat, merk je dat pas zodra de deur voor het eerst draait: dan komt het slot los. Een beetje technisch inzicht helpt dus wel bij het afronden van de installatie. Op dit vlak doen merken als Tedee en Yale het net iets beter, met helderdere instructies en meer begeleiding. Gelukkig is dit een eenmalige handeling, dus echt storend wordt het niet.

©Wesley Akkerman

Nuki Smart Lock Ultra-app

De Nuki-app biedt een ruime keuze aan instellingen waarmee je het slot precies naar wens afstemt. Zo zie je altijd direct hoe vol de batterij nog is, en kun je de helderheid van de ledverlichting op het slot aanpassen of helemaal uitschakelen. De nachtmodus is een slimme toevoeging: die vergrendelt de deur automatisch op een vast tijdstip en schakelt tegelijk over op een stillere, energiezuinige stand – ideaal als je 's avonds laat thuiskomt zonder het hele huis wakker te maken. Met functies als Autolock en Lock 'n' Go sluit de deur zich vanzelf, wat het dagelijkse gebruik net wat makkelijker maakt.

Ook handig is het logboek in de app, waarin je precies ziet wie het slot wanneer gebruikt heeft. Je kunt tijdelijke of permanente toegang verlenen aan anderen en accessoires toevoegen, zoals een keypad of sensor. De Auto-unlock-functie steekt daar wat ons betreft bovenuit: zodra je thuiskomt, gaat de deur vanzelf van het slot. Dat werkt verrassend precies: je moet echt vlak bij de deur staan voordat het systeem reageert, wat ongewenst ontgrendelen voorkomt. We zijn normaal wat sceptisch over zulke functies, maar tijdens de test werkte dit opvallend goed.

©Wesley Akkerman

Hoe bevalt-ie?

Tijdens onze test van vier weken gebruikten we het slot samen met de Nuki Keypad 2 – een accessoire dat echt iets toevoegt. Hiermee open je de deur via een pincode of je vingerafdruk. Het toetsenpaneel koppel je eenvoudig via de app aan het slot en werkt volledig lokaal, dus je hebt er geen internet voor nodig. Je kunt kiezen voor vaste of tijdelijke toegangscodes, en bij vertrek sluit je de deur met één druk op de knop. Zulke functies tillen het gebruiksgemak van een slim slot naar een hoger niveau.

Vooral de vingerafdrukscanner is een uitblinker. Binnen een paar seconden na het scannen gaat de deur open – snel, betrouwbaar en prettig in het dagelijks gebruik. Ook het invoeren van een pincode gaat vlot en zonder vertraging. Wat ons betreft is de Keypad 2 dan ook een waardevolle aanvulling op de Smart Lock Ultra. Het maakt toegang tot je huis eenvoudiger, sneller en intuïtiever. Met een simpele druk op de terugknop vergrendel je het slot weer, een functie die je via de app instelt.

Vergeleken met de bediening via de smartphone-app (die meerdere stappen vereist) is dit een stuk sneller en minder omslachtig. Hoewel de Auto-unlock op basis van locatie verrassend goed werkt, kiezen we zelf liever voor handmatige controle, om fouten uit te sluiten. En wat ons betreft blijft een fysieke sleutel onmisbaar als ultieme back-up. De Ultra levert drie sleutels mee, zodat je altijd binnenkomt, ook als de techniek je een keer in de steek laat. Dat vinden we geen luxe, maar een absolute vereiste bij slimme sloten.

©Wesley Akkerman

Nuki Smart Lock kopen?

De Nuki Smart Lock Ultra biedt een hoogwaardige en complete oplossing voor wie afscheid wil nemen van traditionele sleutels. Met een stille, vlot werkende motor, ingebouwde wifi en ondersteuning voor het nieuwe Matter-protocol, positioneert dit slimme slot zich overtuigend in het topsegment. De bijgeleverde SKG***-cilinder speelt daarbij een (ja ja) sleutelrol: die verhoogt niet alleen de veiligheid, maar zorgt er ook voor dat je altijd kunt terugvallen op een fysieke sleutel. Dankzij deze doordachte combinatie voelt de hogere prijs volledig gerechtvaardigd.

Na installatie blijkt de Smart Lock Ultra een bijzonder betrouwbaar en krachtig systeem, al mogen de montage-instructies wel iets duidelijker. De app biedt een uitgebreide set functies en het slot reageert snel en nauwkeurig. Ontgrendelen via de app vergt soms een extra handeling, maar wie kiest voor het optionele Keypad 2, opent en sluit de deur met één druk op de knop. Kleine kanttekeningen daargelaten, is dit slimme slot een uitstekende keuze voor wie zoekt naar een stil, geavanceerd en allesomvattend systeem dat jarenlang meegaat.