AI bij bouwcalculaties: wat is echt, wat is nog een demo en hoe kunnen aannemers dat beoordelen

De bouw draait op tekeningen. Voordat een aannemer op een bouwproject kan inschrijven, maakt iemand uit het team een hoeveelheidsopname. Diegene neemt het tekeningenpakket door: de verzameling pdf-tekeningen die de architect en ingenieurs voor het project uitgeven. Vervolgens worden alle onderdelen die de aannemer levert en installeert geteld en opgemeten: stopcontacten, deuren, wastafels, strekkende voeten muur en vierkante voeten vloeroppervlak. Die hoeveelheden komen in de calculatie, het document met prijzen waarop de inschrijving is gebaseerd. Als de aannemer de opdracht krijgt, komen dezelfde cijfers terug in wijzigingsopdrachten: de geprijsde en ondertekende aanpassingen van het contract wanneer het ontwerp verandert.

Hoeveelheden opnemen is traag, repetitief en kostbaar als het misgaat, en daarom ligt het voor de hand om dit met AI aan te pakken. Ik bouw software die bouwtekeningen leest, en de aannemers met wie ik praat, proberen te bepalen welke claims over AI ze kunnen geloven. Zo maak ik onderscheid tussen wat werkt en wat nog slechts een demo is.

Het optimisme loopt voor op de invoering

Twee recente enquêtes geven de kloof in cijfers weer. In een onderzoek van Dodge Construction Network in samenwerking met CMiC, gepubliceerd in december 2025, zei 87% van de aannemers te verwachten dat AI de sector zal transformeren, terwijl 19% aangaf de werkprocessen hierop te hebben aangepast.

RICS, de beroepsorganisatie voor landmeters, ondervroeg voor zijn rapport uit 2025 over AI in de bouw meer dan 2.200 bouwprofessionals. Ongeveer 45% zei dat hun organisatie AI nog niet had ingevoerd, en minder dan 1% omschreef het AI-gebruik binnen de hele organisatie als volledig ingeburgerd. Construction Dive berichtte over de bevindingen onder de kop ‘Bouwbedrijven voeren AI ondanks de vermeende voordelen langzaam in.’

Optimisme en invoering volgens twee recente enquêtes. Gegevens: Dodge Construction Network en CMiC (december 2025), RICS (2025). Afbeelding: Bildrix

De voorbereidingsfase, alles wat een aannemer doet voordat de bouw begint (offertes, documentbeoordeling en planning), is een logische plek om te beginnen, omdat de invoer al uit digitale documenten bestaat.

Wat vandaag werkt

Het lezen van een tekeningenpakket is inmiddels een productcategorie met werkende toepassingen. Software kan de tekeningen in een pakket sorteren en benoemen, de schaal van elke tekening bepalen, symbolen zoals stopcontacten, armaturen en sanitaire voorzieningen tellen aan de hand van de legenda die de ingenieur voor dat project heeft gemaakt, en ruimtes en muren opmeten. Symboolherkenning op tekeningen is al jaren een actief onderzoeksgebied. In de FloorPlanCAD-dataset, uitgebracht in 2021, zijn meer dan 10.000 plattegronden voorzien van annotaties voor 30 objectcategorieën, zodat onderzoekers modellen voor deze taak konden trainen en testen.

Twee andere mogelijkheden blijken in de praktijk goed te werken. De ene is vragen beantwoorden op basis van tekeningen en specificaties, waarbij het antwoord verwijst naar het blad waarop de informatie staat, zodat iemand het binnen enkele seconden kan controleren. De andere is gecontroleerde hoeveelheden overzetten naar een calculatie, mits de eigen prijslijst van de aannemer de betreffende posten bevat.

Wat nog slechts een demo is

Drie claims verdienen extra scepsis.

Prijzen die niemand controleert. Materiaal- en arbeidskosten verschillen per regio en veranderen voortdurend. Een door AI voorgestelde prijs kan een redelijk uitgangspunt zijn, maar moet duidelijk als voorstel zijn gemarkeerd en worden gecontroleerd aan de hand van een offerte van een leverancier voordat die in een inschrijving wordt opgenomen.

Alle vakgebieden, ongeacht de invoer. Schone vector-pdf’s, rechtstreeks geëxporteerd uit ontwerpsoftware, zijn het eenvoudige geval. Gescande tekeningen, telefoonfoto’s van tekeningen en onvolledige sets leveren nog steeds problemen op, en de dekking verschilt sterk per vakgebied. Een programma dat elektrotechnische tekeningen goed leest, kan moeite hebben met tekeningen van een ander vakgebied.

Volledig automatische inschrijvingen. Veel factoren die bepalen of een aannemer inschrijft, staan niet op de tekeningen: hiaten in de afbakening tussen vakgebieden, uitvoeringsmethoden, de bestaande situatie bij een renovatie, de planning en hoeveel risico de aannemer bereid is te nemen. De calculator ondertekent het bedrag en is daarvoor verantwoordelijk.

Wat in de praktijk vandaag standhoudt en wat nog slechts een demo is. Afbeelding: Bildrix

Vier signalen dat je naar een demo kijkt

1. Het werkt alleen met tekeningen van de leverancier. Vraag om een demonstratie met je eigen tekeningenpakket, bij voorkeur het rommeligste pakket waarop je afgelopen kwartaal hebt ingeschreven.
2. Er wordt één nauwkeurigheidscijfer genoemd zonder uitleg. Hoe nauwkeurig is het tellen van wat, op welke tekeningen en volgens welke meetmethode? Een cijfer zonder uitsplitsing per onderdeel zegt je heel weinig.
3. Er wordt niets gemarkeerd. Elk model is ergens onzeker over. Een programma dat nooit twijfel laat zien, verbergt die.
4. De uitvoer eindigt als spreadsheet die iemand handmatig overneemt in de calculatie. Elk overgetypt getal brengt een nieuw risico op een tikfout met zich mee.

Vragen voor elke leverancier

• Welke invoer accepteert het programma, welke vakgebieden bestrijkt het en wat kan het niet?
• Hoe maakt het programma onzekerheid zichtbaar en hoe lang duurt de controle van een van mijn tekeningenpakketten?
• Kan ik de uitvoer bewerken, en worden mijn wijzigingen meegenomen in de calculatie en in latere aanpassingen?
• Worden mijn gegevens gebruikt om modellen van iemand te trainen, en waar worden ze opgeslagen?

Het NIST AI Risk Management Framework is een nuttige referentie voor de laatste groep. Het beschrijft betrouwbare AI onder meer als valide en betrouwbaar, beveiligd en veerkrachtig, verantwoordingsplichtig en transparant, en voorzien van extra privacybescherming. Elk van deze kenmerken leidt tot een vraag die een aannemer aan een leverancier kan stellen.

Waarom twijfel een voordeel is

Modellen zijn vaak zelfverzekerder dan gerechtvaardigd is. Guo en collega’s lieten in 2017 zien dat moderne neurale netwerken doorgaans slecht gekalibreerd zijn. De mate van zekerheid die een netwerk rapporteert, komt vaak niet overeen met hoe vaak het gelijk heeft. Kalibratie kan worden verbeterd; daarna wordt een zekerheidsscore een werklijst. Items met een lage zekerheid worden aan een persoon voorgelegd, terwijl items met een hoge zekerheid snel worden gecontroleerd.

Die eigenschap is voor mij belangrijker dan welke opvallende functie ook. Een calculator heeft geen tijd om elke hoeveelheid op een set van een paar honderd tekeningen opnieuw te controleren. Wel heeft die tijd om de paar dozijn items te controleren die de software als onzeker markeert. De calculator ondertekent nog steeds de offerte, en goede tools maken die controle snel.

De software leest en telt, een persoon beoordeelt waarover die twijfelt, en de calculator ondertekent de offerte. Afbeelding: Bildrix

Unite.AI publiceerde onlangs een artikel van Baber Javed over het ontwerpen van AI voor de salarisadministratie, toelatingen en andere domeinen waar fouten zwaar worden aangerekend. Hij stelt dat deterministische regels de controle moeten hebben over alles met financiële of juridische gevolgen, waarbij het model interpreteert en uitlegt en mensen controleren wanneer fouten kostbaar zijn. Een offerte voor een bouwproject past in die beschrijving.

Waar u hierna op moet letten

Ik verwacht dat de vooruitgang in het komende jaar volgt op de eerste hoeveelhedenopname: revisies van tekeningen vergelijken en gewijzigde hoeveelheden doorvoeren in meerwerkopdrachten en facturen zonder ze opnieuw in te voeren. Bij revisies verliezen aannemers ongemerkt geld, omdat een wijziging die niemand heeft geprijsd werk is dat gratis wordt uitgevoerd.

Als u een aannemersbedrijf runt en dit wilt uitproberen, voer dan een proef uit met uw eigen tekeningen, zorg dat iemand elke uitvoer controleert en noteer uw eigen cijfers: bestede uren, opgespoorde fouten en gemiste fouten. Daar leert u meer van dan van de cijfers van welke leverancier dan ook.

Wat zou u moeten zien voordat u een door een machine uitgelezen hoeveelheid zou vertrouwen in een offerte die op uw naam staat?