AI in de bouw: waar staan we nu en wat is er al mogelijk?

De nuchtere stand van zaken

De bouwsector wordt overspoeld met beloften over AI. Autonome calculatie, zelfdenkende planning, projectbeheer zonder mensen. Een deel daarvan is realistisch en beschikbaar. Een deel is over twee tot drie jaar realistisch. En een deel is voorlopig meer marketingverhaal dan werkelijkheid.

Dit artikel probeert die drie categorieën eerlijk van elkaar te scheiden — op basis van wat er nu in de praktijk beschikbaar is, niet op basis van wat leveranciers beloven. Want als u een beslissing neemt over welke technologie u adopteert, heeft u geen promotiekortfilm nodig. U heeft een eerlijk beeld nodig.

Wat werkt nu al: documentanalyse en informatie-extractie

Het sterkste toepassingsgebied van AI in de bouwkantooromgeving is momenteel documentanalyse. Grote taalmodellen kunnen technische documenten — bestekken, UAV-teksten, contractvoorwaarden — lezen, samenvatten en structureren op een manier die vroeger uitsluitend mensenwerk was.

Concreet betekent dit dat een AI-systeem een bestek van 200 pagina's kan doorzoeken op specifieke eisen, bijzondere bepalingen en risicoclausules — en die gestructureerd kan teruggeven aan de calculator. Niet als vervanging van zijn oordeel, maar als voorbereiding. De calculator hoeft niet zelf pagina voor pagina door het document: hij beoordeelt wat het systeem heeft geselecteerd.

Dit is al volwassen technologie. De nauwkeurigheid is hoog genoeg voor productiegebruik, mits er menselijke verificatie in het proces zit. En juist die combinatie — AI als scout, mens als beoordelaar — is wat het interessant maakt.

Wat werkt nu al: hoeveelhedenondersteuning

Een tweede gebied waar AI al praktische waarde levert, is het ondersteunen van hoeveelhedenmeting. Niet het volledig autonoom aflezen van tekeningen — dat is complexer dan het lijkt — maar het herkennen van standaard elementen in gestructureerde plannen en het automatisch koppelen aan bestekposten.

Bij gestructureerde documentatie (zoals STABU- of RAW-bestekken met heldere codering) kan AI al een aanzienlijk deel van de hoeveelheden extraheren en voorbereiden. De calculator verifieert, past aan waar nodig en beoordeelt de uitzonderingen. De tijdwinst zit niet in het elimineren van de stap, maar in het drastisch verkorten ervan.

Tekeningen die niet digitaal doorzoekbaar zijn, of projecten met veel maatwerk, zijn lastiger. Daar levert de huidige generatie AI minder betrouwbare resultaten. Een eerlijk systeem geeft aan welke extracties hoge zekerheid hebben en welke menselijke controle vereisen — die transparantie is essentieel.

Wat werkt nu al: prijsopbouw en historische vergelijking

AI-systemen kunnen, als ze toegang hebben tot historische projectdata, patronen herkennen in hoe vergelijkbare werkzaamheden eerder zijn geprijsd. Dat is geen garantie van correctheid — elk project is anders — maar het is een waardevolle referentie voor de calculator die een prijsopbouw maakt.

Denk aan een systeem dat zegt: 'In vergelijkbare projecten lag de eenheidsprijs voor dit type metselwerk tussen X en Y, afhankelijk van locatie en volume.' Dat geeft de calculator een ijkpunt zonder zijn oordeel te vervangen. Afwijken van de referentie is volledig legitiem, maar het systeem maakt afwijkingen inzichtelijk.

Dit werkt alleen als het systeem gevoed is met voldoende relevante historische data. Een generiek model zonder sectorspecifieke training presteert hier aanzienlijk slechter dan een model dat op bouwprojectdata is getraind.

Wat nog niet werkt: volledig autonome calculatie

Er zijn leveranciers die volledig autonome AI-calculatie beloven. Dat is in 2026 niet betrouwbaar genoeg voor productiegebruik — zeker niet bij complexere projecten of aanbestedingen met risico.

De reden is fundamenteel: calculatie is niet alleen informatieverwerkig, het is ook risico-inschatting. Een ervaren calculator beoordeelt niet alleen wát er staat, maar ook wat er ontbreekt, wat de opdrachtgever bedoelt, welke uitvoeringsrisico's niet in het bestek zijn benoemd maar wel op zijn bordje terechtkomen. Dat vraagt contextbegrip en sectorervaring die een taalmodel niet heeft.

Wie een AI-systeem gebruikt zonder menselijke eindverantwoordelijkheid in het proces, neemt risico's die zichzelf op termijn wrekenin de marge. De waarde van AI zit nu in het verlengen van menselijke capaciteit, niet het vervangen ervan.

Wat nog niet werkt: projectspecifieke risicoanalyse

Een AI-systeem weet niet dat de bouwplaats aan een drukke binnenstedelijke locatie ligt, dat de opdrachtgever bekendstaat als slecht betaler, of dat er met een specifieke onderaannemer eerder problemen waren. Tenzij dat expliciet in de input staat — en zelfs dan mist het de nuance van iemand die de sector kent.

Risicoanalyse in calculatie is voor een groot deel tacit knowledge: onuitgesproken sector- en relatiekennis die een ervaren calculator bewust of onbewust in zijn prijsopbouw verwerkt. AI ondersteunt het proces, maar de risicobeoordeling blijft mensenwerk.

Waar de sector naartoe gaat

De komende drie tot vijf jaar zullen AI-systemen voor de bouwkantooromgeving volwassener worden op twee fronten: betere integratie met BIM-modellen (waardoor hoeveelhedenextractie betrouwbaarder wordt) en betere sectorspecifieke training (waardoor referentieprijzen en risicomarkeringen relevanter worden).

Volledig autonome calculatie zal voor standaardprojecten eerder realiteit zijn dan voor maatwerk. Een renovatieproject van een rijksmonument vraagt een ander niveau van menselijk oordeel dan het berekenen van een standaard prefab-woning op een vrijstaand kavel.

Bedrijven die nu beginnen met AI-ondersteunde calculatie lopen voor op twee manieren: ze bouwen organisatorische kennis op over hoe ze de technologie effectief inzetten, en ze bouwen historische data op waarmee hun systemen beter worden. Wachten tot de technologie 'af' is, betekent twee keer verliezen.