AI-onderzoek en pilotvoorstel bij een gemeente
Een onderzoeks- en adviesopdracht bij een gemeentelijke organisatie. De vraag: welke AI- en automatiseringstoepassingen schelen echt tijd en fouten in de technische voorbereiding van civiele bouwprojecten?
Het antwoord ligt er inmiddels: een onderbouwde shortlist en een concreet pilotvoorstel, klaar voor besluitvorming.
De opdrachtgever en projectdetails blijven hier vertrouwelijk.
- Opdrachtgever
- Gemeentelijke organisatie
- Werkveld
- Civiele techniek · projectvoorbereiding
- Rol
- Onafhankelijk onderzoeker en adviseur
- Doorlooptijd
- Circa drie maanden
- Gereedschap
- Revit · Dynamo · Python · Copilot
- Resultaat
- Shortlist + concreet pilotvoorstel
- Status
- Pilotvoorstel ter besluitvorming
De opgave
Het team bereidt bouwprojecten voor in steeds dezelfde stappen: inventariseren, 3D-modelleren, rekenen en tekeningen maken. Veel van dat werk gebeurt handmatig en wordt per deelproject opnieuw gedaan. Informatie uit eerder werk is versnipperd opgeslagen en wordt beperkt hergebruikt. Daardoor kost elke ronde opnieuw tijd en sluipen er fouten in tekeningen.
Wat ik deed
- Interviews met alle betrokken rollen, van modelleur en constructeur tot technisch management.
- Het voorbereidingsproces en de planning geanalyseerd: waar zit de tijd, waar ontstaan fouten en wat ligt op het kritieke pad?
- Vijf oplossingsrichtingen uitgewerkt en gescoord op waarde, haalbaarheid, eigen invloed, complexiteit, risico en investering.
- Een onderbouwde shortlist en een concreet pilotvoorstel opgeleverd, inclusief kaders voor veilige dataverwerking, risico's en vooraf vastgelegde succescriteria met een go/no-go.
De voorgestelde pilot
Terugkerende constructies worden nu per deelproject met de hand gemodelleerd en getekend. De pilot draait dat om: een script bouwt het 3D-model automatisch op vanuit een parametertabel (Revit, Dynamo en Python), inclusief de standaarddoorsneden en aanzichten. Een tweede script controleert de tekeningen automatisch op slordigheden en inconsistenties.
Wijzigt een uitgangspunt, dan wordt alleen de tabel aangepast en volgen model en tekeningen vanzelf. AI helpt bij het schrijven van de scripts en kan de controle later verbreden; de scripts zelf draaien lokaal, zonder dat projectdata naar een AI-dienst gaat.
De aanpak in de praktijk
Het onderzoek volgde de vaste aanpak die ook op deze site staat. Zo ziet die eruit in een echte opdracht:
Verkennen
Interviews, procesanalyse en dataverificatie: welke gegevens zijn er, waar staan ze en zijn ze bruikbaar?
Idee-generatie & selectie
Vijf richtingen uitgewerkt en afgewogen in een matrix, met een onderbouwde shortlist als resultaat.
AI-ready maken
Kaders vastgelegd voor veilige, lokale verwerking van projectdata en de benodigde ontwikkelomgeving.
Proof of concept
Een concreet pilotvoorstel: automatisch modelleren met automatische tekeningcontrole, eerst getest op bestaand werk.
Borgen
Werkinstructies, versiebeheer en overdracht aan het team als vast onderdeel van het voorstel.
De eerlijke uitkomst
De grootste winst zit hier niet in een AI-tool, maar in automatisering. AI versnelt het bouwen ervan. Onafhankelijk advies levert de beste oplossing, niet de hipste.
Status
Het onderzoek is afgerond en het pilotvoorstel ligt ter besluitvorming bij de opdrachtgever. Deze pagina wordt bijgewerkt zodra de pilot is uitgevoerd en geëvalueerd.