AI in calculatie en aanbesteding in de bouw: sneller lezen, scherper rekenen

AI in calculatie en aanbesteding in de bouw betekent in de praktijk vier dingen: aanbestedingsstukken sneller doorlezen op risico's en ontbrekende posten, hoeveelheden uit tekeningen voorbereiden, je eigen oude calculaties en nacalculaties terugvinden als je een nieuwe opzet, en per inschrijving vastleggen wat het opleverde. De calculator blijft de prijs maken. Het systeem doet het lees- en zoekwerk, zodat er meer tijd overblijft voor de vragen waar het geld zit: welke risico's prijs je in, wat doet de markt, en wil je dit werk eigenlijk wel hebben. Begin klein, op een paar inschrijvingen naast de calculator, en meet voordat je uitbreidt.

In ons bredere stuk over AI in de bouw noemden we de calculatie als eerste plek waar het geld zit, naast planning en kwaliteitscontrole. Dit stuk gaat daar dieper op in. Calculatie is het deel van de bouw met de scherpste rekensom: een gemiste post of een te optimistische aanname zie je pas terug in de nacalculatie, en dan is het geld al weg. Hier lees je wat AI in de aanbestedingsfase concreet doet, waarom je eigen nacalculatie meer waard is dan welk algemeen model ook, waar het oordeel van de calculator onmisbaar blijft, en hoe je invoert zonder iets onomkeerbaars te doen. Met een rekenvoorbeeld dat je met je eigen cijfers kunt overdoen.

Voor wie dit stuk is

Volgens het CBS (tabel 81589NED) telt de bouwnijverheid in het derde kwartaal van 2026 269.845 bedrijven. Het overgrote deel is klein: 233.700 daarvan hebben één werkzaam persoon. 950 bedrijven hebben vijftig of meer werkzame personen, waarvan 780 met 50 tot 250 en 170 met 250 of meer. Van die 950 zitten er ongeveer 320 in de algemene bouw en projectontwikkeling, 140 in de grond-, water- en wegenbouw en 495 in de gespecialiseerde bouw, zoals installatie- en afbouwbedrijven. Door afronding in de CBS-tabel tellen die deelgroepen op tot 955.

Dat is de groep voor wie dit stuk geschreven is. Groot genoeg voor een calculatieafdeling met een paar calculatoren en werkvoorbereiders, en voor een archief van honderden afgeronde projecten. Te klein voor een eigen data-afdeling.

Het CBS meet ook hoe bedrijven AI gebruiken (tabel 86119NED, over 2025). In de bouw gebruikt 41 procent van de bedrijven met 50 tot 250 werkzame personen een vorm van AI. 32 procent gebruikt textmining, het automatisch doorzoeken en analyseren van tekst. 25 procent zet AI in voor administratieve processen of bestuurstaken. 8 procent gebruikt machine learning. Het meeste gebruik zit dus bij tekst. Voor de calculatie is dat goed nieuws, want het eerste werk in een aanbesteding is lezen.

Lezen: bestek, tekeningen en nota van inlichtingen

Een gemiddelde aanbesteding bestaat uit een stapel documenten: het bestek of beschrijvend document, de tekeningen, de staat van hoeveelheden als die er is, de aanbestedingsleidraad met de gunningscriteria, en een of meer nota's van inlichtingen met vragen en antwoorden. Een calculator moet dat allemaal gelezen hebben voordat hij een betrouwbare prijs kan maken. In de praktijk gebeurt dat onder tijdsdruk, vaak met meerdere inschrijvingen tegelijk.

Een taalmodel kan daar drie dingen doen.

Risico's en bijzondere bepalingen markeren. Boeteclausules, afwijkende betalingstermijnen, eisen aan bouwtijd of werktijden, voorgeschreven materialen, bepalingen over de ondergrond of bestaande constructies. Het systeem zet ze in een lijst met de paginaverwijzing erbij. De calculator beslist wat ermee gebeurt.

Tegenstrijdigheden opsporen. Een tekening die een andere maat noemt dan het bestek. Een post die in het bestek staat maar op geen enkele tekening voorkomt. Een nota van inlichtingen die een eis wijzigt, terwijl de oude tekst nog in een bijlage staat. Dit is het soort fout waar je het liefst vroeg achter komt. De wet geeft er ook een reden voor. Volgens artikel 7:754 van het Burgerlijk Wetboek moet de aannemer de opdrachtgever waarschuwen voor fouten of gebreken in door de opdrachtgever verstrekte plannen, tekeningen, berekeningen, bestekken of uitvoeringsvoorschriften, voor zover hij die kende of redelijkerwijs behoorde te kennen. Wie de stukken grondiger leest, ziet die fouten eerder.

Ontbrekende posten signaleren. Hier helpt je eigen historie. Als het systeem je eerdere calculaties van vergelijkbare werken kent, kan het zeggen: bij de vorige vijf schoolgebouwen stond er een post voor bouwplaatsinrichting van deze orde, en die zie ik in deze opzet niet terug. De calculator beoordeelt of die post er hoort.

Zo'n systeem leest ook verkeerd. Het kan een bepaling missen of een tegenstrijdigheid zien die er niet is. Daarom geldt de regel dat elke bevinding een verwijzing naar de bron heeft, en dat de calculator elke bevinding afvinkt of verwerpt. Zonder die verwijzing is het een mening, en daar heb je in een aanbesteding niets aan.

Tekeningen naast elkaar houden in een pand in aanbouw. Een systeem kan tegenstrijdigheden markeren, de calculator beoordeelt welke ertoe doen.

Hoeveelheden uit tekeningen

Het opnemen van hoeveelheden, zoals meters wand, vierkante meters vloer en aantallen kozijnen, kost in de burgerlijke en utiliteitsbouw vaak het grootste deel van de calculatietijd. Er zijn grofweg twee situaties.

Als er een 3D-model beschikbaar is, bijvoorbeeld in IFC-formaat, staan veel hoeveelheden al in het model. Het werk zit dan in controleren of het model compleet is en of de elementen de juiste eigenschappen hebben. Software kan hoeveelheden uitlezen en per element groeperen. De calculator controleert of wat eruit komt klopt met wat hij op de tekening ziet.

Als er alleen 2D-tekeningen in pdf zijn, wat bij veel kleinere aanbestedingen nog zo is, kan beeldherkenning helpen met meten en tellen: ruimtes herkennen, oppervlakken uitrekenen, symbolen tellen. Dat werkt redelijk op schone tekeningen en slecht op gescande of drukke tekeningen. Gebruik het als eerste opzet die de calculator nameet, zeker bij de posten met de grootste bedragen.

In de grond-, weg- en waterbouw ligt het anders. Daar werk je vaak met een bestek waarin de opdrachtgever de hoeveelheden al in een staat heeft gezet. Dan gaat het om controle: kloppen die hoeveelheden met de tekeningen, en waar zit een post die mogelijk te laag is ingeschat? Een afwijking daar is een vraag voor de nota van inlichtingen, of een risico dat je inprijst.

Hoeveel tijd dit scheelt, hangt sterk af van het soort werk en de kwaliteit van de tekeningen. Meet het daarom zelf, per type project. Een algemeen percentage van een leverancier zegt weinig over jouw tekeningen.

Je eigen nacalculatie is de echte data

Elk bouwbedrijf van deze omvang heeft een archief van calculaties. Vaak ook van nacalculaties: wat het werk uiteindelijk kostte aan uren, materiaal en onderaannemers. Dat archief is waardevoller dan elk algemeen model, omdat het laat zien hoe jouw ploegen werken, met jouw onderaannemers, in jouw regio.

De data is er meestal wel. Wat ontbreekt, is de aansluiting tussen calculatie en nacalculatie. De calculatie is opgezet per element of per bestekspost, de uren zijn geboekt per week of per project, en materiaal is ingekocht op een inkoopnummer dat nergens naar een post verwijst. Dan kun je achteraf zien dat het project 4 procent tegenviel, maar niet waar.

Daar zit het eerste werk, en het is grotendeels geen AI-werk. Spreek af dat uren en inkoop op dezelfde codering worden geboekt als de calculatie, bijvoorbeeld per element volgens NL-SfB of volgens je eigen begrotingsopbouw. Leg vast welke bron wint als twee bronnen elkaar tegenspreken. Hoe je dat aanpakt zonder groot migratieproject, staat in je data op orde krijgen voor AI.

Als die koppeling er is, kan een systeem drie dingen doen die nu bijna niemand met de hand bijhoudt.

Normen bijstellen. Laten zien dat je voor metselwerk in de calculatie structureel minder uren rekent dan de ploeg nodig heeft, of juist meer.

Vergelijkbare projecten vinden. Bij een nieuwe aanbesteding de vijf projecten uit je archief zoeken die er het meest op lijken, met de calculatie en de werkelijke kosten ernaast.

Patronen in afwijkingen zien. Bijvoorbeeld dat renovatieprojecten van voor 1970 vaker tegenvallen op sloopwerk, of dat bij een bepaalde opdrachtgever vaker discussie over meerwerk ontstaat.

Wees eerlijk over de omvang. Een bedrijf dat 20 tot 40 projecten per jaar afrondt, heeft na vijf jaar een paar honderd projecten. Dat is genoeg om afwijkingen per element zichtbaar te maken, en te weinig voor een model dat zelfstandig prijzen voorspelt. Behandel de uitkomsten daarom als signaal voor de calculator.

Een rekenmachine en een vulpotlood op een vel met berekeningen. De nacalculatie van je eigen projecten is de data die een nieuwe calculatie beter maakt.

Scoringskans en de keuze om in te schrijven

Een inschrijving kost geld, ook als je hem verliest. Wie veel inschrijvingen maakt en er weinig wint, betaalt de calculatie-uren van de verloren inschrijvingen uit de marge van de gewonnen projecten.

Daarom loont het om per inschrijving vast te leggen: het soort werk, de opdrachtgever, de gunningscriteria, het aantal inschrijvers, je eigen prijs, de winnende prijs als die bekend is, en de uitkomst. Na een paar jaar zie je waar je scoort en waar niet. Een systeem kan die tabel bijhouden en bij een nieuwe aanbesteding laten zien hoe vergelijkbare inschrijvingen uitpakten. De beslissing om wel of niet in te schrijven blijft bij de directie en de calculatie.

Hier zit ook een waarschuwing. PIANOo, het expertisecentrum aanbesteden van de overheid, beschrijft dat bij een aanbesteding op prijs de inschrijver die de risico's het kleinst inschat de grootste kans maakt om te winnen. Het noemt onduidelijkheden in het bestek als een van de redenen voor een strategisch lage inschrijving. Een hogere scoringskans is dus pas winst als de marge meekomt. Wie dankzij een snellere calculatie vaker wint omdat risico's buiten beeld bleven, heeft er niets aan. Meet scoringskans en de afwijking tussen voor- en nacalculatie daarom altijd samen.

Bij overheidsopdrachten voor werken onder de Europese drempelbedragen geldt het Aanbestedingsreglement Werken 2016 (ARW 2016), volgens het principe pas toe of leg uit. Dat maakt de opbouw van die aanbestedingen redelijk voorspelbaar. Voor een systeem dat moet leren welke documenten er zijn en waar wat staat, is dat een voordeel.

Waar het oordeel van de calculator blijft

Een calculatie bestaat uit hoeveelheden maal prijzen, plus opslagen voor algemene kosten, winst en risico. Het eerste deel is grotendeels rekenwerk, en daar kan een systeem bij helpen. Het tweede deel is oordeel.

Twee dingen maken het verschil. Ten eerste: elke aanpassing die de calculator doet op een voorstel van het systeem, blijft zichtbaar met een korte reden. Die redenen laten zien wat het systeem niet weet. Ze maken ook kennis leesbaar die nu alleen in het hoofd van een ervaren calculator zit. Hoe je die kennis vasthoudt, staat in AI-kennis verankeren in je organisatie.

Ten tweede: de tijd die vrijkomt, gaat naar het werk waar de calculator het verschil maakt. Meer tijd voor de risicoparagraaf, het gesprek met onderaannemers en de vragen voor de nota van inlichtingen. Als die tijd meteen opgaat aan meer inschrijvingen per calculator, wordt het alleen drukker. De bedoeling is dat de calculator beter wordt in zijn vak. Er wordt niemand vervangen.

Een rekenvoorbeeld om je eigen cijfers in te vullen

Dit voorbeeld is bedacht en dient als rekenmethode. Vervang elk getal door dat van je eigen bedrijf.

Stel: een aannemer met 90 medewerkers in de burgerlijke en utiliteitsbouw. De calculatieafdeling maakt 60 inschrijvingen per jaar en wint er 10. Dat is een scoringskans van 1 op 6, ongeveer 17 procent. Een gemiddelde calculatie kost 40 uur, dus 60 maal 40 is 2.400 uur per jaar. De gewonnen projecten zijn gemiddeld 1,5 miljoen euro, samen 15 miljoen euro omzet.

Uren per calculatie. Stel dat leeswerk, hoeveelheden en zoeken in de historie samen 10 uur per calculatie schelen. Dan komt er 60 maal 10 is 600 uur per jaar vrij. Bij een interne kostprijs van 75 euro per uur is dat 45.000 euro aan tijd. Die uren gaan niet van de loonlijst af. Ze gaan naar risico's, vragen voor de nota van inlichtingen en een scherpere keuze welke aanbestedingen je doet.

Gemiste posten. Stel dat er per gewonnen project gemiddeld voor 0,5 procent van de aanneemsom aan posten ontbreekt die je niet als meerwerk kunt doorberekenen. Op 15 miljoen is dat 75.000 euro marge per jaar. Vang je de helft daarvan eerder op, dan is dat 37.500 euro.

Afwijking tussen voor- en nacalculatie. In ons stuk over AI in de bouw rekenden we met een structurele afwijking van 2 procent. Op 15 miljoen is dat 300.000 euro. Gaat die afwijking naar 1,5 procent, omdat je normen bijstelt met je eigen nacalculatie, dan scheelt dat 0,5 procent van 15 miljoen, dus 75.000 euro per jaar. Dit overlapt deels met de gemiste posten. Tel die twee dus niet zomaar op.

Scoringskans. Stel dat de vrijgekomen tijd naar betere keuzes gaat. Je doet nog steeds 60 inschrijvingen, maar laat 6 aanbestedingen lopen waar je achteraf steeds kansloos bleek, en kiest 6 die beter bij je passen. Win je daardoor 11 werken in plaats van 10, dan is dat 1,5 miljoen euro omzet extra. Bij een projectmarge van 6 procent is dat 90.000 euro. Dit is het onzekerste deel van de som. Het telt alleen als de afwijking tussen voor- en nacalculatie niet tegelijk oploopt.

Al deze percentages zijn aannames. Wat het voor jouw bedrijf is, weet je pas na de proefperiode hieronder. Hoe je zo'n berekening opzet voor je directie, staat in AI-ROI berekenen met je eigen cijfers.

Een invoering die je kunt terugdraaien

Begin met een paar inschrijvingen. Elke stap hieronder is omkeerbaar: werkt het niet, dan calculeer je zoals je nu calculeert.

Stap één: meedraaien naast de calculator. Kies vier tot zes aanbestedingen van een type dat je vaak doet. De calculator werkt zoals altijd. Daarnaast laat je het systeem dezelfde stukken lezen, een hoeveelhedenopzet maken en vergelijkbare projecten zoeken. Achteraf leg je beide naast elkaar. Welke risico's vond het systeem die de calculator ook vond, welke miste het, en welke vond het die de calculator over het hoofd zag? Hoeveel uur kostte het controleren?

Stap twee: het systeem als startpunt. Op de volgende inschrijvingen begint de calculator met de opzet van het systeem en past aan wat niet klopt. Elke aanpassing krijgt een korte reden. Je meet de uren per calculatie en het aantal aanpassingen.

Stap drie: nacalculatie terugkoppelen. Pas als de eerste gewonnen projecten zijn opgeleverd, zie je of de calculaties beter waren. Dat duurt maanden, soms langer dan een jaar. Leg die uitkomsten per element vast en koppel ze terug naar de normen.

Stap vier: uitbreiden. Neem andere typen werk erbij als de eerste groep een tijd goed loopt. De calculator blijft eindverantwoordelijk voor elke prijs die de deur uitgaat. Het systeem stelt voor, de mens beslist en kijkt mee op de punten waar het ertoe doet. Dat is het principe van human on the loop.

Spreek vooraf af wanneer je stopt. Bijvoorbeeld: als het systeem in stap één per aanbesteding niet minstens een paar bevindingen oplevert die de calculator nuttig vindt, of als het controleren meer tijd kost dan het oplevert, ga je niet door. Dan zoek je eerst uit waarom. Vaak zit het in de kwaliteit van de stukken of in de codering van je eigen historie.

Hoe je meet of het iets oplevert

Begin met meten voordat je iets verandert. Leg van de laatste twintig tot dertig inschrijvingen vast wat je kunt terugvinden. Meet daarna dezelfde punten op dezelfde manier.

Kijk naar deze punten samen. Minder uren per calculatie met een grotere afwijking in de nacalculatie betekent dat je sneller fouten maakt. Een hogere scoringskans met lagere marges betekent dat je risico's hebt laten liggen. Het doel is een betere calculatie in minder tijd, met een marge die standhoudt.

Waar het in de praktijk misgaat

Bevindingen zonder bron. Een systeem dat meldt dat er een risico in het bestek staat, zonder pagina of artikel, kost meer tijd dan het oplevert. Eis een verwijzing bij elke bevinding.

Nacalculatie die niet aansluit. Als uren en inkoop niet op dezelfde codering staan als de calculatie, leert het systeem niets van het verleden. Dit is het eerste werk, nog voor er een model aan te pas komt.

Te snel vertrouwen op hoeveelheden. Een hoeveelhedenopzet uit een slecht gescande tekening kan er netjes uitzien en er toch flink naast zitten. Meet de grote posten altijd na.

Niemand binnen het bedrijf begrijpt het. Een externe partij kan dit opzetten. Als die partij vertrekt en niemand kan uitleggen waarom het systeem een post signaleert, sta je stil op het moment dat het ertoe doet. Zorg dat een eigen calculator of werkvoorbereider weet hoe het werkt.

Vertrouwelijke stukken op de verkeerde plek. Aanbestedingsstukken en je eigen prijzen zijn vertrouwelijk. Zorg dat je weet waar de documenten worden verwerkt en wie erbij kan, voordat je ze in een systeem zet.

Waar je begint

Welk pakket of welke aanpak je kiest, komt later. Eerst wil je weten waar je organisatie nu staat: of je calculatie- en nacalculatiedata op elkaar aansluiten, of er mensen zijn die dit kunnen dragen, en of de calculatie echt de eerste stap is. De AI-Foto is een gratis zelfscan. Tien minuten, twaalf vragen, en je ziet precies waar je organisatie staat.

Over deze pagina

Het aantal bouwbedrijven en de verdeling naar grootteklasse komen uit CBS-tabel 81589NED (bedrijven naar bedrijfstak en grootteklasse, bouwnijverheid SBI F en de deelgroepen 41, 42 en 43, derde kwartaal 2026). De cijfers over AI-gebruik komen uit CBS-tabel 86119NED (ICT-gebruik bij bedrijven, 2025, bouwnijverheid, bedrijven met 50 tot 250 werkzame personen). De waarschuwingsplicht komt uit artikel 7:754 van het Burgerlijk Wetboek. De beschrijving van strategisch lage inschrijvingen en de toelichting op het ARW 2016 komen van PIANOo. We noemen bewust geen softwarepakketten. Het rekenvoorbeeld is bedacht en bedoeld als rekenmethode, geen belofte. Dit is de stand van 5 oktober 2026.