AI in de bouw: waar zit het geld?

De Nederlandse bouw telt bijna 270.000 bedrijven, en van die groep hebben er 950 vijftig of meer mensen in dienst. In het tweede kwartaal van 2026 stonden er 28.600 vacatures open in de sector. Van de bedrijven met 50 tot 250 mensen gebruikt 41 procent al AI, tegen 73 procent bij de grootste bedrijven. Dat is hoger dan in de meeste sectoren die we eerder behandelden, en tegelijk minder zichtbaar in de content over AI, die zich vooral richt op kantoorwerk.

Dit stuk gaat over waar het geld in de bouw zit: niet op de bouwplaats zelf, maar in de calculatie, de planning en de administratie eromheen.

Waarom de bouw een andere sector is dan de andere die we behandelden

We schreven eerder over logistiek en groothandel. Beide draaien op herhaalbare processen: dezelfde rit, hetzelfde artikel, keer op keer. De bouw draait op het tegenovergestelde. Elk project is uniek, elke opdrachtgever wil iets anders, en de omstandigheden op de bouwplaats zijn nooit precies hetzelfde als bij het vorige project.

Dat betekent niet dat AI hier minder oplevert. Het betekent dat de toepassingen anders zijn. Waar logistiek en groothandel voorspellen op basis van herhaling, draait de bouw om het sneller en nauwkeuriger maken van werk dat toch al met de hand wordt gedaan: calculeren, plannen, en controleren of het werk aan de eisen voldoet.

Plannen doornemen op de bouwplaats. Elk project is uniek, anders dan een herhaalbare logistieke rit.

De drie plekken waar het geld zit

Calculatie. Een offerte voor een bouwproject kost uren om op te stellen, en de nauwkeurigheid hangt af van hoeveel ervaring de calculator heeft met vergelijkbare projecten. Een systeem dat oude calculaties en de uiteindelijke werkelijke kosten naast elkaar legt, leert waar een calculatie structureel te optimistisch is, en verbetert daarmee de belangrijkste voorspelling in het hele bedrijf: gaat dit project geld opleveren.

Planning en coördinatie. Een bouwproject heeft tientallen onderaannemers die na elkaar moeten werken, en een vertraging bij één schuift alles door. Een planningssysteem dat knelpunten vroeg signaleert, bespaart niet de bouwtijd zelf, maar wel de kostbare stilstand die ontstaat als de verkeerde partij op het verkeerde moment arriveert.

Kwaliteitscontrole en documentatie. Beeldherkenning die bouwvoortgang of gebreken herkent op foto's van de bouwplaats, vervangt niet de inspecteur maar versnelt het proces van vastleggen wat er is gedaan en wat nog moet gebeuren, iets wat in de bouw traditioneel met de hand en met vertraging gebeurt.

Een tablet raadplegen op de bouwplaats. Oude calculaties naast werkelijke kosten leggen bloot waar een bedrijf misrekent.

Wat je al hebt liggen

Een bouwbedrijf van deze omvang heeft na een paar jaar een archief van afgeronde projecten: de oorspronkelijke calculatie, de uiteindelijke kosten, de opleverdatum versus de geplande datum. Dat archief wordt zelden systematisch gebruikt om de volgende calculatie te verbeteren, terwijl het precies de data is die daarvoor nodig is.

Datzelfde geldt voor foto's van de bouwplaats die nu vooral dienen als bewijs bij geschillen, en zelden worden gebruikt om voortgang te herkennen of gebreken vroeg te signaleren.

Waarom de AI Act hier zwaarder weegt dan bij de andere sectorstukken

Anders dan bij logistiek en groothandel, waar we konden zeggen dat de AI Act nauwelijks raakt, ligt dat in de bouw genuanceerder. Systemen die de veiligheid op de bouwplaats bewaken, zoals camera's die gevaarlijke situaties herkennen, kunnen afhankelijk van de precieze toepassing onder strengere regels vallen, met name als ze persoonsgegevens van individuele werknemers verwerken. Toets elke toepassing die iets over een specifieke werknemer registreert apart aan artikel 5 en aan je eigen AI-beleid.

De rekensom voor een middelgroot aannemersbedrijf

Neem een aannemer die twintig projecten per jaar afrondt met een gemiddelde omzet van vier ton per project, dus acht miljoen euro totaal. Een structurele overcalculatie van slechts twee procent, projecten die op papier winstgevend leken en dat in de praktijk net niet waren, kost dat bedrijf 160.000 euro per jaar aan misgelopen marge.

Dat cijfer is geen belofte, het is een rekenvoorbeeld om je eigen situatie tegen af te zetten. Vul je eigen aantal projecten, gemiddelde omzet en geschatte afwijking in, en je hebt een indicatie van wat een beter calculatiemodel überhaupt kan opleveren voordat je aan een leverancier denkt.

Wat externe hulp hier concreet moet doen

Net als bij de andere sectorstukken geldt: een partij die een kant-en-klaar calculatiesysteem aanbiedt zonder eerst je eigen historische data te bekijken, verkoopt een generiek model op een sector waar juist de specifieke omstandigheden van je bedrijf het verschil maken. Vraag expliciet of het model getraind wordt op jouw afgeronde projecten of op een generieke dataset uit de markt.

Waar het misgaat

Een calculatiemodel dat leert van te weinig projecten. Een bouwbedrijf met twintig afgeronde projecten per jaar heeft een klein trainingsbestand vergeleken met een logistiek bedrijf met duizenden ritten. Reken op een langere periode voordat een model bruikbare patronen herkent, en behandel de eerste uitkomsten als hypothese, niet als waarheid.

Beeldherkenning die te veel belooft. Software die "elk gebrek herkent" op basis van foto's overschat zichzelf vrijwel altijd. Gebruik het als eerste zeef die een inspecteur helpt, niet als vervanging van de inspecteur.

Planning die de mens negeert. Net als bij operations planning geldt hier: een planner met jarenlange kennis van welke onderaannemer betrouwbaar is en welke niet, moet een systeemvoorstel kunnen overrulen, en die overrule moet zichtbaar blijven.

Wat een eerste kwartaal eruitziet

Begin bij de calculatie, niet bij de bouwplaats zelf. Verzamel de afgeronde projecten van de laatste drie jaar met calculatie en werkelijke kosten naast elkaar, en laat zien waar de grootste afwijkingen zaten. Dat overzicht alleen al, zonder enig AI-model, levert vaak al verrassingen op over waar een bedrijf structureel misrekent.

Over deze pagina

De cijfers over het aantal bedrijven, de vacatures en het AI-gebruik naar bedrijfsgrootte komen uit de open data van het CBS: tabel 81589NED voor bedrijven, 80472NED voor vacatures, en 86119NED voor AI-gebruik, allemaal met de sectorcode voor bouwnijverheid. Dit is de stand van 28 augustus 2026.