Sten de Wit, programmamanager bij TNO, werkt momenteel mee aan een onderzoek waarbij gekeken wordt of AI kan worden toegepast bij het verduurzamen van woningen. Voor het onderzoek is een algoritme ontwikkeld dat kan helpen bij het bepalen of een al succesvolle verduurzamingsmethode opnieuw kan worden toegepast. Dit kan het verduurzamingsproces versnellen. 

“We hebben een contingentenaanpak ontwikkeld, waarbij we voor een verduurzamingsmethode een cluster van woningen en gebouwen selecteren”, legt De Wit uit. “Zo’n cluster noemen we een contingent. Voor zo’n een verduurzamingsmethode, die in het verleden al succesvol was is de kans heel groot is dat het bij dat contingent ook gaat werken. Momenteel richten we ons voornamelijk op woningen.” 

“Om tot die stap te komen hebben we een database opgebouwd van alle woningen in Nederland”, gaat De Wit verder. “De gegevens hebben we vooral uit publieke databases gehaald. Daar kregen we 125 kenmerken van gebouwen mee in beeld. Dat geeft een goed beeld van hoe die gebouwen in elkaar zitten.”

“Daarna zijn we met verschillende partijen die een succesvolle oplossing rond verduurzaming hebben toegepast, aan de slag gegaan om de aanpak uit te proberen”, zegt De Wit. “Als eerste stap stuurden deze partijen hun track record naar ons op. Dat is een lijst met adressen waar ze de verduurzamingsoplossing al eerder hadden toegepast, met daarbij aangegeven waar dit succesvol verliep en waar niet, of minder.” 

De definitie van succesvol liet TNO bij de partij zelf. “Voor de een betekende succesvol dat de fabriek voluit kon draaien. Voor de ander betekende het dat hun oplossing zonder problemen kon worden toegepast, voor de ander dat het voor de aangeboden prijs kon. We wilden vooral weten of ze het zouden willen herhalen, of juist niet.” 

“Op elk track record hebben we vervolgens een machine learning algoritme losgelaten”, zegt De Wit. “Dat algoritme kijkt naar de database van al die woningen en onderzoekt zelf waarom de toegepaste methode bij het specifieke huis wel of juist niet werkt. Dat algoritme kan allerlei correlaties leggen die wij als mensen moeilijker voor elkaar krijgen. Het algoritme geeft ook aan hoe betrouwbaar het iets over de succeskansen bij andere woningen kan zeggen.” 

Uit de informatie van het algoritme wordt vervolgens het DNA van het gebouw samengesteld. Dan wordt de database er weer bij gehaald om te kijken waar vergelijkbaar DNA zit. Daar komt dan een kaart uit van Nederland, op adresniveau met een aanduiding waar de gebruikte methode toepasbaar is, of juist niet. “Je kunt met AI een enorme verfijningsslag maken”, aldus De Wit. 
 
Voordelen 
“Het gebruik van AI kan op deze manier schaalvoordelen opleveren”, zegt De Wit. “Aanbieders weten waar ze hun aanpak copy-paste kunnen toepassen en kunnen hier efficiënter door gaan werken. Je kan met minder mensen meer doen. De markt kent nu de nodige arbeidstekorten, dus dat is een groot voordeel. En oplossingen worden goedkoper als je die op grote schaal kan toepassen, het verduurzamen gaat daardoor ook sneller.” 

“Langzamerhand is het algoritme verfijnd en verbeterd,” zegt De Wit. “We horen aanbieders nu steeds vaker zeggen dat de uitkomst beter is dan wat ze zelf hadden kunnen inschatten. En ook dat ze kunnen verduurzamen in woningen waar ze nooit aan gedacht hadden. Ze kunnen hierdoor hun productrealisatie verfijnen.”  

Tijdwinst is een ander groot voordeel van het gebruik van AI. “Wat er nu vaak gebeurt is dat er bij iemand die zijn woning wil verduurzamen eerst een uitgebreide opname wordt gedaan”, vertelt De Wit. “Wij draaien het om. Wij hebben al heel veel data waar je een voorspelling mee kunt maken.”

Dat betekent dat degene die de woning gaat bekijken in plaats van bijvoorbeeld drie kwartier  nog maar een kwartier bezig is. Want hij kijkt alleen naar de onderdelen die het algoritme nog niet heeft kunnen voorspellen. Daarmee kan een stuk efficiency worden gewonnen. 

Privacy 
Privacy speelt een belangrijke rol in dit proces. “We hebben een privacyprotocol opgezet om problemen te voorkomen”, zegt De Wit. “We zullen nooit gebruik maken van data waar we geen rechten op hebben. En soms vinden we dat vanuit het standpunt van efficiency wel jammer. Als we meer gegevens hadden waren de voorspellingen mogelijk completer en betrouwbaarder. Het algoritme zou er ook van smullen, maar die gegevens gebruiken we natuurlijk niet.”  

Het project zit nu een jaar in de testfase. In de herfst verwacht De Wit de eerste praktijkresultaten. In de voorbereidende fase zijn er al lessen geleerd. “We merkten dat het best een klus is om een track record van aanbieders te krijgen waar het algoritme goed mee uit de voeten kan. Een goed werkend algoritme is afhankelijk van goede input.” 

“Maar bedrijven bleken niet altijd in staat om snel data aan te leveren”, gaat De Wit verder. “Dus toen wij vroegen om 200 adressen aan te leveren waar zij hun oplossing hadden toegepast met de bijbehorende ervaringen, was dat best even puzzelen.  Dat was niet met een druk op de knop uit een database te halen. Dan moeten verschillende afdelingen daarover met elkaar in gesprek. Dat was echt een leerpunt voor ons.” 

Toekomst 
De Wit is zeer positief over de slagingskansen en voorziet dat het concept op grote schaal kan worden toegepast. “We hebben aan de voorkant goed gekeken wat de potentie is en dat zo goed mogelijk gevalideerd. Ik zie tot nu toe vooral positieve reacties op ons concept. We werken al samen met bedrijven als Knop Om, Winst-uit-je-woning, Reinmarkt en Plegt Vos. Dat stemt mij hoopvol.” 

“Het zou niet eens verkeerd zijn als er een aantal dingen misgaan”, besluit De Wit. “Je leert meer van wat je niet verwacht. Dat kun je maar beter vroeg tegenkomen. Maar wel graag in gedoseerde mate.”