Welke mogelijkheden biedt AI in de bouw?

Tekst: Jesper de Vries, country manager Nederland, PlanRadar

Foto: Leica Geosystems.

Zeker in de bouw is AI nuttig. Waarnemingen met een drone kunnen de planning en de productiviteit in de uitvoeringsfase van het project verbeteren en de veiligheid op de werkplek optimaliseren. Hoewel de toepassing van AI in de bouw nog relatief nieuw is en nog niet op grote schaal plaatsvindt, verwacht men dat de vraag ernaar flink zal groeien. Volgens voorspellingen zal de AI-markt voor de bouw in 2026 zo’n 4 miljard euro waard zijn.

Wat houdt AI in de bouw in?

AI is een verzamelterm, die beschrijft hoe machines en software kunnen worden getraind om menselijke cognitieve functies uit te voeren, zoals het herkennen van patronen, het leren van ervaringen en het begrijpen van beelden. Machine learning is een deel van AI, dat statistische technieken inzet om computersystemen te laten ‘leren’ op basis van de verzamelde gegevens. Naarmate een machine meer gegevens te verwerken krijgt, wordt deze beter in het begrijpen en produceren van bruikbare inzichten.

Kunstmatige intelligentie kan in de bouw toegepast worden om bouwplaatsen veiliger te maken, verspilling tegen te gaan en de efficiëntie te verhogen. Zo kunnen AI-programma’s bijvoorbeeld in realtime de interactie tussen bouwvakkers en machines op de site monitoren. Ook kunnen ze opzichters waarschuwen voor mogelijke veiligheidsproblemen, constructiefouten en productiviteitsvertragingen, zodat deze snel en efficiënt kunnen worden opgelost. Bovendien, als je als bouwbedrijf duizenden audits hebt doorlopen, kan een AI-oplossing alle informatie die daaruit voortkomt analyseren en daar aanbevelingen uit genereren om toekomstige projecten te verbeteren.

Hoe kan AI in de bouw ingezet worden?

AI kan op verschillende manieren van nut zijn voor de bouwsector.

Generatief ontwerp

Eén van de grootste voordelen van AI is dat het verschillende varianten van een model kan analyseren en zo de beste optie kan bepalen. Generatief ontwerp is erg nuttig voor ontwerpers die BIM gebruiken. Immers, AI kan in een BIM-model tienduizenden kleine en grotere ontwerpwijzigingen aanbrengen en onderzoeken hoe de gebruikers het ontwerp veiliger en stabieler kunnen maken, of goedkoper of sneller op te leveren. Een ontwerper van vlees en bloed zou er maanden mee bezig zijn, maar voor een AI-engineeringprogramma is deze exercitie slechts een kwestie van enkele uren.

Voorspellende foutdetectie

AI-programma’s kunnen de voortgang van een fysiek gebouw vergelijken met een digitale replica van dat gebouw in een BIM-model, om zo eventuele fouten in of afwijkingen van het oorspronkelijke bouwplan te detecteren. Dankzij deze digitale analyse kunnen alle partijen in de leveringsketen al vroeg op mogelijke problemen reageren en wordt het project veel minder geconfronteerd met problemen later in het traject.

AI werkt ook zeer efficiënt als analysetool voor historische data, waarop de gebruikers weer hun voorspellingen kunnen baseren. De bouwsector wacht nog steeds op een tool die dit zelf kan, maar de basis ligt er eigenlijk al; de data die apps zoals PlanRadar verzamelen, kunnen al worden gebruikt om een machine of een algoritme te trainen om patronen in bijvoorbeeld defecten en gemeenschappelijke locaties te herkennen. Zo is het zeker niet ondenkbaar dat een AI-systeem gaandeweg honderdduizenden schaderapporten voor verschillende soorten gebouwen beoordeelt, en op basis van die data kan voorspellen wanneer bepaalde oppervlakken, verbindingen of materialen toe zullen zijn aan onderhoud. De onderhoudsteams kunnen dan ingeschakeld worden voordat het onderhoudsprobleem daadwerkelijk ontstaat.

Projectmanagement

Zelfs met bekwame projectmanagers overschrijdt ongeveer een derde van de Nederlandse bouwprojecten het budget en loopt een nog groter deel vertraging op. Dat terwijl voorspellingsalgoritmen op basis van AI eigenlijk al zeer nauwkeurig weten te voorspellen waar kostenoverschrijdingen in projecten plaats zouden kunnen vinden.

Projectmanagers zouden dus Project Portfolio Management (PPM)-software met AI-toepassingen kunnen gebruiken om de waarschijnlijkheid van vertragingen in kaart te brengen. Op basis van die informatie kunnen alle partijen binnen de toeleveringsketen – van distributeurs en fabrikanten tot projectmanagers en onderaannemers – automatisch worden geïnformeerd. Daardoor kunnen ze hun prognoses aanpassen aan het bijgewerkte schema, waardoor tijd en middelen door het hele project heen effectiever beheerd worden.

Robotica

De toepassing van op AI-gebaseerde robotica is een uitgelezen mogelijkheid om tijd te besparen en risico’s op bouwplaatsen te verminderen. Hoewel we nog ver verwijderd zijn van een wereld waarin autonome robots het metselwerk voor hun rekening nemen, leveren bedrijven als Built Robotics bulldozers en graafmachines die taken geheel zelfstandig kunnen uitvoeren.

Dergelijke innovaties bewijzen nu al hun nut bij projecten op afgelegen locaties, waarbij het moeilijk is om dagelijks werklieden aan en af te voeren. In dit soort gevallen is het logischerwijs handiger om graafmachines op afstand 24/7 het grove werk te laten doen.

Drones met AI-toepassingen

Drones worden al ingezet op bouwplaatsen om de opzichters letterlijk nieuwe perspectieven op de projecten te bieden. Zo kunnen de afbeeldingen en metingen die de drones verzamelen door middel van opnamen op afstand en 360 gradenscans de input leveren waarmee AI-programma’s de voortgang van een project kunnen volgen ten opzichte van de oorspronkelijke digitale plannen.

Sommige bedrijven, zoals Skycatch, gaan nog een stap verder en trainen drones om te ‘begrijpen’ wat ze zien. De mogelijke toepassingen hier zijn legio; intelligente drones kunnen gevaarlijke activiteiten spotten en productiviteitsniveaus bewaken en alles wat daar tussenin zit. Kortom, ze kunnen sites veiliger, efficiënter en productiever maken.

Uitdaging: de adoptie van AI

Maar ondanks het enorme potentieel en de grote verscheidenheid aan toepassingen wordt de toepassing van AI in de bouw nog steeds dwarsgezeten door enkele hardnekkige obstakels. AI-toepassingen hebben grote hoeveelheden data nodig om algoritmen te ‘trainen’ om patronen te herkennen. Een AI-systeem dat getraind is om te zien of werklieden een helm dragen, zou bijvoorbeeld miljoenen foto’s van individuen van verschillende lengtes en op verschillende afstanden moeten bekijken om te weten wanneer de opzichter een alert zou moeten sturen. De meeste bouwbedrijven zijn echter te klein om hier voldoende data voor te kunnen aanleveren en zijn daarmee beperkt in hun mogelijkheden. Bovendien is er een tekort aan data scientists, die ook nog eens gigantische salarissen verdienen. Dus voorlopig zullen alleen de grootste bedrijven AI-talent kunnen aantrekken.

Maar er is nu al een tussenoplossing voorhanden; ook voor de kleinere bedrijven: als ze nu al zorgen dat ze hun data structureel en op een consistente manier opslaan, zijn ze klaar voor het grote werk als AI echt stevig voet aan de grond krijgt in de bouwsector.