Skip to main content

De voordelen van AI in de bouw

Ongeveer 7 procent van de globale beroepsbevolking werkt in de bouw, die als branche daarmee een belangrijke plaats inneemt in de wereldeconomie. Jaarlijks wordt er 10 biljoen dollar aan bouwgerelateerde activiteiten (McKinsey, 2017) besteed. Terwijl andere sectoren AI en andere technologieën hebben toegepast om hun productiviteit te verhogen, boekt de bouw maar langzaam vooruitgang.

De bouw is wereldwijd als branche in de afgelopen decennia met slechts 1 procent per jaar gegroeid. Vergelijk dat cijfer met de 3,6 procent groei in de maakindustrie en de 2,8 procent groei van de totale wereldeconomie. In de bouw is de productiviteit, oftewel de totale economische output per arbeidskracht, min of meer gelijk gebleven. Ter vergelijking: sinds 1945 is de productiviteit in de detailhandel, de industrie en de landbouw met 1500 procent toegenomen. Wat is de oorzaak van dit verschil? De bouw is een van de minst gedigitaliseerde sectoren en stapt maar langzaam over op nieuwe technologieën (McKinsey, 2017). 

Het implementeren van de nieuwste technologie kan een flinke klus zijn. Maar machine learning en kunstmatige intelligentie maken bouwplaatsen efficiënter en besparen tegelijkertijd geld. AI-oplossingen die in andere sectoren al een verandering teweeg hebben gebracht, beginnen inmiddels ook hun weg te vinden in de bouw.

 

Wat is kunstmatige intelligentie en machine learning?

Kunstmatige intelligentie (artificial intelligence, AI) is een overkoepelende term voor het beschrijven van situaties waarin een machine cognitieve functies van mensen nabootst, zoals het oplossen van problemen, leren en het herkennen van patronen. Machine learning is een subset van AI. Machine learning is een terrein binnen de kunstmatige intelligentie waarbij statistische technieken worden gebruikt om computersystemen te laten 'leren' van gegevens, zonder expliciet geprogrammeerd te zijn. Een machine wordt beter in het begrijpen en het bieden van inzicht naarmate er meer gegevens beschikbaar zijn. 

McKinsey verwacht dat de groei van AI binnen de bouwsector in de nabije toekomst bescheiden zal zijn (McKinsey, 2018). Maar er is een verschuiving op komst - en AI kan niet langer afgedaan worden als iets wat alleen voor andere sectoren van belang is. Ook de bouw zal aan de slag moeten met AI-methoden en -toepassingen. Dat is de enige manier om nieuwe concurrenten het hoofd te bieden en relevant te blijven.

 

Slim bouwen met AI en machine learning

De potentiële toepassingen van machine learning en AI in de bouw zijn legio. Informatieverzoeken, openstaande problemen en wijzigingsaanvragen zijn dagelijks werk in de branche. Machine learning is zoiets als een slimme assistent die deze berg aan gegevens kan doorzoeken. Vervolgens stuurt het de projectmanagers een waarschuwing over de kritische zaken die hun aandacht nodig hebben. Er zijn al verschillende applicaties die AI op deze manier gebruiken. Ze bieden allerlei voordelen, variërend van het simpelweg uitfilteren van ongewenste e-mailberichten tot geavanceerde veiligheidscontroles.

 


10 voorbeelden van AI in de bouw

1. Budgetoverschrijdingen voorkomen

​De meeste megaprojecten vallen duurder uit, ondanks de inzet van de beste projectteams. Kunstmatige neurale netwerken worden bij projecten ingezet om budgetoverschrijdingen te voorspellen aan de hand van factoren als de omvang van het project, het soort contract en het competentieniveau van de projectmanagers. Voorspellende modellen gebruiken historische gegevens zoals geplande begin- en einddatums om realistische tijdspaden uit te zetten voor toekomstige projecten. Dankzij AI hebben medewerkers op afstand toegang tot realistisch trainingsmateriaal waarmee ze hun kennis en vaardigheden snel kunnen vergroten. Daardoor is er minder tijd nodig om nieuwe mensen in te werken op projecten en kunnen projecten sneller worden opgeleverd.

 

2. AI voor generative design

Building Information Modeling is een 3D modelleerproces dat architecten, ingenieurs en bouwkundigen gebruiken om gebouwen en infrastructuur efficiënt te plannen, ontwerpen, bouwen en beheren. Om de constructie van een gebouw te kunnen plannen en ontwerpen, moeten de 3D-modellen rekening houden met de architectonische, technische, mechanische en elektrische tekeningen, het geplande leidingwerk en de volgorde van de activiteiten van de verschillende teams.

Het probleem zit in het voorkomen dat de verschillende modellen van de subteams met elkaar botsen. De sector probeert machine learning toe te passen in de vorm van generatief ontwerp om conflicten tussen de modellen van de verschillende teams al in de plannings- en ontwerpfase op te sporen en te verhelpen, om problemen in een latere fase te voorkomen. 

Er is software die machinale leeralgoritmes hanteert om alle varianten van een oplossing te verkennen en alternatieve ontwerpen te genereren. Daarbij wordt gebruikgemaakt van machine learning om specifieke 3D-modellen van mechanische, elektrische en leidingsystemen te maken en er tegelijkertijd voor te zorgen dat de installatietechnische systemen niet botsen met de architectuur van het gebouw. De software leert van elke tussenfase om uiteindelijk tot een optimale oplossing te komen.

 

3. Risicobeperking

Elk bouwproject brengt bepaalde risico's met zich mee op het gebied van kwaliteit, veiligheid, tijd en kosten. Het risico neemt toe naarmate het project groter wordt, doordat er verschillende onderaannemers uit verschillende vakgebieden tegelijkertijd aan het werk zijn op de bouwplaats. Er bestaan al AI-oplossingen en technieken voor machine learning waarmee aannemers risico's op de bouwplaats bewaken en prioriteren, zodat het projectteam de beperkte tijd en middelen kan focussen op de grootste risicofactoren. AI wordt gebruikt om automatisch prioriteiten toe te kennen aan problemen. Onderaannemers worden beoordeeld aan de hand van een risicoscore, zodat bouwmanagers de risico's kunnen beheersen in nauwe samenwerking met de teams die het grootste risico vertegenwoordigen. 


4. Projectplanning

Een AI-start-up beloofde bij zijn oprichting in 2018 dat zijn robots en kunstmatige intelligentie een oplossing zouden bieden voor te laat opgeleverde en te duur uitgevallen bouwprojecten. Het bedrijf gebruikt robots die zelfstandig 3D-scans van bouwplaatsen maken en voert die gegevens in een diep neuraal netwerk in dat aangeeft hoever verschillende deelprojecten gevorderd zijn. Als er iets niet volgens planning gaat, kan het managementteam ingrijpen en in een vroeg stadium grote problemen voorkomen.

Toekomstige algoritmes gaan gebruikmaken van een AI-techniek die “versterkend leren” wordt genoemd. Met deze techniek kunnen algoritmes leren van fouten door oneindig veel combinaties en alternatieven op basis van vergelijkbare projecten te beoordelen. Dat helpt bij het plannen van projecten doordat het algoritme de beste route kiest en zichzelf in de loop van de tijd corrigeert. 


5. AI voor een productieve bouwplaats

Er zijn bedrijven die inmiddels zelfrijdende bouwmachines op de markt brengen die repetitieve taken zoals beton storten, metselen, lassen en slopen efficiënter uitvoeren dan mensen. Graafwerk en voorbereidende werkzaamheden worden uitgevoerd door zelfstandige of semiautonome bulldozers, die met behulp van een menselijke programmeur een bouwplaats volgens exacte specificaties kunnen voorbereiden. Dat maakt werknemers vrij voor de bouwwerkzaamheden zelf en reduceert de totale benodigde tijd om een project te voltooien. Projectmanagers kunnen het werk op de bouwplaats bovendien in real time volgen. Daarvoor gebruiken ze gezichtsherkenning, camera's op locatie en vergelijkbare technologieën om de productiviteit van bouwvakkers en de naleving van procedures te beoordelen. 


6. AI voor veiligheid in de bouw

Bouwvakkers lopen een vijf keer zo groot risico op een fataal ongeluk op het werk dan andere beroepen. Volgens de OSHA (het Amerikaanse bureau voor veiligheid en gezondheid op het werk) zijn de belangrijkste oorzaken van fatale ongevallen bij particuliere bedrijven in de bouw (afgezien van verkeersongevallen) vallen, geraakt worden door een voorwerp, elektrocutie en beknelling.

Een aannemersbedrijf in Boston met een jaaromzet van 3 miljard dollar ontwikkelt een algoritme dat foto's van zijn eigen bouwplaatsen analyseert en scant op veiligheidsrisico's, zoals bouwvakkers die geen beschermende uitrusting dragen. Het algoritme correleert de beelden vervolgens met gegevens over ongevallen bij het bedrijf om potentiële risicoscores voor projecten te berekenen. Als er een hoog risico wordt gedetecteerd, kunnen dan speciale veiligheidsinstructies worden gegeven. 

 

7. AI tegen personeelstekort

Personeelstekorten en de wens om iets te doen aan de lage productiviteit in de branche dwingen bouwbedrijven om te investeren in AI en datawetenschappen. Volgens een rapport van McKinsey uit 2017 kunnen bouwbedrijven de productiviteit met maar liefst 50 procent verhogen met behulp van realtime gegevensanalyse. 

Bouwbedrijven beginnen AI en machine learning toe te passen om de inzet van mensen en machines op verschillende projecten beter te plannen. Dankzij een robot die de voortgang van een project en de locatie van mensen en machines voortdurend evalueert, weten projectmanagers direct op welke bouwplaatsen genoeg mensen en machines zijn ingezet om het project op tijd te voltooien, en op welke extra mensen nodig zijn om te voorkomen dat ze vertraging oplopen. Deskundigen verwachten dat bouwrobots intelligenter en zelfstandiger worden met AI-technieken. 


8. Bouwactiviteiten op een andere locatie

 Bouwbedrijven maken steeds meer gebruik van fabrieken waar zelfstandige robots de onderdelen van een gebouw fabriceren, die dan vervolgens door werknemers op de bouwplaats in elkaar worden gezet. Onderdelen zoals muren kunnen efficiënter aan een soort lopende band door zelfstandige machines worden gemaakt dan door mensen. Nadat het gebouw in elkaar is gezet, doen mensen het gedetailleerdere werk, zoals leidingen, luchtbehandeling en elektrische installaties.


9. AI en big data in de bouw

Elke dag worden er enorme hoeveelheden gegevens aangemaakt. Daardoor hebben AI-systemen elke dag de beschikking over een eindeloze hoeveelheid gegevens om van te leren en zichzelf mee te verbeteren.  Elke bouwplaats wordt een potentiële gegevensbron voor AI. Gegevens uit afbeeldingen van mobiele apparaten, dronevideo's, veiligheidssensoren, bouwwerkinformatiemodellen (BIM) en andere systemen zijn een belangrijke bron van informatie geworden. Leveranciers en klanten in de bouwwereld kunnen die gegevens met behulp van AI en machinale leersystemen analyseren. De inzichten die ze op die manier verwerven, kunnen vervolgens in de praktijk worden toegepast.


10. AI voor beheer en onderhoud

Beheerders van gebouwen kunnen AI gebruiken als de constructie van een gebouw al lang voltooid is. In een bouwwerkinformatiemodel (BIM) wordt informatie over de structuur van een gebouw opgeslagen. AI kan worden gebruikt om eventuele problemen op te volgen en biedt zelfs oplossingen om problemen te voorkomen.
 

 

De toekomst van AI in de bouw

Robotica, AI en Internet of Things kunnen de bouwkosten tot 20 procent verlagen. Ingenieurs kunnen een VR-bril opzetten en  minirobots gebouwen insturen die nog in aanbouw zijn. Deze robots gebruiken camera's om de voortgang van de werkzaamheden te volgen. AI wordt toegepast om de aanleg van leidingen en elektrische installaties in moderne gebouwen te plannen. Bedrijven maken gebruik van AI om veiligheidssystemen voor bouwplaatsen te ontwikkelen. AI wordt gebruikt om in real time de interacties van bouwvakkers, machines en objecten te volgen en om opzichters te waarschuwen voor potentiële veiligheidsproblemen, constructiefouten en productiviteitsproblemen.

Ondanks voorspellingen van grote banenverliezen, is het niet waarschijnlijk dat AI de menselijke beroepsbevolking zal vervangen. In plaats daarvan zal het bedrijfsmodellen in de bouw veranderen, kostbare fouten verminderen, letsel op de werkplek reduceren en bouwactiviteiten efficiënter maken.

Managers in bouwbedrijven moeten voorrang geven aan investeringen op terreinen waar AI de grootste impact kan hebben op de specifieke behoeften van hun bedrijf. Wie er vroeg bij is, bepaalt de koers van de sector en profiteert op zowel de korte als de lange termijn.

 

Weten welke innovaties installateurs nog meer inzetten om voorop te blijven lopen? Download dan het gratis Constructible Magazine!

Over de auteur

Sumana Rao is Vice President Content Services van Trade Service (een onderdeel van Trimble). Ze werkt al meer dan 15 jaar voor fabrikanten en distributeurs op het gebied van industrie en MEP. Sumana werkt met fabrikanten en distributeurs om contentstrategieën te ontwikkelen die hun algehele digitale strategie ondersteunen om marktaandeel te winnen en de klantenbinding te verbeteren. Ze helpt fabrikanten ook bij het introduceren van hun producten bij distributeurs en aannemers in de branche.