Verslag van de AI-sessie deel II bij SIG en Verdouw
Verslag van de AI-sessie deel II bij SIG en Verdouw
Op 29 oktober organiseerde Hibin samen met HelloNewDay en de bouwmaterialengroothandels SIG en Verdouw de tweede AI-praktijksessie van dit najaar. Dit keer waren we te gast bij SIG in Waalwijk. Centraal stonden twee praktijkcases: een plafondcalculator van SIG en een prijscalculator voor dakpannen van Verdouw.
De sessie kwam voort uit een eerdere uitvraag van Hibin aan aangesloten lidbedrijven: wie wil een AI-vraagstuk samen met experts aanpakken? Onder begeleiding van Koen van Ooijen van HelloNewDay gingen SIG en Verdouw hiermee aan de slag. Tijdens deze middag deelden zij hun ervaringen met de branche.
Hoe ver is de branche met AI?
Koen begon met een rondvraag onder de aanwezigen. Hoe wordt AI inmiddels binnen de bedrijven gebruikt? Uit de reacties bleek dat AI steeds sterker wordt aangemoedigd, al zijn er grote verschillen in de aanpak.
Sommige organisaties werken met Copilot en hebben medewerkers aangewezen die hierin het voortouw nemen. Andere bedrijven hebben incompanytrainingen georganiseerd. Tegelijkertijd zoeken bedrijven nog naar de juiste toepassingen, betrouwbare partners en voldoende kennis. Ook verschillen de afspraken over veilig AI-gebruik, bijvoorbeeld rondom klantgegevens en bedrijfsgevoelige informatie.
Koen benadrukte drie belangrijke stappen: kansen herkennen, zorgen dat de basis op orde is en medewerkers aanwijzen die als ambassadeur de ontwikkelingen verder brengen. Geef hen daarbij voldoende ruimte, tijd en budget.
Productdata als belangrijke voorwaarde
Ad Blokker, programmamanager Maatschappelijke Opgaven bij Hibin, ging in op de uitwisseling van productdata in de bouwketen. Fabrikanten leveren hun informatie veelal via datapools en databrokers aan de handel. Door wet- en regelgeving, waaronder de EUDR, CPR en het Digitaal Productpaspoort (DPP), groeit de behoefte aan aanvullende milieu-, verpakkings- en productdata.
Ook kwam MCP (Model Context Protocol) ter sprake. Hiermee kunnen AI-toepassingen op een gestandaardiseerde manier informatie uit externe databronnen en systemen ophalen.
De belangrijkste boodschap: betrouwbare en beschikbare productdata is een voorwaarde voor goed werkende AI-toepassingen. Onvolledige of onjuiste informatie leidt immers tot onbetrouwbare uitkomsten. Goed databeheer en uniforme gegevensuitwisseling worden daarmee steeds belangrijker.
1. Plafondcalculator SIG
Bij SIG stond de ontwikkeling van een plafondcalculator centraal. Medewerkers werkten voorheen met eigen Excel-sheets om de benodigde plafondplaten, profielen en toebehoren te berekenen. SIG wilde hiervoor één gebruiksvriendelijke toepassing ontwikkelen, waarin alle parameters en rekenregels samenkomen.
Tijdens de demonstratie liet Koen zien hoe de calculator werkt. Met enkele invoervelden kan de gebruiker de afmetingen en het type plafond invoeren. Vervolgens berekent de tool welke materialen en hoeveelheden nodig zijn. Het resultaat is een overzichtelijke materiaallijst, die verder verwerkt kan worden richting het ERP-systeem.
Interessant was hoe de calculator tot stand kwam. Eerst werden de rekenregels in Excel uitgewerkt. Vervolgens werd met behulp van Claude een werkende applicatie gebouwd, in de huisstijl van SIG. Door deze stap voor stap te testen en aan te passen, hadden zij in korte tijd een bruikbare tool.
Ook de ontwikkelkosten kwamen ter sprake. Voor het project was ongeveer twaalf uur geraamd. Dergelijke relatief eenvoudige toepassingen zouden met beperkte externe kosten gerealiseerd kunnen worden. De applicatie vraagt bovendien geen afzonderlijke AI-licentie voor het dagelijks gebruik, al zijn er wel kosten voor hosting en beheer.
SIG wil de calculator intern uitrollen en onderzoekt of deze ook voor klanten beschikbaar kan worden gemaakt, bijvoorbeeld via de webshop.
De demonstratie was voeding voor discussie. Hoe houd je productgegevens actueel? Hoe richt je de ERP-koppeling in? En hoe zorg je dat de calculator ook bij specialistische toepassingen de juiste materialen berekent? Dat was leerzaam. Een eerste werkende versie is relatief snel te ontwikkelen. De verdere inrichting, het testen en het beheer bepalen uiteindelijk hoe bruikbaar de toepassing wordt. De tool toont aan dat je snel op weg kunt.
2. Prijscalculator voor dakpannen – Verdouw
Bij Verdouw stond een ietwat ander vraagstuk centraal: het berekenen van de benodigde dakpannen en hulpstukken, inclusief de uiteindelijke prijs. Zo’n calculatie vraagt veel productkennis. Naast dakpannen moeten bijvoorbeeld nokvorsten, kantpannen en andere toebehoren worden meegenomen. Ook de afleverlocatie en prijsafspraken zijn van belang voor de berekening.
Verdouw ontwikkelde hiervoor een AI-toepassing waarmee medewerkers in een chatomgeving een calculatie kunnen maken. De tool gebruikt een uitgebreide database met product- en prijsinformatie, interpreteert de vraag en helpt bij het bepalen van de benodigde materialen en kosten. Anders dan bij SIG wordt hier daadwerkelijk gebruikgemaakt van een large language model (LLM). De toepassing gebruikt AI tijdens de berekening.
Bij dergelijke calculaties ontstaan in de praktijk regelmatig fouten, bijvoorbeeld doordat hulpstukken worden vergeten of verkeerd worden berekend. AI kan hierbij ondersteunen en informatie overzichtelijker aanleveren. Tegelijkertijd loopt Verdouw tegen wat beperkingen aan. Vooral bij specialistische producten en afwijkende situaties blijft de juiste interpretatie een uitdaging. Ook hier vormt de kwaliteit en beschikbaarheid van fabrikantdata een belangrijke beperkende factor.
Een belangrijk inzicht was dat Verdouw AI ziet als onderdeel van de totale automatisering van werkprocessen. Het bedrijf onderzoekt hoe de opgedane kennis structurele waarde kan opleveren, vooral bij repeterende en administratieve werkzaamheden.
Ook deze presentatie leidde tot de nodige vragen. Hoe ga je om met fouten die AI maakt? Hoe controleer je de uitkomsten en hoe zorg je ervoor dat de tool steeds beter wordt?
Een belangrijk punt hier bij is het vastleggen van de invoer, stappen en uitkomsten. Door fouten en afwijkingen te registreren, kun je achterhalen waar het misgaat en de instructies of databronnen verbeteren. De kennis van medewerkers blijft nodig om de kwaliteit te beoordelen.
Wat nemen we mee uit deze sessie?
Beide toepassingen zijn afhankelijk van betrouwbare productinformatie en de kennis van medewerkers. Het ontwikkelen van een eerste versie gaat vaak sneller dan verwacht. Het goed inrichten, testen, beheren en integreren in bestaande werkprocessen vereist vervolgens de nodige aandacht.
Hibin bedankt SIG en Verdouw voor hun bijdrage en openheid over de ontwikkelingen. Ook dank aan HelloNewDay voor de begeleiding van deze leerzame middag.
Heb jij ook een AI-praktijkcase?
Heb jij een AI-vraagstuk dat je graag samen met experts wilt uitwerken en vervolgens met de branche wilt delen? Neem dan contact op met Ad Blokker, programmamanager Maatschappelijke Opgaven, via a.blokker@hibin.nl.
In de kennisbank: Voorbeeldset 'voorwaarden voor gebruik van gen AI-tools'
Hibin heeft voor lidbedrijven een voorbeeldset met richtlijnen voor het gebruik van AI opgesteld. Deze helpt medewerkers bewust om te gaan met de risico's van AI-tools, waaronder het invoeren van bedrijfsgevoelige informatie en persoonsgegevens. De voorbeeldset vormt een praktisch kader om binnen de organisatie veilig met AI te werken en is voor Hibin-leden gratis te downloaden.
Lees hier over de AI-sessie van 20 oktober bij Bouwcenter Concordia – en met Bouwmaat