Duurzamer, veiliger en sneller bouwen met AI
Semmtech en StarTXT ontwikkelen een AI-platform dat bouwnormen en eisen digitaliseert en doorzoekbaar maakt, om efficiëntie te verhogen en conflicten in het bouwproces te voorkomen.
Projectdetails
In de bouwsector komen vele (regionale, nationale en Europese) normen, wetten en richtlijnen (zogenoemde ‘eisen’) van een scala aan instanties samen. Gedurende het bouwproces worden deze meermaals door verschillende betrokkenen uitvoerig bekeken en toegepast. Dat begint vaak bij het uitschrijven van een aanbesteding door opdrachtgevers (zoals Tennet, Rijkswaterstaat of de Gemeente Amsterdam), waarna ingenieursbureaus en aannemers (zoals Arcadis en Dura Vermeer) gedurende het aanbestedingsproces alle eisen gebruiken om tot hun ontwerp te komen. Als onderdeel van de aanbesteding en uitvoering van contracten worden projecten vervolgens gecontroleerd aan de hand van deze vereisten. Ook worden eisen vertaald naar de noodzakelijke werkzaamheden door de diverse geïnteresseerde opdrachtnemers.
Probleemstelling
Op dit moment gebeurt het in kaart brengen, toepassen en monitoren van eisen veelal handmatig of uit het hoofd. Hierdoor ontstaan diverse problemen, welke in te delen zijn in 4 categorieën:
-
Efficiency
- Tijdsbesteding: Het handmatig werken met eisen kost zeer veel tijd.
- Foutgevoeligheid: Handmatig opzoeken en toepassen van eisen, en uit het hoofd werken met eisen, is foutgevoelig.
-
Complexiteit
- Afhankelijkheid: Toepassing ‘uit het hoofd’ maakt projecten en organisaties afhankelijk van (enkele) individuen. Dit is kwetsbaar voor de kwaliteit van projecten en de continuïteit van dienstverlening.
- Verlies van informatie: Handmatig werken met eisen leidt vaak tot het doorsturen van informatie. Niet alleen veroorzaakt dit een toename van menselijke communicatie, het zorgt ook voor niet-herleidbare en niet te verifiëren informatie. Uiteindelijk gaan medewerkers zelfstandig op onderzoek uit, waardoor diverse (versies van) eisen worden gebruikt, wat miscommunicatie (intern en extern) kan veroorzaken.
-
Certificering
- Overlap in certificering: Eisen vanuit diverse instellingen overlappen zonder dat dit opgemerkt wordt doordat men zich focust op relevante instellingen. Hierdoor kunnen (‘kritieke’) eisen worden gemist, waardoor niet wordt voldaan aan de volledige certificeringseisen. Ook kan sprake zijn van tegenstrijdigheid, zonder dat dit wordt opgemerkt.
-
Snelheid
- Verandering: Door de lange looptijd en vele betrokkenen bij projecten, kunnen eisen zijn veranderd als andere partners deze controleren, wat kan leiden tot (langdurig) juridisch conflict als het ontwerp/bouwproces gedurende de looptijd moet worden aangepast. Ook de afwegingen die gedurende de uitwerking en realisatie van projecten worden gemaakt, onder andere over de interpretatie van eisen en keuzes bij conflicterende eisen, leiden tot een veranderlijke situatie die moeilijk is te overzien.
Oplossing
Semmtech en StarTXT slaan de handen ineen en ontwikkelen een softwareproduct dat een oplossing biedt voor bovengenoemde problemen. De partners hebben als doelstelling de ontwikkeling van een AI-based platform dat met behulp van de te ontwikkelen digitale technologieën de laatste versie van alle eisen aan bouwwerken ophaalt en deze doorzoekbaar presenteert.
De interconnecties tussen de verschillende eisen vanuit de vele instellingen zullen intuïtief inzichtelijk worden gemaakt voor mens en machine, waardoor de samenhang in een oogopslag duidelijk is. Hierdoor is altijd voor iedereen uit het gehele bouwproces duidelijk welke eisen van toepassing zijn, wanneer deze door een instantie zijn gepubliceerd en hoe deze samenhangen met mogelijke andere geldende eisen.
Doelstelling
Hierdoor wordt het mogelijk om te bouwen met de laatste duurzaamheids- en veiligheidseisen, terwijl conflicten over eisen worden voorkomen, zodat het bouwproces zo spoedig mogelijk kan verlopen.
Financiële details & Tijdlijn
Financiële details
Subsidiebedrag | € 199.710 |
Tijdlijn
Startdatum | Onbekend |
Einddatum | Onbekend |
Subsidiejaar | 2022 |
Partners & Locaties
Projectpartners
- Semmtech B.V.penvoerder
- StarTXT B.V.
Land(en)
Vergelijkbare projecten binnen MIT R&D Samenwerking
Project | Regeling | Bedrag | Jaar | Actie |
---|---|---|---|---|
KeraModHet KeraMod-consortium ontwikkelt een disruptief alternatief voor 2DGC-technologie om complexe monsters efficiënter, goedkoper en duurzamer te analyseren, ten voordele van milieu en industrie. | MIT R&D Samenwerking | € 167.375 | 2023 | Details |
K.N.I.T.T.: Knitwear Next-level Interactive Textile TechnologyHet project van Knitwear Lab B.V. en Raverko B.V. ontwikkelt een 3D-simuleringstool voor duurzame textielproductie, gericht op co-creatie en de overgang naar digitale productpaspoorten. | MIT R&D Samenwerking | € 151.428 | 2023 | Details |
Biobased AutoplatformDonkervoort ontwikkelt een duurzaam autoplatform van biobased materialen in samenwerking met Scabro Groep, met als doel de carbon footprint met 75% te verlagen en een gevalideerd prototype te creëren. | MIT R&D Samenwerking | € 118.472 | 2023 | Details |
Insourcing & automatisering productieproces souvenirtulpenKlompenfabriek Nijhuis en EMA-Projects ontwikkelen een geautomatiseerd productieproces voor souvenirtulpen in Nederland om kwaliteit, duurzaamheid en marktaandeel te verbeteren. | MIT R&D Samenwerking | € 340.900 | 2023 | Details |
KeraMod
Het KeraMod-consortium ontwikkelt een disruptief alternatief voor 2DGC-technologie om complexe monsters efficiënter, goedkoper en duurzamer te analyseren, ten voordele van milieu en industrie.
K.N.I.T.T.: Knitwear Next-level Interactive Textile Technology
Het project van Knitwear Lab B.V. en Raverko B.V. ontwikkelt een 3D-simuleringstool voor duurzame textielproductie, gericht op co-creatie en de overgang naar digitale productpaspoorten.
Biobased Autoplatform
Donkervoort ontwikkelt een duurzaam autoplatform van biobased materialen in samenwerking met Scabro Groep, met als doel de carbon footprint met 75% te verlagen en een gevalideerd prototype te creëren.
Insourcing & automatisering productieproces souvenirtulpen
Klompenfabriek Nijhuis en EMA-Projects ontwikkelen een geautomatiseerd productieproces voor souvenirtulpen in Nederland om kwaliteit, duurzaamheid en marktaandeel te verbeteren.
Vergelijkbare projecten uit andere regelingen
Project | Regeling | Bedrag | Jaar | Actie |
---|---|---|---|---|
AI-dificiumHet project ontwikkelt een AI-gestuurd softwareplatform om de planning en samenwerking in de bouwsector te optimaliseren, zodat woningen voor 2050 CO2-vrij kunnen worden gemaakt. | MIT Haalbaarheid | € 20.000 | 2023 | Details |
ScanGreenScanPlan onderzoekt de haalbaarheid van een AI-gebaseerde technologie voor het automatisch in kaart brengen van gebouwen, gericht op efficiënte verduurzaming en sloopplanning. | MIT Haalbaarheid | € 20.000 | 2023 | Details |
Geautomatiseerd data analyseren en voorspellen in de infra op basis van sensordataHet project onderzoekt de haalbaarheid van een geautomatiseerd proces voor het analyseren van sensordata van civiele kunstwerken, met als doel duurzame renovatie en betere besluitvorming. | MIT Haalbaarheid | € 20.000 | 2023 | Details |
Project MITH2020 VeiligWerkVeiligWerk onderzoekt een AI-gestuurde oplossing met bewegingssensoren om valincidenten op bouwplaatsen te detecteren en hulpdiensten direct in te schakelen, met als doel de veiligheid te verbeteren. | MIT Haalbaarheid | € 20.000 | 2020 | Details |
AI-dificium
Het project ontwikkelt een AI-gestuurd softwareplatform om de planning en samenwerking in de bouwsector te optimaliseren, zodat woningen voor 2050 CO2-vrij kunnen worden gemaakt.
ScanGreen
ScanPlan onderzoekt de haalbaarheid van een AI-gebaseerde technologie voor het automatisch in kaart brengen van gebouwen, gericht op efficiënte verduurzaming en sloopplanning.
Geautomatiseerd data analyseren en voorspellen in de infra op basis van sensordata
Het project onderzoekt de haalbaarheid van een geautomatiseerd proces voor het analyseren van sensordata van civiele kunstwerken, met als doel duurzame renovatie en betere besluitvorming.
Project MITH2020 VeiligWerk
VeiligWerk onderzoekt een AI-gestuurde oplossing met bewegingssensoren om valincidenten op bouwplaatsen te detecteren en hulpdiensten direct in te schakelen, met als doel de veiligheid te verbeteren.