Vakartikel
Automatische gebrekenherkenning: elk beeld even grondig
Optische gebreken zijn in de turnkeybouw de meest voorkomende — en de saaiste. Juist daarom ziet een mens ze onder tijdsdruk over het hoofd en een machine niet.
Vakartikel van de Open Experience GmbH. Stand: september 2026
Hoe werkt de automatische gebrekenherkenning in de bouw?
Een algoritme voor objectherkenning doorzoekt bouwplaatsopnamen op optische bijzonderheden zoals krassen, scheuren, vlekken of beschadigingen en markeert de betreffende beeldzones. Via de vergelijking met het BIM-model wordt de positie van de vondst bepaald; vervolgens wordt gecontroleerd of op die plek al een gebrek is vastgelegd. Is het nieuw, dan wordt het automatisch aangemaakt en ingedeeld, waarbij een uitsnede van de herkenning als onderbouwing dient. De methode is beproefd in het Duitse onderzoeksproject ESKIMO.
Juridisch kader: Duitsland (burgerlijk wetboek BGB, aanbestedings- en contractregels VOB/B, honorariumbesluit HOAI). In andere landen gelden andere regels, en contractuele afspraken gaan voor op de hier genoemde standaardtermijnen.
Het verloop in vijf stappen
De eigenlijke herkenning is maar één stap van vijf. De andere vier bepalen of een gemarkeerde beeldzone een bruikbaar dossier wordt.
- 1 — VastleggenRegelmatige, gelokaliseerde opnamen van de bouwplaats, bijvoorbeeld als 360°-rondgang met het helmcamerasysteem.
- 2 — HerkennenObjectherkenning markeert opvallende zones in het beeld en kent er een soort gebrek aan toe.
- 3 — LokaliserenVia de vergelijking met het model wordt een plek in het beeld een positie in het bouwwerk.
- 4 — VergelijkenBestaat op die plek al een gebrek, dan ontstaat er geen tweede. Zonder deze stap levert de automatisering dubbelingen op in plaats van nut.
- 5 — AanmakenHet nieuwe gebrek wordt vastgelegd met indeling, beelduitsnede en positie — en gaat dezelfde weg als elk ander gebrek.
Wat de machine beter kan — en wat niet
De vergelijking is geen oordeel, maar een verdeling van het werk.
| Taak | Mens | Automatische herkenning |
|---|---|---|
| *Elk beeld even grondig bekijken* | Onder tijdsdruk nauwelijks vol te houden | Het eigenlijke voordeel |
| *De kleinste afwijkingen vinden* | Afhankelijk van licht, routine en dagvorm | Systematisch, tot op de pixel |
| *De oorzaak beoordelen* | Ervaring en context | Niet mogelijk |
| *De relevantie inschatten* | Kent contract, detail en bouwproces | Niet mogelijk |
| *Met betrokkenen uitpraten* | Kerntaak van het bouwtoezicht | Niet mogelijk |
De machine levert kandidaten, geen beslissingen. Het nut ontstaat daar waar iemand die kandidaten sneller kan doornemen dan de ruwe beelden.
Waar de trainingsdata vandaan kwamen
Herkenningsmethoden zijn niet beter dan het materiaal waarmee zij zijn getraind. In het project ESKIMO zijn ruim honderdduizend opnamen van optische gebreken — krassen, scheuren, beschadigingen — geanalyseerd en met de hand ingedeeld. Dat handwerk is het onzichtbare deel van elk project met kunstmatige intelligentie; het verklaart ook waarom methoden uit andere branches zich niet zomaar naar de bouw laten overzetten.
Ter duiding: ESKIMO was een onderzoeksproject met elf partners en een budget van 2,4 miljoen euro. De resultaten zijn prototypen, geen serieproducten.
Vijf effecten die zichtbaar worden
Gelijkmatigheid
De dertigste woning wordt even nauwkeurig gekeurd als de eerste.
Minder dubbelingen
De vergelijking met bestaande dossiers voorkomt dubbel vastleggen — in lijsten een blijvend probleem.
Onderbouwd in plaats van omschreven
De gemarkeerde beelduitsnede laat zien wat er wordt bedoeld. Navragen is niet meer nodig.
Eerder in plaats van later
Wat tijdens de lopende rondgang opvalt, is nog vakwerk en geen garantiegeval.
Uit te werken
Herhaalt dezelfde soort gebrek zich op hetzelfde detail, dan wijst dat naar het ontwerp.
En
Het bouwtoezicht neemt kandidaten door in plaats van elk beeld afzonderlijk te openen.
De voorwaarde is niet de techniek
De meest voorkomende reden waarom automatische herkenning in projecten niets oplevert, ligt vóór het algoritme: de beelden ontbreken. Zonder regelmatige, vergelijkbaar opgenomen en gelokaliseerde rondgangen valt er niets te verwerken. Wie vandaag begint, wint eerst door de vastlegging zelf — de automatisering komt er later bovenop.
De weg van vondst naar dossier
Of een gebrek nu door een persoon of door een algoritme wordt gevonden, verandert niets aan wat daarna moet gebeuren: het heeft plaats, beeld, omschrijving, verantwoordelijke en termijn nodig, en het moet worden gevolgd tot de gereedmelding. Daarvoor is Construction Defects gebouwd — de herkenning levert kandidaten in datzelfde proces, in plaats van een tweede lijst te maken.
Veelgestelde vragen
Kan ik de automatische gebrekenherkenning vandaag afnemen?
Nee. Zij komt uit het onderzoeksproject ESKIMO en is daar aangetoond. In productie beschikbaar zijn het onherkenbaar maken, de voorwerpherkenning en de automatische beeldclassificatie.
Welke gebreken zijn überhaupt automatisch te herkennen?
Optische verschijnselen aan zichtbare oppervlakken: krassen, scheuren, vlekken, verkleuringen, beschadigingen. Alles wat meting, openen of aanraking vraagt, blijft menselijke keuring.
Hoe betrouwbaar is de herkenning?
Zij levert kandidaten met verschillende zekerheid. Voor de praktijk telt niet zozeer het trefferpercentage als wel de omgang met vals alarm — een lijst die te vaak misgrijpt, wordt niet meer doorgenomen.
Vervangt dit de rondgang?
Nee. Het verandert wat er tijdens de rondgang gebeurt: opnemen in plaats van notuleren. De beoordeling gebeurt daarna, achter het scherm.
Wat gebeurt er met onterecht herkende gebreken?
Die worden verworpen. Belangrijk is dat het verwerpen wordt vastgelegd — anders duikt dezelfde vondst bij de volgende rondgang opnieuw op.
Heeft de herkenning een BIM-model nodig?
Voor de nauwkeurige lokalisering wel, voor de herkenning zelf niet. Zonder model is de vondst via het opnamepunt op de plattegrond toe te wijzen.
Bronnen en juridische grondslag
De juridische uitspraken in dit artikel berusten op de onderstaande primaire bronnen. Het artikel vervangt geen juridisch advies in een concreet geval.
Eerst de beelden, dan de automatisering.
45 minuten aan uw project: hoe een rondgang ontstaat die uitwerking überhaupt mogelijk maakt.