Wat doen andere gemeenten met AI in het vastgoedbeheer?

Kopenhagen, 12 november 2026

Waar begin je met AI in het gemeentelijk vastgoedbeheer? En hoe zorg je ervoor dat de resultaten betrouwbaar zijn?

Dat waren enkele van de vragen toen proprty.ai op 10 november de gemeente Rudersdal, de gemeente Ishøj en NIRAS samenbracht voor een webinar over AI in vastgoedbeheer.

Het panel bestond uit Bryan Morillo Karlqvist, projectleider Vastgoed bij de gemeente Rudersdal, Jens Godwin Damgaard, werkzaam bij beheer en onderhoud in de gemeente Ishøj, en Michael Ørsted, projectmanager bij NIRAS. Rasmus Sørensen van proprty.ai trad op als moderator.

Het gesprek bood concrete inzichten in hoe gemeenten AI al inzetten, welke voordelen ze ervaren en waarom de technologie moet worden gezien als een aanvulling op de professionele beoordeling, en niet als een vervanging daarvan.

Begin met wat het meest irriteert

Veel gemeenten zijn nog aan het onderzoeken waar AI waarde kan toevoegen. De ervaring leert echter dat je vaak al ver komt met de data die je al hebt.

Michael Ørsted van NIRAS adviseert om met drie eenvoudige vragen te beginnen:

"Is het iets waar ik me aan erger? Is het iets wat ik vaak moet herhalen? En is het iets waarbij ik professioneel kan beoordelen wat het resultaat is van wat eruit komt?"

Als het antwoord ja is, is dat een goed startpunt. Maak een eenvoudig plan en begin daar waar de irritatie het grootst is, of waar de databasis al toereikend is.

In de gemeente Rudersdal staan vooral de zware en repetitieve taken bovenaan de lijst.

"Ik ben dol op de agents. Het maakt tijd vrij om daadwerkelijk nuttig werk te doen, in plaats van dat we drie maanden non-stop bezig zijn met het invoeren van 17 datapunten voor 12.000 ruimtes," zegt Bryan Morillo Karlqvist.

Van Excel-sheets naar antwoord in vijf minuten

Voorheen eindigden de gebouwinspecties van Rudersdal als lange lijsten in Excel. De lijsten toonden een grotere onderhoudsbehoefte dan er budget was, en werden zelden opnieuw gebruikt.

Met AI is er ook meer aandacht gekomen voor de kwaliteit en betrouwbaarheid van de data waarop beslissingen worden gebaseerd.

"Ineens praten we over hoe zeker we hiervan zijn. Dat vroegen we ons bij de Excel-sheets nooit af. Die Excel-sheets lagen daar maar en stierven een stille dood," vertelt Bryan Morillo Karlqvist.

Vandaag de dag kan de gemeente onder andere proprty.ai gebruiken om snel inzicht te krijgen in de onderhoudsbehoeften op lange termijn.

"Stel je een vastgoedmanager voor die op kantoor staat en zegt: 'Ik heb dit nodig voor een vergadering vanmiddag. Wat kost het om dit pand de komende 30 jaar te onderhouden?' Dat kostte me minder dan vijf minuten," zegt Bryan Morillo Karlqvist.

Het onderhoudsplan laat tegelijkertijd zien waar mogelijkheden zijn om werkzaamheden te coördineren. Als bijvoorbeeld het dak het ene jaar moet worden vervangen en de ramen het jaar daarna, kunnen de taken gecombineerd worden gepland, zodat er maar één keer een steiger hoeft te worden opgebouwd.

Dit geeft het management ook een beter overzicht van de vastgoedportefeuille. In proprty.ai kan de staat van de gebouwen onder andere worden bekeken in samenhang met hun energielabels.

“Onze directeur vraagt altijd wat onze tien slechtste panden zijn. In plaats van te staan mompelen, kun je nu zeggen: dit zijn ze,” zegt Bryan Morillo Karlqvist.

AI als hulpmiddel, niet als vervanging

In de gemeente Ishøj heeft Jens Godwin Damgaard het onderhoudsprogramma van de gemeente vanaf nul opgebouwd, gebaseerd op eigen conditiemetingen.

Wanneer hij bijvoorbeeld nieuwe deuren en ramen voor een gebouw plant, kan proprty.ai tegelijkertijd wijzen op het dak en andere bouwonderdelen die hij zelf niet in zijn plan had opgenomen.

“Het systeem schat dit in als een voorstel, en daar moet ik dan een besluit over nemen. Ik hoef het niet te gebruiken, maar ik word wel gedwongen om erover na te denken,” zegt Jens Godwin Damgaard.

Voor hem draait de waarde niet alleen om tijdsbesparing, maar in grote mate om het verbeteren van de kwaliteit van de besluitvorming.

Hij kan onder andere zien hoe betrouwbaar de conditie van een gebouw is beoordeeld. De betrouwbaarheid is hoger bij gebouwen die hij zelf heeft geïnspecteerd, en lager bij gebouwen die hij nog niet heeft bezocht.

“We kunnen AI niet zomaar onze onderhoudsplannen laten maken. Dat werkt niet. Maar AI is een enorm hulpmiddel wanneer we zaken moeten beoordelen,” zegt Jens Godwin Damgaard.

Beide gemeenten gebruiken ook Tily, de AI-agent die is gebouwd op de domeinspecifieke AI van proprty.ai.

Toen de energiecollega's van Ishøj moesten onderzoeken welke daken geschikt zijn voor zonnepanelen, vroeg Jens Godwin Damgaard aan Tily om een overzicht te maken van de resterende levensduur van de daken. Het resultaat besloeg veel meer gebouwen dan hij zelf had kunnen beoordelen.

Een betere basis voor de dialoog met politici

Een van de grote uitdagingen bij gemeentelijk vastgoedbeheer is het creëren van een accuraat beeld van de onderhoudsbehoefte op de lange termijn.

Jens Godwin Damgaard heeft daarom zijn eigen 30-jarige onderhoudsplan vergeleken met de berekening in proprty.ai. De twee berekeningen liggen ver uit elkaar.

“Ik weet niet welk cijfer klopt, maar het geeft me in ieder geval een instrument om een nauwkeuriger beeld te krijgen van wat onze werkelijke behoefte is,” zegt Jens Godwin Damgaard.

In de gemeente Rudersdal heeft het werken met AI ook de manier veranderd waarop er over onderhoudsbudgetten wordt gesproken.

“De paradox in gemeenten is dat we een zak geld krijgen en die dan uitgeven waar het het hardst nodig is, hopen we. Nu draaien we het om en zeggen we: met een bepaalde mate van zekerheid is dit het bedrag dat we minimaal nodig hebben,” zegt Bryan Morillo Karlqvist.

Michael Ørsted van NIRAS ziet hetzelfde potentieel in het inzichtelijk maken van de consequenties van verschillende prioriteiten voordat de besluiten worden genomen.

“We durven misschien makkelijker overkoepelende besluiten te nemen als we kunnen zien wat de gevolgen daarvan zullen zijn,” zegt Michael Ørsted.

Collega's, data en IT moeten vanaf het begin betrokken worden

De technologie is één ding. De organisatie meekrijgen is iets anders.

Tijdens het webinar werd onder andere gevraagd hoe gemeenten hun medewerkers zover krijgen om de nieuwe tools in gebruik te nemen.

In Rudersdal draaide het onder meer om het veranderen van de gewoontes van medewerkers en hun manier van werken met gebouwgegevens.

“Het is een enorme stap van het registreren van schades naar het plotseling moeten kijken naar de algehele conditie,” zegt Bryan Morillo Karlqvist.

In Ishøj koos Jens Godwin Damgaard voor een meer praktische aanpak. Hij nam de hele afdeling bouw mee naar een kinderdagverblijf, waar de medewerkers in tweetallen direct op hun telefoon een conditiemeting uitvoerden. Daarna bespraken ze samen de resultaten.

“Die combinatie van hulp en houding zorgde ervoor dat ze begrepen dat er een hulpmiddel bestaat dat ze ook in hun dagelijks werk kunnen gebruiken,” vertelt Jens Godwin Damgaard.

Michael Ørsted benadrukte ook het belang om vanaf het begin rekening te houden met data en IT.

Zijn advies was om van datacleaning geen enorm opruimproject te maken. Begin met het verzamelen van de gegevens die er al zijn en laat de inconsistenties zien waar actie nodig is.

Betrek IT in een vroeg stadium, beperk de oplossing tot de data die de taak vereist en zorg dat persoonsgegevens buiten schot blijven.

Zoals Michael Ørsted benadrukte:

“Je moet dit werk kunnen doen, ook als je AI niet werkt.”

AI in vastgoedbeheer begint met de juiste vragen

Het webinar liet zien dat er geen kant-en-klare formule is voor hoe gemeenten AI moeten implementeren in hun vastgoedbeheer.

De ervaringen uit Rudersdal en Ishøj wijzen echter op een aantal gemeenschappelijke kansen: minder tijd kwijt aan repeterende taken, een beter overzicht van de conditie van gebouwen en een sterkere basis voor het prioriteren van onderhoudsbudgetten.

Maar de technologie doet het werk niet alleen. De vakkundige beoordeling, de ervaring van medewerkers en de kwaliteit van de databasis blijven doorslaggevend.

Het gaat er daarom niet om dat AI de beslissingen neemt, maar om het geven van betere tools aan medewerkers zodat zij die beslissingen kunnen nemen.