De rol van data in nieuwe bouwvormen

Veel woningen in Nederland zijn na de Tweede Wereldoorlog op gestandaardiseerde wijze gebouwd. Dit betekent veel herhaling in bouwstijlen en constructies, wat kansen biedt voor industrieel renoveren met prefab oplossingen. Een van de grootste uitdagingen is echter het in kaart brengen van de woningvoorraad: welke woningen staan waar en welke overeenkomsten vertonen ze?

In de bouwsector groeit het besef dat data een sleutelrol kan spelen bij grootschalige renovatie- en verduurzamingsopgaven. Timo Walraven, onderzoeker binnen het lectoraat Nieuwe Energie in de Stad (NEIDS) van Hogeschool Utrecht, richt zich op de toepassing van data om de renovatie van de bestaande gebouwde omgeving efficiënter en toegankelijker te maken. Om antwoord te geven op de vraag waar deze woningen staan en welke overeenkomsten ze kennen, werkt Walraven aan een methode die data inzet om woningen te categoriseren en geschikte renovatieoplossingen te identificeren. "Elke woning is anders, maar er zijn door de gestandaardiseerde manier van bouwen in naoorlogs Nederland veel overeenkomsten. Door die te herkennen en te clusteren, kunnen we de verduurzaming opschalen," legt hij uit. Dit proces bestaat uit vier stappen:

Data op afstand verzamelen - met open databronnen en luchtfoto’s worden eigenschappen van woningen geanalyseerd. Denk aan daktypen, gevelmaterialen en verduurzamingsmaatregelen (bijvoorbeeld de aanwezigheid van zonnepanelen). De eigenschappen vormen samen het DNA.

Data interpreteren en clusteren - dit DNA wordt vervolgens met machine learning ingezet om verglijkbare gebouwen te vinden door de drie onderstaande manieren, waaronder clusteren.

Configuratiemodellen ontwikkelen - met de verzamelde data hoop Walraven productaanbieders in de positie te zetten dat zij voor een bezoek aan betreffende woning al een prijsindicatie kunnen doen.

Timo Walraven

Van data naar prefab-productie - de gegenereerde configuraties kunnen direct worden gebruikt door fabrieken om maatwerk prefab-oplossingen te produceren.

“We doen onderzoek naar alle processtappen en bevinden ons momenteel bij de overstap van twee naar drie. Nu we in staat zijn een gebouw DNA in kaart te brengen en we inzicht hebben in geometrie, dak, gevel en algemene informatie over onder meer het bouwjaar hebben we een vergelijkingsmodel ontwikkeld. Met deze methode kunnen we de overeenkomsten tussen gebouwen in kaart brengen.”

Hiervoor worden drie manieren gehanteerd:

• Typology matching: hierbij wordt de afstand tussen een voorbeeldwoning en andere woningen gemeten. Handige informatie voor aanbieders van verduurzamingsoplossingen voor bepaalden typen woningen.
• Woningclusters in kaart brengen: op wijkniveau wordt inzicht verkregen in woningtypes, wat gemeenten en woningcorporaties helpt bij het plannen van grootschalige verduurzamingsprojecten.
• Machine learning voor voorspellingen: hiermee wordt de kans voorspeld dat een woning geschikt is voor bijv. een renovatieproduct. Dit gebeurt aan de hand van gebouwen waar dit reeds is toegepast of handmatige quickscans.

De volgende stap
Een van de uitdagingen waar Walraven nu voor staat, is het actiever betrekken van de markt. "We krijgen steeds vaker vragen vanuit de markt. Denk aan prefab bouwers die willen weten waar ze hun doelgroep kunnen vinden. Daar kunnen wij bij helpen door deze partijen data te verstrekken waarmee ze hun producten gericht kunnen aanbieden. Deze vraag wordt echter helaas niet wekelijks gesteld. Wat echt zou helpen, is een opschalingsregisseur, iemand die proactief op zoek gaat naar geschikte locaties en woningen en partijen bij elkaar brengt. Op dit moment experimenteren we met een model waarin we informatie via openbare databronnen zoals het kadaster en luchtfoto’s verzamelen. Zonder vooraf verstrekte adressenlijsten zoals we in eerste instantie deden.” Met deze stappen laat Walraven zien hoe data niet alleen helpt om renovatie en verdichting efficiënter te maken, maar ook hoe digitalisering een steeds grotere rol speelt in de prefab-industrie. "De potentie is enorm. Het is nu zaak om de juiste brug te slaan tussen data en praktijk."