Nieuwe wijn in oude zakken…

…over algoritmes en AI voor vastgoedinspectie

Een veelbelovende dienst introduceren is één. Vervolgens zo slim en snel doorpakken dat je in no-time de beloftes kan waarmaken, dat doet Octo*. De missie van Dirk Huibers en zijn team klinkt even simpel als fantastisch: woningen slim maken zodat ze zelf kunnen aangeven wat er (onderhoudstechnisch) aan scheelt. Zo worden het slimme en ‘gezonde’ woningen, waar wij prettig in kunnen leven. Klinkt fantastisch, maar hoe pak je dat aan en is het mogelijk?

Dirk en zijn team maken voor deze missie gebruik van nieuwe en innovatieve analyse technieken, zoals image recognition, machine learning en predictive maintainance. Waarmee ze de grote hoeveelheden data kunnen analyseren en combineren. Die vervolgens handzaam en overzichtelijk via dashboards voor de corporatie toegankelijk worden gemaakt.
Talis gelooft hierin en ging ongeveer anderhalf jaar geleden in zee met Octo. De verwachting is nu dat Talis, na implementatie, begin 2021 live gaat met deze digitale vastgoedinspecteur.
Overigens niet alleen Talis maar ook: Staedion, Woonlinie, de Alliantie, HaagWonen, Intermaris, KleurrijkWonen doen mee aan dit innovatieve project.
De basis voor vertrek zijn de opgaven voor woningcorporaties, die zijn pittig: betaalbare huisvesting, CO2 neutraal, als het even kan circulair én mensen blijven zolang mogelijk thuiswonen. Hier goed beleid op maken zonder de juiste informatie (data) is onmogelijk. Daar komt gelijk een flink probleem bovendrijven: de kwaliteit van onze data! Waar bevindt die zich, hoe krijgen we die goed in beeld en hoe verwerken we deze zo efficiënt mogelijk en hoe toegankelijk zijn ze voor de keten?
Droom even mee: je hebt een verzameling waardevolle informatie over je vastgoed, overzichtelijk en toegankelijk benaderbaar via een dashboard, deelbaar in de keten en deze database blijft volledig automatisch up-to-date! Wow.

Start van het project
Dirk en zijn team kregen van de deelnemende corporaties alleen de adressen, waarmee ze aan de slag gingen om zoveel mogelijk (beeld)informatie over die adressen te vinden. Denk aan beelden van sateliet, vliegtuig, Lidar, Street View, drones, BAG, de bewoners zelf en/of de inspecteur die ter plekke foto’s maakt.
Via algoritmes, AI en de programmeurs van Spotr die deze technieken slim weten in te zetten is de uitkomst een platform met veel waardevolle data over de woningen. Bij de meetstaat, een voorbeeld van Dirk tijdens de presentatie, is de afwijking ongeveer 1,5 tot 5% ten opzicht van één persoon die op locatie is geweest. Als je twee mensen op locatie stuurt levert dat hetzelfde afwijkingspercentage op. De uitkomsten zijn dus niet perse beter, ook niet slechter, maar in veel kortere tijd verkregen. Daar kun je heel tevreden mee zijn.
John Pijnappels wijst op nog een voordeel. Veel corporaties werken voor onderhoud samen in de keten, de databank van Spotr geeft iedere partij nu hetzelfde uitgangspunt. Wat minder discussie oplevert, iedereen ‘ziet’ immers hetzelfde. En minder kosten, want zo legt John uit: aan de kant van ontwerp en engineering was men voorheen veel meer tijd kwijt (lees kosten voor de corporatie) aan wat nu met een spreekwoordelijk druk op de knop zo uit Spotr te halen valt.
Ook wat betreft de beelden (foto’s) die door diverse partijen gemaakt worden van woningen, levert het Spotr platform een goede centrale plek op waar je al dat materiaal verzamelt. Het algoritme ‘kijkt’ ook naar de beelden en leert (weet) zo steeds meer over de woningen.
In dit project wordt uiteraard ook gewerkt met drones; woninginspecteurs worden getraind (door een externe partij) om met behulp van drones hun inspecties te doen. Het detailniveau wat daar uit voortkomt is natuurlijk fantastisch en levert waardevolle data voor het platform. Met de modellen die je daarmee kan maken zouden bijna direct de kozijnen bij de fabriek besteld kunnen worden.
Dan nog even over de eerder genoemde kennis in de hoofden van medewerkers, denk ik dit geval aan woninginspecteurs. Dirk en zijn team nemen hiervoor interviews af. Daarbij wordt gewerkt met een sterrenervaring, de zogenaamde bruikbaarheidstest. De geïnterviewde inspecteur geeft door middel van 1 tot 5 sterren aan wat hij het belangrijkst vindt. Ook de comakers (ketenpartners) worden geïnterviewd. Heel leerzaam voor Spotr: eerlijke feedback, geeft inzichten in wat wel en niet bruikbaar is, of wat verder ontwikkelt moet worden. En zo komt de (exacte) kennis vanuit de mens in het systeem; digitale transitie ‘pur sang’.

Meer weten?
Kijk op deze websites: https://www.octo.nu/ en https://www.spotr.ai/
Of mail je vraag naar info@corponet.nl

*Die naam mag je overigens weer vergeten, want in verband met een Franse ondernemer die deze naam eerder claimde wordt Octo binnenkort Spotr.

We delen de presentatie van deze KennisBite met jullie voor nog beter begrip van deze digitale vastgoedinspecteur