Het geheugen van het project

Elke bouworganisatie bouwt in de loop der jaren aan iets wat ze zelden zo noemt: een collectief geheugen. Rapporten over funderingsonderzoeken. Correspondentie met gemeenten. Schadedossiers. Inspectiefoto's. Revisietekeningen. Notulen van bouwvergaderingen. Het zit verspreid over gedeelde schijven, e-mailarchieven, papieren mappen en de hoofden van mensen die al lang niet meer bij het bedrijf werken.

Dat geheugen is stil kapitaal. En het is grotendeels ontoegankelijk. Tot nu toe.

Een brug, een archief, een vraag

Een concreet voorbeeld: een ingenieursbureau wordt gevraagd advies te geven over herstelwerkzaamheden aan een monumentale brug, nadat er een aanrijding heeft plaatsgevonden. De brug heeft een rijke geschiedenis. Er zijn inspectierapportages uit de jaren tachtig. Constructieberekeningen. Foto-documentatie van eerdere restauraties uit een ver verleden. Correspondentie met de Rijksdienst voor het Cultureel Erfgoed.

Al die informatie bestaat. Maar het doorzoeken ervan kostte vroeger dagen. Welk rapport beschreef ook alweer de toestand van de noordelijke pijler? Wat waren de aanbevelingen uit 2009? Is er eerder melding gemaakt van scheuren in dit specifieke voegtype?

Met AI-technologie worden al deze documenten, het gaat dan al snel om honderden pagina's tekst, tabellen en scans doorzoekbaar en samenhangend. Een ingenieur stelt een vraag in gewone taal en krijgt een antwoord dat verwijst naar de juiste bronnen. Niet als vervanging van het oordeel van de expert, maar als versneller. Als geheugensteun die nooit een dag vrij neemt.

Van archief naar instrument

Wat dit voorbeeld illustreert is breder toepasbaar. Architectenbureaus hebben afgesloten projecten met daarin een schat aan kennis: hoe werd een bepaald detail destijds opgelost? Wat was de redenatie achter een keuze in de gevelindeling? Welke materiaalspecificaties zijn gebruikt?

Die kennis zit nu opgesloten in oude projectmappen. Een nieuwe medewerker vraagt het aan een collega die het misschien nog weet. Of zoekt lang en vindt het niet. Met AI wordt dit anders: het projectarchief wordt een levend naslagwerk waar technisch tekenaars, projectleiders en ontwerpers dagelijks op kunnen terugvallen.

De technologie die dit mogelijk maakt, vaak aangeduid als RAG (Retrieval-Augmented Generation) of kennisplatforms met AI-laag, is inmiddels volwassen genoeg om ook in middelgrote organisaties ingezet te worden. Het vereist geen enorm IT-landschap. Het vereist vooral een goede aanpak: welke documenten ga je ontsluiten, hoe zorg je voor kwaliteit van de input, en hoe integreer je het in de werkstroom?

Niet alleen voor de groten

Een misverstand dat we regelmatig tegenkomen: AI-toepassingen zijn iets voor grote organisaties met een eigen IT-afdeling en een dataplatform. Dat klopt niet meer.

Een architect met vijftien medewerkers en vijftig afgesloten projecten heeft genoeg materiaal om een waardevol kennissysteem mee op te bouwen. Een ingenieursbureau met een gespecialiseerde niche (bruggen, waterwerken, industriële installaties) heeft juist baat bij een systeem dat die specialistische kennis bewaart en deelt, ook als de mensen die het opbouwden het bureau verlaten.

De drempel is lager dan gedacht. De waarde is hoger dan verwacht.

Wat levert het op?

• Minder tijd kwijt aan intern zoeken en navragen
• Snellere onboarding van nieuwe medewerkers
• Kennisbehoud bij vertrek van ervaren mensen
• Consistentere kwaliteit van adviezen en ontwerpen
• Een fundament voor verdere AI-toepassingen op projectniveau