AI in facility management: stand van zaken

Nederlandse context

Nederlandse CAFM-leveranciers als Planon, TOPdesk en Ultimo integreren AI-functionaliteit in hun platforms. TNO publiceert onderzoek naar AI-toepassingen in de gebouwde omgeving. De EU AI Act stelt eisen aan transparantie en risicoclassificatie die ook voor FM-toepassingen gelden. IFMA publiceerde een position paper over AI in FM.

Kernbegrippen

Generatieve AI

AI die nieuwe content kan produceren: tekst, samenvattingen, rapporten. In FM toepasbaar voor het opstellen van werkbeschrijvingen, rapportages en kennisartikelen.

Predictieve analytics

Het voorspellen van toekomstige gebeurtenissen op basis van historische data. In FM: wanneer gaat een installatie falen, hoe ontwikkelt de bezetting zich?

Chatbot

Een geautomatiseerde gesprekspartner die vragen van gebouwgebruikers beantwoordt en meldingen registreert. Ontlast de helpdesk bij veelgestelde vragen.

Computer vision

AI die beelden analyseert. In FM toepasbaar voor kwaliteitsinspectie (schoonmaak), bezettingstelling en veiligheidsmonitoring.

Optimalisatiealgoritme

Een algoritme dat de beste oplossing zoekt voor een complex planningsprobleem: routeplanning voor technici, roosteroptimalisatie, energie-aansturing.

Hoe het werkt

AI in FM is op dit moment het meest volwassen op drie gebieden. Ten eerste: meldingsafhandeling via chatbots en automatische categorisatie. Gebouwgebruikers stellen een vraag via chat, de AI herkent de intentie en routeert de melding naar de juiste uitvoerder of beantwoordt de vraag direct. Dit vermindert de helpdeskbelasting met 20-40%.

Ten tweede: predictief onderhoud. Door sensordata en onderhoudshistorie te combineren, voorspelt AI wanneer een installatie onderhoud nodig heeft. Dit is effectiever dan kalendergestuurd preventief onderhoud en goedkoper dan correctief onderhoud na een storing. De voorwaarde is voldoende historische data en betrouwbare sensormeting.

Ten derde: planning en optimalisatie. AI optimaliseert schoonmaakroutes op basis van bezettingsdata, plant technicusroutes efficiënt en voorspelt piekmomenten in de catering. De besparingspotentieel is significant, maar de implementatie vereist integratie met bestaande systemen en vertrouwen in de aanbevelingen van het algoritme. De grootste barrière is niet de technologie maar de organisatie: FM-teams moeten leren werken met AI-gestuurde inzichten en bereid zijn hun routines aan te passen.