Digitale twin en sensordata in gebouwen

Nederlandse context

In Nederland experimenteren het Rijksvastgoedbedrijf, Schiphol en Amsterdam UMC met digitale twins voor gebouwbeheer. TNO en de TU Delft doen onderzoek naar digital twin-toepassingen in de gebouwde omgeving. De term wordt breed gebruikt, van een dashboard met sensordata tot een volledig 3D-model met real-time simulatie — de definitie is nog niet gestabiliseerd.

Kernbegrippen

Digitale twin

Een dynamisch virtueel model van een fysiek gebouw dat continu wordt bijgewerkt met sensordata en kan worden gebruikt voor monitoring, analyse en simulatie.

Statisch model

De onderliggende structuur van de twin: BIM-model, plattegronden, objectregistratie. Verandert alleen bij fysieke wijzigingen aan het gebouw.

Dynamische data

De real-time sensordata die het statische model tot leven brengt: klimaatmetingen, bezetting, energieverbruik, storingen.

Simulatie

Het doorrekenen van scenario's op het virtuele model: wat gebeurt er als we een verdieping sluiten, de setpoint verhogen of een installatie vervangen?

Volwassenheidsniveaus

De mate van geavanceerdheid van een digital twin, van eenvoudige datavisualisatie (niveau 1) tot autonome optimalisatie (niveau 5). De meeste organisaties bevinden zich op niveau 1-2.

Hoe het werkt

Een digitale twin begint bij het statische gebouwmodel: een BIM-model of een 2D-plattegrond verrijkt met objectgegevens. Hierop worden sensordata-feeds aangesloten die het model dynamisch maken: elke ruimte toont actuele temperatuur, bezetting en luchtkwaliteit. Dit eerste niveau is in feite een geavanceerd dashboard op een gebouwmodel.

De echte meerwaarde komt bij het simulatieniveau. Met voldoende historische data kan het model voorspellen hoe het binnenklimaat reageert op een hittegolf, wat er gebeurt als de bezetting verdubbelt of hoeveel energie een renovatiescenario bespaart. Dit vereist niet alleen data, maar ook fysische modellen (thermodynamica, stroming) die het gebouwgedrag nabootsen.

Voor de meeste FM-organisaties is een pragmatische benadering verstandiger dan een volledig uitgewerkte digital twin. Start met een plattegrond-gebaseerde visualisatie van sensordata en bouw van daaruit. De stap naar simulatie is pas zinvol wanneer de databasis volledig is, het statische model actueel is en er een concreet optimalisatievraagstuk is dat de investering rechtvaardigt. Een dure twin die niemand gebruikt, is duurder dan geen twin.