Computer vision, ofwel beeldherkenning, is een van de minder zichtbare maar snelst groeiende AI-toepassingen in de vastgoedsector. Waar de meeste makelaars AI vooral kennen van chatbots en teksttools, wordt beeldherkenning inmiddels ingezet om woningfoto’s te verbeteren, plattegronden te lezen en zelfs de bouwkundige staat van een pand op afstand in te schatten.
| Computer vision in het kort Computer vision is een vorm van kunstmatige intelligentie die foto’s en video’s automatisch analyseert. In de makelaardij wordt de techniek gebruikt om woningfoto’s te verbeteren en selecteren, plattegronden en ruimtes te herkennen, en de bouwkundige staat van objecten op basis van beeldmateriaal in te schatten, zonder dat er iemand fysiek langs hoeft. Het Nederlandse Spotr.ai past dit al toe op grote vastgoedportefeuilles, onder meer voor woningcorporatie de Alliantie. |
Wat is computer vision precies?
Computer vision is een deelgebied van kunstmatige intelligentie waarbij systemen leren om beeld- en videomateriaal te interpreteren, te classificeren en er automatisch actie op te ondernemen. Waar een taalmodel als ChatGPT tekst begrijpt en genereert, “kijkt” een computer vision model naar pixels en herkent daarin objecten, patronen en afwijkingen.
De techniek bestaat al langer en wordt breed toegepast: van kwaliteitscontrole in fabrieken tot obstakelherkenning in zelfrijdende auto’s. De open source bibliotheek OpenCV, met meer dan 2.500 beschikbare algoritmes, vormt voor veel van deze toepassingen de technische basis. In de vastgoedsector is de techniek relatief nieuw, maar de toepassingen groeien snel.
Vijf concrete toepassingen in de makelaardij
Van fotobewerking tot bouwkundige inspectie op afstand: dit zijn de toepassingen die nu al in gebruik zijn.
1. Automatische fotoverbetering en -selectie
Tools zoals Box Brownie en Reshoot verbeteren woningfoto’s automatisch: belichting, lijnen en kleuren worden gecorrigeerd zonder dat er een fotograaf voor terug hoeft te komen. Sommige tools selecteren bovendien zelf de meest aantrekkelijke foto’s uit een fotoserie voor de listing. Makelaars die dit toepassen, rapporteren tot 30% meer bezichtigingsaanvragen.
2. Plattegrond- en ruimteherkenning
Computer vision kan op basis van foto’s of een plattegrond automatisch herkennen om welk type ruimte het gaat (keuken, slaapkamer, badkamer) en een schatting maken van het aantal vierkante meters. Dat scheelt handmatig invoerwerk bij het aanmaken van een woningaanbieding.
3. Bouwkundige conditiebepaling op afstand
Het Nederlandse Spotr.ai verzamelt beeldmateriaal via satellieten, vliegtuigen, drones en street view-auto’s, en traint computer vision modellen om bouwelementen zoals ramen, dakkapellen, scheuren en zonnepanelen te herkennen. Woningcorporatie de Alliantie gebruikt deze techniek om op afstand te bepalen of een woning bijvoorbeeld is verzakt of een schilderbeurt nodig heeft, zonder dat er eerst een inspecteur langs hoeft. Voor makelaars is dit relevant bij het vooraf inschatten van de staat van een object, voordat een taxateur of bouwkundige langskomt.
4. Beeldgebaseerde matching en zoekfilters
Waar een woningzoeker vroeger filterde op postcode, prijs en aantal kamers, kan computer vision ook filteren op wat er daadwerkelijk op de foto’s te zien is: een open keuken, een tuin op het zuiden of een bepaalde interieurstijl. Dit sluit aan bij een bredere trend: onderzoek laat zien dat een groot deel van de woningzoekers inmiddels AI-gestuurde tools gebruikt tijdens de zoektocht naar een woning.
5. Virtuele staging en digitale tweelingen
Met photogrammetrie (overlappende foto’s) en LiDAR (lasermetingen) worden woningen ingemeten tot een 3D-model. Een digitale tweeling gaat een stap verder: dat is geen statisch model, maar een datagedreven representatie die actuele informatie combineert, zoals beschikbaarheid, prijs en energiegegevens. Voor een makelaarskantoor is dit vooral relevant bij nieuwbouw en grotere projecten, minder bij de gemiddelde bestaande woning.
Wat levert het praktisch op?
- Tijdsbesparing bij fotobewerking en dataverwerking
- Consistentere kwaliteit van foto’s en woningbeschrijvingen, ongeacht wie de foto’s heeft gemaakt
- Beter onderbouwde eerste inschattingen van de bouwkundige staat, al vervangt dit geen taxatie
- Schaalvoordeel bij het beheren van grote portefeuilles, zoals bij beleggers of woningcorporaties
De markt voor AI in vastgoed groeit hard: analisten verwachten wereldwijd een omvang van ongeveer 1,3 biljoen dollar in 2030, met een jaarlijkse groei van bijna 34%. McKinsey rapporteert dat vastgoedbedrijven die AI inzetten meer dan 10% verbetering van de nettobedrijfswinst melden door hogere operationele efficiëntie. Voor een individueel makelaarskantoor is vooral de foto- en dataverwerking waar de tijdswinst nu al meetbaar is, niet het vervangen van menselijk advies.
Aandachtspunten: privacy, AVG en menselijke controle
Beeldmateriaal van woningen valt in veel gevallen onder de AVG, zeker als er mensen, kentekens of huisnummers herkenbaar op staan. Wees terughoudend met wat je deelt met externe tools en check waar de data van een tool wordt opgeslagen en verwerkt.
Net zo belangrijk: computer vision geeft een inschatting op basis van beeldmateriaal, geen keuring. Een geconstateerde scheur of een verouderd dak op basis van een foto is een signaal, geen eindoordeel. Laat structurele beoordelingen en taxaties altijd door een bevoegd persoon controleren voordat je hier conclusies aan verbindt richting een klant.
Veelgestelde vragen
ChatGPT en vergelijkbare taalmodellen verwerken en genereren tekst. Computer vision is een ander deelgebied van AI dat foto’s en video’s analyseert: het herkent objecten, ruimtes en afwijkingen in beeldmateriaal. Beide technieken worden vaak gecombineerd, bijvoorbeeld wanneer een tool eerst een foto analyseert en daarna automatisch een woningbeschrijving genereert.
Nee. Computer vision kan op basis van beeldmateriaal signalen herkennen, zoals scheuren, verouderde kozijnen of ontbrekende dakpannen. Dat is een indicatie, geen keuring. Voor een definitief oordeel over de bouwkundige staat blijft een bezoek van een bouwkundige of taxateur nodig.
Dat hangt af van wat er op de foto’s staat. Zodra personen, kentekens of andere herleidbare gegevens zichtbaar zijn, geldt de AVG. Check bij het kiezen van een tool waar de data wordt opgeslagen en verwerkt, en of de leverancier binnen de EU werkt of aantoonbaar AVG-compliant is.
Spotr.ai is een bekend Nederlands voorbeeld: het bedrijf combineert satelliet-, vliegtuig-, drone- en street view-beelden met computer vision modellen om bouwelementen te herkennen, onder meer voor woningcorporatie de Alliantie. Ook in de bredere proptech-sector, zoals bij 3D-stadsmodellering voor gemeenten, wordt de techniek steeds vaker ingezet.
Nee, en dat is ook niet het doel. De techniek helpt om op afstand een eerste inschatting te maken, zodat je gerichter kunt bepalen wanneer een fysieke inspectie nodig is. De uiteindelijke beoordeling blijft mensenwerk.
Voor kleinschalige toepassingen, zoals automatische fotoverbetering of -selectie, zijn er tools met een abonnement van enkele tientallen euro’s per maand. Grootschalige toepassingen zoals bouwkundige conditiebepaling op portefeuilleniveau zijn typisch iets voor grotere partijen zoals woningcorporaties of vastgoedbeheerders, en minder voor een individueel makelaarskantoor.
| Wil je weten wat AI, waaronder computer vision, voor jouw makelaarskantoor kan betekenen? Makelaarsboost helpt makelaars met de praktische kant van AI: van zichtbaarheid in AI-zoekmachines tot slimme automatisering van je marketing. Neem contact op voor een vrijblijvend gesprek. |
Meer lezen over AI?
Generative AI in de makelaardij: hoe tekstgenererende AI zich verhoudt tot de beeldherkenning uit dit artikel.
Predictive AI in de Makelaardij: hoe AI vooruitkijkt in plaats van alleen beeldmateriaal analyseert.
AI-agents in de makelaardij: hoe je Claude, Copilot en ChatGPT praktisch inzet in je dagelijkse werk.
