De innovatieve inzet van generatieve AI door Trunk Tools verandert de manier waarop bouwteams projectinformatie beheren en gebruiken
De Uitdaging: Bouwteams Worden Overladen met Data
Bouwteams worden dagelijks overspoeld met enorme hoeveelheden data—plannen, RFI’s, contracten en indieningen—die cruciaal zijn, maar vaak verborgen zitten in complexe documentbeheersystemen.
Wat als het vinden van antwoorden net zo eenvoudig zou zijn als een vraag stellen?
Sarah Buchner, oprichter en CEO van Trunk Tools, heeft deze visie werkelijkheid gemaakt. “Het grootste probleem in de bouw is dat we enorm veel data hebben, maar er nauwelijks iets mee doen omdat het zo ongestructureerd en moeilijk te analyseren is,” zegt Buchner.
Haar bedrijf biedt een oplossing met generatieve AI: een conversatiegerichte, chat gebaseerde tool waarmee projectmanagers en uitvoerders direct toegang krijgen tot de informatie die ze nodig hebben. “Je stelt een vraag en krijgt meteen een antwoord, inclusief links naar de originele documenten. Klik, en je hebt het oorspronkelijke bestand.”
TrunkText: Hoe Generatieve AI Bouwprocessen Optimaliseert
TrunkText is de chatagent van Trunk Tools waarmee bouwprofessionals projectdata kunnen opvragen. Aangedreven door een Large Language Model (LLM), automatiseert het zelfs werkprocessen zoals het vergelijken van een indiening met projectspecificaties.
“In plaats van een medewerker die handmatig documenten vergelijkt, kan AI dat nu doen,” zegt Buchner. “Er zijn zoveel dagelijkse taken die we gewoon niet meer door mensen hoeven te laten doen.”
Praktijkvoorbeeld: TrunkText Versnelt het Baird Center-project
In 2021 begon Gilbane Building Co. met de $456 miljoen kostende uitbreiding van het Baird Center in Milwaukee, Wisconsin. Dit enorme project beheerde meer dan 33 GB aan data, verspreid over 21.000 documenten. Naarmate deadlines naderden, kostte het doorzoeken van deze berg data steeds meer tijd.
Om dit probleem aan te pakken, testte Gilbane Trunk Tools in de laatste fase van het project in januari 2024. Na het uploaden van de documenten verwerkte de AI de data en konden medewerkers in het veld snel informatie opvragen over onder andere planwijzigingen en bestellingen.
“Er wordt vaak meer dan 30 minuten per vraag bespaard op de bouwplaats,” zegt Andrew Roy, uitvoerder op het Gilbane-project. “Daarnaast versnelt het de reactietijd van collega’s.”
Bij de voltooiing van het project in mei 2024 had de AI bijna 250 vragen beantwoord, wat per vraag 20 tot 40 minuten tijdsbesparing opleverde—goed voor een geschatte besparing van $100.000 per maand aan vermeden herstelkosten. Cruciaal was dat 87% van de antwoorden als accuraat werd geverifieerd, wat vertrouwen gaf in de betrouwbaarheid van het systeem.
Hoe LLM’s Bouwdata Omzetten in Antwoorden
Bouwprojecten genereren enorme hoeveelheden ongestructureerde data—denk aan plannen, RFI’s, inzendingen, contracten en dagelijkse rapportages.
Het probleem: Veel van deze informatie is verspreid over verschillende bestanden, formaten en platforms, waardoor het lastig toegankelijk is wanneer snelle beslissingen nodig zijn.
Hier komen Large Language Models (LLM’s) in beeld. LLM’s zijn een type kunstmatige intelligentie die getraind is op grote hoeveelheden tekst data. Ze blinken uit in het herkennen van taalpatronen, context en betekenis—vaardigheden die ideaal zijn voor het vereenvoudigen van complexe bouwdata.
Hoe LLM’s werken in de bouw:
- Dataverwerking: Documenten zoals contracten en inzendingen worden geüpload naar een AI-platform zoals TrunkText, waar de LLM de inhoud indexeert en doorzoekbaar maakt.
- Semantisch Begrip: In tegenstelling tot eenvoudige zoekmachines begrijpen LLM’s de betekenis achter vragen. Als een projectmanager vraagt: “Wat is de maximale belasting voor balk X?”, kan de AI de relevante specificaties vinden—zelfs als de exacte woorden niet in het document staan.
- Contextuele Antwoorden: LLM’s bieden contextrijke antwoorden door direct naar de originele documenten te linken. Gebruikers krijgen niet alleen een antwoord, maar ook het bewijs erachter.
- Automatiseren van Repetitieve Taken: LLM’s kunnen taken zoals het vergelijken van specificaties of het samenvatten van documenten overnemen, waardoor handmatig werk wordt verminderd.
Door ongestructureerde projectdata om te zetten in duidelijke, bruikbare inzichten, helpen LLM’s bouwteams om tijd te besparen, dure fouten te voorkomen en efficiënter te werken.
Buchner’s Reis van de Bouwplaats naar AI-Innovatie
Buchner’s passie voor de bouw begon in Oostenrijk, waar haar vader, een timmerman, haar meenam naar bouwplaatsen. “Op mijn 12e werkte ik al mee aan mijn eerste project, en ik vond het geweldig,” zegt ze. Na bijna tien jaar in de bouwsector te hebben gewerkt, behaalde ze diploma’s in civiele techniek, data science en business.
Tijdens haar promotieonderzoek ervaarde Buchner zelf de moeilijkheden bij het analyseren van ongestructureerde bouwdata. “Ik moest geld inzamelen om de data schoon te maken voordat ik er analyses op kon doen,” vertelt ze. Dit onderstreepte de dringende behoefte aan betere databeheer- en toegangsmethoden in de sector. Toen generatieve AI opkwam, zag ze de kans om bouwprocessen radicaal te verbeteren.
De Toekomst van AI in de Bouw
Sinds de oprichting van Trunk Tools in 2021 richt Buchner zich op het ontwikkelen van AI-tools die echte problemen voor bouwteams oplossen. De chatinterface is bewust eenvoudig, zodat gebruikers minimale training nodig hebben.
“Een getrainde AI is heel goed in het semantisch verbinden van data met mensen,” zegt Buchner. “We zijn gewend om te praten om informatie te krijgen. Zodra meer aanbieders dit begrijpen, zullen we veel meer chat gebaseerde tools zoals deze zien.”
Met tools zoals TrunkText is generatieve AI niet langer een modewoord—het verandert hoe bouwteams werken, bespaart tijd, verlaagt kosten en ontsluit het potentieel van data op de bouwplaats.
