De komende jaren moeten alle gebouwen in Nederland ‘Paris proof’ worden. Een grote opgave voor vastgoedeigenaren zoals institutionele vastgoedbeleggers, pensioenfondsen en woningencorporaties. Maar niet de enige. Want door klimaatverandering ontstaan nieuwe risico’s. Hoe kwetsbaar zijn gebouwen als het gaat om bijvoorbeeld hittestress, wateroverlast, droogte, bodemdaling en overstromingen? Steeds meer vastgoedeigenaren proberen inzicht te krijgen in benodigde maatregelen. Sweco helpt vastgoedeigenaren hierbij en zette Spotr in om met behulp van Artificial Intelligence en Machine Learning de benodigde data op te halen. We gingen in gesprek met Jeroen van Eekelen en Jelmer van de Ridder, beiden consultant bij Sweco.
Jelmer en Jeroen houden zich al jaren bezig met klimaatadaptatie en adviseren partijen in zowel de publieke als de private sector. Ze helpen gemeenten, steden en vastgoedpartijen om fysieke klimaatrisico’s in beeld brengen en op basis daarvan een beeld, strategie en actieplannen op te stellen om die risico’s te mitigeren en een veilige en gezonde leefomgeving te creëren.
Behoefte aan inzicht
Recent zien Jelmer en Jeroen bij vastgoedeigenaren een groeiende behoefte aan inzicht in benodigde klimaatadaptatie.
Jeroen: “Dat komt onder andere door Europese wetgeving, de Sustainable Finance Disclosure en bijbehorende EU-Taxonomy. Om aan te kunnen tonen dat je als vastgoedbelegger een duurzaam fonds bent, moet je onder andere klimaatrisico’s in beeld hebben en aantonen dat deze waar nodig worden aangepakt. Een informatieverplichting dus. Maar vastgoedeigenaren zien ook dat het slim is hier nu inzicht in te krijgen, vanwege de maatregelen die nodig zijn om Paris proof te worden. Want het is natuurlijk het meest efficiënt om die maatregelen te combineren met maatregelen voor klimaatadaptatie, zo maak je werk met werk en voorkom je dat je twee keer het dak op moet.”
Data verzamelen over klimaatrisico’s
Een presentatie van Spotr die ze bijwoonden bracht hen op het idee contact op te nemen.
Jelmer: “Dirk Huibers, CEO van Spotr, gaf een presentatie bij Sweco over hoe Spotr gebouwkenmerken en de omgeving van gebouwen in beeld kan brengen met behulp van AI, om input te krijgen voor de verduurzaming van gebouwen. Dat bleef bij ons hangen. Dus toen een opdrachtgever ons benaderde met de vraag of wij konden helpen informatie te verzamelen voor een klimaatrisico-screening van zijn portfolio, dachten we: laten we Spotr inzetten om die data te verzamelen. Deze opdrachtgever vond het een goed idee en zo besloten we met Spotr een pilot op te zetten.”
Kwetsbaarheid voor hitte en wateroverlast
Jeroen: “Het doel was de kwetsbaarheid van gebouwen te onderzoeken voor hitte en wateroverlast. Daarvoor hadden we inzicht nodig in relevante gebouwkenmerken. Die data handmatig ophalen kan ook, maar dat zou onze opdrachtgever veel tijd en mankracht kosten die eigenlijk niet direct beschikbaar was. Met Spotr konden we veel sneller en geautomatiseerd die gebouwkenmerken verzamelen.”
“Het ging hier om iets meer dan 300 assets,” vult Jelmer aan, “winkels, kantoren en woningen. De data die we nodig hadden was bijvoorbeeld informatie over de hoogte van de drempel, de aanwezigheid van een parkeergarage, kelder of ventilatieroosters waar het water in kan stromen, of er zonwering is, of er rolluiken zijn, of er een airco buiten zichtbaar is. Ook haalden we informatie op over de kleur van de muur en het dak, de oppervlakte van het glas en de aanwezigheid van een overstek die zoninstraling vermindert.”
Jeroen: “Op basis van dat soort kenmerken kunnen we de kwetsbaarheid van een gebouw bepalen. We werken dan met risicoscores en hebben uiteraard ook een methode op basis waarvan we advies geven over de te nemen maatregelen. Bijvoorbeeld: dit gebouw heeft een hoog risico op wateroverlast binnen in het pand, dit zijn kosteneffectieve maatregelen om het risico te beheersen.”
Data zo smart mogelijk maken
“Het contact met Spotr verliep heel soepel,” vertelt Jelmer. “Er zat best wel druk op de planning, dus we moesten snel schakelen. We zijn ook snel met elkaar aan de slag gegaan. Misschien achteraf gezien iets te snel, want we haalden ook wel data op die niet direct bruikbaar bleek. Maar ondanks die hoge druk hebben we ook heel veel van die data wel goed kunnen gebruiken.”
Jeroen: “Dat is een goede les die we geleerd hebben in deze pilot: bepaal aan de voorkant heel scherp wat je kaders zijn en wat Spotr moet meten. Bijvoorbeeld de opdracht ‘meet de overstek’. Dat is te vaag, want wat is de overstek? Is dat ook een galerijbalkon, een uithangbord over je ramen? Dat was een leermoment, daar hadden we een stuk duidelijker in moeten zijn. Je moet echt met z’n allen aan het begin heel helder bepalen: wat bekijk je aan je gebouw en wat is wat. Je dataverzoek aan de voorkant zo smart mogelijk maken, verbetert de kwaliteit van je eindresultaten.”
Maatregelen combineren makkelijker
Jelmer: “Nu zit er nog best een onzekerheid in de data, want het algoritme moet nog leren. Maar dat is een kwestie van de AI trainen om steeds betere informatie te geven. Dat kost tijd, maar we geloven zeker dat dit de toekomst is. Zeker gelet op de krapte op de technische arbeidsmarkt en de hoeveelheid gebouwinspecteurs die de komende decennia met pensioen gaan.”
”We zien ook veel waarde voor Spotr in monitoring,” aldus Jeroen. “Dat je door Spotr ieder jaar die data laat inmeten, zodat je ook goed kan zien hoe de kwetsbaarheid verandert, bijvoorbeeld omdat er nu wel een rolluik is. Je kan heel goed grip houden op de voortgang van maatregelen. Dan loont het dat je in het begin tijd investeert, omdat je het daarna steeds verder kan verbeteren.”
“En doordat je goed inzicht hebt, wordt maatregelen combineren ook makkelijker. Niet alleen kijken naar klimaatrisico’s, maar ook naar maatregelen om Paris proof te worden en dan de dingen doen die het meeste effect hebben voor beide. Of niet alleen kijken naar afzonderlijke gebouwen, maar ook kijken naar de wijk. Hoeveel groen is er in een wijk, hoe versteend is een wijk, welke maatregelen zijn er nodig en mogelijk voor vergroening? En dan niet alleen door meer bomen en planten te plaatsen, maar ook door te kijken naar de aanwezigheid van vleermuizen, zwaluwen, nestkasten. Dan hoeft er geen ecoloog meer het veld in.”
Potentie van de techniek is groot
Jelmer: “Als we er nu op terugkijken denk ik: het was spannend en nieuw om deze pilot te doen. Maar we wisten ook: Spotr heeft zich al bewezen bij grote woningcorporaties en we willen innovatieve technieken graag een kans geven. Het was heel leerzaam om op basis van artificial intelligence bepaalde kenmerken van gebouwen in te laden. De potentie van de techniek is groot, we gaan het zeker vaker doen, Spotr inzetten.”
Wil je meer weten?
Spotr gebruikt AI om elementen, conditie,typologie en materialisatie in grote vastgoedportefeuilles te herkennen, zodat onze klanten investeringskansen kunnen vinden of risico's kunnen identificeren. Onze beeldbronnen zijn o.a. satellieten, vliegtuigen, auto's en telefoons. Meer weten? Vraag hier een demo aan.
