Eerst digitaliseren, dan pas AI: waarom je datafundament bepaalt of AI voor jou gaat werken

Er is veel aandacht voor AI in de installatiebranche. Chatbots die klantvragen beantwoorden. Slimme planning die rekening houdt met files en zieke monteurs. Voorspellend onderhoud dat weet dat een warmtepomp gaat falen vóórdat de klant in de kou zit. Klinkt fantastisch. Maar hier is de ongemakkelijke waarheid: AI is zo slim als de data die je het voert.

En bij veel installatiebedrijven zit die data nog in ordners, Excel-bestanden, WhatsApp-groepen, en de hoofden van ervaren medewerkers. Dat is geen verwijt – het is hoe de sector decennialang succesvol heeft gewerkt. Maar het betekent wel dat AI voorlopig weinig voor je kan doen.

In dit artikel leggen we uit waarom digitalisering geen "leuk extraatje" is, maar de absolute voorwaarde om straks mee te kunnen doen.

Wat bedoelen we eigenlijk met digitalisering?

Digitalisering klinkt groot en vaag. Maar in de kern is het simpel:

Digitalisering = informatie die nu in hoofden, papier of losse systemen zit, op één plek en in één formaat beschikbaar maken.

Denk aan:

• Werkbonnen die nu op papier worden ingevuld → digitaal in een app

• Klantgeschiedenis die alleen de vaste monteur kent → in het CRM

• Voorraadstanden die je moet bellen om te checken → real-time in het systeem

• Installatiehandleidingen in een la → doorzoekbaar in de cloud

Het gaat niet om de nieuwste technologie. Het gaat om vindbare, gestructureerde informatie.

Waarom kan AI niet zonder die basis?

Om te begrijpen waarom AI digitalisering nodig heeft, helpt het om te snappen hoe AI werkt.

AI leert van patronen

Een AI die voorspelt welke cv-ketel dit jaar kapot gaat, doet dat niet met magie. Hij kijkt naar duizenden eerdere gevallen: dit type ketel, deze leeftijd, dit onderhoudspatroon, dit watergebied → dit percentage kans op storing.

Maar als die gegevens niet bestaan – of verspreid zitten over drie Excel-sheets, een kladblok en het geheugen van Henk – dan ziet de AI niets. Geen patronen, geen voorspelling.

AI begrijpt geen ongestructureerde data

Stel je voor dat je een nieuwe medewerker vraagt om de planning te optimaliseren. Je geeft hem:

• Een map met werkbonnen (sommige getypt, sommige handgeschreven)

• Drie WhatsApp-groepen om door te spitten

• Toegang tot de mailbox van de planner

• De tip "voor dringende zaken moet je Peter bellen"
  

Die medewerker is een maand bezig om te begrijpen hoe jullie werken. AI heeft hetzelfde probleem – maar dan zonder het menselijk vermogen om te improviseren en door te vragen.

AI kan prima met complexe data omgaan – maar niet met data die onvindbaar, ongestructureerd of tegenstrijdig is.

AI vermenigvuldigt wat je hebt

Dit is cruciaal: AI verbetert geen chaos – het schaalt wat je al hebt. Is je basis rommelig, dan wordt rommel sneller. Is je basis sterk, dan wordt je bedrijf exponentieel beter.

Digitalisering is het verschil tussen AI als wondermiddel en AI als dure frustratie.

Het strategische risico dat niemand benoemt

Er speelt hier iets dat verder gaat dan efficiëntie.

Bedrijven die hun data niet op orde hebben, worden afhankelijk van externe partijen die wél die data verzamelen.  Platformen, fabrikanten, servicebedrijven – zij bouwen ondertussen databases op met informatie over jouw klanten, jouw installaties, jouw markt.

Wie de data heeft, heeft de macht.

Als jij over vijf jaar wilt weten welke installaties in jouw werkgebied aan vervanging toe zijn, wil je die analyse dan zelf kunnen doen? Of ben je dan afhankelijk van een fabrikant die jou die informatie misschien wil verkopen?

Digitalisering is geen IT-project. Het is een strategische keuze over wie de regie houdt.

Herkenbaar? De vijf typische "datavalkuilen" in installatiebedrijven

Voordat je denkt "wij hebben alles best goed op orde" – even een reality check. Dit zijn de vijf situaties die we het vaakst tegenkomen:

1. De kennisdrager Eén collega weet alles van een bepaald type klant, wijk of installatie. Als hij met pensioen gaat of ziek wordt, gaat die kennis mee.

2. Het Excel-moeras Er zijn tientallen Excel-bestanden: voorraadbeheer, planning, prijslijsten, klantoverzichten. Niemand weet welke versie actueel is. Iedereen heeft eigen aanpassingen.

3. De WhatsApp-werkbon Foto's van opgeleverd werk, afspraken over materiaal, statusupdates – alles gaat via WhatsApp. Handig, snel, en volstrekt onvindbaar na twee weken.

4. Het afgesloten eiland De boekhouding werkt in systeem A, de planning in systeem B, de monteurs in app C. Die systemen praten niet met elkaar. Iemand typt alles dubbel over.

5. De papieren erfenis Jarenlange dossiers in ordners. Tekeningen in lades. "Dat staat ergens in de map van 2019."

Herken je één of meer? Dan is dat geen falen – het is de realiteit in 90% van de bedrijven. Maar het is wél wat je moet oplossen voordat AI zin heeft.

Wat levert het op? Een voorbeeld uit de praktijk.

Een installatiebedrijf met 25 monteurs besloot te beginnen met alleen werkbonnen en installatiegegevens digitaliseren. Geen groot IT-traject, gewoon de basis.

Binnen zes maanden zagen ze iets opvallends: warmtepompen van één specifiek type gaven 30% vaker storing in een bepaald watergebied. Dat patroon was jarenlang onzichtbaar geweest – verborgen in papieren dossiers en losse meldingen.

Geen AI-magie. Gewoon data die eindelijk zichtbaar werd.

Met die kennis pasten ze hun advies aan nieuwe klanten aan en bespaarden ze op garantiewerk. De digitalisering had zichzelf binnen een jaar terugverdiend – en ze waren nog niet eens met AI begonnen.

Wat betekent dit concreet? Drie AI-toepassingen en wat ervoor nodig is.

Laten we het praktisch maken. Hier zijn drie AI-toepassingen die installatiebedrijven willen, en wat ervoor nodig is.

Voorbeeld 1: Slimme planning

Wat je wilt: Een systeem dat automatisch de beste route en volgorde bepaalt, rekening houdend met skills van monteurs, verkeersdrukte, en klantwensen.

Wat AI nodig heeft:

• Digitale agenda's van alle monteurs

• Klantadressen in één systeem (niet verspreid over Outlook, Excel en het hoofd van de planner)

• Vastgelegde skills per monteur (wie mag gaswerk doen, wie kent merk X)

• Historische data: hoe lang duurde dit type klus gemiddeld?

Zonder dit: De AI plant de leerling voor een complexe warmtepompstoring, omdat nergens staat dat hij dat niet mag doen.

Voorbeeld 2: Voorspellend onderhoud

Wat je wilt: Weten welke installaties binnenkort onderhoud nodig hebben, vóórdat de klant belt met een storing.

Wat AI nodig heeft:

• Installatiedata: welk type, welk bouwjaar, welk vermogen staat waar

• Onderhoudshistorie: wanneer is er iets gedaan, wat was het probleem

• Storingsmeldingen: wat ging wanneer kapot

• Omgevingsfactoren: watergebied, binnenklimaat, gebruiksintensiteit

Zonder dit: AI kan alleen gokken. En dat doet je ervaren monteur nu ook al – waarschijnlijk beter.

Voorbeeld 3: AI-klantenservice (chatbot)

Wat je wilt: Een chatbot die eenvoudige klantvragen afvangt: "Wanneer komt de monteur?", "Wat kost een onderhoudsbeurt?", "Mijn thermostaat doet raar."

Wat AI nodig heeft:

• Toegang tot de planning (real-time)

• Prijslijsten en productinformatie

• Veelgestelde vragen en antwoorden

• Klantgegevens (welk contract, welke installatie)

Zonder dit: De chatbot zegt "ik verbind u door met een medewerker" bij elke vraag. Dan kun je net zo goed geen chatbot hebben.

De goede volgorde: eerst lopen, dan rennen

Hier is het stappenplan dat wél werkt:

Stap 1: Breng in kaart waar je data zit

Maak een simpele inventarisatie. Waar staat klantinformatie? Waar staat installatiedata? Waar staan werkbonnen? Wie weet dingen die nergens staan?

Geen grote analyse nodig – één A4 is genoeg om de pijnpunten te zien.

Stap 2: Kies één centrale plek

Dit hoeft geen duur ERP-systeem te zijn. Het kan een goed CRM zijn, een branche-specifiek pakket, of zelfs een gestructureerde cloudopslag. Als het maar één plek is waar iedereen bij kan.

Stap 3: Begin met de basis

Niet alles tegelijk. Start met:

• Klantgegevens centraal

• Werkbonnen digitaal

• Installatiegegevens per adres

Dat alleen al maakt je bedrijf efficiënter – met of zonder AI.

Stap 4: Maak het de makkelijkste optie

Digitalisering mislukt als het extra werk voelt. Een monteur gaat geen gegevens invoeren als hij daarna alsnog een papieren bon moet tekenen. Zorg dat het nieuwe systeem de snelste route is, niet een extra stap.

Stap 5: Dán pas AI overwegen

Als je data op orde is, kun je AI-tools laten meekijken. Niet eerder. Anders betaal je voor een dure oplossing die niet kan doen wat je verwacht.

Maar wij zijn geen IT-bedrijf...

Terechte zorg. En nee, je hoeft geen IT-afdeling op te tuigen.

De installatiebranche heeft gespecialiseerde software die precies voor jullie situatie is gemaakt. Leveranciers die weten wat een werkbon is, wat een onderhoudscontract inhoudt, en hoe een planning eruitziet.

Bovendien: digitalisering is geen eenmalig megaproject. Het is een richting. Je begint ergens, je leert, je bouwt uit. Over twee jaar heb je een basis waar je nooit meer vanaf wilt.

En dan – pas dan – kan AI echt voor je werken.

Conclusie

AI in de installatiebranche is geen toekomstmuziek. Maar het is ook geen kwestie van "even een AI-tool aanschaffen."

De bedrijven die straks profiteren van AI zijn niet per se de grootste of de rijkste. Het zijn de bedrijven die hun data op orde hebben. Die weten wat ze hebben, waar het staat, en in welke vorm.

Digitalisering is geen doel op zich. Het is de fundering. Zonder fundering kun je geen huis bouwen – en zonder schone data kun je geen AI laten werken.

Dus voordat je vraagt "welke AI moeten wij gebruiken?", stel jezelf eerst de vraag: "Waar staat onze informatie eigenlijk?"

Wie dat antwoord niet weet, is nog niet klaar voor AI – maar wel voor de eerste stap.

Niet zeker waar je moet beginnen? Bij Berkland helpen we installatiebedrijven om die eerste stap te zetten – nuchter, praktisch, en zonder IT-jargon.