Een portfolio die te groot werd voor handmatig nakijken.
De opdrachtgever beheert ruim tweehonderd commerciële panden door heel Nederland. Elk pand heeft een dossier: huurcontracten, energielabels, onderhoudshistorie, gemeentelijke beslissingen, taxaties. Voor een quick-scan op één pand was een ervaren beheerder een halve middag bezig: alle documenten openklikken, doorlezen, kruisverbanden leggen, een korte beoordeling schrijven.
Bij honderden panden gebeurde dat zelden. En dus werden investeringsbeslissingen genomen op basis van het pand dat het hardst riep, niet het pand dat de meeste aandacht nodig had. De portefeuille stuurde niemand, de waan van de dag stuurde de portefeuille.
De data lag er al, alleen niet als data.
Voor we begonnen hebben we acht echte panddossiers helemaal uit elkaar getrokken. Wat opviel: bijna alles wat een beheerder in zijn halve middag handmatig deed, kwam uit informatie die al netjes opgeslagen stond. Alleen in PDF-vorm, in mailthreads en in een SharePoint-structuur die niemand meer overzag.
- Huurcontracten lagen als PDF, datum, partijen en huurprijs waren overal anders gestructureerd.
- Energielabels zaten in een aparte database, maar werden zelden gekruist met de leegstand.
- Onderhoudshistorie zat in mailthreads die niemand structureel uitleest.
- Gemeentelijke beslissingen kwamen binnen via één persoon en bleven daar.
Het probleem was niet "we hebben geen data". Het probleem was "onze data is niet doorzoekbaar als data". Dat is een ander probleem, met een andere oplossing.
// Belangrijkste inzicht
Eén knop, voor het hele portfolio.
Een slimme scan die alle documenten van een pand leest en in één keer doorrekent. Geen chatbot waar je vragen tegenaan typt, maar een batch die elk pand langs een vaste set vragen haalt en een score teruggeeft. 's Nachts draaien, 's ochtends weten waar je moet kijken.
De twaalf vragen
De lijst is samengesteld met de meest ervaren beheerder van de organisatie. Niet uit AI-best-practice, uit twintig jaar handwerk.
- Wanneer loopt het langstlopende huurcontract af?
- Welke partij draagt het huurrisico?
- Wat is de meest recente energielabel-update?
- Zijn er openstaande gemeentelijke beslissingen?
- Welk onderhoud staat de komende 24 maanden gepland?
- Zijn er signalen van leegstand of huurconflict?
De score is geen black-box LLM-oordeel. Elk antwoord wordt apart gevalideerd, elke claim heeft een bron. Wat overblijft is een rapport dat je kunt vertrouwen, niet omdat AI het zegt, maar omdat het te herleiden is.
// Belangrijk
Wat het oplevert.
Zes weken na livegang draait de scan elke nacht over de volledige portefeuille. Beheerders openen 's ochtends een dashboard met de panden die deze week aandacht nodig hebben, en weten waarom, met bronnen die ze direct kunnen openen. Geen PDF-hoppen meer.
Wat ik niet had verwacht: we hadden zelf niet door dat we te weinig wisten over zes van onze panden. Die kwamen in de eerste scan al meteen bovendrijven.
Manager portfolio, opdrachtgever
Simpel, houdbaar, schaalbaar.
We hebben geen dure aparte database nodig gehad, geen overbodige laag toegevoegd. Alles draait op één systeem, één scan die je altijd opnieuw kunt draaien zonder dubbele data. Bewust simpel gehouden, zodat het beheersbaar blijft, ook als de portefeuille groeit.
Volgende stap.
De scan draait stabiel. De volgende sprint is een uitbreiding richting scenario-scan: wat gebeurt er met het portefeuillerisico als energieprijzen 20% stijgen, of als huurregelgeving voor commercieel vastgoed in 2027 verandert?
Dat is mogelijk geworden omdat de data nu gestructureerd is en bevraagbaar. Wat eerst een ad-hoc analyseklus was, is nu een knop op het dashboard.