AI voor keuringsbedrijven: de keuring is het vak, het rapport is de rem

november 22, 2026

Een keuring van een elektrische installatie in een middelgroot bedrijfspand duurt op locatie een paar uur. Meten, kijken, foto's maken, notities inspreken. Dat is het vak, en daar heb je je inspecteurs voor aangenomen.

Daarna begint het tweede deel van de dag. Terug in de auto of aan de keukentafel worden de foto's gesorteerd, de notities uitgewerkt, de bevindingen geformuleerd, de normartikelen erbij gezocht en het rapport opgemaakt. Bij veel keuringsbedrijven kost dat net zoveel tijd als de keuring zelf, soms meer.

Wie nadenkt over AI voor keuringsbedrijven, kijkt vaak eerst naar de keuring. Een app die defecten op een foto herkent, een drone, een slimme checklist. Maar daar zit de rem niet. De rem zit in het rapport. Dat is ook het deel dat je met AI het veiligst kunt versnellen, omdat de inspecteur er nog steeds met naam en toenaam voor tekent.

Dit artikel is voor eigenaren en operationeel managers van keurings- en inspectiebedrijven met 10 tot 200 mensen: NEN 3140 en SCIOS keuringen, brandveiligheid, liften en arbeidsmiddelen, bouwkundige opnames, asbestinventarisaties, energielabels. Je doet honderden tot duizenden keuringen per jaar, je inspecteurs zijn schaars en je groei loopt vast op het aantal mensen dat mag tekenen. Het is niet voor je als je als zelfstandige 3 keuringen per week doet, als je de inspecteur wilt vervangen door een camera, of als je alleen een checklist app zoekt. Die kun je gewoon kopen.

In dit artikel lees je waar de uren na de keuring echt zitten, waarom 12 inspecteurs vaak 12 soorten rapporten schrijven, welk deel AI doet en welk deel vaste regels, een rekenvoorbeeld met 4.800 keuringen per jaar, wat je beter niet automatiseert, hoe je begint en wat er na de livegang gebeurt.

‍

Belangrijkste inzichten

• Bij veel keuringen kost het rapport net zoveel tijd als de keuring zelf. Daar zit de capaciteit die je zoekt, niet op locatie.

• Een inspectie app lost het vastleggen op. Het schrijven, classificeren en controleren blijft handwerk.

• Het grootste probleem is vaak niet snelheid maar verschil: elke inspecteur formuleert, classificeert en adviseert net anders.

• AI schrijft het concept op basis van jouw eigen eerdere rapporten. Vaste regels controleren of het rapport compleet is. De inspecteur beslist en tekent.

• Het eigenlijke werk is je bevindingenbibliotheek: vaste formuleringen per gebrek, met classificatie, normverwijzing en hersteladvies.

• In het rekenvoorbeeld gaat de rapporttijd van 2 uur naar 45 minuten per keuring. Dat is 6.000 uur per jaar, ongeveer 4 inspecteurs aan capaciteit.

• Laat de beoordeling zelf bij de inspecteur. AI die gebreken op foto's beoordeelt, maakt je rapport kwetsbaarder, niet sterker.

‍

AI voor keuringsbedrijven: waarom de app het probleem niet oplost

De meeste keuringsbedrijven werken al lang niet meer op papier. Er is een tablet, een inspectie app, een checklist per keuringstype en een portaal waar het rapport uiteindelijk in landt. Dat was een flinke stap. De keuring wordt netjes vastgelegd en niemand hoeft meer formulieren over te typen.

Toch zie je in bijna elk bedrijf hetzelfde patroon. De app legt vast wat de inspecteur aanklikt. Maar een rapport is meer dan een ingevulde checklist. Het is een verhaal dat een klant moet kunnen begrijpen en een installateur moet kunnen uitvoeren. Bij elk gebrek hoort een duidelijke omschrijving, een foto, een plek in het gebouw, een classificatie, een verwijzing naar de norm en een advies voor herstel.

Dat stuk doet de app niet. Dat doet de inspecteur, 's avonds, met de notities ernaast. Of het binnendienst team dat de notities uitwerkt en bij elke twijfel terugbelt. De app heeft het vastleggen sneller gemaakt. Het schrijven is gebleven wat het was.

Daarom levert nog een app zelden de capaciteit op die je zoekt. De vraag is niet hoe je de keuring sneller vastlegt. De vraag is hoe je van ruwe waarnemingen in 1 keer een goed rapport maakt, zonder dat je beste mensen er een halve dag mee bezig zijn.

‍

Waar de uren na de keuring echt zitten

Vraag een inspecteur waar de tijd blijft en je hoort zelden "het invullen". Je hoort: de 140 foto's die nog bij de juiste ruimte moeten. De ingesproken notitie waarin 3 gebreken door elkaar lopen. De klant die het vorige rapport erbij wil hebben om te zien wat er is opgelost.

Als je het werk na een keuring uit elkaar haalt, zie je meestal 6 stappen:

• Ordenen: foto's en metingen koppelen aan de juiste ruimte, verdeelkast of installatiedeel.

• Uitwerken: notities en spraakopnames omzetten in leesbare bevindingen.

• Classificeren: per bevinding bepalen hoe ernstig het is, volgens het schema dat jouw bedrijf of de regeling gebruikt.

• Onderbouwen: het normartikel of de eis erbij zoeken en een hersteladvies schrijven.

• Vergelijken: nagaan wat er sinds de vorige keuring is opgelost en wat nog openstaat.

• Controleren en versturen: een collega leest mee, de inspecteur tekent, het rapport gaat naar de klant en naar het portaal.

Het aanklikken in de app is misschien 10% van de tijd. De rest zit in ordenen, uitwerken, onderbouwen en vergelijken. Precies daar kan AI het meeste doen, juist omdat het werk zo herhalend is. Hetzelfde gebrek komt in jouw rapporten honderden keren per jaar terug, telkens net iets anders opgeschreven.

Bij grote objecten loopt dit snel op. Een complex gebouw met veel installaties levert rapporten op waar een inspecteur dagen aan schrijft. Maar ook bij een gemiddelde keuring van een paar uur is 1,5 tot 2,5 uur rapportwerk eerder regel dan uitzondering.

‍

De echte rem: 12 inspecteurs, 12 soorten rapporten

Er is een tweede probleem, en dat zie je pas als je 50 rapporten naast elkaar legt. Elke inspecteur schrijft op een eigen manier. De een noemt een ontbrekende afdekking een ernstig gebrek, de ander een aandachtspunt. De een schrijft 3 regels hersteladvies, de ander verwijst alleen naar de norm. De ene klant krijgt een rapport van 8 pagina's, de andere voor een vergelijkbaar pand een van 22.

Dat is geen kwestie van slordigheid. Goede inspecteurs ontwikkelen in de loop van de jaren een eigen stijl. Maar voor je bedrijf is het een risico. Een klant die 2 vestigingen door 2 inspecteurs laat keuren, ziet het verschil. Een installateur weet niet wat er met een vaag advies moet gebeuren. En bij een discussie over een classificatie moet je uitleggen waarom collega A het anders zag dan collega B.

Wij zagen hetzelfde bij een subsidieadvieskantoor waar we voor werkten. 5 adviseurs werkten op 5 manieren in 5 tools. Niet omdat iemand het slecht deed, maar omdat niemand het ooit had vastgelegd. Pas toen het proces op papier stond, kon er iets geautomatiseerd worden.

Ben je geaccrediteerd als inspectie-instelling volgens ISO/IEC 17020, dan is dit extra relevant. De Raad voor Accreditatie beoordeelt of je inspecties en de vastlegging daarvan op een beheerste en herhaalbare manier gebeuren. Een nieuwe AI stap in je rapportproces hoort dus in je procedures en je kwaliteitssysteem, net als een nieuw meetinstrument. Dat is geen reden om het niet te doen. Het is een reden om het goed te doen.

‍

Wie doet wat: AI schrijft, regels toetsen, de inspecteur tekent

De verdeling die werkt, is steeds dezelfde. AI doet het werk dat met taal en ordenen te maken heeft. Vaste regels in code controleren wat hard en meetbaar is. En de inspecteur doet wat alleen een vakman kan: beoordelen en tekenen. Die volgorde draai je nooit om.

AI voor keuringsbedrijven: wie doet wat in een keuringsrapport, AI schrijft het concept, vaste regels toetsen, de inspecteur beslist en tekent

Wat AI doet

AI zet spraaknotities om in tekst, koppelt foto's aan de juiste ruimte en het juiste installatiedeel, en schrijft per waarneming een concept bevinding. Belangrijk: dat concept komt niet uit de lucht vallen. Het systeem zoekt in jouw eigen bevindingenbibliotheek de formulering die het best past, met de classificatie, de normverwijzing en het hersteladvies die jouw bedrijf daar altijd bij gebruikt.

Daarnaast legt AI het nieuwe rapport naast het vorige. Welke gebreken van vorig jaar zijn opgelost, welke staan nog open, welke zijn nieuw. Dat is werk waar een inspecteur nu vaak een uur mee bezig is, en dat een klant juist het meest waardeert.

Wat vaste regels doen

Een deel van een goed rapport is gewoon controleerbaar. Elke bevinding heeft een foto. Elke bevinding heeft een classificatie en een normverwijzing. Elke meetwaarde staat in het juiste veld en valt binnen het bereik van het meetinstrument. Het rapport noemt de gebruikte instrumenten en de keuringsdatum. Openstaande gebreken van de vorige keuring zijn allemaal benoemd.

Dat zijn geen vragen voor een taalmodel. Dat zijn vaste regels, en die horen in gewone code. Code geeft elke keer hetzelfde antwoord, je kunt hem testen en je kunt aan een auditor laten zien wat hij controleert. Een rapport dat niet door de regels komt, gaat niet naar de inspecteur ter ondertekening maar terug met een lijstje van wat ontbreekt.

Wat de inspecteur doet

De inspecteur leest het concept, past aan waar de waarneming anders was, beslist over elke classificatie en tekent. Het rapport blijft het rapport van de inspecteur. AI stelt voor, de vakman beslist.

Dat is ook de reden dat dit model werkt in een gereguleerd vak. Er verandert niets aan wie verantwoordelijk is. Er verandert alleen hoeveel tijd die persoon kwijt is aan typen.

‍

Het eigenlijke werk: je bevindingenbibliotheek

Hier gaan de meeste AI projecten in deze sector mis. Ze beginnen bij het model en vergeten de bron. Een taalmodel dat zonder jouw bibliotheek een bevinding schrijft, schrijft een algemene tekst. Die klinkt goed, maar hij past niet bij jouw classificaties, niet bij jouw toon en soms niet bij de norm.

De bibliotheek is de kern. Het is een lijst van gebreken die in jouw rapporten steeds terugkomen, per keuringstype, met per gebrek een vaste omschrijving, de classificatie, de normverwijzing en het standaard hersteladvies. Je bouwt hem niet uit je hoofd. Je bouwt hem uit je eigen archief.

Neem de laatste 1.000 tot 2.000 rapporten van 1 keuringstype. Laat de bevindingen eruit halen en groeperen. Je zult zien dat 80 tot 150 gebreken het overgrote deel van al je bevindingen dekken. Dan gaan je 2 of 3 beste inspecteurs per gebrek de beste formulering kiezen, en daar is discussie over. Goed. Die discussie had je al jaren moeten voeren.

Dit is wat wij de Foundation noemen: 1 bron waar je bedrijf en je AI allebei op draaien. Je hebt er ook zonder AI direct iets aan. Nieuwe inspecteurs leren sneller, reviews gaan sneller, en klanten krijgen rapporten die op elkaar lijken.

Wil je dit traject op papier zetten voordat je met iemand praat? Gebruik de gratis AI product requirements template. Die helpt je de vragen te beantwoorden die elke bouwer je toch gaat stellen: welk proces, welke volumes, welke data, wie beslist, wat kost een fout.

‍

Rekenvoorbeeld: een keuringsbedrijf met 4.800 keuringen per jaar

Een voorbeeld, geen klant. Een keuringsbedrijf met 40 mensen, waarvan 22 inspecteurs. Ze doen 4.800 keuringen per jaar, vooral periodieke keuringen van elektrische installaties en brandveiligheid bij bedrijfspanden. Gemiddeld 3 uur op locatie, 1 uur reistijd en 2 uur rapportwerk per keuring.

Dat rapportwerk is in totaal 9.600 uur per jaar. Met een bevindingenbibliotheek, concept rapporten en automatische controles gaat de rapporttijd in dit voorbeeld naar 45 minuten. De inspecteur leest, past aan en tekent. Dat scheelt 1 uur en 15 minuten per keuring, samen 6.000 uur per jaar.

Bij ongeveer 1.500 productieve uren per inspecteur is dat de capaciteit van 4 inspecteurs. Mensen die je op deze arbeidsmarkt maanden zoekt, als je ze al vindt.

Reken je met een interne kostprijs van 75 euro per uur, dan is de volle besparing 450.000 euro per jaar. Dat getal gebruiken we niet om te plannen. In het eerste jaar wennen mensen aan een nieuwe werkwijze en loopt niet elk keuringstype mee. We rekenen daarom met de helft: 3.000 uur, of 225.000 euro.

Daar staat dit tegenover:

• Blueprint: 7.500 euro, om het rapportproces in kaart te brengen en de keuringstypes te prioriteren.

• 2 automatiseringen: het concept rapport met bibliotheek, en de automatische controle met de koppeling naar je inspectie app en portaal. Samen 70.000 euro.

• Beheer: 2 keer 1.250 euro per maand, dus 30.000 euro per jaar.

De eenmalige kosten zijn 77.500 euro. Met de helft van de besparing en de beheerkosten eraf verdien je dat in ongeveer 5 maanden terug. Valt het tegen, zeg 30 minuten winst per rapport en ook daarvan in het eerste jaar maar de helft, dan duurt het ruim een jaar. Ook dat is een goede uitkomst, maar je wilt het van tevoren weten.

Het belangrijkste getal staat daar trouwens niet bij. Met de volle besparing van 6.000 uur kunnen dezelfde 22 inspecteurs in dit voorbeeld ruim 1.200 keuringen per jaar meer doen, zonder 1 vacature. Voor de meeste keuringsbedrijven is dat de echte reden om te beginnen. Hoe je zo'n terugverdientijd voor je eigen proces opbouwt, lees je in ons draaiboek over terugverdientijd van AI automatisering.

‍

Wat je beter niet automatiseert

Niet alles wat kan, moet. Er zijn 4 dingen die we bij keuringsbedrijven bewust bij de mens laten.

De beoordeling op locatie. Er zijn modellen die op een foto een verkleurde aansluiting of een ontbrekende afdekking herkennen. Dat werkt in een demo. In een echt gebouw, met slecht licht en een half open kast, mist het dingen of ziet het dingen die er niet zijn. En wie is er dan verantwoordelijk? Laat de camera vastleggen en de inspecteur beoordelen.

De definitieve classificatie. AI mag een classificatie voorstellen op basis van je bibliotheek. De inspecteur beslist. Een voorstel dat te vaak wordt aangepast, is een signaal dat je bibliotheek bijgewerkt moet worden, niet dat het model meer vrijheid moet krijgen.

Het versturen zonder handtekening. Een rapport gaat nooit automatisch naar een klant of portaal voordat een inspecteur bij naam heeft getekend. Ook niet als alle regels groen zijn.

Keuringstypes met weinig volume. Doe je een bepaald soort keuring 30 keer per jaar, dan levert een bibliotheek en een concept rapport te weinig op. Begin bij het type waar je honderden keren per jaar hetzelfde opschrijft.

Een eerlijke kanttekening. Als je rapporten nu al in 30 minuten klaar zijn omdat je een strak systeem met vaste teksten hebt, dan is de winst kleiner dan in dit voorbeeld. Dan zit je capaciteit ergens anders, bijvoorbeeld in planning of reistijd. Ook dat is een antwoord dat je liever vooraf hoort.

‍

Hoe je begint: 4 stappen in 3 maanden

Je hoeft niet je hele bedrijf in 1 keer om te bouwen. Een beheerste start ziet er zo uit.

• Kies 1 keuringstype met veel volume en veel rapportwerk. Meestal is dat de periodieke keuring die je het vaakst doet.

• Verzamel de laatste 1.000 tot 2.000 rapporten van dat type en bouw daaruit de bevindingenbibliotheek, met je 2 of 3 beste inspecteurs aan tafel.

• Laat 3 inspecteurs 4 weken met concept rapporten werken, naast hun gewone manier. Meet de rapporttijd en tel hoe vaak ze een voorstel aanpassen.

• Leg het vast in je kwaliteitssysteem: wat het systeem doet, wat de regels controleren, wie tekent. Breid daarna pas uit naar het volgende keuringstype.

Weet je nog niet welk proces het eerst moet, begin dan breder. In ons artikel over het in kaart brengen van AI kansen in je werkproces lees je hoe je stappen naast elkaar zet op uren, volume en risico. Dat sluit aan bij wat het CBS ziet: in 2025 gebruikte 27% van de bedrijven met 10 tot 50 werkzame personen AI, vooral voor marketing en verkoop. Het primaire proces, bij een keuringsbedrijf het rapport, blijft vaak buiten schot.

‍

Wat het kost, wie eraan werkt en wat er na de livegang gebeurt

Eerlijk over geld, want je gaat het toch vragen. Bij ons begint het meestal met een Blueprint van 2.500 tot 10.000 euro, afhankelijk van het aantal processen, in 10 tot 20 werkdagen. Je krijgt het rapportproces in kaart zoals het echt loopt, de knelpunten in uren en euro, de AI kansen op volgorde, een planning met vaste prijzen per stap en een eerste ruw prototype in je eigen repository. Het is van jou. Wil je het daarna zelf bouwen, dan kan dat.

Een automatisering van een groot proces kost 18.000 tot 45.000 euro, vast per automatisering. 1 knelpunt per mijlpaal, een mens keurt goed waar een fout duur is, en het systeem praat met je inspectie app, je planning en je portaal.

Wie werkt eraan? 2 engineers bij naam, van de Blueprint tot jaar 2. Geen wisselend team, geen accountmanager tussen jou en de mensen die het bouwen.

Na de livegang begint het beheer. Een engineer bij naam staat op de melding als er iets misgaat, de AI kosten per rapport hebben een plafond, je krijgt elke maand een rapport van 1 pagina, en als een norm of je bibliotheek verandert, worden de regels bijgewerkt. De reactietijd wordt vastgesteld in de Blueprint. Beheer kost vanaf 1.250 euro per maand per automatisering.

En als de eerste maand tegenvalt? Exit na maand 1: je betaalt wat er geleverd is en houdt alles.

Codelevate maakt van Nederlandse B2B dienstverleners softwarebedrijven: we brengen het expertproces in kaart dat je nu met de hand doet, automatiseren het zodat hetzelfde team het volume aankan, en bouwen het platform waar je klanten voor betalen, met 2 engineers bij naam van de blueprint tot jaar 2.

Wil je eerst zelf op een rij zetten wat jouw rapportproces kost en waar het knelt? Download de gratis AI product requirements template en vul hem in voor 1 keuringstype. Dan heb je meteen iets om mee te sturen.

‍

Stuur wat je hebt

Een paar geanonimiseerde rapporten, je checklist, een schatting van je volumes. 1 van de 2 engineers leest het in 20 minuten met je door, en je krijgt dezelfde dag 1 van 3 antwoorden op papier: zelf doen, iemand aannemen, of de Blueprint. Plan een gesprek.

Inhoudsopgave
Deel dit artikel

Veelgestelde vragen

Kan AI zelf een keuringsrapport schrijven?

Nee. AI schrijft de bevindingen in concept uit je eigen bevindingenbibliotheek en vaste regels controleren of het rapport compleet is, maar de inspecteur controleert elke bevinding, beslist over de classificatie en tekent bij naam.

Mag een inspectie-instelling met ISO/IEC 17020 accreditatie AI gebruiken in het rapportproces?

Ja, zolang het net als elk ander hulpmiddel in je procedures en kwaliteitssysteem staat en de bevoegde inspecteur elk rapport blijft beoordelen en tekenen.

Wat kost het om keuringsrapporten te automatiseren?

Bij ons kost een groot proces 18.000 tot 45.000 euro, vast per automatisering, plus beheer vanaf 1.250 euro per maand, meestal na een Blueprint van 2.500 tot 10.000 euro.

Hoeveel tijd bespaart AI per keuringsrapport?

Dat hangt af van hoe je nu werkt; in ons rekenvoorbeeld gaat de rapporttijd van 2 uur naar 45 minuten, maar een bedrijf dat al strak met vaste teksten werkt, wint minder.

Moeten we AI gebruiken om gebreken op foto's te herkennen?

Voor de beoordeling zelf raden we het af: laat de camera vastleggen en de inspecteur beoordelen, want beeldmodellen missen dingen in echte gebouwen en de verantwoordelijkheid blijft bij de inspecteur.

Wat gebeurt er na de livegang?

Een engineer bij naam staat op de melding, de AI kosten per rapport hebben een plafond, je krijgt elke maand een rapport van 1 pagina en de regels worden bijgewerkt als een norm of je bibliotheek verandert.

Begin met
een introductiegesprek

Dit helpt je meer te weten te komen over ons team, ons proces en te zien of we een goede match zijn voor jouw project. Of je nu helemaal opnieuw begint of een bestaande softwaretoepassing verbetert, wij zijn er om je te helpen slagen.