Blog: Wat betekent 2035 voor jouw werk in de gww?

Het is maandagochtend. Je opent je laptop en ziet dat je AI-assistent alvast een samenvatting heeft gemaakt van alle actiepunten die nog openstaan van vorige week. Terwijl je koffie haalt, constateert de landmeetrobot dat er obstakels zijn ter plaatse van twee uit te zetten punten, waardoor de straatrobot zijn werkplanning aanpast.

En die tender waar je de komende periode voor ingepland staat? Die eerste analyse staat al klaar, in concept gegenereerd op basis van de uitvraag en vergelijkbare projectinformatie uit de database.

Sciencefiction? Nee. Dit kan en gebeurt in losse initiatieven gedeeltelijk nu al, in 2026. En tegen 2035 is het gewoon de manier waarop we werken. Maar wat betekent dat voor jouw baan, je organisatie en de sector? Laten we kijken naar drie signalen die je vandaag al om je heen ziet en die de komende tien jaar alleen maar sterker worden.

Je kent het wel. Die vacature die al zes maanden openstaat. Die ervaren tekenaar die met pensioen gaat en wiens kennis eigenlijk nergens gedocumenteerd staat. Het arbeidstekort in de gww is niet nieuw, maar het wordt structureel. UWV voorspelt dat we tot 2040 te maken hebben met een ongunstige demografie. Simpel gezegd: er gaan meer mensen weg dan er bijkomen.

Dit is niet iets wat vanzelf overwaait. De renovatie- en vervangingsopgave, de woningbouwopgave, klimaatadaptatie en energietransitie zijn allemaal projecten die om gww-capaciteit vragen. Maar die capaciteit is er gewoon niet.

Wat dit betekent: we moeten slimmer werken, niet harder. Dat betekent automatiseren waar het kan en mensen inzetten waar hun expertise echt verschil maakt. AI en robotisering zijn geen luxe meer, maar een noodzaak om het werk überhaupt gedaan te krijgen.

Een projectleider belt. Hij heeft dringend de onderhoudshistorie nodig van een stuk weg. Die informatie zit verspreid over drie systemen, twee archiefkasten en de laptop van iemand die vorige maand is vertrokken. Na een halve dag zoeken heeft hij de helft. De andere helft? Onvindbaar.

Dit is de realiteit van vandaag. Maar DigiGO’s visie 2024-2030 maakt duidelijk: de ambitie is om tegen 2030 volledig gestandaardiseerd te werken. Dat betekent dat alle informatie over een project, van ontwerp tot sloop, beschikbaar is. Ook wordt er gewerkt aan EU data spaces.

Common European Data Spaces zijn sectorspecifieke digitale ecosystemen waarin organisaties, overheden en burgers data op een veilige, gestandaardiseerde en vertrouwde manier kunnen delen en uitwisselen, waarbij data-eigenaren controle houden over hun data en iedereen profiteert van innovatie binnen Europa's waarden en regels.

Deze twee initiatieven samen vormen een belangrijke basis voor de toekomstige digital twin van de buitenruimte waarin je niet alleen kunt zien hoe iets eruitziet, maar ook wanneer het onderhoud nodig heeft, wat het gekost heeft en welke materialen erin zitten.

Binnen CROW is het Programma Dataharmonisatie Objecten in de Openbare Ruimte (DOOR) een mooi voorbeeld. Daarbij worden objectenstandaarden die in de openbare ruimte en infrastructuur gebruikt worden, met elkaar verbonden, zodat het integraal plannen, inrichten en beheren van de openbare ruimte mogelijk wordt. CROW draagt hieraan bij met duidelijke, toepassingsgerichte datastandaarden en verbindt deze met andere standaarden. Gegevens kun je zo eenvoudig onderling uitwisselen.

Uit het Programma DOOR is ook het Informatiemodel Beheer Openbare Ruimte (IMBOR) voortgekomen. Het IMBOR is een informatiemodel dat beschrijft hoe gegevens over objecten in de openbare ruimte, zoals bomen, zitbanken, lantaarnpalen en wegen worden vastgelegd. Het model zorgt ervoor dat iedereen, van beheerders tot aannemers en softwareleveranciers, dezelfde ‘taal’ spreekt. Dit voorkomt gegevensverlies, verbetert de samenwerking en maakt beheerprocessen efficiënter.

Wat dit in de toekomst betekent: tekenaars worden modelleurs. Calculators worden data-analisten. Beheerders worden databeheerders/-analisten en die projectleider? Die heeft binnen vijf minuten alle informatie die hij nodig heeft, inclusief een AI-gegenereerd advies over de beste aanpak. Die uiteraard wel kritisch beoordeeld moet worden.

Neem de autonome wals. Die verdicht asfalt zonder bestuurder en monitort op basis van sensoren. Of UrbanVue, dat automatisch zwerfafval en graffiti herkent op beelden en hier rapportages over levert. Of rioolinspecties waarbij AI de schades geautomatiseerd classificeert. Nu nog met controletijd, maar bij voldoende training wordt dit steeds minder.

Dit zijn geen pilots meer. Dit zijn toepassingen die nu al werken in de praktijk. En de grote softwareleveranciers, zoals Autodesk, Bentley en ESRI, bouwen AI standaard in hun tools. Dat betekent dat over een paar jaar iedereen met AI werkt, of je het nu wilt of niet.

Maar hier komt iets belangrijks bij: we worden steeds slimmer in hoe we AI inzetten. In plaats van afhankelijk te zijn van grote Amerikaanse techbedrijven, zien we een verschuiving naar kleine, gespecialiseerde AI-modellen die lokaal draaien. Zoals de opensource Mistral Family 3 modellen die allemaal klein lokaal kunnen draaien, maar wel gespecialiseerd zijn voor specifieke use cases. Denk aan kleine geoptimaliseerde tekstclassificatie, dataextractie en lokale spraakassistenten op mobiele telefoons.

Voor op de laptop of lokale server heb je modellen die je kan bijtrainen met sectordata die specialistische rapporten kunnen verwerken of vergaderingen kunnen transcriberen. En voor lokale servers kan je modellen bijtrainen met bedrijfsspecifieke data, waarbij je specifieke agentic workflows kan laten werken.

Maar denk ook aan een AI-model dat specifiek getraind is op het voorspellen van de asfaltlevensduur van de provincie Utrecht, of op de regelgeving rond aanbestedingen en EMVI-criteria. Deze modellen zijn kleiner, sneller en vooral: je kan het beslismodel nalopen en houdt controle.

Waarom dat belangrijk is: ten eerste ben je minder afhankelijk van externe partijen. Je data blijft binnen je organisatie. Ten tweede kun je beter zien hoe het model tot een conclusie komt, wat belangrijk is als je opdrachtgever vraagt waarom je een bepaald advies geeft. En ten derde: deze modellen zijn betaalbaar en toegankelijk, ook voor kleinere organisaties.

Europa en Nederland investeren fors in deze richting. Het rapport Draghi, AI Deltaplan en de Nationale Technologiestrategie maken duidelijk: we willen technologisch zelfvoorzienend worden. Niet uit nationalisme, maar uit praktische noodzaak. Als je afhankelijk bent van één leverancier, ben je kwetsbaar. Als je zelf de regie hebt, kun je sturen.

De toekomst is niet vastgelegd. Afhankelijk van de keuzes die we nu maken, zijn er grofweg drie scenario's:

• De Groene Versnelling: we omarmen technologie en duurzaamheid. AI en robotisering verhogen de productiviteit, we halen de klimaatdoelen en de GWW-sector is een aantrekkelijke werkgever voor jong talent.
• De Trage Transformatie: we doen wel iets, maar niet genoeg. Er zijn succesvolle pilots, maar brede implementatie blijft uit. We halen de doelen deels, maar lopen achter op andere landen.
• De Grijze Stilstand: we missen de boot. De sector veroudert, de infrastructuur raakt achterop en Nederland verliest zijn concurrentiepositie.

Het goede nieuws? Je hoeft niet te wachten tot 2035. Je kunt vandaag beginnen.

Als professional: kijk naar je eigen werk. Welke taken zijn repetitief en zouden geautomatiseerd kunnen worden? Welke nieuwe vaardigheden heb je nodig? (vraag het eens aan AI) Ga een cursus volgen over data-analyse of AI.

Als organisatie: investeer in digitalisering. Niet in de nieuwste gadget, maar in een solide data-architectuur en gecalculeerde afhankelijkheid. Zorg dat je data op orde is, want zonder goede data werkt geen enkele AI. En creëer ruimte voor experimenten. Niet alles hoeft meteen perfect te zijn.

Als sector: werk samen. Deel kennis, lever je bijdragen bij het ontwikkelen van gezamenlijke standaarden en leer van elkaars successen en mislukkingen. De gww-sector is klein genoeg om wendbaar te zijn, groot genoeg om impact te maken. Een mooi initiatief is DigicampusGWW waarbij via Buitenwerksamensterk lokale overheden en GWW-marktpartijen laten zien slimmer te willen samenwerken. Dit soort regionale, bottum-up initiatieven zijn hoopgevend.

De gww-sector in 2035 is geen sciencefiction. Het is een logisch vervolg op ontwikkelingen die je nu al ziet. Robots die wegen aanleggen, AI die rapporten schrijft, digital twins die onderhoud voorspellen. Het gebeurt allemaal al of er wordt aan gewerkt, alleen nog niet overal en niet op grote schaal.

De vraag is niet óf deze veranderingen komen, maar hoe snel en hoe goed we erop voorbereid zijn. En dat bepalen we samen, met de keuzes die we vandaag maken.

Dit is een blog geschreven door Peter Caesar, projectmanager bij Gebiedsmanagers, onderdeel van de Groots Adviesgroep. Hij werkt aan digitale vernieuwing in de fysieke leefomgeving en onderzoekt hoe AI en datagedreven werken leiden tot betere samenwerking, minder fouten en slimmere keuzes in de gww-sector. Hij verbindt zijn werk met vakgenoten via de Digicampus en gelooft dat de kracht van AI niet zit in de techniek, maar in hoe we het organiseren. 

Lees ook zijn vorige blogs: Wat AI wel en niet is in gww-taal en Waarom de gww-sector worstelt met innovatie