Voortgangsclassificatie: hoe AI inschat hoe ver een proces gevorderd is

Stel je een uitvoerder op een bouwplaats voor. Elke vrijdag loopt hij rond met een klembord en schat hij op zijn gevoel in hoe ver de bouw is: "we zitten op zo'n zestig procent". Die inschatting is nuttig, maar ook wisselvallig — de ene uitvoerder is optimistischer dan de andere, en niemand kan elke muur en leiding tegelijk checken. Voortgangsclassificatie is de verzamelnaam voor technieken waarbij software, meestal op basis van kunstmatige intelligentie (AI), diezelfde inschatting automatisch en consistent maakt, op basis van foto's, video's, sensordata of andere metingen.

Het idee klinkt eenvoudig, maar de toepassingen zijn breed. Een AI-systeem kan bijkleuren of een bouwproject volgens planning loopt door camerabeelden te vergelijken met een digitaal ontwerp. Een ander systeem kan op een oogfoto inschatten in welk stadium een oogziekte zich bevindt. Weer een ander systeem in de robotica probeert te bepalen hoever een robotarm is gevorderd in het inschenken van een kopje koffie, zodat hij weet wanneer hij moet stoppen. Al deze toepassingen delen dezelfde kern: een machine die niet alleen herkent wát er gebeurt, maar ook hoever dat proces gevorderd is.

Wat is het precies?

Voortgangsclassificatie is in essentie een vorm van machine learning, de tak van AI waarbij een computer patronen leert herkennen uit voorbeelden in plaats van vaste regels te volgen. Het proces verloopt meestal in een aantal stappen.

Eerst wordt data verzameld: foto's, videobeelden, sensormetingen of andere digitale sporen van een proces dat zich over tijd ontwikkelt. Denk aan wekelijkse dronefoto's van een bouwplaats, een reeks scans van een patiënt, of video's van iemand die een taak uitvoert.

Vervolgens worden deze voorbeelden gelabeld: mensen (of een referentiemodel, zoals een bouwtekening) geven aan in welke fase het proces op elk moment zat. Op basis van duizenden van zulke gelabelde voorbeelden traint men een neuraal netwerk — een wiskundig model losjes geïnspireerd op hersencellen — om zelf het verband te leren tussen de ruwe data en de voortgangsfase.

Het resultaat kan een classificatie zijn (bijvoorbeeld: fase 1, 2 of 3 van een ziekte) of een schatting op een schaal, zoals een percentage voltooiing. In de bouwsector wordt dat percentage vaak vergeleken met een BIM-model, een gedetailleerd digitaal 3D-ontwerp van het gebouw, zodat het systeem exact kan aangeven welke onderdelen achterlopen op schema.

Belangrijk is dat het systeem na de training zelfstandig nieuwe, nooit eerder geziene beelden moet kunnen beoordelen. Dat generaliseringsvermogen is meteen ook de grootste uitdaging: een model dat goed werkt bij daglicht, kan haperen bij kunstlicht of een ander cameratype.

Wat wil men ermee bereiken?

De belangrijkste belofte van voortgangsclassificatie is objectiviteit en consistentie. Waar een mens moe wordt, dagen mist of onbewust rooskleuriger rapporteert aan een opdrachtgever, meet een algoritme elke keer op dezelfde manier.

Daarnaast gaat het om snelheid en schaal. Een AI-systeem kan duizenden foto's per dag doorspitten, iets wat voor mensen ondoenlijk is. Dat maakt het mogelijk om processen veel vaker te controleren dan met periodieke, handmatige inspecties.

Een derde doel is vroege probleemdetectie. Als een bouwonderdeel structureel achterloopt, wil een projectleider dat het liefst na een week weten, niet pas na drie maanden bij de eindoplevering. Hetzelfde geldt in de zorg: hoe eerder een ziekte in een vroeg stadium wordt herkend, hoe groter de kans op succesvolle behandeling.

Tot slot spelen kostenbesparing en planning een rol. Nauwkeurigere voortgangsdata maakt het makkelijker om budgetten, personeel en materiaal beter te plannen, en vermindert discussies tussen opdrachtgevers en aannemers over wie gelijk heeft over de status van een project.

Voorbeelden uit de praktijk

In de bouwsector is Buildots, een Israëlisch bedrijf opgericht rond 2018, een bekend voorbeeld. Bouwvakkers dragen een 360-gradencamera op hun helm; de beelden worden automatisch vergeleken met het BIM-ontwerp, waarna het systeem per ruimte aangeeft welk percentage van de werkzaamheden is afgerond en waar afwijkingen zitten.

Het Amerikaanse OpenSpace volgt een vergelijkbare aanpak: camera's die op bouwplaatsen rondrijden of worden meegedragen, leggen doorlopend beeldmateriaal vast dat wordt gekoppeld aan de plattegrond van het gebouw, zodat projectteams op afstand de voortgang kunnen volgen zonder fysiek langs te hoeven.

In de medische wereld is de goedkeuring van IDx-DR (later omgedoopt tot Digital Diagnostics) door de Amerikaanse toezichthouder FDA in april 2018 een veelgenoemde mijlpaal. Dit was destijds het eerste AI-systeem dat volledig autonoom — zonder tussenkomst van een arts bij de interpretatie — een diagnose mocht stellen, in dit geval het beoordelen van het stadium van diabetische retinopathie op basis van een foto van het netvlies.

In de onderzoekswereld bestaat er sinds enkele jaren een aparte tak van computervisie-onderzoek gericht op "action progress prediction": AI-modellen die uit een video-fragment proberen af te leiden hoever een handeling, zoals het inschenken van een drankje of het monteren van een onderdeel, gevorderd is. Dit onderzoek wordt vooral gebruikt om robots te trainen die zelfstandig kunnen inschatten wanneer een taak (bijna) klaar is.

Hoe ver is de techniek?

De volwassenheid van voortgangsclassificatie verschilt sterk per toepassingsgebied. In domeinen met een duidelijke, objectieve referentie — zoals een bouwtekening of een medisch classificatiesysteem voor ziektestadia — presteren de systemen inmiddels behoorlijk goed en worden ze commercieel ingezet. De bouwbedrijven die met Buildots en OpenSpace werken, gebruiken de technologie al op echte projecten, en IDx-DR draait al jaren in Amerikaanse oogklinieken.

In open-eindige of minder gestandaardiseerde situaties, zoals het inschatten van de voortgang van een willekeurige menselijke handeling in video, staat het onderzoek nog veel prilrer. Modellen generaliseren daar lastig: een handeling kan op talloze manieren worden uitgevoerd, en "voortgang" is niet altijd eenduidig te definiëren.

Een terugkerend obstakel is datagebrek: goed gelabelde voorbeelden van voortgang zijn duur en tijdrovend om te verzamelen, zeker als een expert (zoals een arts of ervaren uitvoerder) de labels moet aanbrengen. Ook blijft menselijk toezicht doorgaans noodzakelijk; de meeste systemen worden ingezet als hulpmiddel dat waarschuwingen of schattingen geeft, niet als volledige vervanging van menselijke beoordeling — met de medische autonome diagnose van IDx-DR als opvallende uitzondering. Het tempo van verbetering hangt sterk samen met de bredere vooruitgang in computervisie en deep learning, die de afgelopen tien jaar snel is gegaan, maar specifieke voortgangsschattingen blijven een relatief niche-toepassing binnen dat bredere veld.

Wie werken eraan?

Op het gebied van bouwvoortgang zijn vooral gespecialiseerde technologiebedrijven actief, zoals het Israëlische Buildots en het Amerikaanse OpenSpace, vaak in samenwerking met grote bouwbedrijven die hun software als klant gebruiken en testen op echte projecten.

In de medische sector combineren gespecialiseerde AI-bedrijven zoals Digital Diagnostics hun ontwikkeling met regelgevende instanties: in de Verenigde Staten speelt de FDA een centrale rol bij het toetsen en goedkeuren van dit soort systemen, wat mede bepaalt hoe snel ze in klinieken terechtkomen. In Europa geldt sinds 2021 de MDR (Medical Device Regulation) als vergelijkbaar toetsingskader, en de EU AI-verordening voegt daar sinds 2024 aanvullende eisen aan toe voor AI-systemen die als medisch hulpmiddel worden ingezet.

Op het meer fundamentele, wetenschappelijke vlak wordt onderzoek naar actie- en voortgangsherkenning in video vooral gedaan aan universiteiten met sterke computervisiegroepen en bij de onderzoeksafdelingen van grote technologiebedrijven die ook in robotica investeren. Nederland speelt hierin geen dominante rol, maar Nederlandse kennisinstellingen en bedrijven volgen deze ontwikkelingen wel, vooral met het oog op toepassingen in de bouw- en zorgsector.

Verder lezen

• Buildots — officiële site van een van de bekendste AI-bedrijven voor bouwvoortgangsmonitoring.
• OpenSpace — voorbeeld van camera-gebaseerde voortgangsdocumentatie op bouwplaatsen.
• U.S. Food and Drug Administration — Amerikaanse toezichthouder die AI-diagnosesystemen zoals IDx-DR beoordeelt en goedkeurt.
• Nature — wetenschappelijk tijdschrift met regelmatig peer-reviewed onderzoek naar AI in computervisie en medische beeldanalyse.